📍 Едем на iGB L!VE London 2026

От нас будет Уилл Кларк — BizDev и главный редактор iGamingTextLab:)

Уилл больше 5 лет работает с локализацией для iGaming и Fintech брендов и готов поделиться опытом, как адаптировать SEO-контент, CRM и промоматериалы под разные рынки. Особенно классно наш биздев разбирается в англоязычных проектах, потому что, как можно было догадаться по фамилии, наш Уилл — коренной британец :)

Так что если вы работаете с этой темой, особенно в десятке гео сразу, ловите Уилла на кофе. Он передаст вам коллективные знания iGamingTextLab.

Заодно можем обсудить, как оптимизировать бюджеты на производство, если контента нужно много, на разных языках и под разные гео. Пара идей у нас есть :)

А ещё будет здорово повидаться со старыми клиентами и поболтать о ваших проектах🫶

1-2 июля, iGB L!VE, бронь встречи ➡️
!UPD! @igamingtextbot

Даша,
CMO iGamingTextLab

⬆️ А вот что лично меня больше всего бесит при работе с ИИ

Конечно, понимаю: это и без ИИ было кармой любого контент-менеджера. Но чёрт возьми, Энакин, ты должен был бороться со злом, а не примкнуть к нему! Я бы даже сказала возглавить.

Потому что мы заметили, что разные модели хороши для разных задач. В итоге, лично мне чтобы собрать одну единицу контента, приходится лазить по куче вкладок и платить за кучу подписок на разные сервисы. Плюс потом руками очень много править.

Бесит 🙄

Даша,
CMO iGamingTextLab

Напоминаем, что нашего биздева Уилла Бонда Кларка можно будет завтра поймать на конференции 🔥

На вашем месте, я бы обязательно поймала, чтобы выудить все пикантные подробности о нашем human-assisted AI. Потому что это реально интересно — у меня самой язык чешется всё рассказать. Но пока некоторые вещи можем говорить только ограниченному числу людей в британских кулуарах 🧐☕️

Ещё можно поспрашивать про локализацию: Уилл в этом действительно шарит.

В общем, записывайтесь, пока не поздно :)

P.S. Когда делали этот баннер, было много вариантов. Уилл Холмс, Уилл Джонс, Уилл Виндзор, Уилл-гвардеец в мохнатой шапке... Остановились всё-таки на Бонде, потому что у него тоже был NDA проклятый 👹

Денег в эпоху ИИ заработает тот, кто решит проблему "tool sprawl" — "расползания инструментов"

На прошлой неделе я запостила мем про миллион вкладок и решила: если уж ныть, то хотя бы со ссылками на источники.

Поискала информацию и оказалось, что я не одна такая негодующая. Проблема, когда для одной рабочей задачи приходится прыгать между десятком сервисов, уже получила отдельное название — tool sprawl.

В мае термин даже попал в рубрику New Words на блоге Cambridge Dictionary. Там его объясняют как ситуацию, когда в компании накапливается слишком много платформ, каналов и цифровых инструментов, из-за чего рабочая среда становится дорогой, неэффективной и раздражающей.

Минутка интересных фактов.

Согласно опросу WalkMe, 53% людей переключаются между 2–3 сервисами, чтобы сделать ОДИН кусок работы. Один.

Как результат, из-за этого 37% вообще отказываются от использования ИИ, потому что это тормозит их рабочий процесс. А среди тех, кто использует больше 8 приложений, процент отказа достигает 54%. И я этих работников прекрасно понимаю.

Почему так получается?

Мой опыт говорит, что нет одной модели, которая хороша во всём. GPT лучше держит мой тон, потому что я его долго тренировала. Но без нормальных вводных всё равно уверенно пишет фигню. Claude лучше думает. Gemini лучше ищет информацию.

А перед этим нужно ещё зайти в Ahrefs, собрать ресёрч, проверить факты, прогнать текст через ИИ-детектор, антиплагиат и ещё пять вкладок, которые ты открыл «на всякий случай» и теперь боишься закрыть.

В итоге один несчастный текст собирается из связки сервисов, как Франкенштейн. А потом всё равно редактируется руками, потому что идеала магическим образом не получилось :)

Почему это может обернуться в будущем большими проблемами?

1. Скорость, ради которой всё затевалось, исчезает. ИИ-то быстрый. Но время на переключения уходит много. По исследованию Hubstaff, на глубокую работу у людей остаётся лишь 39% времени — это 2–3 продуктивных часа в день. Остальное съедает "работа вокруг работы".

