Текст книги "Контент: топовые техники SEO-продвижения"

Низкочастотные запросы

Низкочастотные запросы – это непопулярные запросы, которые вбиваются в поиск не так часто, однако эти запросы представляют собой особую ценность. Всё дело в том, что при низкочастотном запросе пользователь ясно дает понять, чего он хочет. Такой пользователь и сам хорошо знает, что ему необходимо, и находит в результатах поиска наиболее желанное решение своей проблемы.

Вот пример подобного запроса:

Пользователю лишь остается перейти на наиболее понравившийся сайт и оставить заявку на ремонт. Он знает точно, что сайты, которые находятся в топ-10 по данному запросу, решают его проблему. К низкочастотным запросам условно относятся запросы с частотой от 10 до 100 показов в месяц.

Один из нюансов низкочастотных запросов заключается в том, что, несмотря на свою незначительную популярность, многие из подобных запросов могут оказаться высококонкурентными. Это вызвано переполнением ниш, высокой конкурентностью в тематике в целом и тем, что подобные запросы хорошо конвертируют пользователя, а следовательно, представляют повышенный интерес со стороны интернет-маркетологов. Поэтому вывести низкочастотный запрос в топ-10 бывает не так-то просто.

Longtail, или ультранизкочастотные запросы

Ультранизкочастотные запросы – это поисковые запросы, которые уточняют потребности пользователя вплоть до мельчайших деталей. Такие запросы зачастую не появляются в сервисах аналитики, так как подобный запрос может быть использован всего один раз за всю историю поиска. В зарубежном SEO их называют Longtail запросы, то есть запросы «с длинным хвостом», или, как я шутливо их называю, «длиннохвостые» запросы.

Подобные запросы имеют особую ценность, так как все они являются высококонверсионными. Пользователь почти наверняка задает необходимые параметры поиска, уже точно знает, чего хочет, и готов к совершению целевого действия. Исследования поведенческих факторов, которые я проводил, показали, что в 84 % случаев пользователь проходит определенный путь от высокочастотного до ультранизкочастотного запроса. Разочаровавшись в первичных результатах поиска, пользователь начинает уточнять свой запрос до тех пор, пока он не становится ультранизкочастотным.

Сбор списка запросов

Для сбора семантического ядра удобнее всего использовать таблицу Excel. В дальнейшем вы не раз будете обращаться к ней, поэтому желательно сразу позаботиться о внешнем виде. Также необходимо быть готовым к тому, что данная таблица может понадобиться другим специалистам, которые будут работать с вашим проектом.

Создайте следующие поля:

Поисковый запрос – сюда будут помещаться все поисковые запросы, которые вы соберете на протяжении подготовки ядра.

Частота – иными словами частотность можно назвать популярностью запроса. Параметр частоты запросов показывает, насколько часто данная фраза запрашивалась в поисковой системе.

Кластер – можно дать другое название: «группа». Это поле будет отвечать за общую тематическую принадлежность, и это поможет быстро ориентироваться по необходимым вам областям ядра. Разбиение запросов на группы и подгруппы называется кластеризацией.

URL – удобно сразу добавить адрес страницы вашего сайта, на которую будет вести конкретный кластер запросов. В дальнейшем вы сможете быстро ориентироваться в релевантности вашего сайта и знать, какие страницы отвечают за вывод информации по тем или иным запросам.

В большинстве случаев этих четырех колонок достаточно для первичного сбора ядра. Однако в ряде случаев вам может понадобиться большее количество переменных, но это уже дело личных предпочтений и преследуемых целей.

Wordstat

Сервис Яндекса Wordstat, на мой взгляд, является одним из наиболее ценных и сильных для сбора семантического ядра. Этот сервис – базовый для всех специалистов, независимо от уровня экспертности. Я сам использую данный сервис достаточно часто. Функционал сервиса очень простой и не требует специальных инструкций. Единственное, что стоит учесть, это необходимость настройки региона выдачи.

https://wordstat.yandex.ru

Serpstat

https://serpstat.com является прекрасным инструментом по конкурентному анализу и в значительной степени направлен на работу с семантикой сайта. Проект имеет высокий уровень функциональности, позволяет подобрать выгодные и интересные с точки зрения бизнеса запросы.

