# Семантическая архитектура маркетплейса на 2100+ категорий за 5 дней. Кейс «Твоя Полка»

Автор: Анна Грищук (Старший SEO-аналитик)  
Опубликовано: 2026-04-13  
Обновлено: 2026-11-20  
Источник: https://blog.kinetica.su/semanticheskoe-proektirovanie-i-arhitektura-federalnogo-marketplejsa-na-2100-kategorij/  
Издатель: агентство интернет-маркетинга KINETICA, https://kinetica.su/

> Как мы собрали 700 000 запросов, убили Excel, написали собственный софт и за 5 дней построили SEO-архитектуру федерального маркетплейса. Реальный кейс с инструментами и цифрами

## От офлайн-ритейла к цифровой экосистеме

К нам обратился клиент с редкой для российского рынка задачей: федеральная сеть магазинов авторских товаров, винтажа и предметов коллекционирования «Твоя Полка» — 48 филиалов в 34 городах. Задача:глобальная трансформация. Клиент видел следующий этап развития в масштабном выходе в онлайн. Нам предстояло превратить сайт из «визитки» сети в полноценный маркетплейс (e-commerce платформу), способную конкурировать в поисковой выдаче с гигантами ниши.

Ключевая цель: спроектировать «цифровой скелет» маркетплейса — SEO-архитектуру каталога. По сути, это база для дальнейшего [SEO-продвижения сайта](https://kinetica.su/prodvizhenie-saita/) и масштабирования каталога под поисковый спрос.

## Вызовы проекта: масштаб и дефицит эталонов

Мы столкнулись с двумя фундаментальными проблемами.

1. Специфика ниши.Рынок Handmade и винтажа крайне раздроблен. Есть либо монстры вроде «Ярмарки Мастеров» или Avito, либо узконишевые лавки. Прямого шаблона, как объединить антиквариат, зоотовары, фермерские продукты и материалы для творчества в одну логичную структуру, не существовало.
2. Скрытый масштаб. Изначально задача казалась объемной, но понятной рутиной. Мы еще не подозревали, что попытка охватить весь спрос приведет к коллапсу привычных инструментов, а итоговая структура разрастется до 2100+ категорий, потребовав написания собственного софта и внедрения ИИ-агентов.

### Этап 1. Январский хаос: 700 000 запросов и «смерть» привычного софта

Работа над проектом началась сразу после январских праздников.План был стандартным: «Сейчас по-быстрому соберем семантику самого крупного конкурента, добьем упущенной, почистим и разложим». Но реальность маркетплейса быстро развеяла эти иллюзии.

### Когда «мидловые» методы перестают работать

Мы начали с выгрузки через [Keys.so.](https://www.keys.so/ru/partner) Чтобы не упереться в лимиты и забрать все, использовали лайфхак: парсили конкурента «кусочками» по структуре URL (/itemlist/, /tag/, /popular/).

Итог: на руках оказался файл на 700 000 запросов.

И вот тут начались «боль и слезы». Excel превратился в калькулятор, который думал по 5 минут над каждой попыткой сортировки. Наш верный спутник на средних проектах — KeyCollector 4 — просто «вышел из чата». Попытка загрузить такое ядро и запустить хотя бы минимальную группировку приводила к намертво зависшей системе.

Стало очевидно: методы, которые отлично работают для интернет-магазина на 5000 товаров, на федеральном маркетплейсе превращаются в тыкву. Мы столкнулись с технологическим потолком.

![](https://blog.kinetica.su/buildOutsource/uploads/gallery/default/41016996-69dd6f2dddeae.jpg)

## Грубая сила: скрипты против Big Data

Мы поняли, что на этом этапе нам не нужны «умные» инструменты, нам нужна мощная «мясорубка». Прогнать 700к запросов через ИИ для первичной чистки — это значит слить бюджет на лимиты впустую и потратить недели на ожидание ответов.

Наше решение:мы вернулись к «старым добрым» кастомным скриптам на Google Apps Script и жесткой пре-фильтрации (Data Cleaning) прямов таблицах:

1. Частотность: безжалостно удаляли все, что ниже 12–20 запросов в год.
2. Длина фразы:удаляли запросы длиннее 6 слов (как правило, это нецелевой информационный «шум»).
3. Граница интента: если фраза у конкурента находилась ниже 30-й позиции — в корзину. Скорее всего, там смешанный или нецелевой интент.
4. Ценность (CPC): если у фразы была высокая стоимость клика — это маркер коммерческого потенциала, такие фразы мы маркировали как приоритетные.

