Как увеличить продажи интернет-магазина, изменив названия товаров

Руководители интернет-магазинов могли заметить, что в Google Ads значительное количество продаж приносят «умные» торговые кампании. Но как масштабировать результат в кампаниях, где автоматически назначаются ставки, выбираются места размещения и создаются объявления?

Что делать, если кажется, что умные торговые кампании достигли предела? Расскажем об одной из точек роста — оптимизации атрибута Title в фиде.

Для начала — наши результаты по одной из кампаний. Show, don’t tell:

Рост умных торговых кампаний за 4 месяца в 6 раз по количеству транзакций и дохода
Рост умных торговых кампаний за 4 месяца в 6 раз по количеству транзакций и дохода

1. Определяем принципы написания атрибута Title

В классических поисковых кампаниях 2 базовых элемента:

  • ключевые слова — это таргетинг, т.е. КОМУ показывать рекламу;
  • объявления — это оффер, т.е. ЧТО показать пользователю.

В торговых кампаниях на оба вопроса отвечает атрибут Title — название товара в фиде. Это обязательный и самый важный атрибут фида Google Merchant. Он одновременно выполняет функцию таргетинга и объявления, например: Title «Кровать двуспальная детская 160х200 черная с ушами Микки Маус (Mickey Mouse) мягкая с обивкой из ткани и на ножках для детской комнаты» обеспечивает показ объявления с заголовком «Кровать двуспальная детская 160х200 черная с ушами» по запросу «кровать с ушами».

На скрине пример рекламной выдачи в Google Покупках по запросу «кровать с ушами» 
На скрине пример рекламной выдачи в Google Покупках по запросу «кровать с ушами» 

Таргетинг

Чтобы рекламу увидели те пользователи, которым нужен ваш товар, Title должен содержать ключевые слова, по которым пользователи его ищут. Чаще всего в фидах атрибут Title такой же, как название товара на сайте.

Пример названия в карточке товара:

Как увеличить продажи интернет-магазина, изменив названия товаров

Чтобы понять, будет ли такой Title эффективен в рекламе, разберем название товара на составные части — ключевые слова.

Тип товара: Кровать

Количество спальных мест: двуспальная

Размер спального места:180х200 см

Цвет:жемчужный аквамарин

Название:Mora

Теперь введем фразы из названия в Wordstat, чтобы оценить частотность.

«Кровать двуспальная» — 222 543 показа в месяц:

Как увеличить продажи интернет-магазина, изменив названия товаров

«Кровать 180х200» — 13 227 показов в месяц:

Как увеличить продажи интернет-магазина, изменив названия товаров

«Кровать аквамарин» — 83 показа в месяц:

Как увеличить продажи интернет-магазина, изменив названия товаров

«Кровать Mora» — 17 показов в месяц:

Как увеличить продажи интернет-магазина, изменив названия товаров

На этом и других примерах мы позже убедимся, что реже всего пользователи ищут кровать по названию (например, Mora).

А что насчет цвета кровати? Сейчас использовано название цвета от производителя — жемчужный аквамарин. Частотность фразы «кровать аквамарин» низкая — так практически не ищут. Значит ли это, что цвет не имеет значения для пользователей? Вряд ли. Посмотрим еще раз на фото кровати: она зеленого цвета, а такую ищут в 46 раз больше. Чтобы увеличить охват, стоит указать и общепринятое, и оригинальное название цвета.

Как увеличить продажи интернет-магазина, изменив названия товаров

Попробуем повысить эффективность таргетинга. Чтобы оценить полноту Title, посмотрим внимательнее на товар и определим, какие черты его выделяют:

Как увеличить продажи интернет-магазина, изменив названия товаров

Обратите внимание на спинку: она высокая, мягкая. Обивка кровати выполнена из велюра, а каркас стоит на ножках из дерева. Проверим, важны ли эти характеристики пользователям:

«Кровать с высокой спинкой» — 527 показов в месяц:

Как увеличить продажи интернет-магазина, изменив названия товаров

«Кровать с мягкой спинкой» — 7 221 показ в месяц:

Как увеличить продажи интернет-магазина, изменив названия товаров

«Кровать на ножках» — 6 591 показ в месяц:

Как увеличить продажи интернет-магазина, изменив названия товаров

«Кровать из дерева» — 43 752 показа в месяц:

Как увеличить продажи интернет-магазина, изменив названия товаров

«Кровать велюр» — 3 152 показа в месяц:

Как увеличить продажи интернет-магазина, изменив названия товаров

Может показаться, что какая-то деталь не важна, но почти 5000 раз пользователи вводили запросы, содержащие «кровать с мягкой спинкой». Мягкая спинка выделяет эту кровать среди тысячи других моделей.

