Коллеги, вопрос дня подъехал 😁
Всех с пятницей 🕺
Я на работу 🏃‍♂️‍➡️

За 10+ лет, более чем 100 проектов и свыше 1000 экспериментов в поисковой аналитике я разработал самый эффективный алгоритм стоимости поискового продвижения. Если считаете что это не так я готов посмотреть на ваше SEO 😎

Актуальные SEO-расценки:

- Я работаю у вас SEO — 475 000 ₽/мес
- Я работаю у вас SEO, но без полномочий, только с ответственностью — 950 000 ₽/мес
- Без полномочий, без команды и ресурсов, только ответственность — 2 375 000 ₽/мес
- Без полномочий, без команды и ресурсов, только ответственность — и вы ещё говорите, как мне делать SEO — 4 750 000 ₽/мес
- Вы сами у себя SEO, а я подсказываю — 9 500 000 ₽/мес
- Вы сами у себя SEO, а я просто смотрю — 15 750 000 ₽/мес

SEO не магия. Это стратегия.
Чем меньше ресурсов и доверия — тем дороже.

SEO = Head of SEO

(спасибо коллеги что подметили в л.с.)

Пятничное 🤗

Всё.
На сегодня хватит.
Всё что запланировано на неделю - ничего не сделал 😄

В продолжении полушуточного поста свежий кейс результат 7-месячной работы для B2B-интернет-магазина (Москва, СПб). Тематика под NDA

Ситуация
Компания B2B-интернет-магазин, работающий на рынках Москвы и Санкт-Петербурга. Тематика специфическая, с высокой конкуренцией и узким коммерческим спросом. На старте SEO-трафик приносил минимальные продажи: органические поисковые переходы конвертировались слабо, доход от канала не оправдывал потенциал.

Подход
Бизнес принял решение делегировать полный контроль над SEO:

«Сделай как для себя — бюджет и полномочия у тебя, результат под твою ответственность».

Это позволило реализовать цельную 7-месячную стратегию без согласований, ограничений, еженедельных созвонов, отчётов и часовых аргументаций.
Результат (сравнение: конец октября → конец ноября 2025). Несмотря на то, что рост визитов из поиска составил умеренные +21,6%, коммерческая эффективность на скриншоте:
Покупок через SEO — в 7,7 раза больше (с 93 до 721),
Уникальных покупателей — в 6,6 раза (с 85 до 562),
Доход от SEO — с 3 млн до 22,3 млн ₽ (рост в 7,4 раза).

Вывод
Эффективность это не просто «больше трафика, или выше позиции», а качественно другой органический трафик: релевантный запросам бизнеса, целевой, с высокой готовностью к покупке.
Доверие бизнеса, выделенный бюджет и отсутствие бюрократии позволили реализовать стратегию «от фундамента до фасада» уже через 7 месяцев SEO стал главным драйвером роста выручки💪

Не моё, но согласен полностью

Как сейчас в компаниях внедряется искусственный интеллект
В прошлом квартале я внедрил Microsoft Copilot для 4000 сотрудников. 30 долларов за рабочее место в месяц. 1,4 миллиона долларов в год.

Я назвал это «цифровой трансформацией». Совету директоров понравилась эта фраза. Они одобрили ее за одиннадцать минут. Никто не спросил, что она на самом деле будет делать. В том числе и я.

Я сказал всем, что это «увеличит производительность в 10 раз». Это не реальная цифра. Но звучит как реальная. Отдел кадров спросил, как мы будем измерять это 10-кратное увеличение. Я ответил, что будем «использовать аналитические панели». Они перестали задавать вопросы.

Через три месяца я проверил отчеты об использовании. 47 человек открыли его. 12 использовали их более одного раза. Один из них был я. Я использовал их, чтобы обобщить электронное письмо, которое я мог прочитать за 30 секунд. На это ушло 45 секунд. Плюс время, которое понадобилось, чтобы исправить галлюцинации. Но я назвал это «успехом пилотного проекта». Успех означает, что пилотный проект не потерпел явного провала.

Финансовый директор спросил о рентабельности инвестиций. Я показал ему график. График шел вверх и вправо. Он измерял «возможности ИИ». Я придумал этот показатель. Он одобрительно кивнул. Теперь мы «имеем возможности ИИ». Я не знаю, что это значит. Но это есть в нашей презентации для инвесторов.

