Кейс по снижению стоимости заявок в Яндекс Директ

E-com проект, входящий в топ-10 в своей нише

Больше сказать не можем из-за NDA.

Мы решили проблему: скинули рутину на ИИ

Масштабные e-com и b2c-бизнесы теряют деньги на ручной работе с оптимизацией и из-за узкой структуры сайтов: SEO-спецы создают по 30 новых страниц в месяц, когда нужно по 100−500. С таким подходом невозможно эффективно работать с миллионами товаров — обязательно плывут сроки, косты и/или качество. 

В итоге на одном проекте сэкономили 8 млн ₽ на команду и ускорили выполнение задач на 2 года. Рассказываем, как с помощью нейросетей сделали невыполнимое выполнимым.

Как плохая структура сайта может сжечь ваши миллионы

Зачем крупным брендам разбираться в оптимизации за счет ИИ

Зачем вообще бизнесу запариваться с проработкой сайта? Ответ предельно прост: хорошая структура = деньги в копилочку компании.

Если работать с большим проектом вручную, можно столкнуться с кучей проблем:

Добавьте сюда необходимость в десятках рабочих рук и ограничения инструментов вроде Excel.

И что же делать? Рассказываем, какой выход нашли мы.

с семантикой:

неполный сбор или слишком грязные запросы, нет сегментации по интентам (целям пользователей);

со структурой:

получается слишком плоской или глубокой, в ней нет логики, зато есть пересечения запросов между разделами;

со спецами:

могут двигать сроки или допускать ошибки, которые скажутся на общих результатах.

В итоге органический трафик растет, позиции в поисковиках улучшаются — бизнес получает больше заказов и выручки.

сайты с широким ассортиментом охватывают больше спроса;

Как это работает:

пользователям удобно ориентироваться в каталоге.

нет дублей страниц;

Зачем крупным брендам разбираться в оптимизации за счет ИИ

Как вообще стартовал проект:

Быстро, но не perfect

01

Генерация страниц без семантики под неограниченное количество кластеров. Скорость хорошая, но можно получить многовато малополезного контента.

за полгода собрать семантику для 500 000 кластеров. Нужно было построить структуру, прописать H1 и анкоры, типизировать страницы.

Сначала решили пойти проторенным путем и выбрали второй вариант: и нам привычнее, и у клиента приоритетный запрос именно на качество. Но по ходу поняли, что без автоматизации не обойтись и нужно изобрести третий маршрут — генерацию с тщательной проработкой семантики. Но обо всем по порядку.

В теории у нас было два пути:

сайты с широким ассортиментом охватывают больше спроса;

Клиент поставил задачу:

пользователям удобно ориентироваться в каталоге.

нет дублей страниц;

Начали все делать руками: преодолели только 10% пути за 3 месяца

Так мы попали в классическую загадку с двумя стульями (ну, почти):

Собирали маски, минус-фразы, кластеризовали запросы и вручную проходились по ним. Помимо того, что это занимало много времени и сил, всплыли и другие проблемы:

Что в итоге? 6 спецов работали по 15 часов в день, но через 3 месяца сделали только 10% объема. Рентабельность -60%, клиент недоволен — нужно что-то менять.

сдать проект через 1080 дней

нанять 12 спецов и сработать в -180% рентабельности

Key.so не мог отдать сразу все запросы по такому большому проекту;

промежуточные задачи сильно затягивали весь процесс;

страдало качество.

в Excel не лезло больше миллиона строк;

Решили автоматизировать работу, чтобы ускориться

Давайте будем честными: что-то придумывать, тестировать и внедрять всегда больно. Но не так больно, как смотреть на губы, которые не можешь поцеловать на техпроцесс и видеть, насколько все не ок:

Действовать нужно было решительно, на тильт и рефлексию времени у нас не оставалось

Взяли себя в руки, выкрутили мощности мозгов и компов на максимум — и пошли по новому маршруту

3 месяца до дедлайна

На этом этапе дела обстояли так:

ровно столько же, сколько мы уже потратили

10% объем выполненых работ

посчитайте сами, сколько нам предстояло доделать

И да, деньги мы тоже тратили не так эффективно, как хотелось бы

Чем темнее — тем хуже наши дела

Сбор семантики

$$$

Чистка семантики

$$$

Классификация семантики

$$$$$

Кластеризация семантики

$

Типизация страниц

$$$

Написание заголовков

$$$

Написание анкоров

$$$

Структура страниц

$$$

Заменили Excel базой данных

Так решили вопрос объемов датасетов. Начали выгружать запросы из Key. so напрямую по API, в Excel экспортировали небольшими кусками:

Давайте сравним:

Выгружаем CSV c лимитом в 100к

Вручную сводим данные конкурентов

60 часов

120 000 рублей

промежуточные задачи сильно затягивали весь процесс;

страдало качество.

в Excel не лезло больше миллиона строк;

Было

Выгружаем из Keyso напрямую по API

Храним данные в БД

10 часов

35 000 рублей

Вжух — и что-то на схеме техпроцесса уже позеленело:

Сбор семантики

$

Чистка семантики

$$$$

Классификация семантики

$$

Кластеризация семантики

$

Типизация
страниц

$$$

Написание
заголовков

$$$

Написание
анкоров

$$$

Структура
страниц

$$$$$

Вжух — и что-то на схеме техпроцесса уже позеленело:

Сбор семантики

$

Чистка семантики

$$

Классификация семантики

$$$$

Кластеризация семантики

$

Типизация страниц

$$$

Написание заголовков

$$$

Написание анкоров

$$$

Структура страниц

$$$$$

В Excel экспортируем небольшими кусками

Стало

Начали тестировать ИИ на заголовках

Формировать H1 вручную спецам легко, но такая работа отнимает много времени.

Тест проводили через веб-интерфейс ChatGPT — поняли следующее:

Поэтому дальше повернули в сторону устранения этих проблем.

За раз не скормить больше 200−300 строк

Стало ясно, что нужно решать вопрос с огромными временными затратами на обращения к нейронке.

Качество оставляет желать лучшего

Модель ChatGPT 4 не отдавала весь объем данных, отходила от ТЗ и много креативила.

Нашли способ ускориться и повысить качество

Чтобы решить повысить скорость, отладили работу через технологический стек Python + API + AI + CSV:

Интерфейс в лучших традициях MVP доработали и сделали такую красоту:

С проблемой качества тоже справились. Протестировали несколько нейросетей и нашли вариант с большим контекстным окном. Первым решением была Gemini 2.0, но позже пришли к Gemini 2.5 и DeepSeek V3.1.

А чтобы нейросети перестали фантазировать и начали работать по ТЗ, докрутили настройки вроде температуры и top-k. Потом сравнивали генерации с результатами ручной работы SEO-спецов. Если находили ошибки — классифицировали их и дорабатывали промпты. И так до получения нужного результата.

Миллионы строк дробили на CSV, которые влезают в один запрос к ИИ (по 200−300 строк).

01.

02.

03.

В ChatGPT обращались с CSV и промптом в txt по API.

→

→

Объединяли готовые CSV-фрагменты на бэкенде.

Проблема

Перегрузки ЦП/ОЗУ позволяли запустить не более 10 копий парсера с одного ПК

решение

Работаем на 5 ПК, внутри каждого запускаем 10 копий парсера

→

Проблема

Чем больше задач обрабатывается на одном API — тем хуже качество

решение

У каждого ПК своя авторизация и API-ключ

Итоги по H1:

Найденное решение масштабировали на другие части процесса.

SEO-Junior вручную прописывает H1 по самому частотному ключу

На 100к кластеров:

320 часов

640 000 рублей

Было

Отдаем массив кластеров с промптом в Gemini

20 часов

40 000 рублей

Получаем итог в CSV с 95% качеством

Еще раз вжух — и позеленело несколько новых квадратиков на схеме:

Сбор семантики

$

Чистка семантики

$$$$

Классификация семантики

$

Кластеризация семантики

$

Типизация страниц

$$$

Написание заголовков

$

Написание анкоров

$

Структура страниц

$$$$$

Стало

На 100к кластеров:

Создали армию ИИ — победили тьму нерешаемых задач и дедлайнов

Задачу клиента мы решили полностью, в дедлайн уложились:

Что отдали ИИ-агентам:

Когда переложили все это на нейросети, процесс пошел гораздо быстрее. Необходимость нанимать 12 спецов отпала — стало достаточно 6 человек, работающих с ИИ.