Улучшенная версия Title для этого товара может выглядеть так: «Кровать двуспальная 180х200 зеленая (аквамарин) с мягкой высокой спинкой в каркасе из дерева с обивкой из велюра Mora».

Итак, хороший Title должен включать две категории слов:

— слова для показа по широким запросам («Двуспальная кровать»), чтобы обеспечивать охват;

— слова для показа по запросам с длинным хвостом («Двуспальная зеленая кровать с мягкой спинкой»), чтобы получить показы по наиболее конверсионным запросам.

Пользователи, наиболее готовые к покупке, вводят длинные запросы, т.к. ищут конкретную модель или модификацию товара. А робот Google по Title определяет, соответствует ли товар поисковому запросу. Поэтому чем полнее вы опишете товар, тем релевантнее будет реклама и конверсионнее трафик.

Объявления

В товарных объявлениях отображаются: наименование товара, изображение, цена и название магазина. Title и изображение — самые заметные элементы объявления, но изображения недостаточно, чтобы понять, тот ли товар перед вами, что вы ищете. Для примера рассмотрим это рекламное объявление:

Как увеличить продажи интернет-магазина, изменив названия товаров

Попробуем описать эту кровать по фотографии:

  • двуспальная;
  • коричневая;
  • на ножках;
  • с изголовьем (спинкой).

А можете ли вы по фото определить:

  • размер спального места (160х200, 180х200 и др.);
  • материал каркаса (МДФ, массив дерева и др.);
  • материал обивки (ткань, кожа, кожзам и др.);
  • наличие или отсутствие подъемного механизма;
  • тип основания (ортопедическое или нет);
  • наличие или отсутствие матраса в комплекте?

На все эти вопросы мог бы ответить Title, но сейчас из него понятно только, что перед нами кровать Кэтлин. Чтобы найти ответы на эти вопросы, пользователю придется кликнуть на объявление и перейти на сайт. А вот из описания товара на сайте понятно, что перед нами двуспальная кровать 160х200 в каркасе из ЛДСП, с мягким изголовьем из экокожи, с бельевым ящиком, подъемным механизмом, ортопедическим основанием и без матраса. Если бы вся эта информация была в объявлении, то на сайт переходили бы только те, кто ищет кровать именно с такими характеристиками.

Title может содержать до 150 символов — этого достаточно, чтобы уместить самые важные характеристики товара и описать отличительные черты конкретного товара. Это поможет пользователю понять, что именно вы продаете и надо ли ему переходить по объявлению.

Вывод. Пользователям нужно больше информации о товаре, чтобы принять решение о покупке. Чем точнее вы составите название товара, тем проще пользователям будет найти нужную модификацию товара и совершить транзакцию или, как минимум, не тратить впустую ваш рекламный бюджет.

Мы описали принципы написания Title, от которых в большей степени зависит объем и качество трафика в торговых кампаниях. Теперь на примере интернет-магазина дизайнерской мебели DG-Home расскажем, как автоматизировать оптимизацию Title для тысячи товаров.

2. Разрабатываем правила нейминга товаров для фида

Из предыдущего раздела следует, что для написания эффективных Title нужно понять, как потенциальные клиенты ищут товары. Но возникают вопросы:

  • Как найти все характеристики, по которым могут искать товар?
  • Какие из характеристик более или менее важные?
  • Что указывать в начале Title, а что в конце и важен ли порядок слов?

На эти вопросы помогут ответить правила нейминга товаров. Чтобы определить правила, по которым мы будем называть товары, создадим справочник нейминга для категории «Кровати». Мы специально будем использовать бесплатные и наименее популярные инструменты: надеемся, что так каждый читатель откроет для себя что-то новое.

