Нейронные сети значительно упростили процесс создания контента. Однако важно понимать, что генерация — это лишь инструмент, который способен на многое только в умелых руках. Для получения качественных статей с помощью ИИ недостаточно просто нажать кнопку «Сгенерировать». Необходимо уметь структурировать информацию, задавать правильные вопросы и формулировать задачу для бота. Сегодня делимся лайфхаками, рассказываем, как создавать качественные и информативные тексты, какие ИИ использовать для генерации, как составить промпт (запрос искусственному интеллекту) и что добавить в публикацию для улучшения ее качества.
Как улучшить генерацию
- Польза для читателя. Прежде всего хороший текст должен быть полезным, для этого необходимо наполнить его фактами и примерами. Чтобы в статье не было «воды», нужно предоставить ИИ максимум вводных и детализировать промпт. Чем больше релевантной информации заложено в задачу, тем точнее и информативнее будет готовый вариант.
- Аудит содержания. После генерации нужно изучить получившийся материал и подумать, как его улучшить: добавить инфографику, реальные примеры, ссылки на авторитетные источники и т. д. Один из простых способов сделать статью более ценной — это использовать сведения из открытых источников, например онлайн-энциклопедий.
- Логичная структура. Грамотно составленная структура — залог правильного и комфортного восприятия материала. Анализ успешных примеров конкурентов помогает выстроить логику, обозначить заголовки и подзаголовки, чтобы материал удобно и быстро читался «по диагонали». Исследование того, как организованы публикации у лидеров ниши, позволит улучшить собственные тексты.
- Текстовый анализ. Если мы пишем SEO-текст, то для повышения его релевантности нужно использовать текстовый анализ, чтобы получить количество вхождений ключевых слов и LSI. Применение ключевиков и дополнительных тематических фраз повышает видимость страницы в поисковой выдаче, чтобы вашу статью смогли найти как можно больше пользователей.
Какой ИИ использовать
Мы перепробовали все возможные LLM и пришли к выводу, что для генерации простых статей лучше подходит Claude, а для генерации сложных проектов по промптам — Gemini.
Claude
Это нейронка от компании Anthropic, которая специализируется на создании безопасных и эффективных языковых моделей. Одно из главных ее достоинств — склонность писать естественные тексты, близкие к человеческой речи. Claude лучше подходит для задач, где не нужен глубокий анализ или специализированные знания. Благодаря большому объему данных, на которых обучена модель, она понимает широкий контекст и генерирует статьи, требующие минимальных правок.
Gemini
Это нейросеть от Google DeepMind, которая сочетает возможности современных языковых моделей с функциями, позволяющими глубже погружаться в специализированные темы. В отличие от Claude, Gemini обладает более сложной архитектурой, что позволяет ей обрабатывать большие объемы информации и создавать тексты высокого уровня сложности. Модель обучена на специализированных публикациях, таких как научные статьи и техническая документация, что дает ей возможность составлять экспертные материалы с глубокой аналитикой. Gemini сочетает логические операции с методами машинного обучения, что позволяет формулировать более точные и обоснованные выводы.
Сравнительная таблица нейросетей
Claude | Gemini | |
---|---|---|
Специализация | Подходит для создания простого, доступного контента, такого как блоги и информационные статьи | Лучше справляется с глубоким анализом и сложными специализированными исходниками |
Модель обучения | Обучен на больших объемах диалоговых данных и ориентирован на массовую аудиторию | Использует сведения из специализированных источников и предназначен для глубинного анализа информации |
Структура текста | Простая логика, ясность и доступность | Сложная структура, детализированный контент |
Промпт | Выдает качественный результат уже при минимальных запросах | Необходимы максимально подробные промпты, чтобы результат был более информативным |
Подбор языковой модели — ключ к успешной генерации. Выбор зависит от конкретной задачи: Claude обеспечивает скорость и простоту, а Gemini — глубину и точность.
