Використання ШІ для проведення FAB (ХПВ)-аналізу продуктів

Привабливий і переконливий опис товару мотивує потенційних клієнтів до покупки. Серед підходів до подання інформації про продукцію популярною стала формула ХПВ або ОПЦ (FAB) — маркетинговий інструмент, що робить акцент на відповідності пропозиції бажанням і потребам клієнта.

Якщо виробник і замовник надав мало даних про товари, потрібно зробити FAB-аналіз і обробити великі масиви інформації, щоб отримати основу для змістовного тексту. На виконання такої роботи вручну доводиться витрачати багато часу, AI алгоритми та наш чат-бот дають змогу значно прискорити процес.

FAB-аналіз і його застосування в SEO та e-commerce

Абревіатура FAB (ХПВ) розшифровується як Features (Характеристики), Advantages (Переваги) і Benefits (Вигоди). Альтернативний варіант перекладу — ОПЦ: Особливості, Переваги та Цінності. Принцип маркетингового інструменту полягає в тому, щоб спочатку описати особливості та характеристики продукту без оцінювальної думки, потім вказати, як продукт допоможе у вирішенні завдання або проблеми, і завершити вигодою відчутним цінним поліпшенням, яке стане останнім аргументом на користь покупки. Така подача інформації зрозуміла для клієнтів різних рівнів і партнерів, вона допомагає не тільки збільшувати продажі в інтернет-магазинах, а й просувати контент у пошукових системах. Приклад її застосування в одному реченні опису продукту:

Формула успішно використовується в:

• описах товарів і послуг;
• оглядах та інших видах лонгрідів;
• електронних листах;
• слоганах, заголовках, закликах до дії та інших фразах.

ХПВ-аналіз дає можливість копірайтеру або штучному інтелекту писати інформативні, корисні та привабливі тексти. Детальніше про переваги формування контенту для описів продукту на базі ХПВ-аналізу можна прочитати тут.

Приклад подібного аналізу для лінійки освітлювальних продуктів для волосся

Без попередньої систематизації даних за формулою FAB можна розраховувати тільки на слабкий за змістом рерайт матеріалів конкурентів, оскільки часто копірайтери не знають продукт достатньо глибоко. А застосування чат-бота на основі GPT істотно скорочує час на збір і структурування інформації, яку потім можна передати копірайтеру як основу для майбутнього тексту.

Вихідні дані проєкту

Ідея створення чат-бота виникла після звернення до нас великого садового онлайн-центру з Німеччини. Замовник випускав цілу серію продуктів під власним брендом, серед яких — рідкі черв’ячні добрива (біогумус), але їхні описи були короткими та порівняно слабкими, як і на сайті самого виробника цього товару, тому копірайтерам було складно придумати яскраві аргументи для привернення уваги покупців. У деяких німецьких конкурентів, наприклад, Plantura.garden були якісні описи схожої, але не ідентичної продукції.

Приклад опису на сайті одного з конкурентів у автоматичному перекладі

Для перших продуктів бренду ми робили ХВП-аналіз вручну і на це йшло досить багато часу — по 2–3 дні на один продукт.

Тому було поставлено завдання здешевити та прискорити процес із мінімальними втратами в якості підготовлюваного контенту, щоб далі копірайтер, яка ніколи не бачила продукт у дії, могла написати якісний опис, що продає, як для товарів на сайті, так і для продажу на платформі Amazon. При цьому контент, що продає, потрібно було робити з нуля, враховуючи:

• специфіку продукту і його відмінні риси;
• складну верстку;
• адаптацію матеріалів під сучасний стиль e-commerce.

ХПВ продукту якраз істотно допомагав у створенні потрібного типу контенту, оскільки спочатку виділяв важливі моменти, на які треба звернути увагу. Саме тоді виникла ідея залучити чат GPT і створити бот, заточений на пошук і структурування особливостей, переваг і цінностей товарів на базі наявних описів та іншої інформації про продукт. Він допоможе виділити та структурувати потрібні дані, а контроль уважного редактора дозволить обійтися без неточностей, викликаних певною ненадійністю роботи ШІ-бота.