Старший разработчик спросил, почему мы не используем Claude или ChatGPT. Я ответил, что нам нужна «безопасность корпоративного уровня». Он спросил, что это значит. Я ответил: «соответствие требованиям». Он спросил, каким требованиям. Я ответил: «всем». Он выглядел скептически. Я назначил ему «беседу о карьерном росте». Он перестал задавать вопросы.

Microsoft прислала команду для изучения кейса. Они хотели представить нас как историю успеха. Я сказал им, что мы «сэкономили 40 000 часов». Я рассчитал это число, умножив количество сотрудников на число, которое я придумал. Они не проверяли его. Они никогда не проверяют.

Теперь мы на сайте Microsoft. «Глобальная компания достигает 40 000 часов прироста производительности с Copilot». Генеральный директор поделился этим на LinkedIn. Он получил 3000 лайков. Он никогда не пользовался Copilot. Ни один из руководителей не пользовался.

У нас есть исключение. «Стратегическая направленность требует минимального отвлечения внимания на цифровые технологии». Я написал эту политику.

Лицензии продлеваются в следующем месяце. Я прошу о расширении. Еще 5000 мест. Мы не использовали первые 4000. Но на этот раз мы «будем стимулировать внедрение». Внедрение означает обязательное обучение. Обучение означает 45-минутный вебинар, который никто не смотрит. Но его завершение будет отслеживаться. Завершение — это показатель. Показатели попадают в дашборды. Дашборды попадают в презентации для совета директоров. Презентации для совета директоров помогают мне получить повышение.

К третьему кварталу я буду старшим вице-президентом.

Я до сих пор не знаю, что делает Copilot. Но я знаю, для чего он нужен. Он нужен, чтобы показать, что мы «инвестируем в ИИ». Инвестиции означают расходы. Расходы означают обязательства. Обязательства означают, что мы серьезно относимся к будущему.

Будущее — это то, что я говорю.

До тех пор, пока график идет вверх и вправо.

Понедельник, 12 января 2026 старт первой рабочей недели!

Первый рабочий день после праздников как пробежка после долгого перерыва: сначала тяжело, но через час привыкаешь 😊

Задачи ждали. KPI тоже. В НГ с новым бэклогом 🥳

В последнее время общение с чатом gpt всё чаще такое:

- Сделай вот это
- Вот сделал
- Но это же неверно
- Да, вы правы, это действительно неверно

У меня же не одного так?

Вакансия SEO лида с з/п от 1 634 341 руб./мес в Anthropic (Калифорния).

Интересно что вакансия именно SEO а не GEO с опытом в SEO.

Сами требования очень хороши. Подойдёт у кого хорошие хард навыки и кто ищет работу в зарубежных компаниях.

Ссылку оставлять не буду (сайт вроде как под запретом), кому нужно тот найдёт, как говорится "сеошник, найдёт что нужно".

Всё часто вижу как рынок идёт в сервисы отслеживающие ИИ выдачу.

Коллеги это всё прекрасно написано с выводами и примерами но не тратьте деньги на инструменты, обещающие «позиции в ИИ» или «AI-видимость». Это просто маркетинговая "шумиха", для компаний доверяющих красивым дашбордам без прозрачной методологии.

Проведите сами эксперименты, почитайте исследования, как минимум от Rand Fishkin и Gumshoe где он показывает простую, но жёсткую правду: если вы 100 раз зададите один и тот же запрос ChatGPT, Claude или Google AI вы получите 100 разных списков брендов. Порядок, состав, даже количество рекомендаций всё случайно. Вероятность увидеть один и тот же список дважды менее 10*%. А вероятность получить его в том же порядке менее 1*%.

В таких условиях любой «ранкинг» иллюзия. Вы не можете оптимизировать то, что принципиально непостоянно. И вы не можете строить KPI на метрике, которая зависит от внутренней «температуры» модели, а не от качества вашего контента или репутации бренда.

Да, можно измерять процент упоминаний сколько раз ваш бренд появился среди сотен ответов ИИ. Это имеет статистический смысл, но только при условии:
- вы запускаете сотни повторных запросов,
- используете разнообразные формулировки (реальные люди не пишут одинаково!),
- публикуете методологию и сырые данные для независимой проверки.

Без этого вы просто платите за генерацию иллюзии контроля. Особенно болит, когда такие инструменты продаются как «аналог SEO-позиций», будто бы ИИ-поиск это просто новый Яндекс/Google и там "Клондайк". Это не так.

