Вайбкодим кастомный SPY-сервис под Google Ads (Demand Gen)
Views: 3042 · Replies: 0
Jun 5, 2026, 09:21 PM#1
Пост из канала Backend Арбитража Нажмите, чтобы раскрыть...
Всем Вьетнам! Запускаем новую рубрику на канале #ИнсайдыВайбкодера
Вижу много кто сейчас рассказывает про ИИ в медиабаинге, вайбкодинг и создание своих продуктов. Я делал для себя простенькие скрипты, но решил: если уж делать, то сразу что-то большое и серьезное.
А именно - свой spy-сервис под Google Ads (Demand Gen и другие плейсменты).
версия спая спустя 1 неделю вайбкодинга
Почему именно Google?
Там нет нормальной Ads Library, как в FB. Нельзя просто вбить ключ и спарсить всю выдачу. В Transparency Center нужно пробивать конкретные домены или бренды, и инфы там крайне мало. Текущие решения на рынке (типа Profitlab, или fb5) стоят дорого, а выдачи мало. Моя цель - сделать продукт с вменяемым ценником, крутым функционалом из коробки (в связке с ИИ) и поставить его на монетизацию.
Сразу скажу главное: вайбкодинг - это не "пописал промпты пару часов в консоли и готово". Если бы все было так просто, медиабаинг бы уже умер. Без крутой базы данных и понимания внутрянки ИИ вам ничего не напишет.
Как я выстраиваю архитектуру:
1. Логика парсинга. Понимая, как работают спаи в ФБ, я продумал пути для Гугла. Либо парсинг Transparency Center по доменам и прокладкам партнерок. Либо / и своя ферма аккаунтов под десятки гео и вертикалей, которая нагуливает куки по интересам, собирает рекламу и отдает в UI.
2. Минимальный бюджет. Мне интересно собрать это супер дешево или почти без денег. Юзаю бесплатные веб-версии нейронок с большим окном контекста (тот же Claude 4.6 Sonnet отлично справляется), просто пересоздаю аккаунты.
3. База знаний в Obsidian. Это мозг проекта, такая паутинка, которая объединяет все элементы софта. Я закинул в ИИ максимальный контекст и попросил разбить архитектуру на файлы: семантический поиск по крео, беклог, автоматизация, API.
Главное правило вайбкодинга: каждый час, потраченный на прописывание базы знаний, экономит неделю дебаггинга и исправления ошибок в коде. Нейронке нужен идеальный контекст. Плюс, собирая базу, ты сам детально разбираешься в продукте, тестируешь гипотезы и понимаешь, потянет ли твой MacBook Pro все эти вычисления, парсинг, графические ИИ и антидетекты.
Это не проект на один вечер. Это системная работа на долгие месяцы.
Этим постом я открываю серию отчетов о разработке. Буду делиться всем: что получается, где факапы, как обходить лимиты. Даже если в итоге ничего не выйдет, опыт плотной работы с ИИ - это топ. Ни один гайд не даст вам того, что дает реальная практика (а я принципиально не смотрел ни одного туториала).
Следите за апдейтами, посмотрим, куда меня заведет этот эксперимент)
Сомневаешься в своих лендах и креативах? Vietami — первый AI-мультитул для твоего баинга.
Подпишись, мы рассказываем про техничку в арбитраже: Backend Арбитража
Log in to reply