Недостатки сервиса – задержки в обновлении базы данных, а также погрешности в параметрах видимости проекта. Однако погрешности в определении параметров видимости и присутствия сайта в выдаче присущи всем средствам аналитики. На сегодняшний день, к сожалению, нет инструмента, который мог бы на все 100 % давать точную информацию. Тарифные планы serpstat являются наиболее доступными для жителей РФ. Начальный тариф – 5037 руб./мес.

Semrush

https://ru.semrush.com/ – сервис аналитики, который был создан в Бостоне в 2008 году нашими соотечественниками Олегом Щеголевым и Дмитрием Мельниковым. В последнее время инструмент значительно расширил свои возможности, за счет чего в 2019 году смог увеличить базу пользователей на 45 %, по данным Forbes.

Инструментарий сервиса позволяет собирать данные об игроках выдачи по поисковой фразе, а также дает варианты схожих поисковых фраз.

По функциональности сервис Semrush во многом схож с Serpstat. Тарифный план начинается от 7300 руб./мес.

Букварикс

https://www.bukvarix.com – один из наиболее доступных сервисов, который позволяет получить значительное количество данных бесплатно.

Данный инструмент удобно использовать на первых стадиях сбора семантического ядра, а также при возникновении каких-либо спорных моментов с определением релевантности посадочной страницы.

Значительное количество данных предоставляется бесплатно. При необходимости можно оплатить тарифный план, стоимость которого составляет 695 руб., что значительно ниже рыночной цены других сервисов по сбору семантических данных.

Ubersuggest

https://neilpatel.com/ubersuggest/ является инструментом по сбору семантических данных от SEO-эксперта Нила Пателя.

Инструмент имеет полезную функцию предложения идей по семантике:

Там же можно изучить выдачу по запросам:

Тарифные планы данного инструмента также вполне доступны широким массам специалистов. Стартовый тариф начинается с 899 руб. в месяц.

Что важно в рамках материалов данной книги – сервис имеет инструмент по анализу контента ключевой фразы. Таким образом, мы можем видеть, какие материалы представили конкуренты выдачи, и это можно использовать для генерации идей:

Keyso.so

https://www.keys.so/ru/ позволяет собирать большое количество статистических данных о том или ином поисковом запросе. Инструмент имеет богатый выбор функций.

Just-Magic

https://just-magic.org/ – еще один сервис по работе с семантикой. Данный сервис можно использовать при возникновении вопроса кластеризации объемного семантического ядра. Большая часть функций доступна только по платной подписке.

Яндекс. Веб-мастер

Сервис https://webmaster.yandex.ru имеет полезный и полностью бесплатный функционал, который способен подобрать список рекомендуемых поисковых запросов конкретно для вашего проекта. Для этого необходимо зайти в панель для веб-мастеров Яндекса, перейти во вкладку «Поисковые запросы», а после этого выбрать раздел «Рекомендованные запросы». Затем необходимо нажать на кнопку «Получить рекомендованные запросы». После нажатия на клавишу вы увидите уведомление:

Обычно получение данных занимает несколько дней. Через некоторое время содержимое страницы обновится, и вы сможете посмотреть список рекомендуемых запросов:

Обычно Яндекс собирает их с высокой точностью, но для новых сайтов список подобных запросов может быть очень маленьким, так как поисковая система не очень хорошо определяет общую релевантность проекта. Это также может служить сигналом о том, что вам еще необходимо работать над целевыми материалами и оптимизацией посадочных страниц, чтобы поисковая система наконец смогла понимать тематику вашего сайта и предлагала бы вам список эффективных поисковых запросов.

Использование данного сервиса является просто обязательным, поскольку это означает взаимодействие с поисковой системой и получение от нее ценных данных, и обе составляющие подобной коммуникации очень важны для продвижения проекта.