Сначала соберем семантику из Wordstat. Для этого установим два расширения для Google Сhrome: Yandex Wordstat Assistant и iMacros. Хотя Wordstat Assistant известен широкой аудитории, немногие знают, как ускорить процесс сбора семантики, используя плагин iMacros.

Кнопка Wordstat Assistant «Добавить все» позволяет одним кликом собрать все запросы на странице Wordstat. Но если ввести в поисковую строку Wordstat запрос «кровать» с минус-словами, то получится 41 страница запросов — чтобы собрать их все, нужно перелистывать страницы и каждый раз нажимать «Добавить все». Поручим эту работу iMacros — это расширение автоматизирует действия пользователя в браузере. Подробную инструкцию по его использованию мы нашли в статье Андрея Педченко.

После установки iMacros кликнем на иконку расширения в браузере. В открывшемся окне нажмем Record, а затем Record Macro и Stop. Откроется окно с кодом. Удалим код, вместо него вставим этот:

VERSION BUILD=844 RECORDER=CR TAG POS=1 TYPE=B ATTR=TXT:Добавить<SP>все WAIT SECONDS=3 TAG POS=2 TYPE=SPAN ATTR=TXT:Добавить WAIT SECONDS=2 TAG POS=1 TYPE=A ATTR=TXT:далее WAIT SECONDS=2

После нажмем Save As & Close, дадим название макросу и подтвердим действие кнопкой «Oк».

Теперь найдем в списке созданный макрос, в блоке Play macro repeatedly установим максимальное число повторов — 41 и нажмем Play Loop. Макрос соберет семантику до 41 страницы.

Записываем и запускаем макрос: нажимаем Record → Record Macro → Stop → в окне с кодом удаляем код → копируем и вставляем новый код →Save As & Close → Даем название макросу и нажимаем OK → Play macro repeatedly → устанавливаем значение 41 и Play Loop

Проанализируем собранную семантику в Excel.

1. Нажимаем кнопку «Копировать список с частотностью в буфер обмена» в плагине Wordstat Assistant и вставляем в новый Excel-файл. Переходим на вкладку «Данные» и нажимаем «Из таблицы», далее в окне «Создание таблицы» нажимаем «Ок». Откроется окно редактора Power Query. В Excel 2016 Power Query встроен по умолчанию, для Excel версии 2010 и 2013 его можно бесплатно скачать на официальном сайте Microsoft.

2. В Power Query правой кнопкой мыши кликаем на столбец «Ключевые слова» и выбираем «Создать дубликат столбца». Далее выделяем столбец «Ключевые слова» и на вкладке «Главная страница» выбираем «Разделить столбец» и «По разделителю». В окне «Разделить столбец по разделителю» в расширенных параметрах в блоке «Разделение на» устанавливаем «Строки» и нажимаем «Ок». Дожидаемся загрузки всех данных.

Делим семантику по словам в Power Query: Данные → Из таблицы → ОК → правой кнопкой мыши на «Ключевые слова» и «Создать дубликат столбца» → выделяем столбец Ключевые слова → Главная страница → Разделить столбец → По разделителю → Разделение на → Строки → Ок

В результате вместо таблицы:

Как увеличить продажи интернет-магазина, изменив названия товаров

получаем таблицу:

Как увеличить продажи интернет-магазина, изменив названия товаров

3. Скачиваем и устанавливаем бесплатную настройку SEO-Excel для Excel. После установки в Excel появится вкладка SEO-Excel. В блоке «Морфология» нажимаем на кнопку «Лемматизатор» — «К лексемме». Выбираем столбец «А» и нажимаем «Ок». Лемматизатор помогает привести слово к исходной лемме — это именительный падеж, единственное число.

