На прошлой неделе мне написал владелец интернет-магазина автозапчастей. У него в каталоге чуть больше четырёх тысяч позиций, и примерно у трёх тысяч из них описание выглядит так: название, артикул, три технических характеристики. Всё. Ни одного человеческого предложения, ни одного слова о том, зачем этот фильтр лучше другого, чем эта колодка отличается от аналога за полцены, почему именно этот ремень ГРМ стоит поставить на Kia Ceed второго поколения. Он спросил: «Сколько времени и денег нужно, чтобы нормально описать весь каталог?» Я посчитал. При средней стоимости копирайтера для технической тематики — тысяча-полторы рублей за карточку, если хочешь не просто рерайт с сайта поставщика, а нормальный уникальный текст с пониманием продукта. Три тысячи карточек. Получается от трёх до четырёх с половиной миллионов рублей. По срокам — даже если нанять команду из пяти копирайтеров и они будут выдавать по десять описаний в день каждый, это двенадцать рабочих недель. Три месяца. И это при условии, что все пятеро разбираются в автозапчастях, что тексты не нужно проверять и что никто не уйдёт на больничный.
Он засмеялся и сказал, что уже три года живёт с этими пустыми карточками, потому что каждый раз, когда считает бюджет на контент, понимает, что за эти деньги лучше закупит ещё партию товара. И знаете что — он не один такой. Я разговариваю с десятками владельцев магазинов каждый месяц, и история одна и та же. Каталог растёт, карточки пустеют, руки до контента не доходят, а поисковики тем временем всё жёстче отсеивают страницы без нормального текста. Google прямо говорит: тонкий контент — это проблема. Яндекс ещё строже — страница без описания для него фактически не существует в выдаче. И вот бизнес оказывается в ловушке: без контента нет трафика, без трафика нет бюджета на контент.
Собственно, именно из этой ловушки и родилась идея, которую мы потом реализовали в нашем плагине. Не потому что мы хотели сделать «ещё один AI-генератор текстов» — их и так десятки на рынке. А потому что ни один из существующих не решал задачу так, как она стоит у реального владельца магазина на WooCommerce. Давайте я расскажу, как это работает на практике, почему результат отличается от того, что выдаёт ChatGPT в браузере, и — самое важное — какие подводные камни мы обнаружили за два года работы с AI-контентом для e-commerce.
Почему «просто скопировать из ChatGPT» не работает для магазина
Я постоянно слышу этот аргумент: «Зачем мне плагин, если я могу открыть ChatGPT, вставить название товара и получить описание?» Формально — да, можешь. Я и сам так начинал года два назад, когда AI-генерация текстов только набирала обороты. Садился, открывал интерфейс, копировал название товара, добавлял «напиши описание для интернет-магазина», получал текст, читал его, правил, копировал в WordPress, переходил к следующему товару. На двадцатом товаре понимал, что прошло два часа. На сотом — что прошла неделя. И это при том, что я довольно быстро печатаю и неплохо формулирую промпты.
Проблема не в качестве модели. Claude и GPT-4 пишут отличные тексты, если правильно попросить. Проблема в масштабе. Когда у тебя три тысячи товаров, ручной копипаст из чата — это не решение, а имитация бурной деятельности. Но даже масштаб — не главная проблема. Главная проблема в контексте.
Вот смотрите. Когда вы просите ChatGPT написать описание для «Масло моторное Shell Helix Ultra 5W-30, 4 л», он выдаёт вам вполне приличный текст. Но этот текст ничего не знает о вашем магазине. Он не знает, что у вас в каталоге есть ещё пятнадцать масел Shell, и на них стоило бы сослаться. Он не знает, что у товара есть атрибуты «вязкость», «допуски OEM», «тип двигателя», которые хранятся в WooCommerce, и их нужно органично вплести в текст. Он не знает, что для этого товара есть три фотографии, и к каждой нужен alt-текст с ключевыми словами. Он не знает, что вы уже сгенерировали описание для похожего товара час назад, и новый текст не должен быть на него похож. Он ничего не знает о структуре вашего сайта, о ваших категориях, о том, на какие страницы нужно ставить внутренние ссылки.