Механізм роботи бота й особливості його збирання

Бота FAB (feature advantage benefits) Product Analysis збирали та навчали на базі таблиць ХПВ і навчальних матеріалів із маркетингу. До того ж, як приклад, у нього завантажили таблиці, які були створені мною для різних продуктів: від косметики для волосся до газонного насіння. Спочатку була ідея не обмежувати його в тому, як саме виділяти характеристики товару — він мав підлаштовуватися під наявний опис продукту. Однак, у процесі навчання ми помітили, що боту потрібно чітко вказувати, скільки пунктів у таблиці має бути, адже самостійно він робив лише кілька рядків, а для продуктів із хорошими вихідними текстами такий аналіз був бідним. Тому в інструкції ми вказали, щоб бот робив і описував мінімум 10 рядків у таблиці ХПВ (іноді він робить більше), що дало можливість отримати достатню кількість інформації в аналізі, та його можна було успішно використовувати далі. Ми зупинилися саме на 10 пунктах, оскільки в разі роботи з продуктом, який мав слабкий і короткий опис, бот починав повторюватися і робив не надто корисні таблиці.

На додаток до стандартної таблиці ХПВ ми навчили бота писати корисну інформацію саме для копірайтера, який буде далі працювати з даними, а саме:

1. Опис ЦА.
2. Інструкцію з використання продукту.
3. Важливі для клієнта особливості складу та інше.

З плюсів сучасних моделей ШІ, а саме ChatGPT, який використовувався для створення бота, варто відзначити, що йому практично все одно, з якою мовою працювати, тому можна аналізувати конкурентів з усього світу, вказавши лише, якою мовою ми хочемо отримати кінцевий результат. Цей момент дозволив нам не обмежувати себе у виборі продуктів конкурентів для аналізу.

Перша версія бота використовувала прямий доступ до сайтів за вказаними URL, залучаючи можливості самого ChatGPT, але бот часто повідомляв, що не може прочитати ресурс. В результаті до бота був підключений публічний API WebPilot, який значно ефективніше відвідує сторінки та часто обходить обмеження, встановлені, наприклад, Amazon для ШІ-ботів.

Поставлені цілі та завдання

Для початку необхідно було проаналізувати конкурентів у ніші, вивчити ринки Німеччини, інших країн Європейського союзу, а також США. Ринки цих регіонів відрізняються високою якістю описів товарів різних типів. Описи на українських сайтах поки що програють в цьому аспекті. За кордоном багато хто не тільки створює докладні описи, а й додає інфографіку, робить складне верстання продуктових сторінок, що підвищує інформативність і привабливість контенту. Після визначення конкурентів продукту нам належало:

• сформувати первинні ХПВ-таблиці за прямими ключовими товарами-конкурентами з урахуванням інформації, отриманої на сторінках їхніх сайтів, а також на сайті виробника продукту;
• на базі ХПВ-таблиць конкурентів і виробника сформувати актуальну таблицю вже для нашого продукту — максимально інформативну;
• додати відсутні характеристики, які має продукція нашого клієнта;
• виділити важливу інформацію для уточнень, що не входять до таблиці;
• перевірити та відшліфувати зібрані дані;
• створити схему підготовки описів на базі ШІ, яку можна легко масштабувати.

Потім потрібно було порівняти результати, отримані шляхом ручного та автоматичного аналізу. Далі можна під кожен проєкт знаходити схему, що поєднує ці методики аналізу, щоб забезпечити оптимальне співвідношення витрат часу та якості отриманого матеріалу.

Етапи роботи над FAB-аналізом продукту

Щоб зробити ОПЦ-аналіз товару, ми підбирали описи конкурентів (прямих), які продають аналогічні продукти різними мовами, і ретельно їх вивчали. Крім цього, аналізувалися непрямі конкуренти — ті, у яких продукт розв’язував схоже завдання, але при цьому не був ідентичним клієнтському, та інформація на сайті виробника товару. Далі кожен продукт ми по черзі проганяли через наш кастомний чат. Отримані дані агрегувалися в єдиний опис продукту замовника, збираючи всі корисні дані та ідеї з описів схожих продуктів. І потім, вже під пильним наглядом людини, кастомний чат-бот GPT складає таблиці FAB.

