Я не успеваю. Каждый раз, когда я, наконец, осваиваю какую-то технологию, появляется что-то новое — ещё быстрее, ещё умнее, ещё непонятнее.
Раньше всё было проще. Хочешь написать текст — садишься, думаешь, подбираешь слова. Сейчас же достаточно бросить пару фраз в нейросеть, и вот уже готовый материал — гладкий, бездушный, идеальный. И я не могу не думать: а зачем тогда я?
Я пробовала подстраиваться. Заставляла себя учить эти сервисы, вникать в тонкости запросов, разбираться, как «дрессировать» ИИ под свои нужды...
И все же сложно игнорировать тот факт, что мир вокруг меняется, и мне все чаще приходится подстраиваться под эти перемены. В этот раз я буду перебарывать себя, чтобы сделать проект с использованием искусственного интеллекта.
ИСПОЛЬЗОВАНИЕ ИИ В ПРОДВИЖЕНИИ
Мой проект сочетает два ключевых элемента: кинематограф и символизм воды. Прямых аналогов мало, но есть смежные форматы:
🔹 Киноаналитика с упором на визуальные символы Каналы: Like Stories of Old (YouTube), The Take (YouTube), Кинопоиск: Разборы
Что делают: Разбирают режиссёрские приёмы, цветовую символику, но редко фокусируются на воде.
Примеры роликов:
«Как цвет влияет на восприятие фильма»
«Символика зеркал в кино»
Где мой проект выигрывает: У них нет специализации на воде — я можете занять эту нишу.
🔹 Философские разборы кино Авторы: Михаил Куртов («Философия кино»), CinemaTyler (YouTube)
Что делают: Анализируют фильмы через призму философии (Камю, Делёз, Юнг).
Примеры тем:
«Экзистенциализм в „Бегущем по лезвию“»
«Шизоанализ „Матрицы“»
Где мой проект выигрывает: Они говорят об абстрактных концептах, а я — о конкретном символе (вода), что понятнее широкой аудитории.
Потенциальная аудитория Мой контент могут интересовать три группы:
Киноманы – те, кто любит разборы фильмов.
Интеллектуальная молодёжь – интересуется философией, символизмом, искусством.
Эстеты и креаторы – дизайнеры, художники, режиссёры, ищущие вдохновение.
Контент публиковался на трех площадках: VC, DTF и Pikabu. Текстовые материалы создавались с помощью ИИ-инструмента DeepSpace, что позволило оперативно производить качественный контент, соответствующий SEO-критериям и адаптированный под особенности каждой платформы.
Несмотря на то, что большая часть текста для статьи сгенерирована нейросетью, мне все равно пришлось обрабатывать ее в качестве редактора, так как многие моменты были упущены или проигнорированы ИИ, возможно, из-за неясного промпта или малого количество информации в сети для обучения DeepSeek.
Первоначальной задачей было задействовать Deepseek для анализа проектных материалов и проведения интервью с целью выявления основных тезисов и значимых особенностей, требующих особого внимания при подготовке статей.
Проанализировав ключевые слова и трендовые направления, я сформулировала промпт: «Создай статью от первого лица, раскрывающую символику воды в художественных фильмах и мультфильмах. Важно включить заголовки, подзаголовки и SEO-оптимизированные фразы»
После публикации статьи, сгенерированной искусственным интеллектом, на Pikabu, я дополнительно выложила этот контент на два других значимых ресурса: деловую платформу VC.ru и игровое сообщество DTF.
Чтобы наглядно показать зрителям, как вода используется как художественный символ в мультфильмах и кино, я подготовила сценарии для вертикальных видео — под формат YouTube Shorts и VK Clips. Готовые ролики были сгенерированы с помощью нейросети Veo2, и результат превзошел ожидания: ИИ точно передал задумку, сохранив визуальную выразительность.
АНАЛИТИКА ПРОДВИЖЕНИЯ. ДАШБОРД
Исходя из представленных данных, можно сделать вывод, что текстовые публикации показывают более высокие показатели вовлечённости по сравнению с другими форматами. Что касается видеоконтента (YouTube Shorts, VK Clips), то здесь ситуация печальная: за несколько часов ролики набрали меньше 10 просмотров, из-за чего вовлеченность остается на 0%.
Статья на VC.ru
Охват: 7 Вовлечённость: 14.28% Анализ: высокий процент вовлеченности (14.28% при среднем 6.87% по всем площадкам) свидетельствует о хорошем соответствии контента целевой аудитории VC.RU. Крайне низкий охват (7 человек) объясняется низкой активностью меня как автора на платформе.
Статья на DTF
Охват: 10 Вовлечённость: 20% Анализ: низкий абсолютный охват (10 просмотров) свидетельствует о недостатке виральности: нет репостов/шэринга. Также причина низкого количества просмотров может заключаться в "непопулярности времени" (оптимум: 19:00-23:00). Однако пост имеет большой потенциал за счет соответствия темы платформе и структурности материала (деления на логичные блоки).
Статья на Pikabu
Охват: 3100 Вовлечённость: 0,06% Анализ: статья на Pikabu демонстрирует парадокс — алгоритмический успех (охват) при провале в человеческом взаимодействии. Платформа требует радикального переосмысления подачи контента с акцентом на интерактивность и развлекательную составляющую.
