Вопрос из чата №49 от 04.03.25:
Кто юзает чатгпт? Кто пробовал делать алгоритм написания текстов объявлений на основе спаршенных объявлений конкурентов? Кто как использует его в операционной работе? Цель: сократить обработку сырого массива спарсенных объявлений конкурентов.
Я 10 лет парсил объявления.
Начнём с базы.
🔸 Объявления парсятся десятками тысяч.
🔸 Содержат они 3000+ уникальных тезисов.
🔸 Контекстное окно Deepseek и GPT 4o = 128 КБ = 8000–9000 слов = 900–950 строк.
Мечте об автоматизации в GPT конец))00)
К конкретному бизнесу применимо 2–3% тезисов.
Согласуете с клиентом вы в лучшем случае 100 шт.
В объявлениях, заголовках и текстах на сайте вы примените <50.
Спойлер: в конце.
————
GPT не понимает, что из преимуществ первично для ЦА, что вторично, чем пренебречь, а что к бизнесу не относится.
Как вы GPT объясните, что на один сегмент продукции есть рассрочка, на другой — нет, а на 3-й — поэтапная оплата?
Сколько времени вы угрохаете в дообучение GPT?
Как вы будете проверять корректность бреда, который нагаллюцинирует GPT?
Если GPT напишет то, чего нет на сайте, ваша гениальная автоматизация даже модерацию не пройдет.
Всё это красиво выглядит только на бумаге. Потом реальность осаживает вас на жопу.
————
Универсальный алгоритм обработки объявлений конкурентов в Power Query (делайте в чём хотите):
————
1️⃣ В Key Collector по ключам запускаем "Парсинг объявлений в ПС Яндекс".
2️⃣ Экспорт в Эксель.
3️⃣ Фильтрация (удаление) объявлений своего домена.
4️⃣ Разделение описаний на столбцы по знакам препинания «.:-?!;—».
5️⃣ Анпивот (отмена свёртывания) всех столбцов кроме разделенных по знакам препинания.
6️⃣ Удаление пунктуации.
7️⃣ Строчный регистр.
8️⃣ Лемматизация.
9️⃣ Удаление стоп-слов (предлогов, союзов, частиц, артиклей).
1️⃣0️⃣ Сортировка слов в строке от А до Я.
1️⃣1️⃣ Удаление неявных дублей без учета словоформ, стоп-слов и порядка слов.
1️⃣2️⃣ Подсчет длины строки.
1️⃣3️⃣ Фильтрация длины строки до нужной.
1️⃣4️⃣ Сортировка длины строки по возрастанию — от коротких к длинным.
1️⃣5️⃣ 1-gram анализ лемм оставшихся тезисов.
1️⃣6️⃣ Сортировка 1-gram по убыванию частоты повторения слов.
1️⃣7️⃣ Из самых частых слов отбор целевых, которые будут группообразующими.
1️⃣8️⃣ Назначение отобранным словам смысловых ярлыков (30–50 шт).
1️⃣9️⃣ Ручная нумерация ярлыков в порядке приоритета/важности для ЦА.
2️⃣0️⃣ Извлечение отобранных слов из лемматизированных тезисов.
2️⃣1️⃣ Замена извлеченных слов на их смысловые ярлыки.
2️⃣2️⃣ Удаление повторов ярлыков в строке.
2️⃣3️⃣ Сортировка пронумерованных ярлыков в строке от Я до А — от редких к частым.
2️⃣4️⃣ Обрезка полученного столбца по первому пробелу слева — в строке остаётся только самый редкий ярлык. Чем он реже, тем больший у него вес, тем он важнее.
2️⃣5️⃣ Создание сводной таблицы по модели данных, в строки сводной тащим:
— Полученный столбец с обрезанными слева по пробелу самыми редкими ярлыками.
— Комбинации ярлыков в строке, не обрезанные по пробелу.
— Леммы тезисов без стоп-слов, отсортированные в строке от А до Я.
— Оригинал тезиса с учетом словоформ, стоп-слов и порядка слов.
2️⃣6️⃣ В значения сводной тащим:
— Кол-во уникальных тезисов.
— Кол-во уник. доменов — сортируем по убыванию.
— Кол-во уник. URL без UTM (столбец создаём обрезкой меток в урлах).
2️⃣7️⃣ Результаты группировки согласовываем с клиентом.
2️⃣8️⃣ Уточняем, что переписать, удалить, сократить, что важно, а что — не очень, что и куда поместить на сайт.
2️⃣9️⃣ Из согласованного составляем объявления так, чтобы в разных объектах и расширениях одного объявления дважды не использовались тезисы из одного ярлыка во избежание смысловых повторов.
————
А теперь внезапно.
————
3️⃣0️⃣ Вспоминаем, что мы даже не удосужились прочитать сайт клиента.
3️⃣1️⃣ Ничего не парсим.
3️⃣2️⃣ Вручную выписываем тезисы с сайта.
3️⃣3️⃣ *Искра, буря, безумие*
3️⃣4️⃣ На сотом тезисе приходим в себя через полчаса.
3️⃣5️⃣ Согласовываем с клиентом.
3️⃣6️⃣ Составляем объявления.
3️⃣7️⃣ Вы великолепны.
via @ppc_bigbrain