Ми автоматизували 90% рутини медіавідділу PRNEWS.IO без допомоги програмістів. Як нам це вдалось

7 хвилин читання

PRNEWS.IO – глобальний маркетплейс для дистрибуції PR-контенту, і його медіавідділ щодня стикається з величезним обсягом рутини. У каталозі вже 105 000 медіа, задача медіавідділу – постійно поповнювати його новими якісними ресурсами. Для цього кожен новий домен має пройти ретельний пре-скринінг.

Раніше цей етап займав години монотонної роботи, тому що потрібно було аналізувати десятки тисяч сайтів вручну. Однак 90% цієї роботи вдалося автоматизувати за допомогою штучного інтелекту. У межах спецпроєкту «100 AI-кейсів в українському бізнесі» команда PRNEWS.IO поділилась досвідом. 

1. Визначили вузьке місце у скринінгу бази даних

Процес поповнення нашого каталогу нагадує воронку. На вході ми маємо сирі списки з тисячами доменів, які потрібно проаналізувати. Далі відбираємо релевантні медіа для подальшої комунікації: масової розсилки, персоналізованого листування та презентації платформи у форматі відеодзвінка.

Найбільше рутинних процесів припадало саме на етап пре-скринінгу. Основне навантаження лягало на фрілансерів, але часто до них підключались і штатні співробітники медіавідділу. Проте в обох випадках це було неефективно через три фактори: 

  • Необхідність глибокого занурення. Щоб визначити тематику, спеціаліст має зайти на кожен сайт, проаналізувати контент, регіон та знайти контакти. Це вимагає до 5 хвилин на кожен домен, тобто на ручний скринінг тисячі доменів потрібно приблизно 80 годин. А об’єм бази на місяць може сягати декількох десятків тисяч майданчиків.
  • Глобальна географія. Ми працюємо з медіа по всьому світу, тому для аналізу сайтів потрібно розуміти локальний контекст. Для того, хто ніколи не працював з медіа Бразилії, важко з першого погляду зрозуміти, чи є видання національним ЗМІ, чи це лише локальний портал маленького містечка у штаті Парана. Аналіз таких ресурсів на ринках В’єтнаму чи Латинської Америки вимагав або глибоких знань регіону, або постійного використання перекладачів.
  • Високий рівень «шуму». Значна частина первинної бази – це технічні сторінки або закинуті блоги. Їх теж потрібно було відсіювати вручну.

Усі ці фактори створювали ситуацію, де швидкість поповнення бази напряму залежала від обсягу ручної роботи. Навіть залучення зовнішніх виконавців не розв'язувало проблему повністю: це вимагало часу на пошук фрілансерів, передачу задач, інструктажі та перевірку якості. Ми зрозуміли, що нам потрібен інструмент, який би працював миттєво і не залежав від зовнішніх факторів.

2. Побудували Low-code систему на базі Google-таблиць та ChatGPT

Підписуйтеся на наші соцмережі

Щоб зрозуміти, як працює автоматизація, варто поглянути на наш основний інструмент – велику робочу таблицю в Google Sheets. У ній ми збираємо тисячі доменів, які плануємо додати до каталогу.

Раніше процес був фрагментарним. Спочатку ми перевіряли сайти через SEO-сервіси, щоб дізнатися їхній Domain Rating та обсяг органічного трафіку. Після відсіювання нерелевантних доменів потрібно було зайти на кожен сайт, перекласти контент, визначити тематику, країну та контакти. Це була монотонна робота, де помилка через втому була лише питанням часу.

Ми змінили цей підхід за допомогою Low-code архітектури. Замість того щоб залучати розробників для створення окремого ПЗ, ми використали ChatGPT. 

За нашими інструкціями ChatGPT написав скрипт, який ми інтегрували в Google Apps Script. У результаті він поєднав Google-таблиці з OpenAI API та SEO-сервісами. Фактично, ми отримали автономний інструмент, який самостійно збирає дані та аналізує їх прямо в робочому файлі.

