SEO-скрипты на Python с помощью нейросети

Скопируйте постановку, замените файлы и столбцы на свои и добавьте в конце «проверь промпт — что неоднозначно?». Каждую рабочую версию скрипта сохраняйте в бэкап.

1. 1Интернет-магазинSEO-специалист каталога
   Задача: найти товары без H1 или с H1, совпадающим с названием категории.
   Вход: CSV из краулера (url, h1, category).
   Выход: CSV (url, h1, problem).
   Исключить: страницы пагинации с ?page=.
   Почему работает. Одна проверка, четкие столбцы на входе и выходе — модель не додумывает лишнего.
   Скопировать
2. 2Сайт услугвладелец небольшой компании
   Задача: очистить список запросов от мусора по стоп-словам.
   Вход: keys.txt (запрос;частота) и stop.txt.
   Выход: clean.csv и removed.csv с причиной удаления.
   Исключить: стоп-слово внутри другого слова не считать совпадением.
   Почему работает. Граничный случай с частью слова — типичная ошибка, которую стоит оговорить заранее.
   Скопировать
3. 3Новостное медиаSEO-редактор
   Задача: найти статьи, у которых трафик упал более чем на N% за 3 месяца.
   Вход: выгрузка Метрики (url, месяц, визиты).
   Выход: таблица url, визиты было/стало, падение %.
   Исключить: статьи младше 6 месяцев.
   Почему работает. Список кандидатов на обновление собирается за минуты, а порог задаете вы сами.
   Скопировать
4. 4Агрегатор недвижимостиSEO-команда крупного сайта
   Задача: найти страницы из sitemap, которых нет в выгрузке проиндексированных.
   Вход: sitemap.xml и indexed.csv из Вебмастера.
   Выход: not_indexed.csv (url, раздел).
   Исключить: URL с параметрами utm.
   Почему работает. Сравнение двух списков — простая задача, но на больших сайтах вручную ее не сделать.
   Скопировать
5. 5B2B-производствомаркетолог
   Задача: сгруппировать запросы по совпадению URL в топ-10.
   Вход: serp.csv (запрос, позиция, url).
   Выход: clusters.csv (кластер, запросы), порог — от 4 общих URL.
   Исключить: агрегаторы и маркетплейсы при подсчете совпадений.
   Почему работает. Порог и исключения в промпте делают кластеризацию прозрачной — вы знаете, как она считает.
   Скопировать
6. 6Блог онлайн-школыконтент-менеджер
   Задача: найти статьи без ссылок на страницы курсов.
   Вход: HTML-файлы статей в папке и courses.txt со списком URL курсов.
   Выход: CSV (статья, есть ли ссылка на курс).
   Исключить: ссылки в меню и подвале.
   Почему работает. Перелинковка блога на продукт — частая дыра; скрипт находит ее без ручного просмотра.
   Скопировать
7. 7Локальный бизнес с филиаламимаркетолог сети
   Задача: проверить, что на каждой странице филиала есть адрес, телефон и часы работы.
   Вход: список URL филиалов.
   Выход: таблица url, адрес да/нет, телефон да/нет, часы да/нет.
   Исключить: данные из общего подвала сайта.
   Почему работает. Оговорка про подвал защищает от ложного «все заполнено».
   Скопировать
8. 8Маркетплейс handmadeSEO-специалист
   Задача: найти дубли описаний товаров — совпадение текста от 80%.
   Вход: products.csv (id, url, description).
   Выход: duplicates.csv (url1, url2, сходство %).
   Исключить: описания короче 100 символов.
   Почему работает. Порог сходства и минимальная длина задают критерий, без них модель выберет свой.
   Скопировать
9. 9SaaS-сервиспродуктовый маркетолог
   Задача: собрать title и description со страниц конкурентов по списку.
   Вход: competitors.txt со списком URL.
   Выход: CSV (url, title, длина title, description).
   Исключить: страницы с ответом не 200 — писать их в отдельный лог.
   Почему работает. Отдельный лог ошибок не дает сдвинуть столбцы при пропусках в данных.
   Скопировать
10. 10Туристическое агентствовладелец агентства
    Задача: разметить запросы по типу — коммерческий или информационный.
    Вход: keys.csv (запрос, частота).
    Выход: тот же файл со столбцом type.
    Исключить: правила разметки — коммерческие маркеры «цена, купить, тур, путевка»; остальное информационное.
    Почему работает. Явные правила разметки вместо «определи сам» дают повторяемый результат.
    Скопировать