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
Интересные статьи
Интересные статьи
