iGaming Text Lab - блог про контент в iGaming

Берём проекты на бесплатный тест Human-Assisted AI!

После последнего апдейта многие снова пересматривают контент на просевших сайтах и проверяют разные сценарии восстановления. Предлагаю добавить к ним ещё один.

Мы бесплатно подготовим для вас один материал с помощью Human-Assisted AI от iGamingTextLab. Вы сможете протестировать его на своём проекте и сравнить результат с обычной AI-генерацией, копирайтингом или ручной редактурой. А потом поделиться с нами фидбеком :)

В основном берём в тест:
- обзоры казино и букмекеров;
- описания слотов и платёжных методов;
- страницы монобрендов.

Но можете удивить нас нестандартной задачей — посмотрим, сможем ли взять и её :)

После прошлого поста желающих оказалось много. Для первого пула мы уже подготовили тексты. Теперь набираем следующий.

👉 Если хотите успеть в новый тестовый пул, пишите: @igamingtextbot

Мест немного!

Human-assisted AI: новый сервис от iGamingTextLab🔥

Как и обещала, рассказываю вам об инструменте, над которым наша команда работала последние полгода и вложила туда весь свой опыт в контенте за последние 12 лет.

Human-assisted AI — это пайплайн создания iGaming-контента с помощью AI, где ключевые этапы контролирует человек.

Мы сделали его вокруг простой идеи: хороший AI-текст начинается не с генерации, а с правильной подготовки: сбора контекста, фактуры, структуры, редакционных требований, сущностей. А главное — все необходимые инструменты должны быть собраны в одном месте и контролироваться человеком, который разбирается в iGaming.

Процесс разделен на несколько стадий:

1. Data research
Мы считаем, что любой текст должен опираться не на "память модели", а на конкретные и актуальные данные о продукте: бонусы, платежи, библиотека игр, лицензии, условия, ограничения по гео. Как это реализовано с технической точки зрения — можно почитать здесь.

2. Entity-based outline
Структура строится от сущностей и интентов: что нужно раскрыть, какие блоки важны, где нужна дополнительная фактура и какие темы нельзя потерять.

3. Editorial policy layer
Для каждого проекта можно завести редполитику. В ней мы фиксируем, какие формулировки нужно использовать, каких избегать, добавляем отдельные требования по каждому гео. Правки клиента по проектам — туда же.

4. Author persona layer
Когда текстам нужен живой голос и прокачка по E-E-A-T, есть возможность подключить написание текста от лица "персоны". У каждой из них — своя легенда, свои соцсети и свой стиль повествования: что автор замечает, чему доверяет, как аргументирует. Вот тут рассказывали подробнее о том, как такой подход помог нам поднять сайты.

5. Human editorial control
На всех этапах текст сопровождает редактор, который понимает iGaming-специфику. Он смотрит, не перепутала ли модель продукты, не выдумала ли факты, не потеряла ли важные условия, не ушла ли в generic и не противоречит ли текст задаче страницы.

6. Audit / QA
После генерации текст проходит проверку: факты, логика, структура, соответствие брифу, редакционные требования, AI-маркеры, качество языка. При необходимости подключаем LQA и локализацию.

На входе вы даёте нам имя продукта, ключи, GEO, язык, требования. На выходе мы отдаём готовый текст, который уже прошёл редактуру и проверку.

Но главное отличие нашего решения от обычной работы в Claude, GPT или Gemini — мы не пытаемся загрузить в один чат всю информацию и получить идеальный текст одним промптом. Данные поступают поэтапно, а оператор контролирует, что именно модель делает на каждой итерации.

Каждый блок пайплайна мы ещё разберём отдельно. А в следующем посте расскажу, как затестить Human-assisted AI на своих задачах :)

Если интересно попробовать сейчас — пишите в личку @igamingtextbot

Даша,
CMO iGamingTextLab

Как всё прошло на iGB L!VE в Лондоне?

Когда мы отправляли туда нашего биздева Уилла Кларка, то рассуждали так: Уилл — британец, конференция — в Британии, наверняка там будет много британцев и других иностранцев. Вот и поговорят на своём британском о погоде и, если повезёт, о контенте.