2. Деньги. Каждый сервис — отдельная подписка. По отдельности недорого, в сумме — статья расходов, которую никто не считает. Добавьте сюда ещё бесконечные токены, которые дорожают. Интересно, придём ли мы к тому, что использовать человека окажется дешевле, чем ИИ?

3. Качество. Когда у тебя всё распихано по разным вкладкам, оно ожидаемо страдает. Потому что каждый новый инструмент становится ещё одной точкой, где может потеряться контекст.

В общем тот, кто придумает, как решить проблему tool sprawl, обогатится. И я сейчас не шучу. Подумайте об этом на досуге :)

Даша,
CMO iGamingTextLab

Как найти жирный слот для контента ещё до того, как он стал мейнстримом?

Мы знаем, что это — боль и один из главных вопросов, который задают себе многие iGaming SEO. По нашим разговорам с ребятами из индустрии, есть четыре рабочих сигнала:

1. Смотреть, что пушат операторы
2. Мониторить инфлюенсеров в индустрии
3. Ловить сиквелы хитов
4. Следить за общими трендами, желательно в разрезе конкретного ГЕО

Например, сейчас хорошо видно два направления.

Первое — instant/crash-like механики. После успеха Aviator рынок понял, что игрокам заходят короткие сессии, быстрый риск и понятное действие.

Второе — ностальгия. Пиксели, 8-битная озвучка, простые визуальные циклы и механики, которые напоминают старые мобильные, браузерные и sandbox-игры. Миллениалы и Gen Z давно вернули ретро-гейминг в культуру, а провайдеры это, конечно, тоже заметили.

Например, недавно у Pixmove Games вышел Falling Pickaxe — instant-тайтл, на котором можно хорошо разобрать оба тренда.

Механика простая: игрок крутит барабан, напоминающий рулетку из кейсов, получает кирку, а дальше она падает вниз по полю и выбивает награду. Всё считывается за пару секунд: пиксели, mining, залипательно падающая кирка, награда.

И тут с продуктовой точки зрения прикольная вещь — Falling Pickaxe выглядит не как классический слот, а как короткий игровой клип. Его легко показать в short video, легко объяснить без длинного туториала и легко привязать к Minecraft-like эстетике, вокруг которой уже сейчас органически генерируется трафик.

Не факт, что каждый такой тайтл станет новым Aviator. Но если сходится бинго: тренд + hook + пуш + пустая выдача, то у слота есть шанс. В конце концов, главная задача — поймать сигнал на пару месяцев раньше рынка и занять SERP, пока он ещё пустой. Всё остальное — вопрос скорости 🙂

Подписывайтесь на iGamingTextLab и Pixmove!

Смотрите, сайтопад! 💫

Похоже, после очередного апдейта многие снова возвращаются к вечному вопросу: что делать с просевшими сайтами?

Наткнулась на пост Андрея Сороки, где он планирует тестировать разные подходы: переписывать контент разными AI, отдавать часть текстов копирайтерам, менять шаблоны сайтов.

Тесты — это, конечно, хорошо. Только вот по ИИ-части у меня риторический вопрос:

Достаточно ли просто сменить модель или раздобыть супер-промпт, чтобы получить принципиально другой результат?

Вот наш опыт показывает, что нет.

Google неоднократно заявлял, что он не наказывает ИИ-контент как таковой. Тем не менее, генеренка стабильно вылетает. Значит, есть подозрения, что она не удовлетворяет другим требованиям, которые гуглу реально важны. Например:

1. Писать реальную информацию о продукте.

ИИ галлюцинирует. Причём иногда так жестко, что начинает смешивать между собой разные игры и даже продукты из других ниш. Или противоречить самому себе в одном тексте.

2. Добавлять ценность.

ИИ берёт инфу из своей базы и выдаёт среднюю выжимку того, о чём писали конкуренты. Чаще всего это информация, которая за 3 секунды парсится с официального сайта.

При этом упускается огромный пласт циферок, статистики и интересных с точки зрения Google фактов о продукте, которые находятся в виджетах сайта, на форумах и отзовиках. Они могли бы создать эту "добавочную" ценность. Но увы и ах.

3. Подтверждать экспертизу через реальное авторство.

Я видела, что люди уже пытаются решить это с помощью экспериментов с промптами, "блоговым" форматом и прикреплением фоток и био в конце каждого текста. Это работает, но ограниченно — по-настоящему хорошо, когда есть ссылки на соцсети или статьи в других источниках.

