Применение нейросетей в продвижении креативного контента
В современное время нейросети всё чаще используются в сфере контент-маркетинга и цифровых коммуникаций. Они позволяют автоматизировать рутинные процессы: быстро создать тексты, изображения, видео и множество других форматов, анализируют поведение аудитории и подбирают самые эффективные каналы продвижения. Для брендов и агентств ИИ — это инструмент, который может как упростить работу с контентом, так и ускорить общий запуск кампаний.
Цель моего проекта — изучить ИИ как инструмент продвижения контента в рамках конкретных платформ. Понять, насколько эффективно он помогает в генерации и seo-оптимизации творческого контента.
Проект затрагивает не знакомство публики с личным брендом, но ознакомление с моими навыками как эксперта в создании игровых моделей из геймдев-индустрии. Так, в рамках проекта созданы:
- статья-гайд о текстурировании в hand paint стиле - небольшая видео-шутка о пробном применении Stable Diffuson для генерации текстур объекта
Работу можно назвать экспериментальной. Она направлена на выявление общих рекомендаций на будущее: советов по применению ИИ и собственных инсайтов из уже проделанной работы.
Кейс-стади: использование ИИ в продвижении
1. ИИ-инструменты
ChatGPT-4io стал основным и главным инструментом в логической работе. Функционал полной версии покрывает практически все нужные задачи: анализ платформы, исследование конкурентов и форматирование не только текста, но и любых дополнительных элементов.
Stable Diffusion стал дополнительным инструментом для генерации видеоряда. Он помог создать смешные или обыкновенные варианты текстур для модели вазы, показанное в видео.
2. План действий
Проект опирается на постоянную работу с ИИ-инструментами. Их роль — участие во всех ключевых этапах создания сопутствующего контента. Пайплайн работы над проектом построился по следующим этапам:
1. Анализ конкурентной среды — с помощью ИИ собран и обобщён контент конкурентов, определены его сильные стороны;
2. Выбор форматов — подобраны наиболее подходящие форматы для продвижения на конкретной платформе;
3. Структура и создание контента — ИИ сгенерировал структуру и отдельные элементы (в том числе тексты и сценарий для видео);
4. SEO-оптимизация — материалы доработаны под требования поисковых систем.
Начать стоит с немного более подробного рассмотрения каждого из этих этапов. Примером станет написание статьи, а создание видео освещено не будет, так как работа над ним прошла по аналогичному пайплайну «Конкурентный анализ — Выбор форматов — Разработка — SEO-оптимизация».
2.1. Анализ конкурентной среды
Начался с работы над статьей, стартового промпта для Chat GPT: «Я — начинающий 3D-художник и собираюсь написать статью о себе для платформы Dzen. Какие приемы бизнес-сторителлинга, кейсы, биографии используют мои конкуренты на сайте: https://dzen.ru/. Приведи примеры 10 статей и укажи ссылки на соответствующие статьи.»
В результате, чат провел общую аналитику с анализом наиболее популярных приемов и кейсов из моей среды. Он выявил общую тенденцию: на Dzen чаще всего популярными становятся не интервью или рассказы о себе, а конкретные обзоры и инструментарии, либо обучающие материалы на яркие, актуальные темы.
2.2. Выбор форматов
Из полученного списка было решено создать что-то, похожее на кейс-демонстрацию. Вместе с чатом рассмотрены варианты таких кейсов:
— импровизированное интервью — кейс-история по шагам — обзор + личное мнение — пошаговый гайд
Итоговым стал формат пошагового гайда. Он позволяет «кратко и по делу» показать свои навыки с точки зрения обучающих шагов. Тема определилась сразу: статья должна освещать текстурирование в hand-paint стиле из геймдева.