Каково же было удивление Уилла, когда, войдя в сияющий лондонский зал, он попал в гул русской и украинской речи 😁

К счастью, наш Уилл учит русский, и там он ему сильно пригодился. Но впечатления у британца всё равно остались сильные и довольно сюрреалистические.

Если говорить о разговорах на конфе, то, знаете, на удивление, никто уже не обсуждает ИИ. Нет, конечно, со сцен всё ещё слышно «AI, AI, AI». Но это уже воспринимается как фоновый шум. А между собой люди говорят совсем о другом.

Например, о том, как сложно масштабироваться на новые рынки. И дело не в отсутствии исполнителей. Мало кто понимает, как выстроить маркетинг, контент-стратегию и ToV под конкретное гео так, чтобы всё это выглядело действительно нативно. Оказывается, просто нагуглить информацию недостаточно.

В результате все что-то как-то переводят, понимают, что где-то что-то проседает, но не могут разобраться, где именно и почему.

Все ругают чистую генеренку. Многие команды пытаются решить проблему с качеством, нанимая контентщиков исключительно для редактуры сгенерированных текстов. Качество, конечно, становится выше, но такой процесс плохо масштабируется.

Ещё, кажется, начинается новая волна интереса к Бразилии. Очень многие сейчас смотрят в сторону этого гео. Последний раз мы наблюдали такое в 2022–2023 годах.

В целом съездили не зря: теперь бегаем от созвона к созвону.

А вы как думаете, стоит ли в следующем году ехать на iGB? Какие конференции, на ваш взгляд, точно следует посетить, а какие можно спокойно скипнуть?

Галлюциногенные SEO-тексты с протухшей инфой — почему ИИ их выдаёт и как это прекратить?

Как ни странно, одна из причин: заранее собранная база. Тот самый случай, когда фича оборачивается багом.

Перед тем как делать наш Human-assisted AI, я много тестировал похожие продукты от конкурентов. И заметил вот какой паттерн: инструменты, которые опираются на заранее собранные базы, чаще выдают устаревшую информацию и смешивают между собой продукты.

Например, в одном из тестов модели с предсобранной RAG, у нас получился текст, который начинался с обзора одного слота и заканчивался обзором другого. Просто потому, что на предсобранных данных похожие сущности дают близкие эмбеддинги, и retrieval вытягивает в топ чанки от нескольких слотов сразу.

Технологически вроде все сделано верно, но если не вчитываться и опубликовать, гугл сломает глаза. А сайт уйдет в те самые 90% тех кто "не взлетело — значит, гугловский рандом, наклепаем еще 10".

Я довольно долго думал, что с этим делать.

Заранее собранная база — в принципе неправильная идея для iGaming, где всё может поменяться за несколько дней, и есть куча похожих до неузнаваемости продуктов. Полные и актуальные данные о конкретном продукте, которые включают в себя бонусы, платежи, библиотеку игр, лицензии, условия, ограничения по гео, всегда будут выигрывать при прочих равных.

К тому же, кто и как собирал эту базу? Корректно ли прошел парсинг, с каких источников? А если три источника будут давать разные значения атрибутов сущностей — какое попадет к нам? На каком этапе происходит реконсиляция?

На выходе получается а) старая, б) каша. Каким бы дальше ни был процесс генерации, кого мы хотим этим удивить? А если не хотим, то зачем мы здесь? :-)

Поэтому в нашем Human-assisted AI мы решили перенести основное внимание на стадию Data Research.

Как она работает у нас?

Под капотом несколько преднастроенных агентов по сбору источников: ИИ-парсер официального сайта бренда, парсер отдельно заданных страниц с условиями, распознавание скриншотов, и несколько других крутых дополнений. Все данные стекаются в Data Pool конкретной задачи.

Казалось бы, что такого? На рынке куча ии-агентов, которые одним нажатием кнопки бабло соберут все что нужно. Но есть нюансы, которые решают:

1) Входные страницы всегда задает оператор. Это гарантия того, что агент не начнет собирать инфу о CCTV {cable} slot вместо CCTV {casino} slot.