Бонус-проблема, которая неизменно возникает при использовании массмаркетного ИИ — мало закинуть редполитику в ИИ-шку, чтобы она сама разобралась. Важно добавлять ее на нужных стадиях генерации, чтобы модель не мешала все данные в одну кучу, получая множество несостыковок и противоречивых инструкций.

Но есть способ использовать ИИ в контенте более эффективно.

Изменить не промпт, не модель, а сам процесс производства.

Во-первых, он должен решать на уровне архитектуры хотя бы часть слабых мест, которые я описала выше.

Во-вторых, в цепочке должен присутствовать человек, который будет контролировать ИИ на каждом шаге.

Да, эти тексты всё ещё не будут так же хороши, как те, что пишут люди. Топы по-прежнему занимают тексты живых авторов — это видно и по отраслевым исследованиям, и по нашей собственной практике. Но такая генеренка будет уже добротным средним уровнем без нейрослопа, с ценностью и разумным бюджетом.

Расскажу в следующем посте, как мы это организовали:)

Даша,
CMO iGamingTextLab

iGamingTextLab: Есть эффективный способ использовать ИИ в контенте!

Их подписчики с 2023 года: Какая ты двуличная, Раиса Васильевна...

😁

Галлюциногенные SEO-тексты с протухшей инфой — почему ИИ их выдаёт и как это прекратить?

Как ни странно, одна из причин: заранее собранная база. Тот самый случай, когда фича оборачивается багом.

Перед тем как делать наш Human-assisted AI, я много тестировал похожие продукты от конкурентов. И заметил вот какой паттерн: инструменты, которые опираются на заранее собранные базы, чаще выдают устаревшую информацию и смешивают между собой продукты.

Например, в одном из тестов модели с предсобранной RAG, у нас получился текст, который начинался с обзора одного слота и заканчивался обзором другого. Просто потому, что на предсобранных данных похожие сущности дают близкие эмбеддинги, и retrieval вытягивает в топ чанки от нескольких слотов сразу.

Технологически вроде все сделано верно, но если не вчитываться и опубликовать, гугл сломает глаза. А сайт уйдет в те самые 90% тех кто "не взлетело — значит, гугловский рандом, наклепаем еще 10".

Я довольно долго думал, что с этим делать.

Заранее собранная база — в принципе неправильная идея для iGaming, где всё может поменяться за несколько дней, и есть куча похожих до неузнаваемости продуктов. Полные и актуальные данные о конкретном продукте, которые включают в себя бонусы, платежи, библиотеку игр, лицензии, условия, ограничения по гео, всегда будут выигрывать при прочих равных.

К тому же, кто и как собирал эту базу? Корректно ли прошел парсинг, с каких источников? А если три источника будут давать разные значения атрибутов сущностей — какое попадет к нам? На каком этапе происходит реконсиляция?

На выходе получается а) старая, б) каша. Каким бы дальше ни был процесс генерации, кого мы хотим этим удивить? А если не хотим, то зачем мы здесь? :-)

Поэтому в нашем Human-assisted AI мы решили перенести основное внимание на стадию Data Research.

Как она работает у нас?

Под капотом несколько преднастроенных агентов по сбору источников: ИИ-парсер официального сайта бренда, парсер отдельно заданных страниц с условиями, распознавание скриншотов, и несколько других крутых дополнений. Все данные стекаются в Data Pool конкретной задачи.

Казалось бы, что такого? На рынке куча ии-агентов, которые одним нажатием кнопки бабло соберут все что нужно. Но есть нюансы, которые решают:

1) Входные страницы всегда задает оператор. Это гарантия того, что агент не начнет собирать инфу о CCTV {cable} slot вместо CCTV {casino} slot.

2) Наши авторы каждый день сталкиваются с тем, что самая уникальная и сладкая информация скрыта за регой. А рега это тот процесс, который сложно автоматизировать и масштабировать.

3) Зачастую часть данных живёт в виджетах, а не в тексте страницы. Это влияет коренным образом на парсинг, процент добытых данных и, конечно, на его стоимость. И как бы мы ни фанатели от ИИ-агентов, универсального и автоматического парсера за 20 лет работы с парсерами я не видел. За последние годы — тоже.

Между тем эта информация может составить тот самый Information Gain, за которым охотится Гугл. То есть это реально то, что в конечном счете выделит вас из серой толпы ИИ-рерайтеров casinoreview (те, которые топ-20).

Поэтому оператор может в полуручном режиме пройти регу, разметить данные и одним кликом добавить их в Data Pool конкретной задачи (статьи).

