Продолжаю рассказывать как ИИ помогает в жизни. В данном случае я доработал скрипт с помощью Cursor, который писал 5 лет назад.

Когда ты ведёшь десятки рекламных кампаний, даже рутинная задача типа минусовки может начать раздражать.

Лет пять назад я работал на проекте Яндекс.Здоровье. Мне нужно было быстро разбирать отчёты, чтобы понять, какие слова в поисковых фразах тянут кампанию вниз. Раньше это выглядело так: выгрузка из Директа → фильтрация фраз с плохими метриками → поиск закономерностей глазами. И вот ты уже часами скроллишь CSV и сходишь с ума.

В какой-то момент я начал изучать Python — и решил, что хватит страдать. Сделал скрипт, который:

— берёт выгрузку из Мастера отчётов,
— лемматизирует фразы (приводит слова к начальной форме),
— считает, насколько каждое слово влияет на конверсию и CPA,
— формирует CSV-отчёт, который сразу можно загрузить в шаблон Excel.

Внутри Excel — сводная таблица. Сразу видно, какие слова тянут вниз, а какие, наоборот, помогают. А если данных мало — выручает minCPA: он показывает, насколько плохо может сработать слово с 80% уверенностью. Это помогает понять, как слово поведёт себя, когда данных станет больше.

До скрипта один такой разбор занимал 2–3 часа. Теперь — меньше 10 минут. Стало проще ориентироваться в данных — без необходимости просматривать каждую поисковую фразу.

Ну а теперь бонус: я подготовил инструкцию и сам файл, который берёт отчёт из Мастера отчётов Яндекс.Директа, лемматизирует фразы и раскладывает слова по строкам.

Для Windows — исполняемый .exe, для Linux и Mac — скрипт на Python3. Пользуйся сам и делись с коллегами, если поможет:

→ Инструкция по созданию лемма-отчёта (упрощение минусации)

Обещал рассказывать, как ИИ помогает в повседневной работе. Сегодня — ещё одна такая история.

На днях нужно было помочь команде — создать несколько сот креативов. Руками я это делал давно. Раньше открывал каждую посадочную, выписывал УТП и ключевые факты, а потом писал объявления вручную. В этот раз решил подойти по-другому.

Я решил доверить сбор фактов и УТП — ИИ. А чтобы обойти ограничение с URL, за 20 минут создал простую программу в Cursor: она берёт HTML страницы и превращает его в markdown. Чистый текст со структурой, ссылками и таблицами — без дизайна.

Дальше проще. Написал промт и добавил контекст — слепок посадочной в markdown. Модель предлагала десятки вариантов заголовков и описаний под ключевые запросы. Мне оставалось только выбрать самые подходящие.

В итоге такой подход сэкономил мне почти вдвое больше времени на производство креативов, чем раньше. А на десерт — сам конвертер из HTML в markdown лежит бесплатно у меня на GitHub.