Другими словами, ChatGPT в браузере — это мощный мозг без глаз и рук. Он умеет думать и писать, но не видит ваш магазин и не может самостоятельно в нём действовать. А нам нужно было сделать так, чтобы AI не просто генерировал текст в вакууме, а работал внутри WooCommerce — видел данные товара, понимал структуру каталога, знал историю предыдущих генераций и мог самостоятельно разложить результат по нужным полям. Вот эта разница между «AI-чатботом» и «AI-инструментом для e-commerce» — она определяет всё.
И вот тут я хочу рассказать про архитектурное решение, которое, на мой взгляд, оказалось ключевым. Мы не стали привязываться к одному провайдеру. В плагине реализован паттерн Strategy — единый интерфейс, через который можно подключить Claude от Anthropic или GPT от OpenAI. Зачем? По нескольким причинам. Модели ведут себя по-разному в зависимости от типа контента. Claude, на мой субъективный взгляд, лучше справляется с длинными подробными описаниями — он меньше «мусорит» шаблонными фразами и реже повторяется, когда генерируешь сотни текстов подряд. GPT-4 хорош для коротких, маркетингово заряженных описаний — он чуть агрессивнее в продающих формулировках. Но дело не только во вкусовых предпочтениях. Если завтра Anthropic поднимет цены в два раза или OpenAI выкатит модель нового поколения, которая окажется на порядок лучше — вы просто переключите провайдера в настройках, без миграции, без потери данных, без переписывания промптов. Промпты хранятся в системе, а не зашиты в код. Провайдер — это просто транспорт, который доставляет ваш запрос к модели и возвращает ответ.
И ещё один момент про стоимость, который многие упускают. Я уже говорил, что копирайтер для технической тематики стоит тысячу-полторы за карточку. А сколько стоит AI-генерация? Мы замеряли на реальных проектах. При использовании Claude — от половины цента до трёх центов за товар. Это с учётом токенов на вход и на выход, с учётом того, что мы отправляем не просто название, а полный контекст: атрибуты, категории, связанные товары. Допустим, берём по верхней границе — три цента. На три тысячи товаров это девяносто долларов. Около восьми тысяч рублей по текущему курсу. Восемь тысяч рублей против трёх-четырёх миллионов. Разница в четыреста раз. Даже если вы потратите ещё сорок тысяч на ручную доводку наиболее важных карточек — всё равно получится на два порядка дешевле.
Конечно, кто-то сейчас скажет: «Ну, AI-текст же хуже!» И да, и нет. Если сравнивать лучший AI-текст с текстом от копирайтера, который глубоко разбирается в продукте и потратил час на одну карточку — да, копирайтер напишет лучше. Но давайте будем честны: сколько таких копирайтеров существует в природе? И сколько из них готовы писать по десять описаний масел в день на протяжении трёх месяцев? Реальная альтернатива AI-описанию — это не идеальный текст от эксперта. Реальная альтернатива — это пустая карточка. И вот между AI-описанием и пустой карточкой выбор очевиден.
Пакетная обработка: как поставить задачу на тысячу товаров и пойти спать
Вот мы подошли к тому, что делает наш подход принципиально другим по сравнению с ручной работой в чат-интерфейсе. Пакетная генерация. Звучит скучно, как название из корпоративной презентации, но на практике это именно то, что превращает AI из игрушки в рабочий инструмент.
Как это выглядит. Вы заходите в панель плагина, выбираете товары — можно по категории, можно по статусу описания (пустые, короткие, давно не обновлялись), можно просто отметить галочками. Выбираете промпт — шаблон, по которому будет строиться текст. Нажимаете «Запустить». Всё, можно закрывать вкладку. Можно выключать компьютер. Можно идти спать.
За кулисами работает механизм, который построен на Action Scheduler — это тот же движок очередей, который WooCommerce использует для своих внутренних задач. Не cron, не внешний сервис, не отдельный сервер. Всё крутится внутри вашего WordPress, используя проверенную инфраструктуру. BatchProcessor берёт задачу, разбивает её на чанки — скажем, по десять товаров — и ставит каждый чанк в очередь. Один чанк обработался — запускается следующий. Если сервер перегрузился и процесс прервался — ничего страшного, Action Scheduler автоматически перезапустит задачу. Если произошла ошибка при генерации одного конкретного товара — он будет отмечен как проблемный, а остальные продолжат обрабатываться. Утром вы открываете панель и видите отчёт: сколько товаров обработано, сколько ошибок, сколько стоило.