## Где нам реально помог ИИ (лайфхак с минус-словами)

Чистить всё ядро нейронкой — безумие. На этапе первичной фильтрации мы использовали наше секретное оружие — внутренний архив Кинетики. Мы годами собирали списки минус-слов, которые идеально отрабатывают в разных нишах. Это в разы качественнее и быстрее, чем любой список из свободного доступа.

Однако самая большая проблема — брендовые запросы. В каждой нише свои уникальные конкуренты, и вычищать их вручную — адский труд.

- До ИИ: на ручной сбор вариаций брендов конкурентов уходили часы.
- С ИИ: мы сканируем главную страницу конкурента и просим ИИ вычислить все возможные минус-слова бренда. Нейросеть прогоняет десятки брендов за пару минут. Это позволяет на раннем этапе получить «стерильную» семантику без лишних трат на сбор данных о выдаче по каждой фразе.

### Этап 2. Архитектура: как «взломать» структуру конкурента в «партизанских» условиях

Когда дошло до проектирования веток каталога, обнаружилась новая проблема: конкуренты в нише умело защищены от автоматического парсинга. Ни Screaming Frog, ни анализ карт сайта (sitemap.xml) не давали результата. Нам была жизненно необходима логика вложенности категорий, чтобы не изобретать велосипед.

### Метод «Copy-Paste + скрипт» (Metadata Extraction)

Мы пошли «унизительным», но эффективным путем: вручную скопировали все категории из каталогов конкурентов и вставили их в Google Таблицы. Секрет в том, что при копировании «в лоб» таблицы автоматически подтягивают гиперссылки, зашитые в заголовки.

Чтобы не вытаскивать каждый URL вручную (а их тысячи), мы написали простой Google Apps Script, который за секунды извлек все URL из названий категорий и проставил их в соседнюю колонку.

Инсайт об автономности: скрипты vs хайп

> Инсайт об автономности: скрипты vs хайпВ эпоху ИИ многие забыли про скрипты, увлекаясь сложными цепочками в n8n или Make. Но наш опыт показывает: если вопрос решается 10 строками кода прямо в таблице — не тратьте время на сложные системы. Благодаря ChatGPT, SEO-специалисту больше не нужны разработчики. Базовых знаний JS достаточно, чтобы написать функцию «на коленке». Это дает невероятную скорость: придумал — внедрил — получил результат
>
> — Анна Грищук, старший SEO-аналитик Кинетики

## Слияние семантики и структуры

Зачем мы так воевали за URL?Семантика из [Keys.so](https://www.keys.so/ru/partner) уже имела привязку «Запрос — URL конкурента». Получив структуру адресов с самого сайта, мы смогли мгновенно «сшить» ключевые фразы с конкретными разделами. Такой подход — часть более широкого процесса [семантического и контентного проектирования](https://blog.kinetica.su/semanticheskoe-i-kontentnoe-proektirovanie-process-i-etapy/), когда структура сайта строится не от шаблона, а от реального спроса.

В итоге мы получили рабочий костяк порядка 1600 категорий, в каждой из которых уже были закреплены целевые фразы. Однако при глубоком анализе стало ясно: семантика конкурентов местами шире нашего набора веток. Чтобы получить максимальный охват, мы начали «подклеивать» к структуре те дополнительные категории, которые выделили ранее на основе нашего первичного гигантского ядра.

Для этого этапа мы снова задействовали автоматизацию. Сопоставлением и склейкой категорий занималась цепочка в n8n. Вручную такая задача заняла бы несколько дней и неизбежно привела бы к массе ошибок, особенно учитывая нашу логику мульти-категорийности: одна и та же подкатегория у нас может находиться сразу в нескольких родительских разделах. Мы осознанно пошли на это ради удобства пользователей — чтобы нужный товар всегда был под рукой, в какой бы ветке каталога его ни искали.