2) Наши авторы каждый день сталкиваются с тем, что самая уникальная и сладкая информация скрыта за регой. А рега это тот процесс, который сложно автоматизировать и масштабировать.

3) Зачастую часть данных живёт в виджетах, а не в тексте страницы. Это влияет коренным образом на парсинг, процент добытых данных и, конечно, на его стоимость. И как бы мы ни фанатели от ИИ-агентов, универсального и автоматического парсера за 20 лет работы с парсерами я не видел. За последние годы — тоже.

Между тем эта информация может составить тот самый Information Gain, за которым охотится Гугл. То есть это реально то, что в конечном счете выделит вас из серой толпы ИИ-рерайтеров casinoreview (те, которые топ-20).

Поэтому оператор может в полуручном режиме пройти регу, разметить данные и одним кликом добавить их в Data Pool конкретной задачи (статьи).

Что по ресурсам?

Благодаря автоматизациям, удобному окружению, системе "одного окна" и — о чудо! — опытному оператору, который знает где искать, мы получаем уникальный набор данных, который еще за три этапа до генерации текста уже делает его выдающимся.

Если хотите проверить этот подход на своих страницах, можем взять несколько задач в тест и показать разницу на конкретных продуктах, GEO и URL.

Владимир,
Founder iGamingTextLab

iGamingTextLab: Есть эффективный способ использовать ИИ в контенте!

Их подписчики с 2023 года: Какая ты двуличная, Раиса Васильевна...

😁

Смотрите, сайтопад! 💫

Похоже, после очередного апдейта многие снова возвращаются к вечному вопросу: что делать с просевшими сайтами?

Наткнулась на пост Андрея Сороки, где он планирует тестировать разные подходы: переписывать контент разными AI, отдавать часть текстов копирайтерам, менять шаблоны сайтов.

Тесты — это, конечно, хорошо. Только вот по ИИ-части у меня риторический вопрос:

Достаточно ли просто сменить модель или раздобыть супер-промпт, чтобы получить принципиально другой результат?

Вот наш опыт показывает, что нет.

Google неоднократно заявлял, что он не наказывает ИИ-контент как таковой. Тем не менее, генеренка стабильно вылетает. Значит, есть подозрения, что она не удовлетворяет другим требованиям, которые гуглу реально важны. Например:

1. Писать реальную информацию о продукте.

ИИ галлюцинирует. Причём иногда так жестко, что начинает смешивать между собой разные игры и даже продукты из других ниш. Или противоречить самому себе в одном тексте.

2. Добавлять ценность.

ИИ берёт инфу из своей базы и выдаёт среднюю выжимку того, о чём писали конкуренты. Чаще всего это информация, которая за 3 секунды парсится с официального сайта.

При этом упускается огромный пласт циферок, статистики и интересных с точки зрения Google фактов о продукте, которые находятся в виджетах сайта, на форумах и отзовиках. Они могли бы создать эту "добавочную" ценность. Но увы и ах.

3. Подтверждать экспертизу через реальное авторство.

Я видела, что люди уже пытаются решить это с помощью экспериментов с промптами, "блоговым" форматом и прикреплением фоток и био в конце каждого текста. Это работает, но ограниченно — по-настоящему хорошо, когда есть ссылки на соцсети или статьи в других источниках.

Бонус-проблема, которая неизменно возникает при использовании массмаркетного ИИ — мало закинуть редполитику в ИИ-шку, чтобы она сама разобралась. Важно добавлять ее на нужных стадиях генерации, чтобы модель не мешала все данные в одну кучу, получая множество несостыковок и противоречивых инструкций.

Но есть способ использовать ИИ в контенте более эффективно.

Изменить не промпт, не модель, а сам процесс производства.

Во-первых, он должен решать на уровне архитектуры хотя бы часть слабых мест, которые я описала выше.

Во-вторых, в цепочке должен присутствовать человек, который будет контролировать ИИ на каждом шаге.