Підбір і аналіз конкурентів

Підбір конкуруючих компаній під час ручного та автоматичного складання таблиць ОПЦ у будь-якому випадку виконується вручну. Особливо уважно вивчалися виробники добрив у Німеччині та США, де популярні Amazon і Shopify. Ці компанії висувають високі вимоги до якості контенту та задають певний рівень і стиль описів товарів. Серед пулу товарів особлива увага приділялася тим, у яких:

• цікава інфографіка;
• хороші ідеї в змісті опису;
• гарне верстання.

Нагадаю, що продукт, над яким ми працювали, — це черв’ячне добриво-концентрат, тобто органічне або біодобриво. Тому для аналізу ми шукали в Google конкурентів за двома напрямками: органічні рідкі добрива і черв’ячні добрива / так званий «черв’ячний чай», і відбирали для аналізу сторінки з найцікавішими ідеями щодо контенту, інфографіки тощо. За підсумком ми взяли такі продукти:

• Продукт Worm Casting Fertilizer (Vermicompost) із сайту виробника EkosolFarm і його опис;
• Прямі конкуренти (це черв’ячні добрива в рідкій формі різної концентрації) з ринків США і Німеччини:
  • PetraTools Worm Casting Concentrate (1 Gal) — опис на Amazon;
  • Wurmtee — черв’ячний чай — розбавлена форма добрива;
  • Bloom City Organic Worm Tea Concentrate і Bloom City Organic Worm Tea Concentrate and Compost and Bokashi Booster, 1/2 Pint (8 oz) — аналогічні продукти, але вироблені в США;
  • Hubey Wurmhumus (5 L) — черв’ячне добриво, але у твердій, а не рідкій формі, як наше.
• Непрямі конкуренти (інші органічні добрива), які представлені на ринку Німеччини:
  • Plantura Bio-Universaldünger 1,5 kg;
  • COMPO BIO READY TO USE Universaldünger;
  • та ще цілий ряд інших.

Приклад того, як виглядала чорнова таблиця підібраних конкурентів

Таке рішення дало змогу різнобічно подивитися на продукт і залучити цікаві ідеї, використовувати прийоми, які будуть корисні й для нашого контенту. Наприклад, у когось добре написана інструкція, а хтось приділив увагу екологічності складу тощо.

Збір інформації про товар клієнта

Аналізований продукт, як і цілий ряд інших продуктів нашого клієнта, випускався під власною ТМ (White Label), тому було важливо максимально зібрати всі дані з сайту виробника. Хоча сам сайт був турецькою мовою, для чат-бота це не було проблемою. Саме на сайті та в рекламних брошурах виробника ми знайшли інформацію про склад добрива, самого виробника, правильне використання, властивості різних компонентів складу тощо.

У нас також була можливість проконсультуватися із фахівцями, які застосовували продукт за призначенням, що допомогло зібрати додаткову інформацію і також передати її боту. У вихідних даних про продукт (для завантаження в чат) ми використовували інформацію про специфіку технології виробництва і самого виробника. Наприклад, наше добриво було висококонцентрованим, тоді як у конкурентів — розбавлене (worm tea), яке або зовсім не вимагає додаткового розведення, або потребує незначного додавання води.

У розроблений чат-бот можна подавати як текстові матеріали, так і посилання на вебсторінки, тому ми завантажували зібрані дані в різних форматах. З усіх представлених на аналіз описів продукту в бота були проблеми тільки з читанням eBay сторінок, тому інформацію звідти ми копіювали в Word і завантажували у вигляді файлу.

Ось такий вигляд мали передані дані боту

Відмінність у роботі чат-бота в різних моделях GPT

Моделі чату GPT-4o і GPT-5 можуть по-різному сприймати та обробляти інформацію, тому рекомендуємо спробувати обидва варіанти та провести порівняння, вибравши оптимальний або поєднавши різні частини з того чи іншого аналізу. Наприклад, під час вивчення контенту про добрива, дозування і сфери застосування були краще описані 5-ю версією, решта — приблизно однаково. Нижче ми наводимо приклади результатів обох моделей під час використання вихідних даних про продукт від виробника.

