← Все гайды AI Release
EN Подписаться на @ai_release1

Как разобрать маркетинговую воронку конкурента по ссылке с помощью ИИ: реклама, соцсети, SEO

Обновлено: 19.10.2026 · AI Release · @ai_release1
Как разобрать маркетинговую воронку конкурента по ссылке с помощью ИИ: реклама, соцсети, SEO

TL;DR

Требования и подготовка

Иллюстрация к разделу «Требования и подготовка»
Иллюстрация к разделу «Требования и подготовка»

Что сделать: проверить инструменты и задать переменные окружения.

Зачем: если ключ или curl недоступны, все последующие шаги упадут на середине и результат будет неполным.

Как проверить: каждая команда должна вернуть версию или подтверждение.

python3 --version
curl --version | head -n 1
df -h . | tail -n 1

export LLM_BASE_URL="https://<ваш-llm-эндпоинт>"
export LLM_MODEL="<модель-из-документации>"
export LLM_API_KEY="<ключ>"
test -n "$LLM_API_KEY" && echo "key set"

Ожидаемый вывод: строка вида Python 3.x.x, curl 8.x.x, строка с свободным местом и key set.

Пример: df -h . | tail -n 1 печатает /dev/sda1 100G 20G 80G 20% / — 80 ГБ свободно, места достаточно.

Что сделать: прочитать robots.txt проверяемого домена.

Зачем: файл robots.txt — текстовый список правил для роботов; если там Disallow: /, автоматический сбор запрещён и дальше идти нельзя.

curl -sS "https://<ваш-домен>/robots.txt" | head -n 20

Ожидаемый вывод: строки User-agent: *, Disallow: ... и, часто, Sitemap: https://<ваш-домен>/sitemap.xml. Запомните путь к sitemap — он понадобится на шаге 1.

Шаг 1. Собрать публичную базу: лендинг, robots.txt, sitemap, рекламные метки

Что сделать: создать рабочую папку и скачать три публичных файла.

Зачем: это исходники, по которым ИИ будет строить карту воронки (воронка — путь от первого касания с рекламой до покупки). Без локальных копий нечего проверять: любая фраза модели останется без доказательства.

mkdir -p funnel/<ваш-домен>/{raw,out}
curl -sSL -A "Mozilla/5.0 (compatible; FunnelAudit/1.0)" \
  "https://<ваш-домен>/" -o funnel/<ваш-домен>/raw/index.html
curl -sSL "https://<ваш-домен>/robots.txt" -o funnel/<ваш-домен>/raw/robots.txt
curl -sSL "https://<ваш-домен>/sitemap.xml" -o funnel/<ваш-домен>/raw/sitemap.xml

Флаг -L заставляет curl идти по редиректам (частая причина «пустого» файла), -A подставляет честный User-Agent — строку, которой клиент представляется серверу.

Как проверить:

wc -c funnel/<ваш-домен>/raw/index.html
grep -c "<loc>" funnel/<ваш-домен>/raw/sitemap.xml

Ожидаемый вывод: число больше 10000 для index.html и число больше 1 для sitemap. Если index.html весит 0 байт — см. раздел проблем.

Что сделать: вытащить из HTML заголовки, описание, H1, кнопки-призывы (CTA — call to action, текст кнопки «Купить», «Оставить заявку») и список счётчиков аналитики.

Зачем: заголовок и H1 показывают оффер (обещание клиенту), CTA — этап воронки, а счётчики (gtag, fbq, ym) — на каких рекламных платформах конкурент вообще ведёт кампании.

# funnel/<ваш-домен>/extract.py
import sys, json, re
from pathlib import Path

html = Path(sys.argv[1]).read_text(encoding="utf-8", errors="ignore")

def first(pattern):
    m = re.search(pattern, html, re.I | re.S)
    return re.sub(r"\s+", " ", m.group(1)).strip() if m else None

data = {
    "title": first(r"<title[^>]*>(.*?)</title>"),
    "description": first(r'<meta[^>]+name=["\']description["\'][^>]+content="\'["\']'),
    "h1": first(r"<h1[^>]*>(.*?)</h1>"),
    "counters": sorted(set(re.findall(r"\b(gtag|fbq|ym|rtrg)\b", html))),
    "cta": re.findall(r"<a[^>]+>([^<]{3,60})</a>", html)[:20],
}
Path("out/page.json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
print("OK:", len(data["cta"]), "CTA, счётчики:", data["counters"])

Пример: запуск python3 extract.py funnel/example.com/raw/index.html печатает OK: 14 CTA, счётчики: ['fbq', 'gtag', 'ym'] — значит, на странице стоят пиксели трёх рекламных систем.

