Автоматизировать подготовку ежемесячных отчетов и создать единое окно для коммуникации с клиентами. Раньше данные собирались из разрозненных источников — Яндекс Метрика, файлы с планом/фактом, графики в Excel. На подготовку уходили часы ручной работы SEO-специалистов, а клиент видел только финальную картинку.
Мы не стали автоматизировать Excel, а разработали клиентский сервис с личным кабинетом. Данные собираются автоматически, SEO-специалисты только проверяют цифры, добавляют комментарии и публикуют отчет.

Отчет собирается как конструктор из блоков: сводка KPI, график посещаемости (поисковый трафик), динамика по дням, источники переходов, топ страниц, география и типы устройств, запросы и конверсия. Отдельный раздел — работы: что сделано, ежемесячные работы по проекту, план на следующий месяц и рекомендации. Завершают отчет позиции сайта. Блоки можно скрывать и менять местами.
Личный кабинет — это первый шаг к полноценному клиентскому сервису. В планах — вести через него всю коммуникацию: запрашивать акты сверки, обмениваться документами и закрывающими, чтобы клиент решал все вопросы в одном окне, а не в переписке по почте.

Работали поэтапно по Agile: начали с малого и постепенно дорабатывали функционал.
Шаг 1. Требования и MVP. Языковая модель помогла структурировать пожелания команды, выявить скрытые потребности и сформировать ТЗ. Алгоритм выделил ключевые сценарии и предложил приоритизацию функций. Уже через несколько дней был готов MVP: личный кабинет с данными из Метрики и планом/фактом.
Шаг 2. Вайб-кодинг. Весь код генерировали с помощью нейросетей. Это ускорило создание прототипа интерфейса, интеграцию с API Яндекс Метрики и адаптивный дизайн таблиц и диаграмм. Нейросеть также подсказывала, как организовать хранение данных, чтобы не путать клиентов.
Шаг 3. Безопасность и ролевая модель. В сервисе одновременно работают несколько клиентов, поэтому утечка данных была недопустима. Реализовали строгую ролевую модель (каждый клиент видит только свой кабинет), разграничение прав на уровне базы данных и логирование всех операций. Нейросеть помогла провести аудит кода, выявила потенциальные точки утечки и дала рекомендации по их устранению.
Шаг 4. Тестирование. ИИ-ассистент генерировал тест-кейсы, проверял граничные значения и помогал ловить баги на ранних стадиях, включая сценарии для ролевой модели и интеграций.

Благодаря нейросетям на каждом этапе создали полноценный сервис Forumedia Reports:

В этом кейсе мы выступили как разработчик собственного продукта с использованием нейросетей: прорабатываем требования с помощью алгоритмов, создаем MVP методом вайб-кодинга, обеспечиваем безопасность через аудит с нейросетями, тестируем с помощью ИИ-инструментов и итеративно дорабатываем дизайн и функционал по Agile.
Хотите такой же сервис для своего бизнеса с использованием нейросетей? Оставьте заявку — мы проанализируем ваши процессы и предложим решение, которое снимет рутину с сотрудников и даст клиентам прозрачный сервис.