Как агентство Webit внедряет ИИ в SEO-процессы: опыт работы с Claude Code
Агентство Webit за последние полгода систематически внедряет языковые модели в рабочие процессы SEO-отдела. Руководитель направления Ирина Клюжева описывает подход как переход от исполнения рутины к архитектуре процессов: модель не заменяет специалиста, а выполняет объёмную аналитическую работу за секунды, оставляя человеку принятие решений и контроль качества. Основной инструмент — Claude Code, который хорошо справляется с задачами, требующими обработки больших массивов структурированных данных. Все промпты адаптируемы под другие модели.
Как Webit использует Claude Code для стратегических SEO-задач вместо рутины
По мнению команды Webit, страх замены SEO-специалистов нейросетями неоправдан. Модель не знает бизнес-заказчика, не улавливает нюансы бренда и не может нести ответственность за стратегические решения. Зато она способна за десять секунд проанализировать пятьдесят страниц конкурентов, найти ошибки в перелинковке, сгенерировать тридцать вариантов заголовков или проверить несколько статей на соответствие техническому заданию. Роль специалиста смещается к постановке задач, верификации фактов и принятию финальных решений — аналогично управлению быстрым, но иногда ошибающимся стажёром. Клюжева рекомендует начать с передачи модели одной рутинной операции по готовым промптам: по её наблюдениям, через неделю возвращаться к старому способу уже не хочется.
Автоматизация приёмки текстов: проверка соответствия ТЗ, лемматизация вхождений и LSI
Приёмка статей от копирайтеров — одна из самых затратных по времени операций, особенно при параллельной работе с двадцатью и более материалами. В Webit эту задачу полностью делегировали модели. На вход подаются два документа: техническое задание с требованиями к объёму, структуре заголовков, списками обязательных слов с диапазонами вхождений, LSI-словами, фразами конкурентов и запретами, а также готовый текст копирайтера.
Модель выполняет две функции: сверяет текст с ТЗ по всем пунктам и проверяет структуру. При подсчёте вхождений используется лемматизация — учёт всех словоформ, а не точных совпадений. Для каждого слова из списков «Добавить» и «Сократить» ставится статус: «Ок», «Мало» (с указанием дефицита) или «Перебор» (с указанием излишка). Структурный аудит охватывает наличие и разметку подзаголовков H2/H3, содержание, списки, первый абзац-квинтэссенцию, отсутствие двух заголовков подряд. Отдельно фиксируются использованные и пропущенные фразы конкурентов, соблюдение запретов и комментариев заказчика.
На выходе формируется структурированный отчёт со сводной таблицей соответствия, детальной таблицей вхождений, списком недостающих LSI-слов, перечнем фраз и чётким вердиктом: «Принять» или «Отправить на доработку» с приоритетным списком правок. По словам Клюжевой, это экономит часы редактуры, а копирайтеры получают обратную связь без эмоций — только цифры и факты.
Аудит коммерческих факторов конкурентов: чек-листы, таблицы и выводы для УТП
Сбор коммерческих факторов конкурентов ранее требовал ручного открытия десятков вкладок и заполнения таблиц. Теперь процесс построен на жёстком чек-листе: модель получает таблицу-шаблон со стандартными блоками (шапка, подвал, главная, категория, карточка товара, отраслевые особенности, блог) и списком URL конкурентов. Промпт запрещает домыслы — при неопределённости модель ставит «?», а не гадает.
Нейросеть обходит реальные страницы каждого сайта и отмечает наличие элементов: логотипа, кнопок расчёта стоимости, телефонов, мессенджеров, отраслевых фишек. Результат выдаётся в виде двух таблиц: «Элементы страниц» с группировкой по факторам и подсчётом количества сайтов, где элемент присутствует, и «Коммерческие разделы» — наличие отдельных страниц. Самое ценное — блок с выводами: модель подсвечивает, где у конкурентов есть элемент, которого нет у заказчика, и наоборот — уникальные возможности для УТП. Это даёт первичный аудит конкурентов за минуты вместо часов ручной работы. Для регулярного мониторинга изменений на сайтах конкурентов (метатеги, цены, названия товаров) команда использует специализированный инструмент отслеживания конкурентов.
Создание прототипов страниц на основе анализа конкурентов и уникальных торговых предложений
Согласование новых блоков страниц ранее требовало написания многостраничных ТЗ, которые редко читались до конца. Теперь модель получает промпт с типом новой страницы, её задачей, ссылками на 2–4 конкурента (или разбором их блоков) и списком уникальных торговых предложений компании. Задача — собрать оптимальную структуру и порядок блоков, а не скопировать конкурентов.
