Один из процессов который отнимал у меня много рабочего времени - кластеризация и её дальнейший разбор:
- часть кластеров разбить;
- какие-то объединить;
- определить целевые страницы;
- определить новые страницы;
- прописать для них оптимизацию и тд...
Часть задач делегировал, но в какой-то момент всё это настолько доконало, что я сел писать код
Я видел попытки полностью переложить кластеризацию на нейросети 🤔
Но пошел по пути оптимизации отдельных подпроцессов.
В итоге собрал скрипт состоящий из нескольких этапов.
На вход:
кластеризация по топу сервисом + частотность запросов
На выходе:
— переработанные кластеры (где надо - объединены, где надо - разбиты);
— прописанный H1 и синоним под Title;
— собранный synset (база синонимов для дальнейших целей оптимизации);
— определена целевая страница, если есть (именно целевая, а не релевантная);
— или пометка, что страницу нужно создать;
В комменте к посту пример вывода.
В целом это выглядит просто.
Отчасти так и есть, но здесь нейросети не являются волшебной кнопкой "сделать хорошо".
Нейросеть не получает задачу - держи 500 кластеров и склей их там как-нибудь. Она участвует за весь "пайплайн" (не люблю эти англицизмы, но наобщался с нейронкой... короче это стёб) пару раз принимая одно конкретное решение на заранее обработанных, ранжированных данных.
Такой подход сейчас работает отлично.
P.S. Нет, это не исключает ручную проверку. Но экономит кучу времени.