SEO-кейс: как мы сделали 1 миллион продуктовых страниц

Цели проекта

Задача была не «написать много текстов», а проверить гипотезу: можно ли масштабировать органику через programmatic SEO в travel — и при этом не сломать индексацию и конверсию.

• Протестировать массовую генерацию контента. Проверить, как автоматизированное создание продуктовых страниц влияет на трафик и индексацию.
• Закрепить лидерство в органике. Усилить позиции по ключевым запросам, чтобы конкуренты остались за бортом.
• Оптимизировать конверсию. Превратить видимость в заявки.
• Снизить зависимость от платного трафика. Перенести фокус с контекста на долгосрочный SEO-эффект.

Сбор ядра: как мы нашли максимум трафика

Проанализировали всю выдачу тревел-рынка UK/EU. Посмотрели не только частотные запросы, но и редкие, локальные, сезонные. Разобрали, как пользователи ищут билеты, отели и туры.

Вскрыли конкурентов: Kayak, Skyscanner, Booking, Google Flights. Изучили, какие сценарии поиска у них работают, и добавили свои гипотезы. Собрали полную карту намерений.

Пример группировки

Как мы создали 1 000 000 страниц в Excel через ChatGPT и выгрузили их в CMS

Собрали таблицу с 25 колонками для гибкой генерации контента. Каждая строка — готовая страница: URL, мета-теги, текст, данные о маршруте, FAQ, разметка и приоритет индексации. Тексты генерировали через GPT API, данные о ценах и отелях — из API авиакомпаний и Booking.

URL

Ссылка на страницу

H1

Заголовок первого уровня (динамически генерируется)

Title

SEO-заголовок до 60 символов

Meta Description

Мета-описание до 160 символов

Body

Основной текст страницы (GPT API)

Departure City

Город отправления

Arrival City

Город прибытия

Country

Страна назначения

Region

Регион / область в стране

Best Travel Time

Оптимальный период для поездки

Price Range

Диапазон цен на билеты (API авиакомпаний)

Airlines

Список авиакомпаний на маршруте

Hotel Offers

Цены на отели (Booking API)

Attractions

Топовые достопримечательности (LSI-фразы)

FAQ

Частые вопросы из People Also Ask

Internal Links

Связанные внутренние ссылки (автогенерация)

Schema.org

Product + AggregateRating

Images

Изображения с автоматическими именами файлов

Reviews

Количество отзывов (Trustpilot / Google Reviews)

CTA

Призыв к действию: «Купить билет», «Забронировать отель»

Load Speed

Скорость загрузки (Lighthouse)

Indexing Priority

Приоритет индексации: High, Medium, Low

Canonical

Канонический URL (динамическое заполнение)

Structured Data Type

Product, FAQ, BreadcrumbList

Cache Control

Политика кеширования: max-age=3600, no-cache

Генерация контента

Контент генерировали через OpenAI API. Для каждого элемента — отдельный промпт: H1, meta description, body, FAQ. Так проще контролировать длину, тон и уникальность, чем одним большим запросом на всю страницу.

import openai
import pandas as pd

def generate_text(prompt):
    response = openai.ChatCompletion.create(
        model="gpt-4",
        messages=[{"role": "user", "content": prompt}],
        temperature=0.7
    )
    return response["choices"][0]["message"]["content"]

df = pd.read_csv("pages.csv")

df["H1"] = df.apply(
    lambda row: generate_text(
        f"Создай H1 для билетов {row['Departure City']} – {row['Arrival City']}"
    ), axis=1
)
df["Meta Description"] = df.apply(
    lambda row: generate_text(
        f"Напиши meta description для страницы авиабилетов "
        f"{row['Departure City']} – {row['Arrival City']}"
    ), axis=1
)
df.to_csv("updated_pages.csv", index=False)

Выгрузка в JSON для загрузки в CMS

После генерации — экспорт в JSON-массив: каждая запись = одна страница, готовая к импорту в CMS.

import pandas as pd

df = pd.read_csv("updated_pages.csv")
df.to_json("pages.json", orient="records", force_ascii=False)

Как мы автоматизировали индексацию через Indexing API

Сканировали новые URL из базы и отправляли в Google Indexing API пачками — не ждали, пока бот сам доберётся до миллиона страниц.

import json
import requests

with open("new_urls.json", "r") as f:
    urls = json.load(f)

API_URL = "https://indexing.googleapis.com/v3/urlNotifications:publish"
HEADERS = {
    "Content-Type": "application/json",
    "Authorization": "Bearer TOKEN"
}

def index_url(url):
    data = {"url": url, "type": "URL_UPDATED"}
    response = requests.post(API_URL, headers=HEADERS, json=data)
    return response.json()

for i in range(0, len(urls), 100):
    batch = urls[i:i+100]
    for url in batch:
        result = index_url(url)
        print(result)

Оптимизировали частоту запросов, чтобы Google не посчитал нас ботами:

• Между запросами — пауза random.uniform(1, 3) секунды.
• Индексацию прокидывали не всех страниц сразу, а с задержкой 3–4 дня — для естественного роста.