Приводим слова к исходным леммам с помощью надстройки SEO-Excel: Лемматизатор → К лексемме → столбец A → Ок

В результате вместо таблицы:

Как увеличить продажи интернет-магазина, изменив названия товаров

получаем таблицу:

Как увеличить продажи интернет-магазина, изменив названия товаров

4. Далее кликаем на любую ячейку таблицы и переходим на вкладку «Вставка» и выбираем «Сводная таблица». Строим сводную таблицу: в блок «Строки» переносим поля «Лемма» и «Запросы», а в «Значения» — «Лемма» (рассчитываем количество) и «Частотность» (вычисляем сумму). Далее кликаем на любую ячейку в столбце «Названия строк» и нажимаем правой кнопки мыши. Выбираем «Развернуть/свернуть» — «Свернуть все поле». Настраиваем сортировку сводной таблицы по параметру «Количество по полю Лемма».

Строим сводную таблицу: Вставка → Сводная таблица → Лемма и Запросы в строки → Лемма и Частотность в значения → для Леммы вычисляем количество, для Частотности — сумму → Названия строк → Свернуть все поле → сортировка по «Количество по полю Лемма»

В итоге мы получили таблицу, где:

  • в столбце «А»: указаны все слова из семантического ядра в начальной форме (лемме). Вместо столбца «Лемма» можно использовать столбец «Ключевые слова», тогда будут выведены результаты по каждой словоформе в отдельности. Если в этом нет необходимости, используйте леммы, чтобы сэкономить время.
  • в столбце «В»: количество фраз в семантическом ядре с выбранным словом. Например, слово «двуспальный» в разных словоформах присутствует в 1847 запросах.
  • в столбце «С»: суммарная частотность леммы, которую можно использовать, чтобы определить «вес» слова, т.е. важность определенного параметра кровати относительно других.

Если вы просматриваете какое-то слово и не понимаете, в каком контексте оно употребляется, просто разверните столбец с запросами, нажав на «+». Вы увидите поисковые запросы из Wordstat, в которых встречается лемма.

Нажмите на «+», чтобы развернуть столбец и посмотреть, в каких поисковых запросах встречается лемма

Исключаем слова, которые не войдут в справочник нейминга. Чтобы не просматривать все леммы, нужно исключить слова, которые не могут содержаться в Title. Например, слово «купить» встречается 3 028 раз в семантическом ядре, но использовать его, как и другие глаголы, в Title нельзя.

  • ✅Кровать двуспальная 180х200 зеленая
  • ❌Купите кровать двуспальную 180х200 зеленую

Кроме глаголов нам также нужно исключить местоимения, наречия, деепричастия, а также все служебные части речи (предлоги, союзы, частицы). Последние, конечно, используются в Titile, но для составления справочника нейминга не понадобятся. Чтобы массово исключить неподходящие слова, нужно определить часть речи каждого слова. Поможет в этом язык программирования Python, но сразу оговоримся, что никак специальных знаний не требуется. О способе анализа семантического ядра по частям речи на Python мы узнали из видео «Анализ семантического ядра по частям речи на Python», опубликованного на ютуб-канале PPC-SCI.

1. На рабочем столе создаем папку с названием «Анализ частей речи», затем загружаем в эту папку файл с кодом на языке Python. После копируем список лемм из столбца «Лемма» excel-файла и вставляем их в пустой файл текстового редактора Блокнот, сохраняем под именем words.txt (это важно).

Создаем txt-файл со списком слов, для которых нужно определить часть речи: копируем список слов → открываем текстовый редактор «Блокнот» → вставляем скопированный список слов → даем имя файлу words.txt → Сохранить

2. Далее скачиваем редактор для языка Python — PyCharm на сайте Jetbrains: нажимаем кнопку Download, далее выбираем операционную систему и скачиваем версию Community. Открываем скачанный файл и нажимаем «Запустить». Далее трижды выбираем Next, нажимаем кнопку Install, а на последнем шаге включаем чекбокс Run PyCharm Community Edition и нажимаем Finish. В появившемся окне Import Pycharm Settings выбираем Do not import settings и нажимаем Оk.

Устанавливаем редактор PyCharm: Download → выбираем Community → Download→ Открываем файл → нажимаем «Запустить» → Next (3 раза) → Install → Run PyCharm Community Edition → Finish → в окне Import Pycharm Settings выбираем Do not import settings → Ok

3. После открытия редактора нажимаем Create New Project и в поле Location вместо untitled указываем words. В поле Existing interpreter нажимаем на кнопку с тремя точками, затем выбираем System Interpreter, нажимаем Оk и Create. Проект создан.