Результат роботи моделі 4o на базі вихідних даних про продукт клієнта

Результат роботи моделі 5 на базі вихідних даних про продукт клієнта

Об’єднання обох версій

Як можна побачити, обидві версії добре справляються зі своїм завданням, однак результати мають відмінності в деталізації окремих моментів. З двох представлених варіантів був обраний найвдаліший за змістом таблиці варіант — у такому випадку результат моделі 5. У його чат було скопійовано контент із результатом аналізу моделі 4o з проханням розширити наявний опис продукту на основі цієї інформації.

Приклад промта:

Підсумкова таблиця вийшла детальнішою, ніж обидві вихідні версії. На цьому етапі роботу з вихідним описом від виробника ми відклали та розпочали обробку описів конкурентів, про що йтиметься далі.

Оброблення описів конкурентів і отримання підсумкової комплексної таблиці по продукту

Аналогічним чином в окремих чатах були оброблені всі конкуренти моделлю 4o (для прискорення процесу) і ми отримували такі ж таблиці по всіх них. Ось приклад подібної таблиці конкурентів:

Далі ми вирішили не продовжувати збирати інформацію за допомогою ШІ, а просто стали працювати вручну. Ми скопіювали всю інформацію, отриману на попередньому етапі, у Word, і почали порівнювати наші дані з тими, що були отримані щодо кожного конкуренту. Якщо ми знаходили унікальну інформацію, якої у нас не було, наприклад, про склад, запобіжні заходи під час використання та зберігання продукту, цікаву перевагу, про яку ми забули тощо, то копіювали її в нашу таблицю з адаптацією під продукт клієнта. Таким чином ми змогли отримати максимально повну версію інформації про товар, яка була значно кращою і докладнішою, ніж у будь-якого конкурента, при цьому — з правильно виділеними акцентами. Ручне допрацювання такої таблиці займає 1,5–2 години, але може бути й більше — все залежить від кількості конкурентів із якісним контентом в кожній конкретній темі.

За підсумком ручних доопрацювань ми отримали цей варіант:

Фінальний варіант FAB аналізу та додаткової інформації щодо продукту до вичитки фахівцем

Звичайно, цей варіант також додатково був вичитаний і відредагований професіоналом, щоб уникнути вигадок, характерних для багатьох ШІ. Також його перевірили на правильність застосування термінології, проблема з якою може виникнути у зв’язку з тим, що описи були спочатку на різних мовах.

Чим специфічніший продукт, з яким ви працюєте, тим більше може бути помилок у перекладі визначень або фактичної інформації. Наприклад, у таблицях, які показані вище, у першій версії, була згадка про селомову рідину. У фахівця, який перевіряв інформацію, виникли сумніви, і після уточнення інформації виявилося, що правильна назва цієї речовини — целомічна рідина (liquor coelomicus). Таким чином, наш досвід свідчить про важливість подібної вичитки перед тим, як розпочати подальшу роботу з таблицями.

Подальше застосування таблиць ХПВ

Можливості використання таблиць FAB досить широкі, оскільки вони є універсальним збірником корисної інформації, яка допоможе маркетологам, контекстологам, SEO-фахівцям і продавцям різних рівнів виконувати свою роботу ефективніше.

Ще ця таблиця стане хорошою основою для створення контенту різного виду:

• описів для сайту і маркетплейсів, наприклад, Amazon;
• інструкцій і how-to;
• інфографік та інших матеріалів зі значним візуальним складником;
• каталогів, рекламних текстів та іншого.

Створення рекламних текстів можна довірити копірайтеру, каталогів — маркетологу. Також за необхідності мінімізувати зусилля пропонуємо створити за допомогою того ж кастомного чат-бота опис товару на основі щойно складеного аналізу.

У будь-якому випадку текст, написаний людиною або ШІ, буде на порядок цікавішим і переконливішим, ніж без FAB-аналізу. Банальний рерайт чужих матеріалів не міститиме унікальної торгової пропозиції, а із застосуванням ОПЦ-таблиць така пропозиція формується без проблем.

Чи може штучний інтелект повністю замінити людину при проведенні ХПВ-аналізу? На мій погляд, ні. ШІ здатний значно спростити та здешевити процес, скоротивши час на виконання завдання, але результати потребують ретельної перевірки. Це пов’язано з ризиком неправдивої інформації, яку періодично надає ШІ, і помилок в інтерпретації термінів, особливо під час перекладу з інших мов. Наприклад, ШІ може некоректно класифікувати продукт як «преміальний», якщо це не відповідає дійсності.

