Команда ArrowMedia описала подход к сбору семантики для контекстной рекламы, который объединяет данные Яндекс Метрики, автоматизацию и нейросети. По оценке компании, такой сценарий сокращает время на расширение и очистку семантического ядра примерно на 70% без потери качества.
Ключевая идея в том, чтобы брать запросы не из потенциального спроса, а из отчета «Поисковые запросы» в Яндекс Метрике. В отличие от классического сбора через Яндекс Вордстат и парсеры, здесь используются реальные фразы, которые уже приводили на сайт трафик и могли приносить конверсии.
В чем суть подхода
В отчете Яндекс Метрики по поисковым запросам доступны данные по визитам, времени на сайте, выполнению целей и другим поведенческим метрикам. Это позволяет отбирать не просто популярные фразы, а запросы с уже подтвержденной релевантностью для бизнеса.
Метод подходит в двух сценариях: для запуска семантики с нуля и для расширения уже работающих кампаний. Во втором случае работа сложнее, потому что нужно учитывать текущие ключевые фразы, минус-слова, регионы показов и скрытые дубли, например запросы с другим порядком слов или словоформами.
Какие этапы включает схема
1. Подготовка базы
Сначала нужно выгрузить действующую семантику через Директ Коммандер, а затем собрать дополнительные фразы из отчета «Поисковые запросы» в Яндекс Метрике. Для отбора можно использовать разные критерии:
- для общего расширения — фразы с двумя-тремя показами за последние три месяца;
- для конверсионной семантики — запросы, отобранные по времени на сайте или выполнению цели.
Это помогает отсечь случайный и нецелевой трафик еще на старте.
2. Первичная очистка и проверка частотности
После выгрузки запросы очищают от прямых дублей с текущей семантикой и проверяют на неочевидные пересечения. Такая работа снижает внутреннюю конкуренцию между фразами, уменьшает риск каннибализации трафика и упрощает структуру кампаний.
Для дополнительной оценки частотности можно использовать инструмент «Прогноз бюджета» в Яндекс Директе: загрузить очищенный список, добавить актуальные минус-фразы и выбрать регион показов. После этого из списка убирают запросы с нулевой или слишком низкой частотностью — в материале приводится ориентир от 0 до 3 запросов в зависимости от задач проекта.
3. Обработка через ИИ
На больших проектах нейросети предлагают использовать для смысловой очистки и кластеризации. ИИ может быстро разделить запросы по тематикам, отделить информационные фразы от коммерческих и подготовить структуру для групп объявлений.
В качестве инструментов упоминаются как решения для работы с загруженными файлами, например NotebookLM, так и универсальные ИИ-чаты: ChatGPT, Gemini, Claude, DeepSeek, Grok и Perplexity. В промпте рекомендуется сразу задавать правила удаления нерелевантных запросов: геозависимых фраз, информационных формулировок, слишком широких однословных запросов и фраз, не относящихся к типу бизнеса.
На выходе ИИ должен сформировать три набора данных: удаленные фразы с причиной исключения, финальное семантическое ядро и разбивку по тематическим кластерам для групп объявлений.
4. Финальная проверка
После автоматической обработки результаты нужно проверить вручную. Если нейросеть начинает игнорировать ограничения, добавляет фразы вне исходного списка или теряет логику отбора, авторы советуют сбрасывать историю диалога и продолжать работу в новом чате с обновленным промптом.
Какие результаты заявлены
По данным ArrowMedia, раньше на сбор, расширение и очистку семантики для одного проекта могло уходить от 6 до 10 часов. После внедрения гибридной схемы это время сократилось примерно на 70%.
Дополнительный эффект — в работу быстрее попадают запросы, которые уже приводили пользователей к конверсиям. За счет этого снижается доля нецелевых кликов, а семантическое ядро становится точнее.
Что это значит для рынка
Для российских специалистов по контекстной рекламе подход интересен тем, что опирается на собственные данные сайта, а не только на внешние сервисы оценки спроса. Это особенно полезно для действующих проектов с накопленной статистикой в Яндекс Метрике и активными кампаниями в Яндекс Директе.
На практике схема помогает быстрее расширять семантику, аккуратнее работать с минус-словами и запускать новые группы объявлений на основе уже подтвержденного спроса. Для агентств, фрилансеров и внутренних команд это способ сократить ручную рутину без отказа от финального контроля качества.
Выгрузите из Яндекс Метрики отчет «Поисковые запросы» за последние 3 месяца и сразу отфильтруйте фразы по поведенческим метрикам: времени на сайте, достижениям целей и числу визитов. Это даст базу из запросов, которые уже доказали релевантность для бизнеса.
Перед загрузкой списка в ИИ обязательно удалите прямые и скрытые дубли с текущей семантикой, добавьте минус-слова и проверьте частотность через «Прогноз бюджета» в Яндекс Директе. Иначе можно получить внутреннюю конкуренцию между ключами и лишние группы объявлений.
Для нейросети используйте жесткий промпт с правилами исключения: геозапросы, информационные фразы, слишком широкие однословные запросы и все, что не относится к вашему типу бизнеса. После обработки вручную проверьте спорные кластеры и не публикуйте результат без финальной валидации.
Частые вопросы
Подходит ли этот подход для нового сайта без накопленной статистики в Яндекс Метрике?
Полноценно метод раскрывается на проектах, где уже есть поисковый трафик и цели. Для новых сайтов его можно использовать позже, а на старте опираться на Яндекс Вордстат, аналитику конкурентов и базовую ручную семантику.
Можно ли полностью доверить очистку семантики нейросети?
Нет, ИИ ускоряет рутинную обработку, но не заменяет финальную проверку специалистом. Особенно важно вручную смотреть спорные фразы, коммерческое намерение и соответствие структуре кампаний.
Какие запросы из Яндекс Метрики лучше брать в работу в первую очередь?
В первую очередь стоит проверять фразы, которые уже приводили качественный трафик: с хорошим временем на сайте, достижением целей и повторяемостью по визитам. Это обычно более надежная база, чем просто популярные запросы без подтвержденного результата.