Создаем новый проект в Pycharm → Create New Project → меняем в поле Location untitled на words → в поле Existing interpreter нажимаем кнопку с тремя точками → System Interpreter → Оk → Create

4. Переходим на вкладку File, выбираем Settings и нажимаем на кнопку с плюсиком. Вводим в поисковую строку pymorphy2 , выбираем модуль pymorphy2 и нажимаем Install Package. Дожидаемся загрузки, после закрываем окно и нажимаем Оk.

Загружаем в проект модуль pymorphy2 → переходим на вкладку File → выбираем Settings → нажимаем кнопку с плюсиком → вводим в поиск pymorphy2 → выбираем модуль pymorphy2 → Install Package → Оk.

5. Открываем папку «Анализ частей речи» и перекидываем файл partanalisys в окно редактора Pycharm. После загрузки файла нажимаем в окне редактора правой кнопкой мыши и в открывшемся меню выбираем Run partanalisys. Время обработки данных зависит от количества слов в файле words.txt. На обработку 7 064 ушло около 6 минут.

Запускаем код partanalisys: из папки «Анализ частей речи» перекидываем в окно редактора Pycharm файл partanalisys → нажимаем правой кнопкой мыши и выбираем Run partanalisys

6. Возвращаемся в папку «Анализ частей речи». Результат обработки появится в новом txt-файле с названием words2.txt. Открываем файл и копируем содержимое. Далее вставляем скопированный текст на новую вкладку в нашем excel-файле. Переносим значения из столбца A в столбец C. Затем удаляем первую строку и выделяем столбец C. Копируем ячейку с тире, выделяем столбец C, далее выбираем команду «Найти и заменить». В строку «Найти» вставляем скопированное значение, а в «Заменить на» — ничего (пустое значение). Не снимая выделения со столбца C, выбираем команду «Выделить группу ячеек», затем «Пустые ячейки». Теперь очень внимательно: нажимаем = (равно) и кликаем на первую заполненную ячейку в столбце C, заканчиваем ввод формулы одновременным зажатием клавиш Ctrl + Enter. Переходим на вкладку с леммами, для которых мы с помощью Python определили часть речи. Добавляем новый столбец «Часть речи» и с помощью формулы «ВПР» добавляем часть речи для каждого слова.

Добавляем части речи в excel-файл: копируем текст из файла words2.txt и вставляем на новый лист в excel-файле → готовим таблицу, где напротив каждого слова будет указана часть речи → с помощью формулы ВПР метчим данные

Теперь можно легко исключить слова с неподходящей частью речи. В итоге вместо 7 064 нужно просмотреть 2 253 и исключить слова, которыми нельзя описать наши товары. Оставшиеся слова группируем по параметрам кроватей. Получаем справочник слов для написания новых Title:

Справочник нейминга для категории «Кровати»
Справочник нейминга для категории «Кровати»

4. Парсим характеристики товаров с сайта

Когда в фиде тысячи товаров, необходима хоть какая-то автоматизация, чтобы составить Title, которые будут содержать характеристики товара. При этом контент, т.е. наличие нужной информации о товарах, — первичен. Чем подробнее контент-менеджеры сайта описали товар, тем больше информации у вас будет для автоматической генерации Title.

Нам нужен файл в табличной форме, где для каждого товара в отдельных столбцах будут указаны характеристики. Проще всего попросить клиента сделать выгрузки по товарам из CRM. Если вы хотите сами подготовить данные, то воспользуйтесь программами для веб-скрейпинга (парсинга данных с сайтов). Мы рассказывали о двух программах Data Scraper и Import.io в предыдущих статьях:

Сейчас покажем, как с помощью формулы спарсить данные из карточки товара в Google Таблицу. Нам понадобится формула IMPORTXML. У нее всего 2 аргумента:

  • ссылка — в нашем случае это URL карточек товаров;
  • запрос_xpath — информация, которую нужно спарсить из карточек товаров.

Итак, начнем с первого аргумента. Извлечем ссылки на товары из фида Google Merchant. Перейдем в аккаунт, затем на вкладку «Фиды» и кликнем по названию основного фида. Далее нажмем по кнопке с тремя вертикальными точками и выберем «Скачать файл».

