В последних обновлениях ChatGPT для модели GPT-4, был добавлен новый плагин Code Interpreter. Теперь нейронная сеть сама пишет и выполняет код Python непосредственно в интерфейсе чат-бота. Это открывает широкие перспективы для анализа данных, обработки изображений, редактирования кода и множества других задач.
Более того, интерпретатор предоставляет доступ к функции загрузки файлов, размер которых не превышает 100 МБ. Среди возможностей плагина - создание графиков, карт, визуализация данных, анализ музыкальных плейлистов, формирование интерактивных HTML-файлов, очистка наборов данных и извлечение цветовых палитр из изображений.
Кому воспользоваться Code Interpreter в chatGPT
Для того, чтобы использовать Code Interpreter вам нужен аккаунт chatGPT с подпиской plus. ChatGPT Plus предлагает ряд мощных функций, включая доступ к модели GPT-4 и использование плагинов. Стоимость этой подписки составляет 20 долларов ежемесячно.
Плагин Code Interpreter в настоящее время находится в стадии альфа-тестирования. Для активации его функциональности необходимо перейти в настройки аккаунта и включить эту опцию.
Я немного протестировал данный инструмент в SEO задачах и хочу поделиться несколькими полезными кейсами его применения в поисковом продвижении сайтов.
Анализируем влияния метрик CWV на позицию в google
Для начала, я покажу, как можно проанализировать зависимость метрик CWV на позиции сайтов в выдаче. Для начала нам нужно собрать датасет, вот пример моего. Я спарсил топ 10 в Google по небольшой семантике и собрал метрики сайтов через PageSpeed Insights API (как это сделать можно почитать тут). Все, что получилось собрать, я сохранил в файл и отправил чат:
Сначала просто просим посмотреть на данные. Далее просим показать корреляции показателей с позициями:
Получаем результат в виде коэффициентами корреляций. Также есть комментарий, что они означают:
Но в моей таблице есть данные и по фактическим показателям сайта и по оценкам этих показателей. Например, First Contentful Paint Time в ms и First Contentful Paint в виде оценки от 0 до 100. Так анализировать данные и искать корреляции не совсем корректно, т.к. оценка напрямую зависит от фактического значения. По хорошему, нужно сделать 2 таблицы: одну с фактическими значениям, а другую с оценками и анализировать их отдельно. Но давайте попросим это сделать cahtGPT:
ChatGPT сам понял, как нужно разделить показатели и провел анализ корреляция.
Также данные можно сразу визуализировать:
В этом примере нет корреляций показателей с позицией сайта. Возможно, CWV - это доменный фактор или на позицию сайта в топ 10 он сильно не влияет. Тут нужно смотреть на других примерах и сравнить CWV с другими метриками, например, с трафиком страницы.
Анализируем метрики конкурентов
Таким же способом можно проанализировать метрики конкурентов. Я нашел таблицу, которую делал с командой для анализа конкурентов в нише онлайн конвертеров файлов. Там много разных метрик сайтов, по которым мы пытались понять, что не хватает нашему сайту:
Очень полезно периодически делать такие таблицы, чтобы искать новые точки роста на проекте. А с анализом может помочь Code Interpreter.
Сначала просим привести данные к единому виду для дальнейшего анализа. Например, данные из колонки Средняя продолжительность по SimilarWeb chatGPT перевел из формата минуты и секунды в количество секунд, чтобы проще было их анализировать:
Далее смотрим на корреляции с Трафиком и ключами по Ahrefs:
Видим, что есть довольно сильные корреляции с ссылочными метриками. Ahrefs показывает трафик из Google, поэтому такие зависимости нас не удивляют ????. Но есть зависимость с наличием у конкурентов настроек для конвертаций. Можно задуматься об этом функционале, как о точке роста сайта.
Анализируем ссылочное сайта и его трафик
Еще небольшой кейс, как можно применить Code Interpreter для SEO - это сравнение динамики трафика и его ссылочных показателей. Собираем в таблицу динамику по кликам из GSC и данные по ссылочному сайта. Я взял DR и Total referring domains из Ahrefs, но можно использовать любой другой сервис:
Отправляем в чат и просим посчитать корреляции:
Получаем очень слабые корреляции. Но, скорее всего, Google нужно время, чтобы учесть новые ссылки при ранжировании. Поэтому нужно сдвинуть по времени ссылочные показатели относительно трафика:
Теперь корреляции значительно выросли:
Можно попросить просчитать оптимальный период для сдвига данных:
Но корреляция тут становится уж очень большая. Не думаю, что можно доверять этим данным:
Можете отписаться в комментариях, какой сдвиг и корреляция получилась у вас, а я продолжу изучать этот момент на других своих проектах ????
Вывод
Code Interpreter в chatGPT - это не какое-то волшебство. Все тоже самое многие делают сами в Python. Но теперь эти задачи можно делать гораздо быстрее и порог входа по скилам стал намного ниже.
Всем советую прочитать книгу Статистика и котики. В ней простым языком объясняется основы статистики, которые могут пригодиться вам в работе на проектах.
Спасибо за прочтение! Буду благодарен за подписку на мой ТГ-канал. В нем я делюсь кейсами использования chatGPT, SEO-кейсами и аналитикой, которые меня заинтересовали.
APXEOLOG
Вы же перепроверили расчеты за chatgpt? А то он часто с умным видом может легко ошибиться
seohive Автор
В этом плагине расчеты делаются с помощью python, а cahtGPT просто пишет код, который потом выполняется. Поэтому расчеты получаются точными.
APXEOLOG
Ну, вы проверили код, который он пишет? Потому что очень часто он может написать полнейшую ахинею
seohive Автор
Да, все ок????