![](https://blog.kinetica.su/buildOutsource/uploads/gallery/default/41016997-69dd6fe6d872f.jpg)

Если вам интересны технические особенности нашего автоматизированного подхода к работе с такими массивами, рекомендуем заглянуть в наш прошлый кейс: [«Как мы автоматизировали сбор семантики: опыт SEO-отдела KINETICA»](https://blog.kinetica.su/kak-my-avtomatizirovali-sbor-siemantiki-opyt-seo-otdiela-kinetica/).

Только после этой интеллектуальной склейки «костяк» превратился в полноценную, готовую к работе архитектуру маркетплейса на 2100+ узлов.

### Этап 3. Промышленная автоматизация: цепочки n8n и «AI-контролер» качества

Мы создали цепочку в n8n, которая работает по принципу«доверяй, но проверяй».

1. Триггер:нода забирает данные из таблицы (Категория, Семантика).
2. Scraping:модуль обращается к живой странице, чтобы понять контекст (какие товары представлены).
3. Generation:модель OpenAI создает варианты Title и Description на основе проработанных нами шаблонов.
4. Validation (Узел «Оценщик»):это наша ключевая разработка. Вторая модель ИИ выступает в роли цензора. Она проверяет результат первой модели: нет ли ошибок в склонениях (мы использовали родительный падеж «Выбор [чего?]»), соответствуют ли теги лимитам символов и не «галлюцинирует» ли ИИ.

![](https://blog.kinetica.su/buildOutsource/uploads/gallery/default/41016998-69dd7013adcc7.jpg)

Такой гибрид позволил нам не просто «нагенерить» текст, а создать качественные мета-данные в промышленном масштабе, пока специалист занимался более сложными стратегическими задачами.

### Этап 4. Визуализация: как «засунуть» 2200 категорий в XMind

Когда структура из 2100+ категорий была готова, возник последний технический барьер: как ее презентовать клиенту?

Показать таблицу на тысячи строк — значит запутать всех. Нужна была Mind-карта. Но выяснилось, что XMind имеет жесткое ограничение — лимит в 30 000 символов при прямом импорте через буфер обмена. Наша структура этот лимит пробивала в несколько раз. Даже новые AI-функции программы «захлебывались» на таком масштабе.

![](https://blog.kinetica.su/buildOutsource/uploads/gallery/default/41016999-69dd702c5e464.jpg)

### Решение: магия Markdown

Чтобы «облегчить» данные и сделать их понятными для программы, мы решили перевести всю структуру вформат Markdown.

- Мы написали еще один Google Apps Script, который преобразовал таблицу в древовидный Markdown-текст (система решеток и отступов).
- Этот формат XMind «проглотил» мгновенно.

Итог: за считанные секунды мы получили наглядную карту огромного проекта. Это стало финальной точкой в проектировании: из хаоса в 700 000 запросов мы создали четкий визуализированный «скелет» маркетплейса.

## Итоги: как автоматизация меняет правила игры для бизнеса

Этот проект стал для нас проверкой на прочность. Главный инсайт: когда ты работаешь с федеральным масштабом, стандартные SEO-методы «для среднячков» перестают работать.

Подводя итоги, стоит немного «прихвастнуть». До эпохи ИИ и активного использования скриптов сбор такого ядра — 15 000 чистых фраз и 2200 категорий — был настоящим кошмаром для SEO-отдела.

- Как это выглядело раньше:сеошник вручную перебирал тысячи строк, группировал их в Excel, ошибался, исправлял и снова группировал. На проект такого масштаба могли уйти месяцы работы, а риск человеческой ошибки был запредельным.
- Как это сделали мы сегодня:использование ИИ и скриптов сократило сроки с месяцев до 5 дней.

Что это дает клиенту?В конечном счете, наша экспертиза сэкономила клиенту огромный бюджет и, что более важно, время. Мы сократили путь от идеи маркетплейса до готовой структуры в разы. Это позволит запустить каталог на сайте максимально оперативно, начав собирать трафик там, где конкуренты все еще копаются в рутине.

Главный вывод: в 2026 году крутой SEO-специалист — это не тот, кто умеет подбирать ключи, а тот, кто умеет управлять технологиями.

Оставить заявку [на нашем сайте](https://kinetica.su/) или обсудить проект с продакшн-директором KINETICA [в Telegram](https://t.me/kinetica)