Я помню, как мы впервые запустили пакетную генерацию на реальном каталоге. Это был магазин стройматериалов, около тысячи двухсот позиций — от сухих смесей до электроинструмента. Владелец был настроен скептически, мол, AI наверняка напишет ерунду, потому что не разбирается в строительстве. Мы подготовили промпт, который учитывал специфику ниши — технические характеристики, области применения, сравнение с аналогами. Запустили в пятницу вечером. В субботу утром он открыл магазин и у него было тысяча сто восемьдесят новых описаний. Двадцать товаров упали с ошибками — в основном те, у которых в базе не было вообще никаких данных, даже названия нормального. Остальные он листал полтора часа, нашёл около пятидесяти, которые хотел подредактировать, и сказал фразу, которую я запомнил: «Они написали лучше, чем мой прошлый копирайтер, которому я платил по восемьсот рублей за штуку».
Честно говоря, меня это не удивило. Не потому что AI волшебный, а потому что хороший промпт, подкреплённый реальными данными о товаре, даёт модели контекст, который копирайтер обычно не получает. Копирайтер получает техзадание на листочке: «Напиши описание для штукатурки Knauf Rotband, 30 кг. Ключевые слова: купить штукатурку, штукатурка гипсовая». А AI получает полное название, все атрибуты (состав, фасовка, расход, толщина слоя, время высыхания), категорию, связанные товары, цену и даже текст отзывов, если они есть. И всё это автоматически — не нужно руками собирать и передавать.
Но я бы покривил душой, если бы сказал, что всё работает идеально из коробки. Ключевой элемент системы — это промпты. Именно промпт определяет, каким будет текст: длинным или коротким, техническим или эмоциональным, с SEO-ключевыми словами или без. И здесь мы набили много шишек.
Первая версия промптов была универсальной — один промпт для всех товаров. Результат был средний: тексты читались нормально, но были какими-то... никакими. Как если бы их написал стажёр, который старается, но не понимает аудиторию. Тогда мы сделали систему настраиваемых промптов с предустановками для разных ниш. Для автозапчастей — один тон, с упором на совместимость, OEM-номера, отличия от подделок. Для косметики — другой, с акцентом на ингредиенты, эффект, тип кожи. Для стройматериалов — третий, максимально технический, с расчётами расхода и рекомендациями по применению. Промпты можно создавать и редактировать прямо в админке, хранятся они в базе данных, и при желании вы можете сделать хоть десять разных промптов для десяти категорий товаров.
И вот тут начинается самое интересное. Когда у вас есть система пакетной генерации и настраиваемые промпты, возникает естественный вопрос: а как понять, какой промпт работает лучше? Какой текст даёт больше конверсий — короткий и агрессивный или длинный и подробный? Технический с цифрами или эмоциональный с историями?
A/B-тесты описаний и контроль качества: когда AI проверяет сам себя
Мы встроили в плагин A/B-тестирование описаний, и я считаю это одной из самых недооценённых функций. Работает просто: вы генерируете два варианта описания для одного и того же товара — скажем, один через Claude с длинным подробным промптом, другой через GPT-4 с коротким продающим. Система показывает вариант A половине посетителей, вариант B — другой половине, и собирает данные: просмотры, добавления в корзину, покупки. Через пару недель вы видите, что вариант A даёт конверсию в корзину 3.2%, а вариант B — 4.1%. Переключаете все товары на победивший вариант. Снова тестируете новую гипотезу. И так итеративно приходите к описаниям, которые реально продают, а не просто заполняют пустое место на странице.
Звучит как из учебника по growth hacking, но на практике это меняет весь подход к контенту. Вы перестаёте спорить о вкусовщине — «мне кажется, тут надо другим тоном» — и начинаете принимать решения на основе данных. Реальных данных, от реальных покупателей. Я видел случаи, когда владелец магазина был абсолютно уверен, что его аудитории нужны длинные экспертные описания с таблицами характеристик, а тест показал, что короткие эмоциональные тексты в три абзаца дают конверсию на сорок процентов выше. Он не поверил, перезапустил тест — результат подтвердился. Это больно для эго, но полезно для бизнеса.
Но тестирование — это уже второй этап. Перед тем как показывать текст покупателям, нужно убедиться, что он вообще адекватный. И здесь в игру вступает контроль качества. Мы встроили в плагин несколько механизмов, которые ловят типичные проблемы AI-генерации.