Да, эти тексты всё ещё не будут так же хороши, как те, что пишут люди. Топы по-прежнему занимают тексты живых авторов — это видно и по отраслевым исследованиям, и по нашей собственной практике. Но такая генеренка будет уже добротным средним уровнем без нейрослопа, с ценностью и разумным бюджетом.

Расскажу в следующем посте, как мы это организовали:)

Даша,
CMO iGamingTextLab

Как найти жирный слот для контента ещё до того, как он стал мейнстримом?

Мы знаем, что это — боль и один из главных вопросов, который задают себе многие iGaming SEO. По нашим разговорам с ребятами из индустрии, есть четыре рабочих сигнала:

1. Смотреть, что пушат операторы
2. Мониторить инфлюенсеров в индустрии
3. Ловить сиквелы хитов
4. Следить за общими трендами, желательно в разрезе конкретного ГЕО

Например, сейчас хорошо видно два направления.

Первое — instant/crash-like механики. После успеха Aviator рынок понял, что игрокам заходят короткие сессии, быстрый риск и понятное действие.

Второе — ностальгия. Пиксели, 8-битная озвучка, простые визуальные циклы и механики, которые напоминают старые мобильные, браузерные и sandbox-игры. Миллениалы и Gen Z давно вернули ретро-гейминг в культуру, а провайдеры это, конечно, тоже заметили.

Например, недавно у Pixmove Games вышел Falling Pickaxe — instant-тайтл, на котором можно хорошо разобрать оба тренда.

Механика простая: игрок крутит барабан, напоминающий рулетку из кейсов, получает кирку, а дальше она падает вниз по полю и выбивает награду. Всё считывается за пару секунд: пиксели, mining, залипательно падающая кирка, награда.

И тут с продуктовой точки зрения прикольная вещь — Falling Pickaxe выглядит не как классический слот, а как короткий игровой клип. Его легко показать в short video, легко объяснить без длинного туториала и легко привязать к Minecraft-like эстетике, вокруг которой уже сейчас органически генерируется трафик.

Не факт, что каждый такой тайтл станет новым Aviator. Но если сходится бинго: тренд + hook + пуш + пустая выдача, то у слота есть шанс. В конце концов, главная задача — поймать сигнал на пару месяцев раньше рынка и занять SERP, пока он ещё пустой. Всё остальное — вопрос скорости 🙂

Подписывайтесь на iGamingTextLab и Pixmove!

Денег в эпоху ИИ заработает тот, кто решит проблему "tool sprawl" — "расползания инструментов"

На прошлой неделе я запостила мем про миллион вкладок и решила: если уж ныть, то хотя бы со ссылками на источники.

Поискала информацию и оказалось, что я не одна такая негодующая. Проблема, когда для одной рабочей задачи приходится прыгать между десятком сервисов, уже получила отдельное название — tool sprawl.

В мае термин даже попал в рубрику New Words на блоге Cambridge Dictionary. Там его объясняют как ситуацию, когда в компании накапливается слишком много платформ, каналов и цифровых инструментов, из-за чего рабочая среда становится дорогой, неэффективной и раздражающей.

Минутка интересных фактов.

Согласно опросу WalkMe, 53% людей переключаются между 2–3 сервисами, чтобы сделать ОДИН кусок работы. Один.

Как результат, из-за этого 37% вообще отказываются от использования ИИ, потому что это тормозит их рабочий процесс. А среди тех, кто использует больше 8 приложений, процент отказа достигает 54%. И я этих работников прекрасно понимаю.

Почему так получается?

Мой опыт говорит, что нет одной модели, которая хороша во всём. GPT лучше держит мой тон, потому что я его долго тренировала. Но без нормальных вводных всё равно уверенно пишет фигню. Claude лучше думает. Gemini лучше ищет информацию.

А перед этим нужно ещё зайти в Ahrefs, собрать ресёрч, проверить факты, прогнать текст через ИИ-детектор, антиплагиат и ещё пять вкладок, которые ты открыл «на всякий случай» и теперь боишься закрыть.

В итоге один несчастный текст собирается из связки сервисов, как Франкенштейн. А потом всё равно редактируется руками, потому что идеала магическим образом не получилось :)

Почему это может обернуться в будущем большими проблемами?

