Может ли ИИ заменить копирайтера для заполнения карточек товаров на маркетплейсах

Контекст

Маркетплейсы ранжируют товары по множеству факторов, и один из ключевых — текстовое наполнение карточки (на него приходится до 40% веса при ранжировании). Поэтому оптимизация контента карточек — фундамент для органического роста товаров на маркетплейсе. Чем быстрее обновляется контент, тем быстрее клиент получает результат.

Чтобы ускорить подготовку качественных описаний для маркетплейса, мы предложили клиенту эксперимент с участием нейросети. Часть текстов отдали в работу копирайтеру, часть — генерировали нейросетью.

Ограничения

В продвижение нам достался довольно специфический продукт. Клиент работает в категории Beauty на Wildberries, его товары решают довольно специфические проблемы покупателя. Для рассказа о них требовалось внимательно следить за формулировками: юридический отдел клиента прислал список ограничений, которые мы должны были учесть при заполнении карточек. 

Реализация

Анализ. Изучили текущие описания товара, нашли слабые места и закономерности. После этого собрали ключевые слова для продвижения и распределили их по частотности.

Разделение задач. Для эксперимента мы взяли описания 72 карточек. Половину текстов брал в работу копирайтер, вторую половину генерировал YandexGPT*, а потом его черновики дорабатывал человек.

Тестирование подходов. Искали способы сделать описания точными, разнообразными и релевантными.
Внедрение. Новые описания загрузили на площадку. Чтобы понять, какие тексты работают лучше, сравнивали рост позиций в поисковой выдаче.

* В отличие от ChatGPT и других крупных зарубежных моделей, нейросеть YandexGPT обучалась на русскоязычных данных и лучше понимает промты на русском языке.

Нюансы работы с YandexGPT

На этапе подготовки промтов столкнулись с неожиданными сложностями.

• Игнорирование стоп-слов. Хотя подготовленный промт ограничивал использование определенных терминов, нейросеть все равно вставляла их в тексты. Пришлось добавить дополнительный этап проверки: найди стоп-слова в результатах генерации и предложи им замену.
• Галлюцинации нейросети. В некоторых текстах нейросеть выдавала за достоверные целиком придуманные характеристики товаров — приходилось тратить время на фактчекинг.
  Чтобы справиться с этой проблемой, мы экспериментировали с температурой промта — показателем, который влияет на консервативность/креативность при подборе слов. Оптимальная температура модели оказалась 0,6–0,8: выше — больше выдумок, ниже — однообразие.
• Проблемы с вариативностью и длиной текста. Как и человеку, нейросети оказалось сложно делать уникальные описания, которые при этом было бы интересно читать. Тексты для однотипных товаров выходили слишком похожими. А объем описаний было сложно контролировать: иногда нейросеть выдавала на 300 символов больше, чем ее просили, — приходилось сокращать.
• После серии экспериментов оказалось, что нейросеть лучше понимает формулировку задачи по объему текста в словах, а не в символах. Проблему одинаковых описаний для похожих товаров решали разные критерии тона и стиля текста, а также четко прописанная роль модели («Представь, что ты пишешь для…»)

Итог: команда получила от GPT несколько десятков текстов удовлетворительного качества. Черновики отдали на доработку человеку: копирайтер перепроверил характеристики, учел все требования и ограничения от юридического отдела

Результаты

Позиции карточек в выдаче — сопоставимы
На протяжении всего эксперимента позиции карточек товара в выдаче измерялись с помощью инструмента CAT (Commerce Analytics Tool)

На старте, в момент имплементации, товары с текстами от копирайтера росли быстрее. Но со временем позиции ИИ-карточек выросли. Спустя четыре месяца все оптимизированные товары в поисковой выдаче поднялись в среднем на 351 позицию и вышли на первую-вторую страницу выдачи.

Сравниваем результаты — на первом графике текст о дезодоранте, который собирала нейросеть (скачок позиций в момент имплементации), на втором — карточка, которую готовил копирайтер

Экономия времени — 55%

То, что ИИ пишет быстрее человека, никто и не сомневался. Но на старте эксперимента мало кто мог спрогнозировать необходимое время на доработку машинных текстов. Сначала мы пытались довести тексты до идеала, уточняя промт. Позже поняли, что для нужного нам качества описаний тексты все равно должен редактировать копирайтер, а нейросеть пусть собирает для него черновики. В нашем кейсе такой подход ускорил работу на 55% по сравнению с текстами, которые «с нуля» писал человек.

Преимущества и недостатки нейросети по сравнению с человеком

Экономия бюджета — 32,5%

В кейсе этого клиента генерация текста в связке ИИ + копирайтер (с учетом работы нейроинженеров по доработке промта) оказалась на 32,5% дешевле, чем если бы копирайтер писал тексты для всех 72 карточек товаров с нуля.

Какие выводы мы сделали

1. Метод для массового написания. Хотя связка ИИ и копирайтера в кейсе клиента оказалась дешевле и быстрее, нужно обратить внимание на важный нюанс. Наш клиент работает только в категории Beauty. Мы сэкономили время только потому, что готовили описания из одной категории. Если бы категории были разными, нейросеть приходилось бы каждый раз обучать заново. А это дополнительные затраты.

Наш эксперимент показал, что ИИ выгодно использовать, только если требуется генерить описания для десяти и более похожих товаров.

2. Нужно работать в тандеме. GPT помогает быстро собрать черновик, но без копирайтера адекватного текста не получается. Оптимальный процесс выглядит так: ИИ генерирует — человек редактирует, учитывает рекомендации юристов.

Поэтому ответ на вопрос, который мы вынесли в заголовок, — нет. Пока ИИ не может полностью заменить копирайтера для заполнения карточек товаров на маркетплейсах. Но GPT заметно ускоряет работу, снимает с человека часть рутинных операций: освобождает его время на проверку нюансов, которые пока не способна учесть нейросеть.