Какие данные нужно собирать
Собрав и проанализировав данные, о которых мы расскажем далее, вы сможете создать действительно качественную и информативную статью. Она будет соответствовать требованиям и читателей, и поисковых роботов.
Структура страниц конкурентов
На этом этапе нужно понять, какие тексты пишут лидеры выдачи, на какие аспекты они делают акценты, какие разделы добавляют.
Общая логика следующая:
- Поиск референсов. Начните с поиска статей, написанных конкурентами на ту же или схожую тему. Для этого можно воспользоваться SEO-инструментами, например Ahrefs, SEMrush или текстовым анализатором Rush Analytics. Выберите материалы, которые хорошо ранжируются в выдаче.
- Сбор заголовков. Скопируйте в текстовый документ все заголовки и подзаголовки успешных примеров. Это даст вам представление о том, как конкуренты структурируют материал, а также о ключевых темах, которые они затрагивают. Можно сделать это самостоятельно или попросить любую из нейросетей прочитать исходник и составить план. Назовите этот файл outline.txt.
- Анализ контента. Обратите внимание, насколько глубоко раскрыта тема, какой объем текста, какие в нем блоки, есть ли инфографика, примеры, ссылки на исследования и т. п.
Сохраняйте все полученные примеры. Так вы сможете скопировать успешные SEO-стратегии и в то же время придумать что-то свое, чтобы выделиться среди конкурентов.
Текстовый анализ
Он помогает выявить, какие ключи и LSI-термины должны присутствовать в статье для ее оптимизации. LSI — это слова и фразы, которые имеют семантическую связь с основным ключевым запросом и помогают поисковым системам лучше понять контекст.
Идеальный инструмент для этого — текстовый анализатор Rush Analytics:
- выведет список конкурентов из ТОП-10 Яндекса и Гугла, откуда можно скопировать структуры;
- определит оптимальный объем текста и нужное количество вхождений;
- покажет, что нужно добавить или убрать, чтобы выйти в ТОП.
Вводим поисковый запрос, создаем задачу, ждем, получаем список конкурентов:
Если у вас уже есть страница, ее можно проанализировать на вкладке «Редактор статьи»:
В правой части экрана список ключевых фраз и LSI с указанием необходимого количества. Вы можете изменять текст в редакторе, чтобы добавить недостающие ключи, или поставить такую задачу нейросети, «скормив» ему исходную статью.
Сбор сущностей по теме
Этот шаг позволяет ИИ улучшить понимание материала через дополнительные данные о предметной области. Можно использовать статьи из Википедии, поскольку они содержат проверенную информацию по многим темам.
Порядок действий:
- Поиск исходника. Найдите статью в Википедии, которая связана с вашей темой. Информация в энциклопедии хорошо структурирована, имеет ссылки на источники, поэтому может считаться достоверной.
- Копирование. Скопируйте статью или ее часть, которую нужно взять за основу при написании вашего материала.
- Добавление в промпт. Вставьте скопированный фрагмент в промпт для генерации:
Мне нужно собрать из текста все сущности entities, относящиеся в Knowledge graph к искусственному интеллекту {{Здесь текст статьи Википедии}}
Полученные сущности (ключевые факты, события, имена, термины) добавьте к списку LSI-терминов. Это усилит семантическое разнообразие и сделает контент более насыщенным с точки зрения содержания и SEO.
Пример полученного ответа
Как составить структуру статьи
Логичная структура — основа генерации качественного контента. Мы проанализировали выдачу, отобрали хорошие структуры конкурентов и теперь можем составить свою с помощью Claude или Gemini, используя следующий промпт:
Выступи в роли экспертного редактора, составляющего структуру и план статьей. Твоя задача составить максимально полную и полезную структуру заголовков статьи на русском языке.
Тебе нужно выполнить следующие шаги:
<instructions>
<thinking>
- Внимательно изучи все варианты заголовков представленных (outline) в тегах <structureN>.
- Проанализируй упущенную информацию в этих текстах, которая бы могла быть полезна для аудитории.