Скачиваем фид из аккаунта Google Merchant: переходим на вкладку «Товары», затем «Фиды» → кликаем на название фида → «Скачать файл»

Если открыть XML-фид с помощью текстового редактора, например Notepad++, то данные будут отображаться в таком формате:

На скриншоте пример описания товара в xml-фиде
На скриншоте пример описания товара в xml-фиде

Гораздо удобнее работать с фидом в табличной форме, поэтому преобразуем данные с помощью Power Query.

В Excel переходим на вкладку «Данные» и в группе команд «Скачать & преобразовать» выбираем «Создать запрос», далее «Из файла» и «Из XML». Импортируем файл с фидом, скачанный из Google Merchant, и нажимаем «Преобразовать данные».

Чтобы вытащить столбцы с данными, нажимаем значок с двумя стрелочками на столбце Channel. Убираем галочку с чекбокса «Использовать исходное имя столбца как префикс», чтобы названия столбцов соответствовали атрибутам фида. Power Query добавит новые столбцы. Столбец item также раскроем с помощью кнопки с двумя развернутыми стрелками. Появится еще один столбец с развернутыми стрелками, кликнув на который, мы увидим другие атрибуты из фида. Добавим столбец id. Далее для работы нам понадобятся данные не только столбца Link, но и ID, Title. Оставим только эти столбцы, остальные удалим, чтобы ускорить загрузку данных. Завершаем работу в редакторе Power Query, нажав «Закрыть и загрузить в». Начнется загрузка таблицы на новый лист. В течение минуты получаем таблицу с сорока тысячами строк.

Преобразуем xml-фид в табличную форму: Данные → Создать запрос → Из файла → Из XML → Выбираем фид → Преобразовать данные → раскрываем столбцы с данными с помощью кнопки с развернутыми стрелками → Закрыть и загрузить в

Полученные данные скопируем в Google Таблицу. Вот, что у нас получилось:

Как увеличить продажи интернет-магазина, изменив названия товаров

Теперь разберемся со вторым аргументом формулы IMPORTXML — запрос_xpath. XPath — это язык запросов, с помощью которого можно извлечь данные с веб-страниц. Чтобы использовать XPath, не нужно владеть программированием, достаточно знать синтаксис запросов.

Перейдем на карточку товара на сайте DG-Home, затем перейдем на вкладку «Характеристики», кликнем правой кнопкой мыши на текст «120х200» (размер спального места) и выберем «Посмотреть код».

Посмотрим код текста на странице карточки товара: клик правой кнопкой мыши на текст → Посмотреть код

Чтобы понять, как извлечь текст «120х200» со страницы, нужно понять, где содержится этот текст в структуре HTML-кода.

Как увеличить продажи интернет-магазина, изменив названия товаров

Текст «120х200» содержится в элементе span, родителем которого является элемент span, родителем которого, в свою очередь, является элемент div. В упрощенном виде структура выглядит так:

<div> <!--Здесь в элементе <b> лежит название характеристики товара — “Размер спального места”--> <span> <span> <!--Здесь лежит нужный нам текст — “120х200” </span> </span> </div>

Чтобы извлечь нужный текст, пишем выражение //span[../../b/text()[contains(.,'Размер спального места')]]. На языке XPath оно означает: получить текст всех span, в родителе родителя которых есть элемент b с текстом «Размер спального места».

Некоторым характеристикам товара соответствует более одного значения, например, в поле «Тип» может быть указано «подростковая», «детская». Чтобы оба значения выводились в одну ячейку, добавим к запросу выражение string. Полный запрос_xpath будет выглядеть так: string(//span[../../b/text()[contains(.,'Размер спального места')]]).

Возвращаемся в Google Таблицу и добавляем столбец «Размер спального места». Далее вводим в ячейку D2 формулу:

=IMPORTXML(C2;"string(//span[../../b/text()[contains(.,'Размер спального места')]])") и растягиваем ее.