Что по ресурсам?

Благодаря автоматизациям, удобному окружению, системе "одного окна" и — о чудо! — опытному оператору, который знает где искать, мы получаем уникальный набор данных, который еще за три этапа до генерации текста уже делает его выдающимся.

Если хотите проверить этот подход на своих страницах, можем взять несколько задач в тест и показать разницу на конкретных продуктах, GEO и URL.

Владимир,
Founder iGamingTextLab

Human-assisted AI: новый сервис от iGamingTextLab🔥

Как и обещала, рассказываю вам об инструменте, над которым наша команда работала последние полгода и вложила туда весь свой опыт в контенте за последние 12 лет.

Human-assisted AI — это пайплайн создания iGaming-контента с помощью AI, где ключевые этапы контролирует человек.

Мы сделали его вокруг простой идеи: хороший AI-текст начинается не с генерации, а с правильной подготовки: сбора контекста, фактуры, структуры, редакционных требований, сущностей. А главное — все необходимые инструменты должны быть собраны в одном месте и контролироваться человеком, который разбирается в iGaming.

Процесс разделен на несколько стадий:

1. Data research
Мы считаем, что любой текст должен опираться не на "память модели", а на конкретные и актуальные данные о продукте: бонусы, платежи, библиотека игр, лицензии, условия, ограничения по гео. Как это реализовано с технической точки зрения — можно почитать здесь.

2. Entity-based outline
Структура строится от сущностей и интентов: что нужно раскрыть, какие блоки важны, где нужна дополнительная фактура и какие темы нельзя потерять.

3. Editorial policy layer
Для каждого проекта можно завести редполитику. В ней мы фиксируем, какие формулировки нужно использовать, каких избегать, добавляем отдельные требования по каждому гео. Правки клиента по проектам — туда же.

4. Author persona layer
Когда текстам нужен живой голос и прокачка по E-E-A-T, есть возможность подключить написание текста от лица "персоны". У каждой из них — своя легенда, свои соцсети и свой стиль повествования: что автор замечает, чему доверяет, как аргументирует. Вот тут рассказывали подробнее о том, как такой подход помог нам поднять сайты.

5. Human editorial control
На всех этапах текст сопровождает редактор, который понимает iGaming-специфику. Он смотрит, не перепутала ли модель продукты, не выдумала ли факты, не потеряла ли важные условия, не ушла ли в generic и не противоречит ли текст задаче страницы.

6. Audit / QA
После генерации текст проходит проверку: факты, логика, структура, соответствие брифу, редакционные требования, AI-маркеры, качество языка. При необходимости подключаем LQA и локализацию.

На входе вы даёте нам имя продукта, ключи, GEO, язык, требования. На выходе мы отдаём готовый текст, который уже прошёл редактуру и проверку.

Но главное отличие нашего решения от обычной работы вм Claude, GPT или Gemini — мы не пытаемся загрузить в один чат всю информацию и получить идеальный текст одним промптом. Данные поступают поэтапно, а оператор контролирует, что именно модель делает на каждой итерации.

Каждый блок пайплайна мы ещё разберём отдельно. А в следующем посте расскажу, как затестить Human-assisted AI на своих задачах :)

Если интересно попробовать сейчас — пишите в личку @igamingtextbot

Даша,
CMO iGamingTextLab

Берём проекты на бесплатный тест Human-Assisted AI!

После последнего апдейта многие снова пересматривают контент на просевших сайтах и проверяют разные сценарии восстановления. Предлагаю добавить к ним ещё один.

Мы бесплатно подготовим для вас один материал с помощью Human-Assisted AI от iGamingTextLab. Вы сможете протестировать его на своём проекте и сравнить результат с обычной AI-генерацией, копирайтингом или ручной редактурой. А потом поделиться с нами фидбеком :)

В основном берём в тест:
- обзоры казино и букмекеров;
- описания слотов и платёжных методов;
- страницы монобрендов.

Но можете удивить нас нестандартной задачей — посмотрим, сможем ли взять и её :)

После прошлого поста желающих оказалось много. Для первого пула мы уже подготовили тексты. Теперь набираем следующий.

👉 Если хотите успеть в новый тестовый пул, пишите: @igamingtextbot

Мест немного!

⬆️ Это я наслушалась советов из Интернета и пытаюсь относиться к ИИ как к джуну-человеку.

Результат — примерно как на видео. Хотя, будем честны, у всех нас поначалу случались именно такие первые рабочие дни.