Правила промпта: брать структурную логику и закрывать интент запросов лучше конкурентов; порядок блоков — mobile-first, первый экран решает задачу пользователя и содержит целевое действие; каждый блок имеет цель (SEO, доверие, конверсия, информирование), блоки без цели не добавляются; приоритет помечается [MUST] или [OPT]; используются УТП компании, а не общие фразы; для SEO-блоков указываются закрываемые запросы и подтемы; фиксируется, что подсмотрено у конкурентов, а что сделано иначе; факты о компании не выдумываются. В выводе добавляется блок «На согласование» с резюме: обязательные блоки и причины, преимущества над конкурентами (2–3 пункта), спорные и опциональные блоки. На следующем этапе модель формирует готовые HTML-страницы — наглядный референс для дизайнеров и верстальщиков.
Подготовка ТЗ для внутренней перелинковки: распределение ссылок, анкоры и контроль ошибок
Входные данные — таблица с URL, заголовками, типом страниц (категория, статья, товар) и метриками вроде Link Score. Модель подбирает 3–6 исходящих ссылок для категорий (на дочерние и родительские), для статей — обязательную ссылку на коммерческую категорию, для товаров — ссылки на похожие товары, комплектующие и «вверх» на родительскую категорию. Анкоры формируются на основе H1 целевой страницы, с вариацией словоформ и без переспама. Блок проверки выявляет страницы без входящих ссылок, самоссылки, статьи, не ссылающиеся на коммерческие разделы. Это работает как свежий взгляд, находящий системные ошибки.
Генерация кода структурированных данных: микроразметка Schema.org, валидация и плейсхолдеры
Промпт требует внедрить все типы микроразметки, присутствующие у конкурентов, но отсутствующие у заказчика, с распределением по типам страниц. Перечисляются обязательные поля и реальные данные компании: адрес, телефон, часы работы, соцсети, ИНН. Модель запрещена выдумывать данные — при отсутствии информации ставит плейсхолдер «Заполнить: ...». Требования: абсолютные URL, даты в ISO 8601, язык ru, валюта RUB. На выходе — готовый скрипт с комментариями о месте вставке и таблица покрытия чек-листа. Валидацию результата удобно проводить через инструмент проверки расширенных результатов Google. По наблюдениям команды, код чаще всего полностью корректен, но проверка остаётся обязательной.
Построение базовой структуры сайта: группировка категорий, ЧПУ, приоритеты спроса
Для проектов с небольшим количеством категорий модель строит дерево разделов на основе перечня товаров (существующих и планируемых) с характеристиками и H1, а также текущих категорий. Правила группировки: верхний уровень — по бизнес-модели (аренда/продажа), второй — по типу конструкции/назначению, третий — только при достаточном количестве товаров для дробления. Комплектующие выделяются в отдельную ветку. Каждая категория должна отвечать реальному коммерческому запросу. Для каждой предлагаются ЧПУ-URL, H1, SEO-title с геопривязкой (например, «в Санкт-Петербурге»), H1 без переспама, приоритет по спросу (высокий/средний/низкий). Результат — рабочая основа для дальнейшей самостоятельной проработки семантики.
Поиск каннибализации страниц: анализ позиций, конфликтов целевых URL и семантического ядра
Задача актуальна для крупных семантических ядер, особенно после смены целевых страниц. Входные данные — выгрузка из сервисов аналитики (например, Топвизор) с позициями и частотностью. Модель находит три типа конфликтов: целевая страница не ранжируется (в выдаче другая), одна страница «ворует» чужие запросы (один URL по разным целевым), на один запрос заточено несколько страниц. По словам Клюжевой, ИИ справился с этой задачей с первого раза.
Сбор поисковых запросов для новой семантики
Модель также используется для формирования списков запросов на основе имеющихся данных, что ускоряет начальную семантическую проработку новых разделов.
Вопросы и ответы
Какие SEO-задачи агентство Webit делегирует Claude Code?
Проверка текстов на соответствие ТЗ с лемматизацией вхождений, аудит коммерческих факторов конкурентов по чек-листам, создание прототипов страниц, подготовка ТЗ на перелинковку, генерация кода микроразметки, построение базовой структуры сайта, поиск каннибализации и сбор запросов.
Как организована проверка текстов копирайтеров через ИИ?
В модель загружаются ТЗ и готовый текст. Нейросеть сверяет объём, структуру заголовков, подсчитывает вхождения слов по леммам с диапазонами, проверяет LSI-слова, фразы конкурентов и запреты. Выдаёт структурированный отчёт с вердиктом «Принять» или «Отправить на доработку» и приоритетным списком правок.
Какие ограничения соблюдает команда при генерации микроразметки?
Модель запрещена выдумывать данные: при отсутствии точных сведений (адрес склада, стоимость аренды) ставит плейсхолдеры. Обязательны абсолютные URL, даты в ISO 8601, язык ru, валюта RUB. Результат всегда проверяется через валидатор расширенных результатов Google.
Читайте также на сайте
- Claude Code для SEO: как агентство Webit автоматизировало рутину
- SEO без магии: системный подход к работе с сайтом от бизнес-задачи до заявок
- Как заказать аудит сайта
- Google DeepMind показала Gemini 4 Carbon: лучшая модель для кибербезопасности пока только для защитников