Извлекаем данные из карточки товара в Google Таблицу → в ячейку D2 вводим формулу =IMPORTXML(C2;"string(//span[../../b/text()[contains(.,'Размер спального места')]])") → растягиваем формулу

Аналогичным образом извлечем другие характеристики из карточки товаров. В формуле нужно заменить только название характеристики. Так, чтобы извлечь цвет кровати, нужна формула:

=IMPORTXML(C2;"string(//span[../../b/text()[contains(.,'Цвет')]])")

Извлекаем остальные данные из карточки товара в Google Таблицу → меняем формулу — указываем название характеристики → растягиваем формулы

Мы получили таблицу с характеристиками наших товаров. Формулой «Сцепить» объединяем характеристики в черновой Title. Далее добавляем в него важные для пользователей слова и фразы из справочника нейминга, которые собрали в первой части статьи.

Создаем черновой вариант Title: используя формулу «Сцепить», соединяем характеристики товара в название (Title)

Чтобы протестировать новые Title, не нужно загружать в основной фид Google Merchant новые названия товаров. Достаточно создать дополнительный фид в Goolge Таблице и с помощью него менять Title товаров в основном фиде. Для этого в аккаунте Google Merchant переходим на вкладку «Фиды» и в блоке «Дополнительные фиды» нажимаем «Создать дополнительный фид». Далее даем название дополнительному фиду, на втором шаге выбираем «Google Таблицы», далее «Создать таблицу Google по шаблону», затем указываем, в какой фид будем вносить изменения. Открываем созданный шаблон Google Таблицы и копируем туда id товара и новые Title. Кликаем по названию созданного дополнительного фида и нажимаем кнопку «Загрузить».

Создаем дополнительный фид в Google Merchant: Фиды → Создать дополнительный фид → даем название, выбираем формат — Google Таблицы → Создать таблицу Google по шаблону → выбираем фид→ открываем шаблон Google Таблицы → вставляем id и title товаров → Загрузить

Готово! Если вы сделали все правильно, то получите в разы больше целевого трафика. Тестируйте разные Title, чтобы найти лучший вариант, ищите новые источники данных. Например, загляните в отчет по поисковым фразам, посмотрите, какие фразы приносят продажи, и добавьте эти слова в Title. Или зайдите на Яндекс.Маркет и посмотрите, какие фильтры добавлены в ту или иную категорию. Сайт Маркета ежедневно посещают миллионы пользователей, и сервис добавляет фильтры с теми характеристиками, которые наиболее важны для выбора товара. Чем выше расположен фильтр, тем он важнее. Используйте эти знания, чтобы рассказать о своих товарах еще до того, как пользователь перейдет на ваш сайт.

Автор: Мариам Оганесян, Глеб Антошкин

Больше хаков и нюансов контекстной рекламы — в Telegram-канале Заметки Adgasm.io

154154
57 комментариев

Побольше бы таких статей на VC в формате мануала. Все подробно, понятно, по шагам. Прочитал - сделал. Не захотел сам делать - обратился.
Такие статьи лучше продвигают автора, чем водянистые рассуждения с призывом подпишитесь на канал.

39
Ответить

Да, в последнее время стало слишком много статей двух типов:

1. У меня восхитительный проект по продаже кисточек для чистки пупка через сайт. Вложите 2 миллиона и получите через месяц 2 миллиарда.

2. Я такой крутой и пишу крутой контент, больше информации смотрите в моей телеге.

А годного контента по сути не так много.

5
Ответить

😳 есть же кейколлектор... 

9
Ответить

Валерий, спасибо за комментарий, но в очередной раз писать про Key Collector не хотелось. "Мы специально будем использовать бесплатные и наименее популярные инструменты: надеемся, что так каждый читатель откроет для себя что-то новое". 

8
Ответить

Кейколлектор парсит сайты? Тут приведены алгоритмы решения задачи. Знаете как использовать иные сервисы для решения, пжлст. В целом я из статьи подчерпнул некоторые нюансы для себя 

Ответить

Если только менеджеру по рекламе Зиночке обязать наличие "сертификат пользователя Microsoft Excel" и т.д.,, тогда сегмент Рунета по части ecomerce заиграет, новыми красками и названиями)

9
Ответить

Тогда Зинаида заведет себе свой магазин.

1
Ответить