Наш клиент — международное PR-агентство. Команда работает с крупными клиентами и регулярно отчитывается по KPI. Одним из ключевых показателей является суммарный медийный охват. Клиенты агентства запрашивают точные данные об охвате PR-кампаний для объективной оценки возврата инвестиций.

Однако стандартные инструменты медиамониторинга отслеживают не все публикации. Часто теряются репосты, переработанные материалы, региональные версии статей и публикации на агрегаторах новостей.

Для агентства это создавало две основные проблемы. Во-первых, в отчетах фиксировалась заниженная результативность в отчётах перед клиентами. Во-вторых, необходимость докупать размещения, чтобы формально выйти на KPI, который в реальности уже был достигнут, но не был виден в отчётности. Требовалась система, которая покажет реальную картину с учётом всех «хвостов» в медиаполе.

Мы предложили агентству отказаться от поверхностного поиска точных совпадений и перейти к смысловому анализу медиа. Для этого разработали AI-систему, которая находит и интерпретирует все формы републикации контента: от дословных копий до рерайтов и материалов с адаптированными заголовками.

Решение строится на нескольких ключевых модулях:

• Для поиска используются сразу несколько поисковых систем (Google, Bing, Yahoo, DuckDuckGo), а также парсеры новостных агрегаторов. Это позволяет охватить разные сегменты медиа — от крупных площадок до нишевых региональных источников.

• Вместо поиска по ключевым словам применяется семантический анализ. Система работает на базе NLP-моделей, которые распознают смысловую близость текстов. Даже если материал опубликован в другом формате, с новым заголовком или частичным сокращением, система фиксирует его как релевантную републикацию.

• Модели настраиваются под конкретную кампанию с учётом ключевых сообщений, тематики, брендовых особенностей и требований клиента.

Итоговая картина — это не просто список упоминаний, а целостная визуализация медиаприсутствия: опубликовано материалов, на каких площадках они вышли, как распространялась информация и какие фрагменты получили наибольшее количество цитирований.

Реализация

Работу начали с анализа типичных кейсов: изучили, как выглядят публикации, как они распространяются и какие изменения в них встречаются чаще всего. На основе этого подготовили стандартные шаблоны — заголовки, ключевые сообщения, цитаты и смысловые блоки для отслеживания.

Затем загрузили в систему исходные материалы кампании: пресс-релизы, статьи, цитаты спикеров. Это послужило отправной точкой для дальнейшего поиска. После этого мы настроили семантическое ядро. С помощью языковых моделей создали смысловое представление каждого материала. Это позволяет системе находить даже сильно изменённые версии публикаций, включая переводы, адаптации и сокращённые варианты. Контент из источников парсится и сравнивается с исходными шаблонами по смыслу, а не по набору слов. Все найденные публикации собираются в общей базе с аннотациями и данными о достигнутом охвате.

Система работает как ассистент: автоматически предлагает найденные републикации, связывает их с оригиналом, рассчитывает охват и формирует итоговый отчёт. Её не нужно настраивать заново для каждой кампании: достаточно обновить исходные материалы, чтобы адаптировать базовую логику под новые задачи.

Задача агентства заключалась в том, чтобы зафиксировать реальный охват PR-кампаний, учитывая все формы публикаций, репосты и рерайты. Мы внедрили решение, которое позволяет регулярно собирать и анализировать эти данные с высокой точностью.

Система закрывает разрыв между фактическими результатами и данными, отражёнными в отчётах. Это снижает необходимость дополнительных размещений, сокращает время на подготовку отчётности и повышает прозрачность работы перед клиентами.

Если в вашей работе важна точность учёта публикаций и вы сталкиваетесь с неполными или недостоверными цифрами, мы готовы показать, как автоматизировать этот процесс и повысить качество результатов, напишите на почту sergey.ershov@haiku.dev или в телеграм @Ershovsa.