Превью перед публикацией. Любой сгенерированный текст сначала попадает в статус черновика. Вы можете просмотреть его, отредактировать и только потом опубликовать. Причём в интерфейсе есть diff-сравнение — старый текст слева, новый справа, изменения подсвечены. Это особенно полезно, когда вы перегенерируете описания для товаров, у которых уже был какой-то текст. Вы сразу видите, что AI добавил, что убрал, и не пропала ли какая-то важная информация.
Далее — SEO-аудит. Каждая карточка товара проверяется по более чем пятнадцати критериям. Длина мета-описания — не слишком короткое, не слишком длинное. Наличие ключевого слова в заголовке и в первом абзаце. Уникальность мета-тега title — нет ли дублей с другими товарами. Заполненность alt-текстов для изображений. Наличие структурированных данных. Внутренние ссылки на связанные товары. Система подсвечивает проблемы и подсказывает, что исправить. Причём это работает не только для AI-текстов — можете прогнать аудит по всему каталогу и найти проблемы в описаниях, которые писали люди.
Я долго думал о том, насколько вообще можно доверять AI в вопросе качества контента. Ведь если AI и генерирует текст, и проверяет его — не получается ли замкнутый круг? Отчасти — да, получается. Поэтому мы не стали делать полностью автоматический пайплайн «сгенерировал — опубликовал — забыл». Человек остаётся в петле. Система генерирует, проверяет по формальным критериям, подсвечивает потенциальные проблемы, но финальное решение о публикации принимает владелец магазина. По нашему опыту, при хорошо настроенном промпте около восьмидесяти процентов описаний можно публиковать как есть, ещё пятнадцать процентов требуют минимальной правки, и только пять процентов нужно переписывать существенно. Для сравнения: когда мы работали с копирайтерами-фрилансерами, соотношение было примерно пятьдесят на тридцать на двадцать. То есть AI даже по показателю «сколько текстов нужно переделывать» оказывается стабильнее среднего копирайтера.
Но давайте посмотрим на это с другой стороны. Есть товары, для которых AI-описание будет откровенно слабым. Узкоспециализированная промышленная продукция, где нужно знать не просто характеристики, а контекст применения, отраслевые стандарты, историю обкатки на конкретных предприятиях. Медицинские товары, где неточная формулировка может быть опасной. Товары ручной работы, где ценность — в истории мастера, а не в списке параметров. Для таких случаев AI — это отправная точка, черновик, а не финальный продукт. И это нормально. Инструмент не должен заменять мозг — он должен экономить время на рутине, чтобы человек мог сосредоточиться на том, где его экспертиза действительно нужна.
И раз уж мы заговорили о SEO, давайте копнём глубже. Потому что генерация описаний — это только верхушка айсберга. Полноценная оптимизация карточки товара — это целый комплекс задач, и мы попытались автоматизировать как можно больше из них.
Контент — это не только текст: FAQ, alt-тексты, перелинковка, изображения
Знаете, что меня больше всего раздражает в большинстве AI-инструментов для e-commerce? Они решают одну задачу. Генерируют описание — и всё. А дальше ты сам разбирайся с мета-тегами, с alt-текстами, с FAQ-секцией, с внутренними ссылками. Каждую задачу нужно делать отдельно, в другом инструменте, часто вручную.
Мы пошли по другому пути. Решили, что если уж AI-модель «видит» товар со всеми его данными, она может сделать для этого товара намного больше, чем просто описание. И постепенно нарастили вокруг основного генератора целую экосистему.
FAQ — одна из моих любимых историй. Гугл уже несколько лет продвигает FAQ schema markup — структурированные данные «вопрос-ответ», которые могут показываться прямо в выдаче, под вашей ссылкой. Это расширенный сниппет, который визуально занимает больше места и привлекает больше кликов. Но чтобы добавить FAQ, нужно, собственно, этот FAQ написать. Для каждого товара. Три-пять вопросов с ответами. Для трёх тысяч товаров — это девять-пятнадцать тысяч пар «вопрос-ответ». Вручную? Удачи. AI делает это автоматически. При генерации описания плагин может одновременно сгенерировать FAQ-блок и сразу разместить его в формате JSON-LD schema. Вопросы генерируются на основе реальных атрибутов товара — «Какая вязкость у этого масла?», «Подходит ли для дизельных двигателей?», «Какой расход на квадратный метр?». Не абстрактные, а конкретные, привязанные к данным.