Но есть одно важное отличие. Мы учимся.

ИИ, конечно, тоже. Но это не отменяет того, что в самый ответственный момент он может забыть важное правило, вернуть запрещённую формулировку или переиначить вводные на свой лад.

Почему так происходит?

Модель не формирует устойчивого понимания проекта, как человек. При каждой генерации она заново собирает задачу из доступного ей контекста: текущего запроса, предыдущих сообщений, примеров и инструкций.

Чем больше всего накапливается, тем сложнее становится эта конструкция. Старые правила соседствуют с новыми правками, общие требования — с замечаниями к одному конкретному тексту. И модель каждый раз заново решает, что из этого важнее и как всё это связано между собой.

Поэтому даже правило, которое вы уже несколько раз обсуждали, может потеряться среди других вводных или получить неожиданную интерпретацию.

В итоге при работе в чатовых моделях контекст приходится регулярно собирать и передавать заново.

Джунам, конечно, тоже иногда нужно что-то повторить. Но всё-таки не в таких масштабах :)

Сталкивались с такой проблемой? Как решали?

Алина,
Head of Content iGamingTextLab

Как заставить ИИ запоминать правила проекта и не искажать их со временем?

Это был один из первых вопросов, которые мы решали на уровне архитектуры, когда собирали инструмент под наш Human-Assisted AI.

Проблема знакома всем, кто много работает с моделями: и в массмаркетных ИИ, и в кастомных инструментах. Со временем модель начинает трактовать правила проекта по-своему или терять их. А когда требования дорабатываются по ходу, становится хуже: в одном растущем чате самая свежая правка стоит ближе всего к генерации и по факту перевешивает, даже если по важности она второстепенна. Модель читает её как уточнение, а не как дополнение. Новое требование молча продавливает старое, более значимое.

Корень в том, где эти правила живут. Если они лежат в истории переписки, модель каждый раз собирает картину проекта заново из растущего контекста сообщений и достраивает пробелы своим дефолтом (каким — всегда сюрприз). При этом внимание модели распределяется неравномерно: в приоритете начало и конец контекста, а середина проваливается.

То есть правило, брошенное в чат десятым сообщением из шестидесяти, попадет в мёртвую зону. А когда чат становится слишком длинным, история сжимается, и правило не просто теряет вес, а сохраняется лишь в пересказе, тогда как часто нам нужны именно дословные формулировки.

К тому же, часто сами того не замечая, мы даем противоречащие друг другу инструкции. Получается что то вроде:

"Абзац про лицензию напиши максимально подробно"

а потом где-то добавим:

"Не делай абзацы больше 50 слов"

И еще в каком-нибудь контексте:

"Лицензию напиши в точности, как написано у регулятора"

В итоге у регулятора там будет два слова, и никаких абзацев мы не получим. Либо получим нечто среднее.

Чинить это руками можно ровно одним способом: каждый раз прописывать всё заново, от редполитики до последних правок клиента. Много ручной работы, и при масштабировании такую схему ждёт коллапс. Автоматизацию мы затевали ради обратного.

Поэтому в нашем внутреннем инструменте генерации Редполитика (Editorial Policy) вынесена в отдельный слой.

Ключевая мысль: бриф, ресёрч, голос и правила проекта — это разные типы информации с разным сроком жизни, и держать их в одном промпте ошибочно. Мы разводим их по отдельным полям:

— Brief описывает конкретный материал и живёт один текст;
— Research даёт фактическую базу на сейчас;
— Tone of Voice и персона задают голос;
— Editorial Policy хранит постоянные редакционные правила целого проекта и переживает каждый материал.

По ходу работы требования проекта дополняются. Клиент оставляет новые комментарии, а редактор отделяет разовые замечания от общих и добавляет в Editorial Policy только те правки, которые должны учитываться в следующих материалах.

Так, знания о проекте не остаются внутри отдельного чата. Они хранятся в системе, обновляются по мере работы и заново передаются модели при работе над каждым новым материалом.

На небольшом объёме это избавляет команду от постоянного повторения одних и тех же вводных. На сотнях и тысячах материалов помогает удерживать единые редакционные требования.

Правда, остаётся ещё одна проблема: наличие правила в контексте не гарантирует, что модель его выполнит. О том, как мы проверяем результат, расскажу отдельно.

Кстати, скоро будут первые отзывы по нашему новому сервису:)

Если хотите попробовать бесплатно, набор ещё открыт 👉 @igamingtextbot

Вова,
Founder iGamingTextLab