Минус ₽6,5 млн на копирайтинге за полгода: как мы собрали ИИ-редакцию в финтехе и при чём тут грибы

Наша команда маркетинга активно использует «ИИ-оркестр» для генерации текстового и графического контента на сайте. При этом мы стараемся выдержать баланс рукописного и сгенерированного контента, чтобы транслировать для пользователей только качественный материал. Рассказываем, как нам удалось повысить эффективность и сократить расходы в канале органического трафика на 6,5 млн рублей за полгода.

Настройка ИИ-редакции

На этапе запуска в качестве основного инструмента мы выбрали Perplexity Max (стоимость подписки — $1200 за полгода на команду). Он позволяет в рамках одного интерфейса гибко переключаться между базовыми языковыми моделями (GPT-6.1 Sol / GPT-6.1 Terra, Claude Opus 5.5, Grok 4.7) под разные типы задач.

Аналогично тому, как мы раньше составляли ТЗ для копирайтеров, сейчас мы делаем это для нейросетей. Это позволило автоматизировать текучку в контент-хабе и существенно уменьшить time-to-market у SEO-материалов.

Полностью от ручного написания мы не отказались: экспертный контент, где требуется валидация информации (материалы YMYL и EEAT-факторы в Google), по-прежнему пишут авторы. Для работы с более простыми материалами мы настроили кастомный навык (агент-редактор), разбитый на 10 категории (папки):

1. Входящие: сюда попадает вообще все промты, которые ещё не обработаны и не сформированы в полноценное ТЗ. 

2. Задания: в эту папку непосредственно попадают собранные ТЗ на нужные тексты. 

3. База знаний: здесь находится все что поможет ИИ агенту в написании материалов: 

   • О компании

   • Примеры текстов 

   • Продукты и их подробное описание

   • Редполитика

4. Шаблоны: шаблоны уже имеющихся эффективных статей, которые собирают трафик и служат ориентиром (в том числе материалы, на которые уже ссылаются ИИ-агенты в поисковых ответах).

5. Исследования: справочные материалы и источники данных, к которым ИИ-агент может обращаться и доверять. 

6. Черновики: все что собрал ИИ-агент, не финальные материалы.

7. На проверке: все что находится в очереди на проверку и публикацию. 

8. Готовые: материалы, которые прошли все проверки и готовы к размещению. 

9. Опубликовано: контент-хаб куда попадают уже материалы со ссылками, которые размещены на сайте.

10. Архив: здесь хранятся отклоненные материалы, темы и забракованные тексты. 

Такой подход позволяет давать короткие задания (в духе «напиши текст по теме…») без составления объемных промтов каждый раз.

Из чего складывается экономия

При нашей потребности ^[1] в контенте за полгода мы тратили до ₽5 млн на услуги копирайтеров. Реализация внутренней ИИ-редакции позволила привести все материалы к единому стилю. Тексты не идеальны и требуют вычитки: доля материалов с ручными правками составляет порядка 60%, но затраты остаются несопоставимо ниже.

Вторая статья расходов — креативы. За полгода на их создание уходило до ₽1,5 млн. Мы оптимизировали процесс: создали единый Figma-kit с набором шаблонов и используем встроенные генеративные AI-функции Figma (а также внешние модели ChatGPT и Claude) для быстрого создания графики под наш визуальный код.

Внедрение ИИ и оптимизация их под нужды отдела, позволило оптимизровать процессы и сократить Time-to-market материалов в 3-4 раза. ИИ позволяет сохранять баланс между сокращением этапов согласований, доработок и соблюдение общей редполитики, закрыта самая большая боль ^[2] – актуальные данные по продуктовым направлениям.

Влияние на видимость сайта

Ключевые показатели для нас — видимость сайта в поиске и конверсия в выдачу заемных средств. Переработкой контента мы начали заниматься с начала 2026 года. После разворачивания ИИ-редакции видимость сайта в Google выросла в три раза, а количество сделок за последние полтора месяца увеличилось в два раза.

Мы делаем акцент на Google в силу специфики Яндекса: из-за обилия рекламных форматов и внедрения ИИ-ответов CR (Conversion Rate) в Яндексе снижается с апреля 2025 года. Органический трафик из Google при этом обеспечивает стабильный приток конверсий.

Риски при использовании сгенерированного контента

Главный риск — некачественный материал, который не решает задачу пользователя. Официальные позиции Google ^[3] и Яндекса ^[4] сходятся в том, что сам по себе факт генерации контента нейросетью не ведет к пессимизации. Пока материал вычитывается и валидируется экспертами, риски минимальны.

Если проверить тексты из ТОП-1 выдачи через чекер ^[5] на генеративный контент, выясняется интересная картина. Посмотрите на этот пример:

 А теперь проверим цитируемую статью через детектор ИИ:

 Это стандартная практика рынка: статья на 67% написана нейросетью, и она находится в топе выдачи.

Выводы

ИИ-агенты не заменяют специалистов полностью, но кратно ускоряют производство контента. Главное — сохранять баланс между скоростью и контролем качества, чтобы избежать пессимизации в органическом поиске.

Об авторе кейса:

Константин Абдуллин — Head of Acquisition в финтех-группе «СВОЙ». В digital-маркетинге с 2013 года, более 4 лет работает в финтехе. Специализируется на масштабировании органического трафика в крупных финтех-проектах, техническом SEO, аналитике, стратегии и управлении командами.