Большая часть инструментов ускоряет процесс сбора данных или позволяет больше узнать о конкурентах. Однако в большинстве случаев можно ограничиться использованием сервиса Wordstat и панелью для веб-мастеров Яндекса. Поэтому не стоит ожидать чего-то сверхъестественного от использования различных инструментов, все они направлены лишь на упрощение работы, которую должны главным образом осуществить вы сами.

Тем не менее использование сервисов может быть полезным для оценки данных о конкурентах и расширения ядра в тех случаях, когда ваши собственные идеи и понимание заходят в тупик, а также при сборе поисковых подсказок, которые играют важную роль, но могут быть упущены из виду при ручном сборе данных.

Сбор поисковых подсказок

Когда пользователь ищет какую-либо информацию, он получает список так называемых поисковых подсказок. Поисковая система показывает пользователю возможные варианты схожих поисковых запросов, которые ищут в рамках заданного первоначального запроса:

Продвижение по запросам из списка поисковых подсказок может принести свои плоды. Собирать список подсказок возможно как вручную, вбивая каждый запрос и выбирая лучшие из предоставленных вариантов, так и с помощью сервисов по работе с семантическим ядром. Многие из вышеперечисленных сервисов могут собирать поисковые запросы, чтобы вы применяли их в качестве решения данной задачи.

Дополнительно можно использовать сервис https://arsenkin.ru/tools/suggest/, который позволяет собирать поисковые подсказки. Также отлично подойдет https://keywordtool.io/ru.

Данный инструмент позволяет собрать поисковые подсказки в таких сервисах, как Google, YouTube, Instagram, Bing, Amazon, Play Store, Twitter, но не работает с Yandex.

Стоимость тарифного плана составляет 5000 руб./мес.

LSI-фразы

LSI (от англ.: latent semantic indexing) – дословно переводится как «индексация неявной семантики». Под неявной семантикой подразумеваются фразы, которые по своему смыслу могут прямо или косвенно относиться к определенной тематике или ключевому слову. Поисковые системы очень длительное время стремились к тому, чтобы повысить качество поиска благодаря определению подобных скрытых смыслов. Им удалось добиться данного результата, когда в силу вступили продвинутые технологии нейросетей.

На заре своей деятельности поисковые системы могли определять наличие ключевых слов в тексте, но им было достаточно тяжело определить, действительно ли текст релевантен заданной тематике. Данная задача особенно усложнялась ввиду того, что в поиск попадают десятки, а то и сотни тысяч документов разных сайтов, которые предлагают материалы по схожей тематике. Какие из них предоставляют более полезную и достоверную информацию? Подобные вопросы для поисковых систем остаются актуальными и сегодня, но в нынешнее время они уже научились в значительной степени понимать содержание текста и уровень его читабельности.

Как мы уже упоминали в примере, когда речь заходит об апельсинах, то, скорее всего, в содержании контента будут присутствовать такие фразы, как «круглый», «оранжевый», «кисло-сладкий», «цитрусовый», и совершенно маловероятно, что в этом тексте могут присутствовать такие слова, как «квадратный», «соленый», «фиолетовый», «передвижной» и т. д. Конечно же, апельсин может быть «заводным», но поисковая система со 100-процентной точностью понимает, что речь в данном случае идет не о фрукте, а о фильме:

Всё это дополняет информацию по заданной теме и позволяет поисковикам достоверно определять, о чем контент страницы и насколько он информативен. А фразы по тематике обычно называют LSI-фразами.

Одним из инструментов определения LSI-фраз является https://arsenkin.ru/tools/sp/. Для того чтобы получить фразы, которые чаще всего используются в контексте основных ключей, вам необходимо ввести целевые поисковые фразы в панель инструмента.

После этого, нажав на «найти мне подсветки», вы получите список возможных LSI-фраз. Сервис требует регистрации, но есть возможность бесплатного использования определенного числа лимитов. Как видно из примера на картинке, со словом «пилинг» чаще всего используют слово «скраб».

Также получить список LSI-фраз можно при помощи инструмента https://www.textanalyzer.ru. Принцип работы с инструментом аналогичный.

