Как объединить Яндекс Метрику и ИИ для сбора семантики и экономить 70% времени

Тысячи запросов и часы ручного анализа — сбор семантики был одним из самых трудоемких этапов настройки контекстной рекламы. Команда ArrowMedia разработала подход, сокращающий время работы на 70% без потери качества благодаря объединению данных Яндекс Метрики, автоматизации и ИИ.

Разберем, где искать готовые релевантные запросы, как очищать их от мусора и автоматизировать кластеризацию с помощью нейросетей:

• Готовая семантика: потенциал данных Яндекс Метрики

• Гибридная модель: пошаговая инструкция

• Результаты

Готовая семантика: потенциал данных Яндекс Метрики

К отчету «Поисковые запросы», как правило, прибегают для решения SEO-задач или поиска минус-фраз, однако его можно использовать и как источник готовой семантики. В отличие от Вордстата или парсеров, в нем собраны реальные поисковые запросы, которые уже приводили на сайт конверсионный трафик. По каждой фразе доступна информация:

• по визитам;

• по времени на сайте;

• по выполнению целей;

• по другим поведенческим метрикам.

Идея взять эти данные за источник для сбора семантики и легла в основу нового подхода. Его ключевое отличие:

Работа строится на уже подтвержденном пользовательском поведении, а не на потенциальном спросе.

В результате в работу быстрее попадают запросы с доказанной релевантностью, снижается доля гипотез и ускоряется выход на эффективную семантику.

Второй сценарий требует дополнительных шагов и более тщательной проверки, поэтому именно его рассмотрим ниже.

Гибридная модель: пошаговая инструкция

Работу ведем в четыре этапа:

1. Подготовка базы.

2. Автоматизация первичной очистки и оценка частотности.

3. Делегирование задач ИИ.

4. Финальная проверка.

1. Подготовка базы

Нужно выгрузить текущую семантику кампаний через Директ Коммандер, а затем собрать дополнительные фразы из отчета «Поисковые запросы» в Метрике. Для этого нужно:

1. Открыть приложение Директ Коммандера, получить актуальные данные по нужным кампаниям.

2. Экспортировать их на компьютер.

   

   Этап 1 — загрузка / Источник: скриншот Яндекс Коммандера

   

   Этап 2 — экспорт / Источник: скриншот Яндекс Коммандера

Далее нужно перейти к отчету «Поисковые запросы» в Яндекс Метрике, выбрать метрики, на которые будем ориентироваться при отборе фраз, оставить только подходящие под наши критерии.

Этап 1 — отчет / Источник: скриншот Яндекс Метрики

Этап 2 — метрики / Источник: скриншот Яндекс Метрики

Настройка фильтров зависит от задачи:

• для общего расширения отбираются фразы с двумя-тремя показами за последние три месяца;

• для конверсионной семантики — по времени на сайте или выполнению целевого действия, чтобы отсечь случайный и нецелевой трафик.

При этом в отчете встречается много широких, информационных и нерелевантных запросов, которые не подходят для запуска рекламы в Директе. Чтобы получить качественное семантическое ядро, эти данные нужно очистить и кластеризовать. Удобнее всего это делать с помощью инструментов автоматизации и нейросетей.

2. Автоматизация первичной очистки и оценка частотности

Из полученной в Метрике выгрузки нужно:

1. Удалить прямые дубли с текущей семантикой аккаунта.

2. Дополнительно проверить запросы на неочевидные пересечения.

Что это даст:

• снизит внутреннюю конкуренцию запросов;

• уменьшит риск каннибализации трафика;

• упростит дальнейшую структуру кампаний.

Для этого мы используем собственные разработки автоматизации:

• кросс-минусовку по правилам Яндекс Директа через API;

• поиск пересекающихся и вложенных фраз;

• анализ на уровне словоформ и операторов соответствия;

• выявление неочевидных дублей и конфликтов между существующей и новой семантикой.

В качестве альтернативы подойдут и сторонние решения, например, «Прогноз бюджета» от Яндекса. Через этот инструмент дополнительно оценивается частотность запросов. Нужно:

1. Загрузить очищенный список.

2. Добавить актуальные минус-фразы из аккаунта.

3. Выбрать регион показов.

После получения результатов нужно отсеять запросы с нулевой или слишком низкой частотностью (от 0 до 3 запросов, в зависимости от целей проекта).

3. Делегирование задач ИИ

На крупных проектах объем семантики может исчисляться сотнями и тысячами фраз, поэтому для обработки таких массивов данных нужно подключить нейросети. Они могут:

• анализировать большие объемы запросов за считаные минуты;

• распознавать их смысл;

• кластеризовать по тематикам;

• отделять информационный мусор от коммерческой семантики, следуя заданной логике промпта.

Для работы с запросами можно использовать:

1. ИИ-инструменты: для анализа загруженных документов, например, NotebookLM. Преимущество таких инструментов — работа только с предоставленными источниками, что помогает снизить количество неточностей в ответах.

2. Классические ИИ-чаты: ChatGPT, Gemini, Claude, DeepSeek, Grok или Perplexity. Их ценность — в актуальности и гибкости: они могут опираться на свежие данные из интернета и быстрее адаптироваться к нестандартным уточнениям, когда требуется оперативная корректировка семантики без перезагрузки файлов.

В нейросеть нужно загрузить файл с семантикой и промпт с правилами обработки запросов:

Дополнительно логику нужно адаптировать под специфику бизнеса, регион и тип спроса.

Если качество ответов ИИ снижается, например, нейросеть начинает игнорировать приложенные файлы и заданные ограничения, добавляя фразы вне исходного списка, нужно сбросить историю диалога и продолжить обработку с актуальным набором фраз.

В некоторых случаях достаточно напомнить ИИ об условиях, однако это не всегда позволяет вернуть модель к исходной логике обработки данных. Поэтому надежнее сохранить результаты за шаг до появления ошибок и продолжить работу в новом диалоге с обновленным промптом.

4. Финальная проверка

После обработки нужно сохранить результаты, при необходимости скорректировать совместно с ИИ, чтобы сделать дополнительную проверку. Если в процессе появляются новые идеи для ключевых фраз, их можно отдельно проанализировать через «Прогноз бюджета» для исключения низкочастотных.

Результаты: меньше рутины — выше качество трафика

Такой подход заметно ускоряет поиск новых ключей для действующих рекламных кампаний или их запуска:

• раньше на сбор, расширение и очистку семантики для одного проекта могло уходить от 6 до 10 часов;

• сейчас это время сократилось примерно на 70%.

Что это дает:

1. В работу сразу попадают запросы, которые уже приводили пользователей к конверсиям.

2. Снижается доля нецелевых кликов, а семантическое ядро получается более точным для конкретного бизнеса.

3. Растут видимость рекламы, конверсия и ROI.

Дополнительное преимущество в том, что метод одинаково применим как для небольших проектов, так и для крупных аккаунтов с тысячами запросов.

При этом важно учитывать, что отчет Яндекс Метрики отражает только уже накопленный спрос и не охватывает новые или еще неиспользованные запросы. Кроме того, ИИ помогает ускорить обработку данных, но не заменяет экспертную проверку — финальная оценка и корректировка семантики по-прежнему остаются за специалистом.

Возможно, вам будет интересно:

• Как пользоваться новым Мастером отчетов — на главные вопросы отвечают менеджеры продукта

• ИИ-помощник Яндекс Директа: обзор возможностей + пример промпта для аналитики кампаний

• Как собрать семантическое ядро сайта для Директа с помощью ИИ — пошаговая инструкция