Тепер процес пре-скринінгу виглядає так:

  • 1
    Автоматичний фільтр. Скрипт перевіряє індексацію сайту через API SEO-сервісів. Якщо домен не має трафіку або не індексується, він відсіюється ще до аналізу контенту.
  • 2
    Аналіз за допомогою ШІ. ChatGPT вивчає сайт: за лічені секунди аналізує тексти будь-якою мовою, визначає тематику та регіон. Сервіси, як от, Snov IO, збирають контакти медіа, а ШІ відбирає найбільш релевантні: прямі e-mail адреси редакції або рекламного відділу.
  • 3
    Фіналізація. Результати аналізу автоматично записуються у відповідні стовпці таблиці, формуючи готову базу для комунікаційників медіавідділу.

Фактично нам вдалось перетворити звичайну таблицю на автономний робочий інструмент. Якщо раніше ми залежали від навантаження наших спеціалістів, графіку фрілансерів та ризикували отримати помилки через людський фактор, то тепер швидкість обробки даних стала прогнозованою та майже миттєвою. 

3. Перевірили ефективність алгоритму проти ручного підходу

Щоб переконатися у надійності системи, ми провели тест: один і той самий список доменів передали на перевірку фріланс-фахівцям та нашому AI-скрипту. Результати підтвердили, що ШІ не лише не поступається людині в аналізі контенту, а й перевершує її завдяки стабільності.

Параметр
Ручний підхід
AI-скрипт
Витрати часу
1–5 хвилин на сайт
< 1 хвилини
Ресурс
Втомлюваність через 2 години
Працює 24/7 без втрати фокусу
Мультимовність
Потребує перекладачів
Миттєве розуміння будь-якої мови
Точність
~85% (через втому та помилки)
90% (стабільно висока)
Масштабування
Потребує нових виконавців
Потребує лише копіювання списку

Експеримент показав, що ШІ впорається із сегментацією у 90% випадків. Решта 10% – це специфічні або складні ресурси, які медіаменеджер швидко перевіряє вручну вже коли фінально затверджує базу. Таким чином, ми отримуємо стабільно високу якість, що є критичним на великих обсягах. Навіть 5% переваги у точності суттєво економлять час на масштабі тисяч сайтів, де ШІ, на відміну від фрілансерів, зберігає ефективність незалежно від втоми чи досвіду.

Повернули команді час на стратегічну комунікацію з партнерами

Наш кейс підтверджує, що найбільші можливості для зростання часто ховаються в процесах, які ми звикли вважати звичною рутиною. Замінивши ручну роботу на автоматичний скрипт, ми перейшли від довгого очікування результатів до роботи в реальному часі зі стабільною якістю.

Головна перевага автоматизації не лише у швидкості, а й у зміні фокуса команди. Оскільки ШІ взяв на себе всю підготовчу роботу з даними, наш медіавідділ може зосередитися на тому, що неможливо автоматизувати: на живій комунікації, складних переговорах та побудові стратегічних відносин із видавцями. 

Для автоматизації бізнес-процесів не обов'язково чекати на вільні ресурси IT-департаменту, тому що low-code автоматизація на базі ШІ – це універсальний конструктор. Ось лише кілька задач, які можна закрити за допомогою аналогічного скрипта:

  • Продажі: збирайте і робіть первинний аналіз відкритих даних про компанії для підготовки персоналізованих перших контактів замість шаблонних холодних листів.
  • Лідогенерація та робота з базами: сегментуйте контакти за індустріями, географією чи релевантністю перед запуском кампаній, щоб команда працювала з уже підготовленою базою.
  • Фінанси та операційні процеси: категоризуйте транзакції, перевіряйте інвойси або робіть первинний аналіз витрат у великих таблицях.

Подивіться на свої робочі таблиці. Можливо, там уже зачекався ваш перший скрипт.