Более мощный инструмент предлагает Megaindex: https://ru.megaindex.com/a/textanalysis

Этот инструмент позволяет собирать еще больше полезной информации по списку запросов:

Вдобавок можно использовать инструмент https://tools.pixelplus.ru/tools/copywriters, который также дает возможность быстро собрать список LSI-фраз.

Как можно догадаться, это только упрощает сбор LSI-фраз, но не делает всю работу за вас. Поэтому при сборе LSI-фраз желательно делать ручной анализ. Посмотрите на наиболее часто встречающиеся и логичные словосочетания, которые наблюдаются в рамках одного материала.

Конечно же, сбор LSI-фраз значительно усложняет общий процесс работы с семантикой и контентом, но это того стоит. Например, в случаях, когда контент готовится внештатными специалистами, и в ТЗ по разработке контента вы уже добавили слова, которые задают тематику, авторам будет проще придерживаться нужной темы и заданной релевантности. Это выступает своего рода подстраховкой в тех случаях, когда возможно написание низкорелевантного текста. И, конечно же, это значительно упрощает работу авторам.

Семантическая кластеризация: основные алгоритмы

Попытаемся подробнее углубиться в теорию кластеризации семантических запросов. При решении подобных задач знание теории как никогда оказывает решающее влияние на успешность составления эффективной карты релевантности и работы с семантическим ядром.

Фундаментальные принципы кластеризации

В 90 % случаев мой практический опыт выглядит следующим образом. При работе с новым проектом мне сообщают о наличии готового семантического ядра.

Мое правило: не отклонять работы предыдущих специалистов – напротив, постараться усовершенствовать существующие наработки по проекту.

Первое знакомство с ядром приводит к двум выводам: ядро слишком обширное, имеет много нецелевых запросов, не имеет практической ценности. Это касается случаев, когда ядро заказывается отдельно от SEO-работ и никак не связано с реальным продвижением проекта.

И второй наиболее частый вывод: ядро сумбурно, не имеет кластеризации (чаще всего это просто голая сборка с Key Collector).

Каковы же фундаментальные принципы кластеризации ядра? Как должно выглядеть конечное семантическое ядро (по сути, карта релевантности)?

Дифференциация типов запросов

Данный принцип стоит на первом месте, так как уже при сборке списка запросов необходимо разделять коммерческие и информационные запросы в разные ядра.

Все дальнейшие подходы в работе с этими двумя типами запросов будут существенно отличаться. Смешивание запросов приводит к полной неразберихе и невозможности построить правильный контент-план.

Мой совет: никогда не смешивайте информационные и коммерческие запросы в один файл – даже в разных вкладках!

Особое внимание уделяйте интенту запроса. Что в действительности хотел пользователь? В какой информации он нуждается в конечном счете?

Первое решение: понимание смысла запроса. Какое решение необходимо пользователю? Будет ли его конечным действием покупка? В случае с запросом «как выбрать китайский пуэр» пользователь ищет информационное содержание, советы. В запросе «где купить китайский пуэр» выражена необходимость приобрести пуэр. Во втором случае система могла бы предложить справочную информацию, но здесь мы обращаемся к политике поисковых систем, которые стремятся сокращать количество действий пользователя в сети и максимально упрощать задачу.

Пример: запросы «где купить китайский пуэр» или «как выбрать китайский пуэр» отличаются друг от друга по типу. Оба запроса имеют вопросительные «где» и «как», однако один из них является коммерческим, а другой информационным. Вот несколько способов точного определения интента запроса.

Второе, более простое, но немного длительное решение: посмотреть на результаты поисковой выдачи по данным запросам. Наличие в выдаче коммерческих посадочных страниц будет показателем того, что запрос является «коммерческим». Данное решение плохо подходит для ядер с 500+ запросов.

Принцип целевого разделения

Во время кластеризации необходимо разделить запросы с разными целями пользователей и, соответственно, объединить в одну группу запросы с идентичной целью. Для примера запросы «купить туфли Louboutin» и «купить туфли Louboutin на низком каблуке» имеют одну глобальную цель – купить туфли, но всё же будут расположены в разных кластерах, так как более частная цель отличается.

Принцип предметного разделения

Данный принцип гласит, что группы запросов должны разделяться по предметному указателю.

