Есть задачи, которые я откладываю до последнего. Не потому, что они сложные, а потому, что скучные. Написание мета-тегов для каталога — как раз из таких. Триста товаров — ещё терпимо. Три тысячи — это уже наказание. И когда меня в очередной раз попросили «освежить Title и Description на всём каталоге», я решил, что руками это делать больше не буду.
Так появилась идея: собрать генератор, который читает карточку товара, отправляет данные в DeepSeek и возвращает готовые мета-теги. Не идеальные, но черновики, которые можно проверить и доработать. На выходе — экономия часов, а не минут. Инструмент живёт по адресу dsseo.oxolov.ru — можно посмотреть, как он выглядит и что умеет.
Расскажу, как это работает, что оказалось сложнее, чем казалось, и что я бы сделал иначе.
Зачем вообще трогать мета-теги
Мета-теги не поднимают позиции напрямую. Это не сигнал ранжирования, и спорить с этим бессмысленно. Но Title — это то, что пользователь видит в выдаче. Description — это то, что может склонить его к клику или оттолкнуть.
Если у тысячи товаров Title выглядит как «Купить товар в интернет-магазине по выгодной цене», а Description — как список из пяти ключевых слов через запятую, кликабельность страдает. Не потому, что поисковик плохо относится к шаблонам. А потому, что пользователь не находит в сниппете ответа на свой вопрос.
AI-генерация не решает проблему целиком. Но она даёт отправную точку. Вместо пустого поля — осмысленный текст, который можно улучшить, а не писать с нуля.
Как устроен инструмент
Логика простая. Скрипт проходит по элементам инфоблока, берёт название, раздел, ключевые свойства, отправляет в DeepSeek, получает Title и Description, проверяет длину и записывает в базу.
Вот основные шаги.
Сбор данных о товаре
DeepSeek нужен контекст. Без него модель выдаст общие фразы. Поэтому в запрос уходит не только название, но и раздел каталога, бренд, ключевые характеристики, а иногда — фрагмент описания.
Я сознательно не отправлял всю карточку целиком. Во-первых, длинно. Во-вторых, модель начинает пересказывать описание вместо того, чтобы сжимать суть. Пяти-шести ключевых параметров хватает, чтобы понять, что это за товар и для кого он.
Формирование запроса
В системном сообщении — жёсткие рамки. Модель должна знать, что Title — до шестидесяти символов, Description — до ста шестидесяти. Что нельзя выдумывать характеристики, которых нет в данных. Что нельзя использовать фразы вроде «лучший в мире» и «по выгодной цене».
Без этих ограничений модель выдаёт красивые, но бесполезные тексты. С ограничениями — рабочие черновики.
{ "model": "deepseek-flash", "messages": [ { "role": "system", "content": "Ты SEO-специалист. Пиши Title до 60 символов и Description до 160. Не выдумывай характеристики. Без общих фраз. Только факты из данных." }, { "role": "user", "content": "Товар: Кроссовки беговые. Бренд: ... Характеристики: ..." } ], "temperature": 0.4 }Температуру я ставил низкую. Для мета-тегов креативность — не достоинство. Нужна предсказуемость и точность.
Обработка ответа
Модель возвращает текст, но его нельзя писать в базу как есть. Нужно проверить длину, убрать кавычки, если они появились, отсечь вводные слова вроде «Вот ваш Title:». Простая очистка, но без неё половина результатов уходит в мусор.
Отдельная проверка — на наличие выдуманных характеристик. Если в исходных данных не было слова «водонепроницаемые», а модель его добавила — такой результат отбраковывается. Это не паранойя. Это защита от ошибок, которые потом дорого исправлять.
Что оказалось сложнее, чем я думал
Первое: однообразие. Модель быстро находит удачную формулу и начинает её повторять. Все Title получаются на одно лицо, меняются только названия товаров. Для поисковика это сигнал шаблонности, для пользователя — скуки.
Решение нашлось в вариативности. В запрос добавил случайный выбор из нескольких инструкций: «сделай акцент на характеристиках», «сделай акцент на сценарии использования», «сделай акцент на бренде». Модель стала выдавать разные тексты, и общая картина ожила.
Второе: галлюцинации. DeepSeek иногда добавлял свойства, которых не было. Не часто, но достаточно, чтобы это стало проблемой. Пришлось добавить проверку: если в ответе есть слово, которого нет в исходных данных, — результат уходит в ручную проверку.
Третье: лимиты и скорость. Три тысячи запросов подряд — это долго. И дорого, если не следить за токенами. Пришлось разбить каталог на порции, добавить паузы между запросами и запускать обработку через cron ночью, чтобы не блокировать административную панель.
Как я проверял качество
Брать всё и сразу публиковать — плохая идея. Я сделал выборку из ста товаров, сгенерировал мета-теги, а потом прошёлся по ним руками.
Критерии были простые. Title укладывается в длину. Description отвечает на вопрос «что это и зачем». Нет общих фраз. Нет выдуманных характеристик. Текст читается как человеческий, а не как набор ключевых слов.
Из ста результатов около семидесяти прошли проверку без правок. Двадцать потребовали небольшой доработки — заменить слово, убрать лишнее. Десять ушли в мусор: галлюцинации или слишком общие формулировки.
Это не идеальный результат. Но если раньше на сто товаров уходило несколько часов, то теперь — час на проверку и правки. Разница ощутима.
Что я бы сделал иначе
Не начинал бы с всего каталога. Первые двести запросов ушли на отладку промта, и половину результатов пришлось перегенерировать. Лучше сначала прогнать тридцать-сорок товаров, посмотреть, что получается, доработать инструкции, а потом масштабировать.
Не экономил бы на проверке. Автоматическая отбраковка по длине и стоп-словам — это минимум. Ручная выборочная проверка — обязательна. AI ошибается тихо, и если не смотреть, ошибки накапливаются.
И ещё: не пытался бы сделать всё идеально с первого раза. Мету можно обновлять. Лучше выпустить черновики, посмотреть на реакцию в поиске, а потом дорабатывать, чем полгода доводить промт до совершенства и не запускать ничего.
Стоит ли оно того
Для каталога на триста товаров — скорее нет. Проще нанять копирайтера или сделать руками за пару дней. Для каталога на три тысячи — да. Для десяти тысяч — однозначно да.
AI-генерация мета-тегов не заменяет специалиста. Она снимает рутину и даёт черновики, которые специалист доводит до ума. Если относиться к ней именно так — как к инструменту, а не как к волшебной кнопке — результат будет предсказуемым и полезным. Попробовать инструмент можно на dsseo.oxolov.ru.
А вы пробовали генерировать мета-теги через AI?