Таблица с публикациями
Сравнительная таблица всех публикаций
Сравнительный анализ платформ
Сравнительная таблица публикаций на яндекс дзен и vc.ru
Графики охватов и вовлечённости
График сравнение показов по платформам
Сравнение Яндекс Дзен и vc ru по параметрам
Визуализация метрик на пост про паттерны программирования в LinkedIn
Сравнительный график LinkedIn, Dzen и vc
Инсайты
Конверсия (CTR) VC.RU доминирует:
Средний CTR 40,3% против 15,6% у Дзена.
Даже слабая статья на VC.RU (CTR 39,1%) превосходит лучший результат Дзена (CTR 20% у видео).
Причина: Заголовки на VC.RU лучше цепляют целевую аудиторию (разработчиков игр).
Удержание аудитории Дочитываемость на VC.RU: 55-56% — исключительный результат.
Контраст с Дзеном:
Статья «Процедурная генерация» (Дзен) собрала 8 лайков при 7 показах, но дочитываемость не указана.
Видео на Дзене имеет 0 минут просмотра — полное отсутствие удержания.
Вовлечённость Дзен: Крайне неравномерна:
0% vs 128,6% при схожем формате (статьи).
Причина: Разница в тематике («HARVEST» vs «Fallen»).
VC.RU: Данных нет, но высокая дочитываемость косвенно указывает на вовлечённость.
LinkedIn: Массовый охват, нулевая вовлечённость Парадокс:
Крупнейший охват (993 показа) → 101 просмотр (CTR 10,2%)
Крайне низкая вовлечённость (1.04% в среднем).
Выводы из аналитики и предложения по улучшению
Критические проблемы Дзена Слепые зоны в данных:
Нет показателей дочитываемости статей.
Нулевые данные о времени просмотра видео.
Низкое качество трафика:
5 показов → 0 просмотров (статья от 8 мая).
Неэффективные заголовки:
Видео «Unreal Engine GAS review…» — перегружен ключевыми словами.
Стабильность: Даже при 17 показатах → 9 переходов → 5 дочитываний.
Контент-стратегия: Статьи о разработке игр (Unreal Engine, процедурная генерация) резонируют с аудиторией.
Для Дзена:
Добавить метрики дочитываемости в отчёты.
Переформатировать видео: сократить до 5-7 минут, добавить субтитры.
Тестировать заголовки по модели VC.RU (пример: «Процедурная генерация в Unreal: как мы создали мир 'Fallen'»).
Для VC.RU:
Увеличить частоту публикаций (2 статьи за месяц vs 3 на Дзене).
Экспортировать успешные темы в Дзен (например, разбор «HARVEST»).
Синергия:
Запустить кросс-платформенный цикл: Статья на VC.RU → Вебинар на YouTube → Гайд в Дзене.
VC.RU — приоритетная площадка:
На 33% меньше публикаций → на 1400% больше просмотров.
Стабильно высокая конверсия (CTR 40,3%) и дочитываемость (55%+). Дзен требует перезапуска:
Видеоконтент не работает, статьи показывают спорадический успех.
Ключевое решение: интеграция успешных практик с VC.RU + фиксация пробелов в аналитике.
VC.RU (9/10): Сильные стороны: Максимальные CTR + дочитываемость. Риски: Отсутствие данных о вовлечённости.
Яндекс Дзен (6/10): Сильные стороны: Высокая вовлечённость при попадании в аудиторию. Риски: Алгоритм не продвигает контент (микроохват).
LinkedIn (3/10): Сильные стороны: Массовый охват. Риски: Контент не релевантен профессиональной аудитории.
Стратегический вывод: Перенести 80% ресурсов на VC.RU, адаптируя его успешные кейсы для Дзена. LinkedIn требует полного переформатирования контент-стратегии.
Использование нейросетей
Chat GPT: Использовался как основной инструмент для генерации текстов, ответов на вопросы, написания сценариев, статей, постов для социальных сетей. Его универсальность и способность генерировать связный и логичный текст были незаменимы.
Gemini: Применялся для более комплексных задач, требующих глубокого понимания контекста и анализа информации. Например, для структурирования больших объемов данных, составления подробных аналитических отчетов, а также для креативного письма, где требовались оригинальные идеи и нестандартные подходы.
Perplexity: Незаменим для быстрого и точного поиска информации, верификации фактов, а также для получения кратких, но содержательных ответов на специфические запросы. Его способность ссылаться на источники значительно повышала достоверность получаемой информации.
Qwen AI: Применялся для генерации текстов на русском языке с учетом особенностей стиля и нюансов. Особенно полезен был для создания контента, ориентированного на русскоязычную аудиторию, где требовалась аутентичность и культурная релевантность.
Deepseek: Использовался для более специфических задач, связанных с кодированием или сложными логическими структурами, когда требовалось быстрое прототипирование или отладка определенных алгоритмов.
Яндекс Алиса: Применялась для голосового взаимодействия, перевода, а также для получения актуальной информации на русском языке, что было удобно для оперативного сбора данных или проверки текущих событий.
Примеры промптов и результаты
Предварительный анализ (Яндекс.Вордстат): анализ показал, что запросы типа «Unreal Engine GAS» (ВЧ), «Gameplay Ability System архитектура» (СЧ), «создание способностей UE4/UE5» (НЧ) имеют высокий интерес. Также возможен спрос на «реализация RPG способностей».