ИИ не ранжирует он импровизирует. И доверять его рекомендациям как объективной оценке в бизнесе трата ресурса.

Если вы всерьёз рассматриваете такие инструменты требуйте от поставщиков:
- Публичную валидацию методики,
-Доступ к сырым данным,
-Чёткое разделение между «цитированием» и «рекомендацией»,
-Интеграцию с реальными бизнес-метриками (лиды, конверсии, LTV), а не только с «видимостью».
Пока этого нет оставайтесь в SEO. Там хотя бы понятно, что работает, а что просто красивый дашборд.

🚀 Как на самом деле создать AI-агента?
От постановки цели и выбора моделей до тестирования

Перевод поста от Rakesh Gohel

Создание AI-агента требует не просто выбора модели и написания промптов. Им нужен структурированный, системный подход к разработке. Большинство терпят неудачу в создании продакшн-агентов, потому что пропускают фундаментальные шаги и сразу бросаются в реализацию. Результат? Агенты, которые не решают реальных проблем, сжигают токены или не справляются с пограничными случаями (edge cases).

Вот 7-шаговая структура для создания реально работающих AI-агентов:

🚀 1. Начните с Цели (Start with a Goal)

· Четко определите проблему и измеримые метрики успеха.
· Выберите правильный паттерн проектирования рабочего процесса (workflow design pattern).
· Определите оптимальные точки для вмешательства человека (Human-in-the-Loop / HITL).
· Установите четкие ограничения: что агент может и не может делать.

🤖 2. Выберите правильную Модель (Pick the right Model)

· LRM (Large Reasoning Models): Для сложных задач, требующих рассуждений (кодинг, анализ).
· LLM (Large Language Models): Для стандартных задач, где важна эффективность использования токенов.
· SLM (Small Language Models): Для маршрутизации запросов, переписывания и легковесных операций.

🛠️ 3. Выберите правильный Фреймворк (Choose the Right Framework)

· Для простых рабочих процессов (Simple Workflows): Gumloop, Langflow, Dify, Smol agents, N8N.
· Для продакшна (Production): Langchain, Google ADK, CrewAI, Llamaindex, OpenAI Agent SDK.

🔌 4. Подключите Инструменты (Connect Tools)

· Интеграция с MCP-серверами (Model Context Protocol) для доступа к внешним данным.
· Возможность для агентов использовать других агентов как инструменты.
· Внедрение вызова функций (function calling) для структурированных выводов.
· Предоставление доступа к файловой системе для быстрого хранения и извлечения данных.

💾 5. Разделите Память (Divide Memory)

· Кэш-память (Cache Memory): Для хранения пользовательских системных промптов (текущие разговоры).
· Эпизодическая память (Episodic Memory): Для воспоминания конкретных прошлых событий и опыта.
· Файловая память (File System Memory): Для постоянного хранения структурированных данных и документов.

📊 6. Управляйте Контекстом (Manage Context)

· Сжимайте старый контекст с помощью интеллектуальной суммаризации.
· Отслеживайте эффективность контекста с помощью метрик производительности.
· Динамически добавляйте контекст в зависимости от текущих задач.

🧪 7. Тестируйте и Оценивайте (Test and Evaluate)

· Запускайте модульные тесты (unit tests) для конкретных функций и сценариев.
· Выявляйте пограничные случаи (edge cases) для ключевых процессов.
· Отслеживайте стоимость за успешно выполненную задачу (cost per successful task).

✨ Разница между прототипом и продакшн-агентом заключается именно в следовании этому систематическому подходу, а не в пропуске шагов.

📋 Популярные модели

· Claude Opus 4.6
· GPT 5.3 (Codex)
· Gemini 3 Pro
· Grok 4
· GLM 4.7
· Kimi K2.5
· Llama 4

⚙️ Популярные фреймворки

· N8N
· Langchain
· CrewAI
· Google ADK
· Smol agents
· Claude Agent SDK
· LlamaIndex (Agentic RAG и сценарии извлечения документов)


💬 Мои мысли, мои скакуны:

Главная мессах: архитектура важнее модели - 💯

Без грамотной связки цели-инструментов -памяти любая LLM будет просто жечь токены.

Разделение памяти на типы и акцент на cost per task — это сразу отделяет игрушки от serious бизнес-инструментов. В пункт про инструменты я бы добавил про валидациюответов (например через Pydantic/Zod). Иначе может возвращать данные криво и весь чудный пайп развалится ⛓️‍💥