Представим, что в качестве исходника мы имеем следующие запросы:

Фильтры Cadillac

Фильтр воздушный Cadillac

Фильтр масляный Cadillac

Фильтр салона Cadillac

Каждый из этих запросов будет представлять свою уникальную большую группу с целым пулом подгрупп низкочастотников по моделям, брендам и производителям.

Принцип группировки по топу

Данный алгоритм является самым распространенным и популярным, так как большая часть автоматизированных систем функционирует на его основе. Принцип простой: проверяется наличие выдачи топ-10 по запросу и на основе собранных данных формируется итоговое заключение по семантическому соответствию двух и более запросов.

Для ручного использования данный метод может быть сложным, но хорошо подходит в случаях, когда машина не способна сопоставить запросы.

Кластеризация по словоформам

Еще один популярный автоматизированный алгоритм. Проверка по корню слова. Если используется один и тот же корень, то, вероятнее всего, запрос будет принадлежать к единой группе. На практике это не всегда работает хорошо. Примером могут послужить запросы «купить туфли Louboutin» и «купить туфли Louboutin на низком каблуке », которые имеют единый корень.

На этот случай разработчики специализированного ПО используют алгоритм степени разделения запросов. Как правило, применяется следующая терминология: light, medium, hard. Вариант hard подразумевает наиболее жесткую сепарацию запросов (что полезно в случаях с вышеуказанным примером).

Кластеризация по вопросительной форме

Очень удобный метод – наличие вопроса в запросе. Можно выделять такие группы запросов в отдельные кластеры для подготовки страниц с решением проблемы пользователя. Особое внимание нужно уделить точной дифференциации коммерческих и информационных запросов. Как правило, запросы подобного типа легко отсеиваются путем сортировки данных в Excel по наличию слов:

– что

– кто

– как

– это

– почему

– зачем

Кластеризация по коммерческому признаку

Наличие слов «купить», «заказать», «цена» является очень быстрым методом кластеризации. Данный метод был популярен в 2008–2012 годах, когда еще не придавалось столь большого значения релевантному соответствию каждой посадочной странице и ультранизкочастотным запросам.

На сегодня этот метод предваряет основную кластеризацию или является вариантом очень быстрого и грубого решения в тех случаях, когда это допустимо.

Коммерческое сопоставление

Бывают редкие случаи, когда у владельца бизнеса уже имеется готовая таблица с распределением товаров по категориям. Несколько чисток и проверок данных позволяют превратить имеющуюся таблицу в семантическое ядро, а затем модернизировать в полноценную карту релевантности.

На практике такое случается редко, и чаще всего даже сам владелец бизнеса некорректно группирует товарные категории.

Тезаурус

Одним из самых эффективных и в то же время неудобных для кластеризации методов является проверка по тезаурусу. В некоторых сферах деятельности это очень помогает, в других не является столь эффективным. Все зависит от ранее созданных словарей тезауруса.

Если тематика имеет подобные источники, я всегда использую их. Сложность, как правило, заключается в поиске самих словарей.

Частые проблемы кластеризации

Незнание основных алгоритмов группировки запросов приводит к неумению их правильного применения даже в случае качественной оптимизации. Чаще всего любой автоматический сервис кластеризации оставляет от 300 до 5000 запросов без категории.

Подобные случаи требуют ручной работы. Определить признаки семантического соответствия без знания общих групп будет очень тяжело и долго. Нередко такие ситуации приводят к нарушению релевантного соответствия на посадочной странице.

Подобные ситуации возникают чаще всего. Поскольку автоматические сервисы кластеризации далеки от идеала, они не могут определить групповое соответствие каждой фразы. Другой распространенной проблемой с кластеризацией является слишком малое количество ключевых слов по одной теме. В этом случае вам нужно постараться дополнительно собрать запросы для вероятной посадочной страницы.

Конечно же, на практике без ручной работы просто не обойтись, поскольку, помимо всего прочего, инструменты кластеризации иногда ошибаются. Это связано с алгоритмом определения релевантного соответствия через топ в поисковой выдаче, который может создать определенную путаницу в их работе.