Alt-тексты для изображений — ещё одна задача, которую все откладывают на потом и не делают никогда. У вас в каталоге двадцать тысяч фотографий, и у девятнадцати тысяч из них alt-текст либо пустой, либо «image-001.jpg». Поисковики не умеют смотреть на картинки так, как люди — им нужен текстовый alt, чтобы понять, что изображено на фото. И это не только SEO — это доступность для людей с нарушениями зрения, это требование стандартов. AI генерирует alt-тексты пакетно, на основе контекста товара и анализа самого изображения. Нет, он не «смотрит» на фото в том смысле, что определяет объект на снимке — хотя с мультимодальными моделями это тоже возможно. Но он берёт название товара, его характеристики, номер фото в карточке и формулирует осмысленный alt: «Моторное масло Shell Helix Ultra 5W-30, канистра 4 литра, вид спереди». Это в сто раз лучше, чем пустой alt или имя файла.
Внутренняя перелинковка — вот это, пожалуй, самая сложная и одновременно самая ценная функция. Я много лет занимаюсь SEO и знаю, что внутренние ссылки — это один из самых мощных и при этом самых недоиспользуемых инструментов. Поисковики используют внутренние ссылки, чтобы понять структуру сайта, определить важность страниц и распределить PageRank. Проблема в том, что ставить внутренние ссылки вручную — это кропотливая работа, которая требует знания всего каталога. Нужно помнить, что у вас есть страница с подборкой масел для грузовиков, что есть категория «Гидравлические масла», что есть статья в блоге про различия между синтетикой и полусинтетикой. AI анализирует каталог и расставляет контекстные ссылки прямо в тексте описания. Не тупо — «смотрите также товар X» — а органично, внутри предложения: «Если вам нужно масло для гидравлической системы, обратите внимание на нашу линейку гидравлических масел». Это работает и для SEO, и для пользователя, который получает дополнительные пути навигации по каталогу.
Я должен сказать, что именно функция перелинковки вызвала больше всего споров внутри команды. Одни говорили, что AI будет ставить нерелевантные ссылки и это навредит сайту. Другие — что ссылки будут слишком шаблонными и выглядеть неестественно. Мы тестировали несколько месяцев на реальных каталогах, и вот что выяснили: при правильном промпте AI ставит ссылки не хуже, чем это делал бы SEO-специалист, который хорошо знает каталог. Ключевое слово — «при правильном промпте». Если просто попросить «добавь ссылки на похожие товары», результат будет механический. Но если дать модели контекст — полный список категорий, топ-товаров, активных лендинговых страниц — она начинает выстраивать осмысленную сетку ссылок.
Отдельно расскажу про генерацию изображений, потому что это направление, которое мало кто воспринимает всерьёз, но оно решает реальную проблему. Не все товары в каталоге имеют фотографии. Особенно это актуально для магазинов, которые продают товары от поставщиков — часто вы получаете только техническое описание и, если повезёт, одно фото из каталога в низком разрешении. Мы интегрировали два движка генерации изображений: DALL-E 3 от OpenAI и Stability AI. Плагин берёт контекст товара — название, категорию, ключевые характеристики — и формирует промпт для генерации изображения. Это не замена фотографии реального продукта, разумеется. Но для товаров, у которых вообще нет визуала, AI-изображение — это лучше, чем серый квадрат с надписью «фото отсутствует». Особенно хорошо это работает для баннеров, обложек статей, иллюстраций к подборкам. Для фактических товарных фото — пока рано. Покупатель хочет видеть реальный продукт. Но индустрия развивается быстро, и я думаю, что через пару лет AI-фотографии товаров станут неотличимы от студийных.
И вот смотрите, какая картина складывается. AI генерирует описание товара. Одновременно — мета-теги для SEO. Одновременно — FAQ в формате JSON-LD. Одновременно — alt-тексты для фотографий. Одновременно — внутренние ссылки на релевантные страницы каталога. При необходимости — изображения. И всё это для тысячи товаров за одну ночь, пока вы спите. Один копирайтер потратил бы на такой объём работы полгода. Целая команда — месяц. AI — ночь.
Но я бы хотел поговорить ещё об одном аспекте, который часто упускают из виду — контент за пределами карточек товаров. Потому что описания — это хорошо, но для полноценного SEO нужно гораздо больше.