Верстаем продуктовую страницу: удобной и продающей

Главное — быстро дать всю нужную информацию. Вверху маршрут, даты и количество путешественников, которые можно менять. Заголовок, адрес, рейтинг — сразу видно, стоит ли бронировать. Фото крупные, листаются в один клик.

Рейтинг детализирован по категориям — локация, сервис, чистота, завтрак, номер. Удобства иконками, чек-ин и локация перед глазами. Кнопка «Забронировать» всегда на виду.

Авиабилеты и параметры поездки

После отеля логично показать, как до него добраться. Мы добавили авиабилеты в том же стиле, чтобы не выбивались из структуры страницы.

Рядом с заголовком — уточнение, что перелёт включён, чтобы снять лишние вопросы. Показываем конкретные рейсы: время вылета, длительность, авиакомпания. Если не подходят — можно сразу изменить.

Дальше — блок с параметрами поездки: маршрут, даты, пассажиры. Кнопка «Изменить» даёт возможность быстро поменять параметры, не выходя со страницы.

Перелинковка

Добавили перелинковку. Сначала — билеты. Человек уже выбрал отель, теперь важно, как он туда попадёт. Показываем рейсы, даём возможность поменять даты.

Дальше — достопримечательности. Если пользователь не уверен, что делать в городе, ведём его в раздел с экскурсиями.

Если отель не подошёл — показываем альтернативы. Не через блок «похожие варианты», а через аргумент: «Не понравился рейтинг? Вот другие 5-звёздочные отели».

Ссылки встроили органично, по логике пользователя. Это увеличивает глубину просмотров и снижает вероятность выхода. Google видит, что страницы связаны, передаёт им вес, поднимает в поиске.

Как мы сделали выбор номера полезным для SEO

Обычно страницы отелей устроены так: загружаются скриптом, фильтры работают на фронте, Google ничего не индексирует.

Каждый номер — отдельный блок с H2, уникальными характеристиками и ценой. Заголовки не шаблонные («Double Room»), а с уточнением: «Double 1 or 2 beds deluxe sea view». Это сразу закрывает поисковые запросы вида «Отель + вид из окна».

Разметка Schema.org/Product. В неё передаём:

• цены и доступность, чтобы Google понимал, что данные актуальны;
• условия отмены, которые важны для пользователей и увеличивают CTR;
• варианты питания, чтобы поисковик считал их разными предложениями, а не дублями.

Динамическая кнопка «Показать другие номера» открывает список через серверный рендеринг. Google видит все номера и индексирует их как отдельные ссылки, а не скрытые фильтры.

Итог: каждый вариант номера — точка входа в поиске. Страницы не конкурируют друг с другом, а расширяют охват. Больше контента → выше шанс занять выдачу.

Выбор маршрута

Пользователь может менять города, даты и добавлять направления — всё в одном окне.

Но главное — SEO. Каждый новый маршрут генерирует индексируемый URL, а не скрытый параметр.

Если меняют «Амстердам → любой город», сайт создаёт /flights-from-amsterdam/, что перехватывает низкочастотный трафик.

Кнопка «Добавить направление» усиливает внутреннюю перелинковку. Google видит связанные маршруты, пользователи — больше вариантов.

Популярные маршруты: SEO и перелинковка

Каждый маршрут — отдельная индексируемая страница. Вместо параметров в URL генерируем /flights/milano-londra/, чтобы Google видел их как полноценные посадочные.

Список обновляется автоматически: алгоритм учитывает частотность запросов, бронирования и клики пользователей. Популярные направления поднимаются выше, слабые уходят вниз.

Система раз в сутки пересчитывает рейтинг маршрутов на основе:

• Частотности запросов — API Serpstat, Google Trends, самописное решение коллег по куки;
• Бронирований — история продаж;
• Кликов пользователей — самописное решение коллег.

Формула ранжирования:

Score = (SearchVolume × 0.5) + (Bookings × 0.3) + (Clicks × 0.2)

Python · сортировка маршрутов

df = df.sort_values(by="score", ascending=False)
df.to_csv("popular_routes.csv", index=False)

Ссылки формируются в формате /flights/milano-londra/, а изображения подставляются автоматически.

Маршруты всегда актуальны, Google их индексирует, пользователи видят только востребованные направления.

Результат

Запустили 1 000 000 страниц, развернули полную SEO-структуру.

Трафик: 7,74 млн кликов, 570 млн показов за 16 месяцев. Средняя позиция 9.9, CTR 1.4%.

Изображения дали дополнительный охват: 67,4K кликов, 15,5M показов. График показывает рост после добавления уникальных фото.

Индексация: 245K страниц в Google из 1,1 млн. Остальные подтягиваем через Sitemap, внутренние ссылки и загрузку контента.