1. Скорость, ради которой всё затевалось, исчезает. ИИ-то быстрый. Но время на переключения уходит много. По исследованию Hubstaff, на глубокую работу у людей остаётся лишь 39% времени — это 2–3 продуктивных часа в день. Остальное съедает "работа вокруг работы".

2. Деньги. Каждый сервис — отдельная подписка. По отдельности недорого, в сумме — статья расходов, которую никто не считает. Добавьте сюда ещё бесконечные токены, которые дорожают. Интересно, придём ли мы к тому, что использовать человека окажется дешевле, чем ИИ?

3. Качество. Когда у тебя всё распихано по разным вкладкам, оно ожидаемо страдает. Потому что каждый новый инструмент становится ещё одной точкой, где может потеряться контекст.

В общем тот, кто придумает, как решить проблему tool sprawl, обогатится. И я сейчас не шучу. Подумайте об этом на досуге :)

Даша,
CMO iGamingTextLab

Напоминаем, что нашего биздева Уилла Бонда Кларка можно будет завтра поймать на конференции 🔥

На вашем месте, я бы обязательно поймала, чтобы выудить все пикантные подробности о нашем human-assisted AI. Потому что это реально интересно — у меня самой язык чешется всё рассказать. Но пока некоторые вещи можем говорить только ограниченному числу людей в британских кулуарах 🧐☕️

Ещё можно поспрашивать про локализацию: Уилл в этом действительно шарит.

В общем, записывайтесь, пока не поздно :)

P.S. Когда делали этот баннер, было много вариантов. Уилл Холмс, Уилл Джонс, Уилл Виндзор, Уилл-гвардеец в мохнатой шапке... Остановились всё-таки на Бонде, потому что у него тоже был NDA проклятый 👹

⬆️ А вот что лично меня больше всего бесит при работе с ИИ

Конечно, понимаю: это и без ИИ было кармой любого контент-менеджера. Но чёрт возьми, Энакин, ты должен был бороться со злом, а не примкнуть к нему! Я бы даже сказала возглавить.

Потому что мы заметили, что разные модели хороши для разных задач. В итоге, лично мне чтобы собрать одну единицу контента, приходится лазить по куче вкладок и платить за кучу подписок на разные сервисы. Плюс потом руками очень много править.

Бесит 🙄

Даша,
CMO iGamingTextLab

📍 Едем на iGB L!VE London 2026

От нас будет Уилл Кларк — BizDev и главный редактор iGamingTextLab:)

Уилл больше 5 лет работает с локализацией для iGaming и Fintech брендов и готов поделиться опытом, как адаптировать SEO-контент, CRM и промоматериалы под разные рынки. Особенно классно наш биздев разбирается в англоязычных проектах, потому что, как можно было догадаться по фамилии, наш Уилл — коренной британец :)

Так что если вы работаете с этой темой, особенно в десятке гео сразу, ловите Уилла на кофе. Он передаст вам коллективные знания iGamingTextLab.

Заодно можем обсудить, как оптимизировать бюджеты на производство, если контента нужно много, на разных языках и под разные гео. Пара идей у нас есть :)

А ещё будет здорово повидаться со старыми клиентами и поболтать о ваших проектах🫶

1-2 июля, iGB L!VE, бронь встречи ➡️
!UPD! @igamingtextbot

Даша,
CMO iGamingTextLab

Google ловит AI-спам всё более интересными способами.

Наткнулась тут на одну статью, потом полезла читать первоисточник от Google, а потом продолжение. Вообще-то, изначально в исследованиях речь шла про видеоплатформы и бан скоординированных аккаунтов, а не про ранжирование в поиске. Но мне стало интересно, куда в принципе смещается фокус и будет ли он применяться в текстах. Поделюсь наблюдениями — зря, что ли, разбиралась из жажды быть с SEO-народом на одной волне :)

Если коротко, поштучная проверка контента перестаёт справляться с AI-спамом: массовую генерацию специально делают так, чтобы перегрузить качественные фильтры. Каждый кусок чуть-чуть другой, и обычные методы его не ловят.