2.3 Конкурентный анализ паттернов
Проведен для подбора наиболее выигрышной структуры гайда на Dzen. Пример стартового промпта: «Найди список наиболее успешных гайдов на платформе Dzen. Проанализируй его и выдели основные паттерны контента в этом списке. Для каждого паттерна определи целевой сегмент аудитории. Оцени каждый паттерн по 10-балльной шкале по следующим критериям: Привлечение B2B-клиента, SEO-потенциал, Вовлечённость, Экспертность. Изучи статьи о текстурировании в хэнд-пэйт стиле, 3D-моделировании для геймдева и найди основную структуру статей, паттерны, которые влияют на вовлечённость, интерес, в чем заключаются секреты. Опиши структуру описания тренда, если в списке материалов есть примеры описаний трендов.»
После этого промпта получилась сводка наиболее актуальных паттернов для платформы. Она включила в себя оценки по заданным пунктам и позволила оценить каждый из таких паттернов на предмет эффективности. Самой успешной структурой показался «Пошаговый учебный кейс», потому следующая генерация текста строится в его рамках.
3. Создание контента
Началось с задания чату вводных данных и главных критериев: платформы, аудитории, темы статьи, а также ключевой идеи для каждого из шагов.
На этом этапе промпты довольно краткие, так как на старте требуется понять и скорректировать основную структуру заголовков и тон речи. Пример стартового промпта: «Давай разработаем подобный гайд про разработку 3D-вазы. Гайд должен рассказывать про общий пайплайн создания 3D-объекта с применением скульптинга и запекания карт High-poly на Low-Poly на примере вазы.»
Далее — генерация финальной структуры гайда и создание заготовки для первого раздела текста. В дальнейшем эта заготовка позволила написать создать фрагмент текста с подходящим тоном, стилем и процентом смысловой нагрузки. Такие фрагменты полезно «скармливать» нейросети перед дальнейшей работой, так как на их примере она гораздо лучше подстраивается под нужды пользователя и требуемый формат.
Промпты на каждую задачу: 1. «Предложи структуру гайда, которая позволит включить в себя статью размером не менее 900 слов» 2. «Напиши заготовку для раздела с вступлением и спроси у меня финальный текст. Ничего не пиши до моего ответа. В дальнейшей работе сохраняй стиль и тон из моего ответа.»
Наконец, когда основная заготовка сгенерирована, можно приступать к форматированию текста введения и написанию полного варианта гайда.
Для форматирования использовались промпты типа: «Переработай введение таким образом, чтобы оно было понятно начинающему 3D-художнику или текстурировщику.» «Немного упрости текст. Оставь первый абзац и отношение к вазе как вещи с характером.»
Они достаточно краткие, но на данном этапе работают не хуже длинных. Так происходит потому, что к настоящему моменту нейросеть уже «настроена» в нужном русле с помощью показанного ей раньше примера введения.
Для написания полного текста гайда потребовалось больше вводных данных и контекста. Вот почему следующие промпты были похожи на запрос с прикрепленной фотографией: «Давай перейдем к следующему пункту. В нем нужно опираться на следующий контекст: ваза по форме похожа на античную амфору с маленькой крышкой. У нее нет ручек, а крышка немного напоминает колокол.На фотографии — лоу-поли модель вазы с запечкой high-poly на low-poly.»
Таким образом, после работы с промптами получился готовый текст, соответствующий интересам пользователя. Как и требовалось, он написан в техническо-кратком тоне и подходит для предполагаемой аудитории, 3D-сообществу в геймдеве.
В работе с видео итогом стали текстуры для модели вазы и, соответственно, основной иллюстративный ряд. Промпты для Stable Diffusion, встроенные в Blender, строились по типу: «Fantasy style ceramic vase with realistic image of a cat. Highly detailed, grey and white colors.»
4. SEO-оптимизация
Последний шаг перед публикацией статьи. Представляет из себя поиск ключей и подходящих заголовков, а также переработку и оформление заголовка, подзаголовков и текста введения под SEO-структуру с помощью Chat GPT и Wordstat.
Пример комплексного промпта: «Я пишу гайд о текстурировании 3D-вазы в стиле хэнд-пэйнт для публикации на платформе Dzen. Найди информацию для оптимизации гайда под современные поисковые алгоритмы, включая AI Overviews и расскажи, как ее реализовать в тексте гайда. Проанализируй статистику из Wordstat и семантику успешных конкурентов в Bukvarix по теме текстурирования и 3D-моделирования и напиши список наиболее актуальных ключей для подзаголовков и введения.»