</thinking> - Составь $H1: Headline статьи, используй ключевые слова из <h1 keywords>.
- Составь максимально полную и полезную структуру заголовков статьи на основе изученной информации, которая должна включать в себя заголовки $Введение, $H2, $H3, $H4.
<recommendations>
* Количество заголовков от 9 до 12.
* Заголовки должны максимально быть максимально понятными для пользователя и содержать ключевые слова <h keywords>.
</recommendations>
- Проверь, нет ли дублирования информации в заголовках, насколько логично построена структура и если нашел ошибку, то перепиши.
</instructions>
<h1 keywords>
Ключевые слова для заголовка H1
</h1 keywords>
<h keywords>
Ключевые слова для заголовков из текстового анализа
</h keywords>
<rules>
* Структура должна быть логичной и последовательной на основе заголовка из статьи (на русском языке), должна быть соблюдена иерархия заголовков $H1, $H2, $H3, $H4.
* Старайся включить в итоговую в структуру все уникальные смысловые блоки, избегай повторения информации.
* Заголовки должны быть обозначены $H1, $H2 или $H3,
В заголовках должны быть использованы ключевые слова, указанные в тегах <h1 keywords> и <h keywords>.
* В конце должен быть заголовок секции выводов по контенту статьи.
* Твой ответ должен содержать информацию, указанную в переменных $Audience, $Complexity, $H1, $Введение, $H2, $H3, $H4 и не содержать описания и Summary.
* Форматируй свой ответ ВСЕГДА следующим образом:
<formatting>
$Audience:
$Complexity:
$H1:
$Введение.
$H2:
$H3:
</formatting>
</rules>
<structure>
Структура первого конкурента
</structure>
<structure2>
Структура второго конкурента
</structure2>
Как составить детализированный план статьи
После завершения предыдущего шага у нас должна получиться отредактированная, логичная структура будущей статьи, составленная на основе страниц конкурентов из ТОП выдачи и с учетом ключевых фраз и LSI из отчета текстового анализатора. Теперь нам нужно детализировать этот план. Для этого берем промпт ниже и отправляем туда все данные, которые нам нужно получить для генерации.
Take a deep breath and work on this problem step by step. Выступи в роли экспертного редактора и автора блога. Твоя задача — составить детализированный outline для заголовков из <structure>.
Точно следуя всем инструкциям.
Следуй шаг за шагом:
<instructions>
- Внимательно изучи все варианты представленных (outline) в тегах <data N>.
- Найди упущенную информацию в этих текстах и добавь ее в инструкции и Summary.
- Из слов и фраз в <keywords> составь список слов {keyword list}, но не выводи в ответ, они тебе понадобятся для детализации outline.
- Продумай и рассчитай план <outline>, $Instructions и $Token count и количество параграфов, который бы ты как автор написал бы для страницы. Рассчитай, сколько Output tokens должен быть подробный текст в каждом блоке так, чтобы итоговое значение $Token count всех секций было более 2000 tokens.
</thinking>
- Изучи ключевые слова {keyword list} и <lsi>, распредели фразы и слова из {keyword list} в $Keywords, а слова из <lsi> в $LSI по максимально подходящими по смыслу так, чтобы все фразы и слова были распределены по блокам по смыслу, как будто ты писал эту статью.
- Каждый раз при добавлении в секцию outline исключай использованные слова из списка {keyword list}.
- После распределения проверь оставшиеся слова в {keyword list} и перераспределили между секциями по смыслу.
<recommendations>
* Ключевое слово и LSI не должно повторяться несколько раз в одной и той же секции.
</recommendations>
- Детализируй <structure> данными на основе приложенных примеров в <data N> и выведи детализированную структуру в теге <outline>. В <outline> должно быть:
* Подробное $summary секции с основными тезисами в 2-3 предложениях (на русском языке), количество tokens в output в переменной.
* $Token count — количество токенов, необходимое для написания секции.