Блог, контент-календарь и спецконтент: AI как маркетинговый отдел на минималках
Любой SEO-специалист скажет вам, что сайт интернет-магазина, на котором есть только карточки товаров, проигрывает сайту, который ещё и ведёт блог, публикует руководства, делает сезонные подборки. Причины очевидны: статьи привлекают информационный трафик, люди, которые ищут «какое масло залить в Kia Ceed» или «чем отличается гипсовая штукатурка от цементной», попадают на ваш сайт, читают статью и с определённой вероятностью переходят в каталог. Классическая воронка контент-маркетинга.
Проблема, как обычно, в ресурсах. Вести блог для интернет-магазина — это отдельная задача, которая требует планирования тем, написания статей, вёрстки, публикации. Для малого бизнеса это часто нереально — на блог просто нет людей. И вот здесь AI опять может помочь.
В плагине есть генератор блог-постов. Он работает немного иначе, чем генератор описаний. Вы выбираете один или несколько товаров и говорите: «Напиши статью». AI анализирует товары, их характеристики, категорию и создаёт полноценную статью на две-четыре тысячи слов. Не набор фактов из карточки, а именно статью — с вступлением, развитием темы, практическими советами, заключением. Можете выбрать тон: экспертный, практический, маркетинговый, технический. Статья создаётся как черновик в WordPress — со всеми мета-тегами, с SEO-оптимизацией, с разметкой. Если хотите — можно автоматически добавить AI-сгенерированные иллюстрации. И всё это тоже можно запускать пакетно: выбрали сто товаров → получили сто статей → пролистали, опубликовали лучшие.
Контент-календарь — следующий уровень. Вместо того чтобы каждый раз думать «а о чём бы написать», вы говорите AI: «Спланируй блог на месяц для магазина моторных масел». Он анализирует ваш каталог, текущий сезон, тренды в нише и выдаёт план публикаций с темами, ключевыми словами и рекомендуемыми датами. Январь — статья про зимние масла и прогрев двигателя. Март — про замену масла перед дальними поездками. Июнь — про масла для садовой техники. Это не волшебство, это анализ данных и здравый смысл, но оформленный в виде конкретного плана, который можно сразу начать выполнять.
И наконец — спецконтент. Лендинговые страницы, сезонные подборки, гайды по выбору. Это контент, который обычно делает маркетолог или контент-менеджер, и на каждую такую страницу уходит от нескольких часов до нескольких дней. AI генерирует черновик за минуты. «Сделай лендинг с подборкой масел для грузового транспорта». «Сделай сезонный гайд по подготовке автомобиля к зиме с нашими товарами». «Сделай сравнительный обзор трёх марок гидравлических масел из нашего каталога». Всё это создаётся на основе реальных данных из вашего WooCommerce — с правильными ценами, артикулами, ссылками на товары.
Я не говорю, что AI заменяет маркетинговый отдел. Но для бизнеса, у которого маркетингового отдела нет — а это девяносто процентов малых интернет-магазинов — это возможность иметь контент, которого раньше просто не было. Разница между «нет блога» и «есть блог с двадцатью статьями, написанными AI и доработанными владельцем» — колоссальная. Для SEO, для доверия покупателей, для позиционирования магазина как эксперта в своей нише.
А что если посмотреть на это с другой стороны? Есть вполне обоснованная критика AI-контента: поисковики учатся распознавать AI-тексты и могут пессимизировать их в выдаче. Google прямо заявлял, что AI-контент сам по себе не нарушает правил, но «контент, созданный для манипуляции рейтингом» — нарушает. Тонкая грань. Я считаю, что ключевой фактор здесь — ценность для пользователя. Если AI-описание реально помогает покупателю принять решение, если оно содержит релевантную информацию, которой раньше на странице не было — это полезный контент, вне зависимости от того, кто его написал. Если же это бессмысленный набор ключевых слов, сгенерированный ради SEO — поисковики правы, что его пессимизируют. Наша система строится на первом подходе: AI работает с реальными данными товара и создаёт контент, который помогает покупателю. Не «масло моторное купить недорого отзывы цена», а осмысленный текст о продукте.