Результаты работы
Благодаря описанным выше действиям получилось не только написать качественный текст статьи, но и создать материалы для видео, а также провести комплексный анализ на подготовительном этапе. Такой анализ реализуется гораздо быстрее засчет ответов Chat GPT с краткими сводками, а также автоматической обработки статистических данных.
Далее, удалось оформить готовый контент под SEO, но это потребовало сверки с реальными значениями из Wordstat.
Генерация контента для видео происходила сложнее, чем написание статьи, так как реализовалась только после исследования технических особенностей Stable Diffusion для генерации текстур (активация и установка аддона для Blender, понимание принципа накладывания текстур нейросетью).
В итоге, вывод из реализованного пайплайна работы сделан следующий: такие нейросети, как Chat GPT хороши в процессах, требующих логики и систематизации, общего или частного анализа данных. Они генерируют контент (текст) «быстро и сразу». Между тем, модели, заточенные на генерацию визуального контента, требуют изучения технических принципов своей работы для получения более качественного результата.
Приобретенные навыки
В процессе работы я научилась:
- Грамотному промпт-инжинирингу под свои запросы: построению оптимизированного плана работы, а также нахождению и структурированию аналитики с помощью нейросетей типа Chat GPT 4-io;
- SEO-оформлению под конкретные платформы: поиску и включению ключевых слов;
- Оформлению креативной базы: созданию «живой» и лаконичной основы, по которой можно создавать собственный контент.
Аналитика продвижения
Созданный контент был опубликован на платформах Dzen, YouTube Shorts и VK-клипы. Ниже представлена аналитика с результатами:
Самый большой отклик получило видео на YouTube Shorts. Между тем, публикация аналогичного видео в VK-клипах собрала гораздо меньше просмотров. Скорее всего так получилось из-за несоответствия темы видео и аудитории второй платформы. То есть, тема ИИ, выбранная для видео, скорее всего менее популярна в рамках сообщества VK-клипов.
Между тем, статья на Dzen получила среднюю популярность, но количество дочитываний практически полностью соответствует показам. То есть, статья интересна читателям, все-таки перешедшим на страницу с текстом. Тем не менее, процент CTR (показатель кликабельности) в ленте довольно низкий. Скорее всего это говорит о том, что проблема контента похожа на проблему видео из VK-клипов. А именно: аудитория Dzen также практически не интересуется темами, связанными с геймдевом.
Из сравнения платформ можно сформировать совет на будущее: следует проводить более детальный анализ каждой из платформ по популярности тем и составу аудитории. Возможно, стоит рассмотреть более «игровые» или узконаправленные платформы для контента, похожего на мой.
Успех и инсайты
Несмотря на неудачность видео из VK-клипов и статьи на Dzen, видео из YouTube Shorts собрало неплохие результаты. Они показывают, что контент смог удержать аудиторию, но получил средне выраженную реакцию со стороны зрителей.
Оценить это можно с помощью сравнения моих результатов с результатами лидеров YouTube Shorts по аналогичным ИИ-темам. Например, шортс от Сергея Захарова «Докажи, что ты НЕ нейросеть. 2035 год (VEO3)» собрал 57 тыс. лайков и 3.2 млн. просмотров. То есть, процент соотношения его лайков к просмотрам равен: 100×57 тыс. /3, 200 тыс. = 1,7%
Аналогично считается и процент лайков к просмотрам для моего видео. Из аналитики выше, он составил ~0.7%. То есть, количество лайков в моем видео отстает от результатов лидера примерно в 2.4 раза.
С другой стороны, показатели вовлеченности говорят об общей заинтересованности зрителей. Так, средняя продолжительность просмотра равна 14с из общих 23с, а количество заинтересованных просмотров граничит с количеством уникальных зрителей.
И правда, к 14 секунде видео практически заканчивает свой основной визуальный ряд. Отсюда можно судить о следующем: видео «держит» зрителя во время подачи основной информации, но «отпускает» его к моменту финальной заставки.