* $Instructions — инструкции для копирайтера, о чем должна быть секция, какие дополнительные элементы должна включать в себя статья.
* $Keywords — ключевые слова, которые должны быть использованы для написания секции.
* $LSI — тематические слова, указанные в теге <lsi>, должны быть использованы для написания секции.
<recommendations>
* Если у секции $H2 несколько подзаголовков $H3, то секцию $H2 считай вводной и она должна содержать не более 1 параграфа и $Token count не более 50. Секции подзаголовков $H3 должны быть содержательными и содержать, то количество токенов и параграфов, сколько необходимо для раскрытия темы.
* При расчете параграфов и токенов учитывай, что в среднем 1 параграф от 100 до 150 токенов.
</recommendations>
- Посчитай итоговое количество токенов, указанных в секциях. Их должно быть не менее 2000. Перепиши рекомендации в секциях в $Token count, равномерно распределив их там, где можно добавить количество токенов. И сумму токенов в $Token count всех секций в {Total tokens}.
- Теперь ты профессиональный редактор и пруфридер. Проверь составленный твоим подчиненным автором <outline>, насколько он соответствует всем требованиям и рекомендациям в промпте, и если нашел ошибку, то перепиши outline с учетом всех найденных ошибок. Учитывая все требования, рекомендации и правила, указанные в промпте при редактуре <outline>.
<structure>
Структура заголовков
<structure>
<keywords>
Ключевые слова для текста
</keywords>
<lsi>
Наши LSI и entities
</lsi>
<rules>
* Старайся включить в итоговый outline все уникальные смысловые блоки (параграфы) из приложенных примеров (outline), избегай повторения информации.
* Помечай заголовки как $H1, $H2 или $H3, на основе заголовков в <structure>.
* В параграфе, который начинается сразу после заголовка H1 и до следующего заголовка, всегда должно быть $Введение.
* Не используй одни и те же ключевые слова и LSI в рамках одного абзаца.
* Не повторяй одни и те же мысли и информацию, если они будут использованы в следующих секциях или использовались в предыдущих.
* В ответе не выводи свои размышления, проверки и прочую системную информацию. В ответе должен быть только конечный вариант <outline>.
* Форматируй свой ответ ВСЕГДА следующим образом:
<formatting>
$Audience:
$Complexity:
$H1:
$Введение.
$Summary:
$Instructions:
$Token count: 50 tokens, 1 paragraph
$Keywords:
$LSI:
$H2:
$Summary:
$Instructions:
$Token count: N tokens, N paragraphs
$Keywords:
$LSI:
</formatting>
</rules>
<data 1>
Саммари текста конкурента 1
</data 1>
<data 2>
Саммари текста конкурента 2
</data 2>
Как генерировать текст статьи
Наконец, мы получили детализированную инструкцию для бота и можем на ее основе получить очень хорошие тексты, в которых уже будут необходимые ключевые слова и LSI. Рекомендуем генерировать статью блоками, а не загонять весь план в один промпт сразу, чтобы иметь возможность контролировать процесс и вносить правки при необходимости.
Например, ставим задачу боту: «Напиши блок текста про <указать темы>, используя следующую структуру <вставить фрагмент детализированного плана>. Включи в текст ключевые слова и LSI-термины для улучшения SEO. Статья должна быть информативной и полезной для широкой аудитории. Используй примеры, статистику и предложи таблицы для сравнения характеристик».
Вы можете описать задачу по-другому, но в основе должна быть собранная и детализированная ранее структура.
Сгенерируйте материал блоками, объедините все фрагменты в одну статью. Теперь вы можете ее проанализировать, доработать, отдать редактору или пруфридеру на проверку либо попросить нейросети улучшить ваш текст.
Рекомендуется добавлять в контент не только текстовую составляющую, но и изображения, таблицы, чек-листы, диаграммы, инфографику и проч. Использование визуальных элементов существенно улучшает восприятие информации, делает контент более полезным и релевантным, улучшает пользовательский опыт и увеличивает вовлеченность аудитории.