Зокрема, чат-боти роблять відносно поверхневий аналіз, а досвідчений фахівець здатний провести глибший аналіз і якісніше добрати первинну інформацію, хоча це вимагатиме значно більше часу. Наприклад, на підготовку ХПВ-аналізу продукту, описаного в цій статті, без урахування аналізу конкурентів пішло 3 години — тільки на генерацію і зіставлення даних. Для ручного створення аналогічного аналізу буде потрібно близько 3 робочих днів, при цьому результат буде більш деталізованим і точним. Водночас ШІ може створити таблицю з аналізом на основі декількох сторінок матеріалу за лічені хвилини, тоді як людині для цього потрібно кілька годин.

Для прикладу ми зробили зручну таблицю на цей же продукт зі статті, і ось що у нас вийшло:

Такий аналіз можна ще доповнити деякими даними з ШІ-аналізу, але навіть без цього доповнення видно різницю в обсягах наявного за підсумком матеріалу. Проте варто враховувати, що для цілого ряду клієнтів буде достатньо і ШІ-варіанту.

Результати проєкту з використання ШІ для аналізу продукту

Після багаторазового використання нашого чат-бота, ми переконалися, що вдалося досягти поставленої нами мети — прискорити процес створення таблиць ХПВ, не сильно втративши в якості. Основні висновки:

• Якщо раніше така робота для одного продукту могла займати від 2–3 днів, зараз процес радикально скоротився — глибокий аналіз готовий всього за 2,5–3 робочі години.
• Це дало змогу здешевити підготовку контенту, зробивши його масштабованим для лінійки продуктів.
• На основі таблиць FAB можна створювати описи, що продають, для сайту клієнта та Amazon за лічені години з урахуванням глибокого аналізу конкурентів.
• На базі чат-бота можна ефективно аналізувати продукти найрізноманітніших ніш — від косметики до обладнання.
• Таблиці ОПЦ від чат-бота можна використовувати для створення цілого ряду контенту для сайту або відділу продажів.

Таким чином, розумно докладені зусилля дали нам змогу успішно інтегрувати методику ХПВ-аналізу в диджитал-маркетинг і робити аналіз продукту в стислі терміни.

Наші висновки та рекомендації

Ми змогли переконатися, що методика ХПВ у продажах може бути застосована для диджитал-маркетингу, зокрема для SEO-описів товарів в інтернет-магазинах і на маркетплейсах. Чат-бот FAB-таблиць чудово справляється з рутинними завданнями, прискорюючи процес збору та аналізу даних у багато разів порівняно з ручним підходом, при цьому роблячи кінцевий результат більш структурованим і детальним.

Наші поради щодо використання чат-бота:

• Використовуйте комбінацію моделей GPT (4o і 5) для порівняння та об’єднання результатів, щоб отримати максимальну деталізацію.
• Завжди проводьте ручну, «людську» перевірку даних, особливо для перекладів і технічних термінів; консультуйтеся із фахівцями щодо продукту, якщо є така можливість — це значно покращує контент і додає точності.
• Якщо продукт нішевий, завантажуйте максимум додаткових даних (консультації експертів, особистий досвід використання продукту тощо) для підвищення точності.
• Використовуйте для аналізу конкурентні продукти з іноземних ринків, оскільки їхні описи часто виграють у порівнянні з українськими аналогами. А чат-бот легко збере інформацію в одне ціле та перекладе на потрібну вам мову.
• Інтегруйте FAB-аналіз у повсякденні процеси: для SEO, контент-маркетингу, навчання продавців і створення візуалів (інфографіка, презентації).

Таким чином, незалежно від того, для якої авдиторії потрібна інформація про товар, ОПЦ-таблиці подають її в найбільш зручному форматі для сприйняття і подальшого оброблення. З ними не тільки описи товарів, а й інші матеріали стануть кориснішими та зрозумілішими. І якщо вже інтернет заполонив штучний інтелект, то чому б його не використовувати для створення якісного корисного контенту і виведення диджитал-маркетингу на новий рівень.

Зображення у статті у великому розширенні