Об этом же говорят ключевые показатели удержания аудитории. Количество зрителей, продолживших просмотр — 71,9%.
Что насчет трафика просмотров, большая его часть сформировалась засчет показа видео в рамках самой платформы. Так, 97,6% зрителей были привлечены через ленту Shorts, а остальное привлечение получилось комбинированное — через другие страницы YouTube и поиск.
При поиске на соответствующую тему мое видео высвечивается в первых рядах. Из сравнения процента поиска, результатов этого поиска и общей популярности получается еще один вывод: тема шортса практически не ищется пользователями интернета, то есть либо проигрывает в оформлении под SEO, либо просто неинтересна настоящим работникам из геймдева.
Таким образом, из анализа показателей успешности проистекает 3 инсайта:
1. Тема видео интересна аудитории YouTube, но не до конца вызывает ее согласие, либо оставляет зрителя средне-равнодушным к концу. То есть, возможно, посыл видео не до конца ясен. 2. Видео удерживает зрителя на нужный промежуток времени, но не справляется с удержанием до конца — видеоряд немного затянут, либо однотонен. 3. Видео отвечает поисковым требованиям, но не является популярным предметом поиска — тема ИИ в текстурировании слишком специфична как для обычного зрителя, так и для члена геймдев-сообщества.
Выводы
Из проведенной работы и результатов публикаций можно сформировать несколько советов себе на будущее. В следующий раз стоит обратить внимание на:
- выбор более общих тем как для видео, так и для контента в целом; - ориентацию контента на более широкую публику; - углубленный анализ платформ, которые эта публика использует; - разнообразие видео-контента: более явные включения шуток и интересных моментов, а также переход к динамичному, быстрому монтажу; - дополнительную работу с выражением смысла и «нужностью» контента.
Визуализация и материалы проекта
1. Статья на Dzen
Фактические показатели: 16 показов, 18,8% CTR в ленте. Результат: 14 дочитываний, 4 подписки, 4 репоста.
2. Видео в VK-клипах
Фактические показатели:
- 20 просмотров
- 3c среднее время просмотра Результат: 2 лайка.
3. Видео в YouTube Shorts
Фактические показатели: Просмотры:
- 4,614 просмотров (3,0 тыс. заинтересованных, 2,8 тыс. уникальных зрителей); Удержание аудитории:
- 0,14с среднее время просмотра; 71,9% продолжили смотреть; Охваты:
- 97,5% — доля зрителей, привлеченных через ленту Shorts;
- 1% — поиск YouTube;
- 0,9% — другие страницы YouTube; 0,3% страницы каналов; 0,2^% функция выбора контента.
Результат:
- 30 лайков;
- 3 комментария;
- 1 подписка.
Итоги проекта
В рамках проекта была проведена экспериментальная компания по созданию и продвижению креативного контента с помощью ИИ-инструментов. Публикации были выставлены на Dzen, YouTube Shorts и в VK-клипах. Целью было понять, как можно применить ИИ-инструменты на каждом из этапов создания контента, а также разработать несколько собственных выводов и инсайтов из проделанной работы.
В результате, итоги проекта получились неплохие. Chat GPT успешно помог в исследовании среды и выборе структуры, паттерна для контента в конкретной среде. Кроме того, нейросеть справилась с подбором ключевых слов и подсказала, как лучше включить их в содержание контента. В свою очередь, Stable Diffusion создал материал для видео (текстуры на модель вазы).
Оформление статьи стало структурированное и последовательное, а заголовки и текст введения соответствуют SEO-разметке. Сценарий и подача видео адаптированы под аудиторию YouTube. Подбор хэштегов сделан в соответствии с принадлежностью темы и ориентирам на выбранную аудиторию.
Цифры, собранные статьей и видео в VK-клипах получились небольшие, однако публикация видео в YouTube Shorts принесла позитивное количество аналитики. Это говорит о том, что работа над проектом проведена не зря. Благодаря ИИ-инструментам я стала лучше понимать механизмы и пайплайны в создании конкурентоспособного контента, а также приобрела опыт продвижения в публичном пространстве как такового.