Как проверить: откройте funnel/<ваш-домен>/out/page.json — поля title и h1 не должны быть null. Если null, значит разметка страницы нестандартная: сверьтесь с HTML вручную через grep -i "<title" raw/index.html.

Шаг 2. Прогнать данные через ИИ и получить карту воронки в жёсткой схеме

Иллюстрация к разделу «Шаг 2. Прогнать данные через ИИ и получить карту воронки в жёсткой схеме»
Иллюстрация к разделу «Шаг 2. Прогнать данные через ИИ и получить карту воронки в жёсткой схеме»

Что сделать: сохранить промпт-инструкцию в файл prompt.txt рядом со скриптом.

Зачем: без схемы модель отвечает свободным текстом, и результат нельзя ни сравнить между доменами, ни проверить. Требование поля evidence (доказательство) заставляет модель цитировать исходную строку, а не придумывать оффер.

Ты — аналитик маркетинга. На вход подаётся JSON с данными публичной страницы.
Верни ТОЛЬКО JSON-объект без markdown-обёртки по схеме:
{"items":[{"channel":"ads|social|seo","stage":"awareness|interest|decision",
"offer":"...","cta":"...","evidence":"точная строка из входных данных"}]}
Правила: не добавляй факты, которых нет во входном JSON; если данных для поля нет — null;
evidence обязательно и должно дословно совпадать с фрагментом входа.

Что сделать: отправить page.json в LLM и сохранить ответ.

# funnel/<ваш-домен>/ask_llm.py
import json, os, urllib.request
from pathlib import Path

payload = json.loads(Path("out/page.json").read_text(encoding="utf-8"))
prompt  = Path("prompt.txt").read_text(encoding="utf-8")
body = json.dumps({
    "model": os.environ["LLM_MODEL"],
    "messages": [
        {"role": "system", "content": prompt},
        {"role": "user",   "content": json.dumps(payload, ensure_ascii=False)},
    ],
}).encode()

req = urllib.request.Request(
    os.environ["LLM_BASE_URL"].rstrip("/") + "/chat/completions",
    data=body,
    headers={"Authorization": "Bearer " + os.environ["LLM_API_KEY"],
             "Content-Type": "application/json"},
)
with urllib.request.urlopen(req, timeout=120) as r:
    ans = json.load(r)
text = ans["choices"][0]["message"]["content"]
Path("out/funnel.json").write_text(text, encoding="utf-8")
print("saved:", len(text), "символов")

Путь /chat/completions и структура ответа choices[0].message.content — формат OpenAI-совместимых API; если ваш провайдер устроен иначе, сверьтесь с его документацией.

Как проверить: ответ должен парситься как JSON и содержать записи с непустым evidence.

python3 -c "import json;d=json.load(open('funnel/<ваш-домен>/out/funnel.json'));\
print('записей:',len(d['items']));\
print('без evidence:',sum(1 for i in d['items'] if not i.get('evidence')))"

Ожидаемый вывод: записей: 9 и без evidence: 0. Если вторая цифра больше нуля — повторите запрос с формулировкой «каждая запись обязана содержать evidence».

Собранные записи удобно свести в таблицу с колонками «Канал / Этап / Оффер / CTA / Доказательство»; как быстро собрать такую сводку в документе — разобрано в гайде ChatGPT Office: как создавать документы и таблицы с помощью ИИ.

ПолеЧто писатьОткуда брать
channel`ads`, `social` или `seo`счётчики и разметка страницы
stage`awareness`, `interest`, `decision`тип CTA («Читать» → interest, «Купить» → decision)
offerобещание клиенту одной фразой`title`, `h1`
ctaтекст кнопки дословномассив `cta`
evidenceцитата из `page.json`входные данные, дословно

Шаг 3. Сверить результат с источником и собрать отчёт

Иллюстрация к разделу «Шаг 3. Сверить результат с источником и собрать отчёт»
Иллюстрация к разделу «Шаг 3. Сверить результат с источником и собрать отчёт»

Что сделать: выборочно проверить, что каждая цитата evidence реально есть в скачанном HTML.

