Клиент — производитель корпусной мебели на заказ, Воронеж. 12 разделов каталога: кухни, шкафы-купе, встроенные, распашные, прихожие, спальни, гостиные, ванные, детские, гардеробные, двери-купе. Нужно полное семантическое ядро с кластеризацией, приоритизацией и контент-планом. Claude Code построил 11-волновой конвейер с 24 субагентами и собрал 11,800+ фраз за ~15 часов активной работы.
11 волн конвейера
Я задал архитектуру и источники данных. Claude Code реализовал и запустил:
- Сбор собственных данных (Search Console, Яндекс Вебмастер, Метрика) — 3,816 запросов
- Конкурентная разведка — 6 параллельных субагентов (Keys.so, Ahrefs, скрейпинг конкурентов) — 25,000 фраз
- Семантическое расширение — 4 субагента (подсказки, связанные слова, вопросы)
- Сбор региональной частотности (Воронеж город + область) — 32,214 фраз
- Кластеризация — 3,178 кластеров
- Обогащение — 4 параллельных потока (коммерческость, позиции, выдача, конкуренция)
- Классификация и расчет приоритетов — формула из 5 факторов
7-8. Аудит качества и очистка — 7 проверок + экспертная рецензия
- Генерация финального документа для клиента — 38 проверок (все пройдены)
Итого: 2,398 кластеров, 11,822 уникальных фразы, 37 быстрых побед.
Главная проблема: 24.5% мусора после кластеризации
Кластеризация через Arsenkin работает по пересечению поисковых выдач. На широких терминах («детская», «ванная», «спальня») это ловушка: «детская мебель» и «детская поликлиника» ранжируются через одни и те же агрегаторы, поэтому попадают в один кластер.
Из 3,178 кластеров 780 оказались мусором: детская медицина, сантехника, ремонт, образование. И 12 кластеров с откровенно непристойным содержанием («скрытая камера в спальне», «голая в ванной»). Без очистки это ушло бы клиенту в финальном документе.
Claude Code провел 8 раундов очистки: — Раунд 1: фильтрация по стоп-словам (очевидное) — Раунды 2-4: семантическая проверка через скрипты (вытяжки, плитка, сифоны) — Раунд 5: непристойный контент (скрипт за 5 секунд) — Раунды 6-8: ложные срабатывания («духовой шкаф» — слово «шкаф» триггерило мебельный фильтр, хотя это бытовая техника)
3,178 -> 2,398 кластеров. 780 удалено. На каждом раунде находился новый тип мусора, который предыдущие раунды пропустили.
Что ещё пошло не так
Arsenkin берет за свои услуги вдвое больше, чем написано в документации. Коммерческость: реально 3.0 лимита за фразу (документация: 1.5). Позиции: 5.8 вместо 2.0. На середине обогащения бюджет закончился — потеряли данные по 437 кластерам (детские и ванные). Пришлось докупать лимиты.
Второе: 91% русских региональных запросов имеют нулевую сложность в Ahrefs — бесполезен для российского рынка. Claude Code предложил замену: анализ выдачи как альтернативный показатель конкуренции.
Экономика
- ~15 часов активной работы Claude Code
- $108 на все внешние сервисы
- 170 скриптов автоматизации, 24 субагента на конвейере
- Ручная работа SEO-специалиста: 2-3 недели на ядро такого объема
- По итогам создано 7 переиспользуемых методологий для будущих клиентов
Моя роль
Я: определил 12 разделов каталога, задал источники данных, утвердил формулу приоритизации, проверял результаты каждого раунда очистки, обнаружил перегруженные страницы (одна получила 228 кластеров). Claude Code: реализовал 11 волн, запустил 24 субагента, написал 170 скриптов, провел 8 раундов очистки, сгенерировал финальный документ с 38 проверками.
Семантическое ядро — не список слов. Это конвейер с многослойной очисткой. Claude Code позволил пройти цикл за часы вместо недель. А 8 раундов очистки спасли от непристойного контента в документе клиенту.