Кейс: как наш AI-конвейер дал трехкратный рост органики и позиций для магазина генераторов
Заказчик
«Энергоснабжение» — поставщик промышленного, бытового и строительного энергооборудования (180 региональных поддоменов, 25 000 страниц на каждом).
Проблемы проекта:
- Конкуренция с маркетплейсами: Ozon, Wildberries и Авито монополизировали ТОП по ВЧ-запросам за счет гигантского ассортимента и поведенческих факторов.
- Пустой каталог: Более 800 категорий и ~2 000 карточек не имели текстового описания.
- Ограничения ручного продакшна: Классический копирайтинг требовал более 440 000 ₽ и 480+ часов работы SEO-специалиста на ТЗ и редактуру. Простые шаблоны с переменными грозили санкциями за переспам (Баден-Баден / МПК).

Решение и реализация
- Техническая подготовка: Провели глубокий SEO-аудит (включая поиск аномалий в характеристиках товаров через LLM) и структурировали каталог.
- Разработка собственного софта: Методом «вайбкодинга» за 15 часов создали десктопное приложение для потоковой генерации контента через API языковых моделей.
- Выбор модели: Для оптимизации затрат выбрали Gemini Flash, показавшую баланс качества и минимальной стоимости токенов.
- Многоуровневый промптинг:- запрет на «галлюцинации» — генерация строго на базе переданных технических характеристик;- антиспам-контроль — не более одного прямого вхождения ключа на абзац, склонение фраз;- чистый экспорт в HTML (h2, h3, p, ul, li) для быстрой пакетной загрузки.
- Поэтапный релиз (январь 2025 — апрель 2026): Пошаговая выкладка текстов и метатегов порциями для безопасной и естественной индексации поисковиками.



Результаты (январь 2025 — апрель 2026)
- Трафик: Рост коммерческого поискового трафика в 2,6 раза — с 4 000 до 10 500 визитов/мес. в пике. Суммарно за период получено свыше 100 000 переходов (82,7k из Яндекса, 18k из Google).
- Яндекс: Рост доли запросов в ТОП-10 с 22% до 73%. Видимость ядра выросла с 5% до 16%.
- Google: Рост в ТОП-10 с 5% до 14% (видимость с 10% до 18%) исключительно за счет текстовой релевантности без бюджета на линкбилдинг.

Качественная автоматизация контента на базе LLM позволила обойти агрегаторы в средне- и низкочастотных сегментах, освободив команду для решения стратегических аналитических задач.
Полный разбор кейса по ссылке: https://ipos.digital/cases/energosnabzhenie