Собрано кластеров

с ИИ

без ИИ

450 000

50 000

Срок закрытия проекта

90% за 3 мес

10% за 3 мес

Количество обрабатываемой семантики в сутки

50 000

5 000

Скорость сбора семантики, прописывания H1, построения структуры

1 мин / 1 кластер

11 мин / 1 кластер

Чистку семантики

После этого позеленела вся схема техпроцессов:

Сбор семантики

$

Чистка семантики

$

Классификация семантики

$

Кластеризация семантики

$

Типизация страниц

$

Написание заголовков

$

Написание анкоров

$

Структура страниц

$

Автоматическое удаление нерелевантных запросов

Классификацию запросов

Разделение по интентам и типам

Определение геоположения и брендов

Геопривязка, маркировка брендовых запросов

Написание заголовков H1, метатегов и анкоров

Прописывание в массовом порядке

Привязку товаров и генерацию описаний

Создание текстов для миллионов SKU всего за пару рабочих дней, привязывание товаров к категориям

Построение структуры

Создание иерархии и связей между разделами каталога

без доработок посадочных;

без увеличения бюдажета.

без повышения ставок;

Изначально Яндекс придумал эти форматы для e-commerce. А у нас половина проектов — сайты без товарных карточек или вовсе лендинги без каких-либо каталогов. Если короче: не для наших ниш эта роза росла этот инструмент создавался. Но мы подумали: «А что, если…» И начали тесты.

В итоге появился Поиск+. Всех деталей не расскажем (когда большая часть рынка догадается — сольем инфу). Главное, что вам нужно знать — инструмент работает:

Дано: фиды и товарные объявления

Теперь коротко о каждом тесте.

производство бетона;

производство электротехники;

услуги B2C;

продажа медицинского оборудования;

аренда спецтехники;

производство и продажа оборудования для B2B;

изготовление наружной рекламы.

Мы перепробовали 100500 корректировок и провели тесты по всем возможным сценариям, чтобы найти вариант, который сильнее всего влияет на результат в 2025 и делает это ПРЕДСКАЗУЕМО.

Эксперимент проходил на 10 проектах из разных ниш:

Метрика

Сначала решили не ломать картину мира полностью и запустили аккуратненький тест: Поиск+ вместе с обычным поиском по семантике. Взяли два проекта: электрику и медтехнику.

Красота? Почти божественная. Но есть один минус: объявления начали бодаться между собой. Когда клики по ключам дороже, Поиск+ уходит на скамейку запасных. Поэтому пошли пробовать другой сценарий.

Метрика

Логика простая: убрали с поля поиск по семантике — поставили нового бойца.

Поиск+ лучше и стабильнее всего работал на «широких» запросах. А вот на брендовых — как погода в Питере: сегодня загораем, а завтра кутаемся в пуховики.

Участвовали четыре проекта из трех ниш: производство бетона, аренда спецтехники, продажа оборудования для B2B.

Метрика

Это классика, это знать надо

В среднем клики дешевле наполовину, а заявок больше в разы. В одном проекте ROI улетел x12, выручка выросла больше чем x10. Тут мы пересчитывали три раза, потому что «ну не может быть так хорошо». Может.

Такой тест нужен всегда, чтобы точно все по-честному. Делим трафик пополам: один идет на поиск по семантике, второй — на Поиск+. Тестили на четырех проектах из трех ниш: производство электротехники, услуги B2C, продажа оборудования для B2B.

Метрика

Параллельно со старым-добрым поиском по семантике, вместо него и в честной дуэли. Везде наш хороший мальчик инструмент дает больше заявок за те же деньги. Проверяли с учетом сезонки, праздников и даже багов на сайтах. Так что результаты не подкрученные, а реально подтвержденные. Вот они слева направо:

Поиск+ прошел испытания во всех возможных формах