Я долго размышлял о том, где проходит граница между полезной автоматизацией и спамом. И пришёл к такому выводу: граница проходит по намерению. Если ваше намерение — помочь покупателю разобраться в продукте и принять решение, AI — это инструмент, который позволяет сделать это в масштабе. Если намерение — забить пустые страницы хоть каким-то текстом ради позиций в выдаче, то никакой AI не спасёт, потому что Яндекс и Google давно научились отличать одно от другого. И тут AI ни при чём — копирайтер, который пишет ради ключевых слов, а не ради читателя, создаёт точно такой же мусор, просто вручную.
Реальные цифры и честный разговор об ограничениях
Я обещал реальные цифры, и вот они. Мы собрали статистику по десяткам магазинов, которые используют модуль AI-генерации.
Средняя стоимость генерации одного описания товара через Claude Sonnet — около одного-двух центов. Через Claude Opus — три-пять центов. Через GPT-4 — два-четыре цента. Это с учётом всего: и промпт-контекста на вход, и сгенерированного текста на выход. Для масштабного каталога в пять тысяч товаров через Claude Sonnet получается пятьдесят-сто долларов. Через Opus — сто пятьдесят-двести пятьдесят. Для сравнения: средний биржевой копирайтер берёт пятьсот-восемьсот рублей за описание. Хороший — тысячу-полторы. Специализированный технический — две-три тысячи. Пять тысяч товаров у среднего копирайтера — это два с половиной-четыре миллиона рублей. Разница — два порядка.
По скорости: пакетная генерация тысячи товаров занимает примерно шесть-восемь часов, если сервер не нагружен. Это с учётом задержек между запросами к API, чтобы не попасть в rate limit. Две тысячи — двенадцать-пятнадцать часов. Ночи хватает с запасом. Для сравнения: команда из пяти копирайтеров пишет тысячу описаний за четыре-шесть недель. AI делает это за ночь.
По качеству — и тут я буду максимально честен — результат сильно зависит от трёх факторов. Качество исходных данных товара. Если в карточке только название и цена — AI из пальца высасывать не будет, текст будет слабый. Качество промпта. Дефолтный промпт даёт средний результат, кастомный под нишу — хороший. Ниша. Для стандартных потребительских товаров (косметика, бытовая химия, одежда) AI пишет отлично. Для узкоспециализированных (промышленное оборудование, медицинские изделия, химические реагенты) — нужна серьёзная доработка.
И вот ещё один момент, о котором я хочу поговорить откровенно: AI генерирует текст на основе своих обучающих данных. Он не знает, что ваш конкретный товар прошёл сертификацию в 2024 году. Он не знает, что у вас на складе осталось двадцать штук. Он может не знать, что конкретная модель была снята с производства. Все фактические утверждения, связанные с конкретными обстоятельствами вашего бизнеса, нужно проверять. AI не врёт намеренно — он не имеет намерений вообще — но он может «додумывать» факты, которых нет в исходных данных. Мы минимизируем эту проблему, подавая в промпт максимум реальных данных из WooCommerce, но полностью исключить её нельзя. Именно поэтому в системе есть этап ревью перед публикацией.
Отдельно хочу остановиться на теме мультиязычности, потому что это боль, о которой редко говорят. У нас есть клиенты, которые продают в нескольких странах СНГ — Россия, Казахстан, Беларусь. А есть те, кто работает на экспорт и нуждается в описаниях на английском, немецком, иногда даже на арабском. Раньше это означало нанимать копирайтеров-носителей для каждого языка или, что ещё хуже, гонять тексты через Google Translate и молиться, что результат не слишком позорный. AI-модели, особенно Claude и GPT-4, работают с десятками языков на высоком уровне. Вы можете сгенерировать описание на русском, а затем — используя тот же контекст товара — сгенерировать версию на казахском или английском. Это не машинный перевод, а именно генерация нового текста на другом языке, с учётом всех данных товара. Результат — на порядок лучше, чем у переводчика, потому что AI не переводит фразу за фразой, а пишет заново, адаптируя под языковые нормы. Для интернет-магазинов, которые хотят выйти на международный рынок или просто обслуживать русскоязычных покупателей в разных странах, это критически важная возможность, которая раньше стоила десятки тысяч долларов на локализацию, а теперь решается за одну ночную пакетную генерацию.