В ответ на это у Google появилась Scalable Cluster Termination System (S-CTS) — система защиты от скоординированного спама. Суть в следующем: она уходит от оценки отдельной единицы контента к кластерам скоординированных каналов и аккаунтов.

Интересно, по каким критериям оценивают кластер — не по одному признаку, а по совокупности сразу:

• синтетический контент
• скоординированное поведение
• связность сети.

Что зацепило именно нас, контентщиков: в статье проговаривают, что ИИ-текст оставляет различимый след, и что текстовые эмбеддинги (вроде Sentence-BERT) используют, чтобы вылавливать шаблонные, «скриптовые» ИИ-нарративы. Но сам по себе этот след — не приговор: кластер кладут не за него одного, а когда ИИ-шаблонность сходится со скоординированным поведением и связностью сети.

То есть для одиночного бренда AI-паттерн в тексте не фатален. А вот если ты при этом работаешь как сетка, он становится тем самым подтверждающим признаком.

А продолжение этой работы — Scaled Abuse Forensics Examiner (SAFE). Это мульти-агентная система, которая разбирает, как каналы связаны между собой, как координируются через синхронные загрузки и общие инфраструктурные отпечатки, и что у них с контентом. Она коррелирует три типа улик: инфраструктуру, поведение и контентные артефакты. А потом выносит вердикт как аналитик-форензик, а не как один вероятностный балл.

Какие выводы из этого можно сделать?

Главный — и это уже мои наблюдения, а не цитата из статей: фокус смещается с отдельного текста на систему его производства. Кто его делает, как, по какой схеме и с какой инфраструктурой за спиной. Да, формально это всё ещё про видеоплатформы и бан аккаунтов, а не про вашу выдачу.

Но направление считывается: оценивают не единицу контента, а паттерн производства за ней. И мне сложно поверить, что в текстах рано или поздно не появится та же логика.

А дальше — простая рыночная история. «Делать много контента» больше не будет преимуществом. Оно образуется вокруг реальных данных, экспертизы, редактуры, контроля качества. Именно это делает контент по-настоящему отличающимся, а не переписанным другими словами.

Вопрос в том, как соединить это с ИИ-инструментами при минимальных издержках и для контенщиков, и для заказчиков. Мы сейчас над этим активно думаем, и, хочу сказать, довольно успешно :)

Можете со мной не соглашаться, кидаться помидорами, я мужественно приму ответ в комментариях.

Даша,
CMO iGamingTextLab

Почему многие до сих пор не перешли на ИИ в контенте?

Мы-то знаем почему. Но, дабы не быть голословной, решила покопаться в исследованиях и опросах и посмотреть, подтверждают ли наши наблюдения реальные данные.

Вот какие причины чаще всего называют:

1. Сложно достигнуть нужного уровня качества

ИИ хорошо синтезирует общедоступную информацию, но плохо воспроизводит личный опыт, нюансированный отраслевой взгляд, стратегическую проницательность и оригинальное мышление, особенно в узкоспециализированных нишах.

Вывод сделан на основе опроса Brafton, где 87 из 132 опрошенных маркетологов пожаловались, что контент получается тонким и обезличенным, 51 — что он ссылается на устаревшую или неверную информацию, а 43 сказали, что он не отражает их реальной экспертизы.

Наше мнение: подтверждаем. Как люди, которых регулярно просят переписать тексты как раз с такой вот "экспертной" точки зрения.

2. Галлюцинации и фактические ошибки

Неожиданно, но рост возможностей модели не означает, что она меньше выдумывает. Свежий пример — тест GPT-5.5. В тесте AA-Omniscience модель показала один из лучших результатов по фактической точности (57%), но одновременно вошла в число лидеров по «уверенным галлюцинациям»: когда ответа нет, примерно в 86% случаев она всё равно выдаёт выдуманный вариант вместо того, чтобы признать неопределённость. Для сравнения, у Claude Opus 4.7 этот показатель составляет около 36%.