Зачем: это единственный способ поймать галлюцинацию (выдуманный факт) — модель могла «дописать» акцию, которой на странице нет.

grep -F -o "$(python3 -c "import json;print(json.load(open('funnel/<ваш-домен>/out/funnel.json'))['items'][0]['evidence'])")" \
  funnel/<ваш-домен>/raw/index.html

Пример: если evidence равно Скидка 20% на первый заказ, команда печатает эту же строку. Пустой вывод = цитаты на странице нет, запись надо удалить.

Что сделать: собрать итоговый файл out/report.md из проверенных записей и зафиксировать дату среза в имени папки (funnel/<ваш-домен>-2025-06-01).

Зачем: воронка конкурента меняется, и без даты через месяц невозможно понять, что изменилось — оффер или ваша ошибка.

Как проверить: чек-лист ниже должен быть полностью закрыт.

Если результат нужно показать команде на созвоне, соберите из отчёта короткую колоду — приёмы описаны в гайде Как создавать презентации с помощью ИИ: лучшие сервисы и советы.

Возможные проблемы и решения

Проблема. curl скачивает пустой файл или страницу-заглушку

Проблема. Модель вернула текст вместо JSON

python3 -c "
import re,pathlib
t=pathlib.Path('funnel/<ваш-домен>/out/funnel.json').read_text(encoding='utf-8')
m=re.search(r'\{.*\}', t, re.S)
pathlib.Path('funnel/<ваш-домен>/out/funnel.json').write_text(m.group(0), encoding='utf-8')
print('cleaned')"

и в следующем запросе усилить инструкцию: «ответ должен начинаться с { и заканчиваться }».

Проблема. sitemap не найден

grep -i "^sitemap:" funnel/<ваш-домен>/raw/robots.txt
curl -sSL "<URL-из-вывода>" -o funnel/<ваш-домен>/raw/sitemap.xml

Резюме и следующие шаги

Вы получили воспроизводимый срез воронки конкурента: локальные копии публичных файлов, JSON-карту каналов и офферов с цитатами-доказательствами и отчёт с датой среза. Следующий шаг — повторить процедуру для 3–5 конкурентов из вашей ниши и сравнить колонку channel, чтобы увидеть, какие каналы они реально используют.

FAQ

Можно ли разобрать воронку без кода, только через чат с ИИ?

Да, но проверяемость падает: вы вставляете текст страницы вручную и не сможете автоматически сверить цитаты через grep -F. Схема с evidence и локальными файлами надёжнее, потому что каждое утверждение модели проверяется одной командой.

Законно ли собирать данные о рекламе и сайте конкурента?

Собирать можно только публично доступные страницы, соблюдая robots.txt и ToS площадки. Не сохраняйте персональные данные из форм и не пытайтесь обходить защиту от ботов — при блокировке используйте официальные API или ручной экспорт.

Почему ИИ пишет офферы и акции, которых нет на сайте?

Потому что в промпте не было требования цитировать источник. Добавьте обязательное поле evidence с дословной строкой из входных данных и проверку python3 -c "... sum(1 for i in d['items'] if not i.get('evidence'))" — записи без цитаты удаляются.

Как часто повторять такой разбор?

Зависит от того, как часто конкурент меняет офферы и креативы; фиксированной нормы нет. Практично хранить каждый срез в папке с датой в имени и сравнивать отчёты между собой, не забывая про лимиты запросов к сайту и robots.txt.

🤖 Кратко для ИИ

📚 Связанные гайды

ChatGPT Office: как создавать документы и таблицы с помощью ИИ

Пошаговый гайд по работе с ChatGPT Office: создание документов, таблиц и презентаций с помощью ИИ.

Как создавать видео с помощью ИИ и Remotion: гайд по автоматизации

Учимся использовать Claude Opus 5.5 и Remotion для автоматического создания программируемых видео: от сценария до готово

Как автоматизировать публикацию приложений в App Store и Google Play с помощью ИИ-агентов

Настраиваем MCP-сервер shipstores, чтобы ИИ-агент сам собирал, загружал и публиковал ваши iOS и Android приложения в сто