Ещё один аспект, который я считаю крайне важным — это воспроизводимость результата. Когда вы работаете с фрилансером-копирайтером, каждый новый текст — это лотерея. Сегодня он в настроении, написал хорошо. Завтра — устал, написал скомканно. Послезавтра — ушёл к конкуренту, и вам нужно искать нового, который пишет по-другому, и ваш каталог начинает выглядеть как лоскутное одеяло. AI генерирует тексты с одинаковым уровнем качества, в едином стиле, с единой структурой. Тысячный текст будет написан так же хорошо, как первый. Не лучше — но и не хуже. Для каталога из тысяч товаров эта консистентность — огромное преимущество, потому что покупатель, переходя от одного товара к другому, видит единообразный, профессиональный контент, а не разнобой из текстов десяти разных авторов.
Я знаю людей, которые запускают полностью автоматическую генерацию и публикацию — без ревью, без проверки. Для некоторых ниш это работает: если вы продаёте тысячи стандартных товаров (болты, гайки, провода), где фактических ошибок быть не может, потому что все данные берутся из атрибутов — автопубликация допустима. Но для товаров, где важна точность — лекарства, технические средства безопасности, химия — ручная проверка обязательна. Мы не навязываем ни один из подходов: система даёт вам инструменты и для полной автоматизации, и для тщательного ручного ревью. Выбор за вами, потому что вы знаете свой бизнес лучше любого алгоритма.
А теперь давайте поговорим о том, что происходит, когда каталог описан. Потому что генерация описаний — это один раз (ну, или раз в год при обновлении). А что дальше? Дальше начинается рутина поддержания: новые товары, обновление информации, сезонные акции, актуализация цен в текстах. И вот здесь пакетная генерация раскрывается во всей красе. Появилось двести новых товаров в каталоге? Запустили пакетную генерацию, утром описания готовы. Изменились допуски OEM у линейки масел? Перегенерировали описания для этих товаров с обновлённым промптом. Начался сезон зимних шин? Запустили генерацию сезонных лендинговых страниц и статей для блога. Всё это — часы, не недели.
Есть ещё один сценарий, который мне особенно нравится. Миграция магазина. Когда бизнес переезжает с одной платформы на другую — скажем, с OpenCart на WooCommerce — часто выясняется, что половина описаний на старом сайте была написана десять лет назад и безнадёжно устарела. Переносить их один к одному — глупо. Переписывать вручную — дорого. А вот прогнать через AI-генерацию, используя старый текст как часть контекста — это и быстро, и качественно. Модель берёт то полезное, что было в старом описании, актуализирует, переписывает в современном тоне и добавляет новые данные из обновлённых атрибутов. Я видел, как магазин с тремя тысячами товаров при миграции полностью обновил весь контент за выходные. Без AI этот процесс растянулся бы на месяцы и, скорее всего, привёл бы к временному падению позиций в поиске.
Знаете, я иногда ловлю себя на мысли, что два года назад идея автоматической генерации контента для магазина казалась чем-то из разряда научной фантастики. Не потому что AI не мог писать текст — мог, и неплохо. А потому что между «AI может написать текст» и «AI может взять данные из вашего WooCommerce, сгенерировать описание, мета-теги, FAQ, alt-тексты, проверить SEO, сравнить с предыдущей версией и аккуратно разложить всё по полям» — пропасть размером в тысячи часов разработки. Мы эту пропасть преодолели. Не сразу, не без ошибок, не без переделок. Но преодолели.
И сейчас, когда я вижу магазин с пятью тысячами пустых карточек, я больше не чувствую безнадёжности. Я знаю, что это решаемая задача. Не за месяцы и не за миллионы. За ночь и за стоимость ужина в ресторане. А утром владелец магазина откроет свой WooCommerce и увидит, что у каждого товара есть описание, мета-теги заполнены, FAQ на месте, alt-тексты расставлены. И поисковик, зайдя на этот сайт через пару дней, увидит совершенно другую картину — не пустые страницы-заглушки, а полноценные карточки товаров, каждая из которых отвечает на вопросы покупателя.
Это не будущее. Это уже работает. Прямо сейчас, на реальных магазинах, с реальными товарами и реальными покупателями.
Попробуйте COS WP Woo — 14 дней бесплатно. Установите плагин, подключите API-ключ Claude или OpenAI, выберите товары и запустите первую генерацию. Через час у вас будут описания, мета-теги и FAQ для сотни товаров. Через ночь — для всего каталога. Никаких обязательств, никакой привязки. Просто посмотрите, как это работает на вашем магазине, с вашими товарами, в вашей нише. Иногда лучший аргумент — это результат, который можно пощупать руками.