При этом причина ошибок не в том, что модель берёт плохие источники. Она выдумывает информацию с нуля, потому что такой ответ выглядит статистически правдоподобным.

Наше мнение: такая проблема есть. Причём что самое интересное, ИИ продолжает галлюцинировать, даже если прописываешь ему ссылку на источник.

3. SEO-риски

Google не штрафует за ИИ-контент, как таковой. По оценке Originality.ai на сентябрь 2025 года, около 17% результатов в топ-20 были сгенерированы ИИ.

Однако топ-1 почти всегда за людьми: по данным Semrush, человеческий контент занимает позицию №1 в ~80% случаев против ~9% у чисто ИИ-страниц.

Наказывают прежде всего за качество и отсутствие "information gain", т.е. если страница покрывает ту же территорию, что и сотни других, теми же структурой и выводами, у Google нет стимула её индексировать. А именно так выглядит большинство ИИ-генерированного SEO-контента.

Наше мнение: согласны. Уникальность — это именно то звено, которое никогда не сможет быть заменено ИИ. Отсюда, кстати, и родилась идея про то, что у нас будет не просто ИИ-инструмент, а human-assisted ИИ.

Идея в том, что если добавить в генеренку умного редактора, то он может привнести в текст то, с чем у ИИ сложности: реальный опыт, эмоции, свою позицию. А пруфридер может поправить стиль и формулировки для тех, кому нужен максимально аутентичный контент.

Даша,
CMO iGamingTextLab

Пока оправдываем идею сделать на сайте кнопку "Позолотить ручку" 😁

Наш автор собрал табличку со всеми прогнозами и результатами.

Для эксперимента взяли виртуальный банкролл $2000 и фиксированную ставку $100 на каждый прогноз. Результат виден на скрине🔥

Но больше всего мне нравится не результат, а причина.

Во-первых, у нас собралась действительно сильная команда спортивных авторов.

Это люди, которые следят за командами, знают составы, отслеживают форму игроков и тренеров и могут объяснить не только на что ставить, но и почему.

Во-вторых, мы изначально договорились с клиентом не гнаться за количеством.

Вместо прогнозов на каждый матч выбираем только самые интересные события для аудитории. В итоге клиент не тратит бюджет на проходные материалы, а авторы могут глубже проработать каждый прогноз.

В-третьих, очень нравится, как реализовали E-E-A-T.

Все прогнозы публикуются под реальными именами наших авторов, с фотографиями, био и профилями экспертов на сайте. Получается не безликий контент, а авторская аналитика, за которой стоит конкретный человек.

В общем, это один из самых любимых моих проектов за последнее время 🫶

На всякий случай напоминаю — ЧМ заканчивается 19 июля, Уимблдон начинается 29 июня, US Open — в августе. А людей, которые и живут спортом, и знают, как качественно писать прогнозы, найти непросто :)

Ни на что не намекаю, но, если что, вы знаете, где нас найти 😏

Даша,
CMO iGamingTextLab

Длинные тире — баг или фича?

Вы заметили, что LLM-ки пихают тире всюду? И если для текстов на русском это еще куда ни шло, то в нормальном  грамотном английском и других языках они не употребляются в таком количестве никогда.

Окончательно выбесившись на это самоуправство, решила спросить у Claude напрямую, в чем дело. Ответ убил:

Скорее баг. Тире (em-dash) — задокументированный маркер Claude. ИИ-тексты ими злоупотребляют, и читатели, которые много видели LLM-output, быстро считывают паттерн. Грамматически это не ошибка, но для поста, который должен читаться как написанный человеком, такая текстура — выдаёт с головой.
Большинство задач, которые решает тире, можно закрыть запятой (короткая вставка), точкой (сильный разрыв), скобками (отступление) или двоеточием («вот что я имею в виду»).

Самое противное в этом — когда ему говоришь не спамить длинными тире, он убирает их там, где они нужны 🤬

Интересно, когда это починят разработчики. Ну, реально ведь эти тире уже стали мемом.

А вы уже отучили свой ИИ ставить тире там, где не нужно?

Алина,
Head of Content iGamingTextLab