Разделяй и властвуй — сегментация в eCommerce + прогноз трафика. Реальные кейсы с пояснениями

Сегментация — одна из самых банальных, но не менее важных задач для SEO. Стратегически зачем нужна сегментация? Как и где она применима? На примере двух кейсов от SEOWORK покажем методологию работы с сегментами.

Данные по eCommerce собираются регулярно аналитиками для исследования и поиска точек роста. SEO-специалист рассматривает данные, интерпретирует их и формирует гипотезы. Для качественного анализа информацию следует разделить на выборки (сегменты), чтобы отследить динамику внутри групп. Классический пример:

Нам интересно влияние количества фото товара в карточке. Для оценки воздействия на поисковую выдачу мы создаем 3 сегмента:

1 сегмент — 1-3 фотографии в карточке товара

2 сегмент — 4-7 фото

3 сегмент — 8+ фото

Делать всего один сегмент нет смысла, важно сравнивать показатели SEO-метрик. Создавать следует 2 выборки и больше в зависимости от количества вводных. Данные делим на несколько +/- равных частей. А чтобы сформировать сегменты, нужно понимать, какие числовые градации есть у проекта и как их комфортнее всего объединить. Покажем на примере кейсов.

Проект пришел к решению ограничить бюджет для работы с сайтом, но параллельно с этим увеличить возможности развития на маркетплейсах. Наша команда предложила развивать листинги на Wildberries в поисковых системах. Идею одобрили, и аналитики SEOWORK принялись искать точки роста.

При продвижении маркетплейсов есть небольшое преимущество — мы можем частично монополизировать брендовый трафик за счет авторитета (в нашем случае) Wildberries. Это хорошая стратегия, но применять ее можно не везде. Например, разные интернет-ресурсы одной компании поисковик может “склеить”, и в выдаче будет отображаться только один проект.

В данном случае мы избегаем “склейки”, потому что это два разных eCommerce, два разных владельца — опасаться нечего. Продумав риски, аналитики обратились к SEOWORK.

Семантика Tom Tailor уже была в платформе. Команда создала отдельный проект под Wildberries и загрузила в него выгруженные страницы вкупе с ранжирующимися соответствующими запросами. Далее аналитики произвели сегментацию получившейся выборки — 15 сегментов по 5 параметрам:

Количество товаров

На графиках видим зависимость количества товаров от видимости. В Яндексе зависимость не наблюдается, а в Google наоборот, заметна сильная зависимость. Но при небольшом потенциале, реализация задачи потребует большИх трудозатрат, поэтому не рекомендуем к исполнению.

Количество параметров фильтров

Количество фильтров — они же фасеты: цена, скидка, срок доставки и тд — обычно сказывается на ранжировании, поскольку это отражает количество характеристик товара, а значит упрощает выбор товара пользователем. Из графика же следует, что количество фильтров на листинге не сказывается на их видимости. Возможно, это связано с меньшим количеством фасетов на категориях более высокого уровня.

То есть, чем глубже мы проваливаемся в категорию, тем больше там может быть специфичных свойств у карточки, которых не будет в другой категории. Соответственно, у более популярной категории будет меньше фасетов, потому что остаются только более популярные фильтры.

В данном случае будет влиять количество товаров на листинге, а не фасеты.

Количество товаров с рейтингом менее 4⭐

Товары с рейтингом 1⭐, 2⭐ или 3⭐ никак не влияют на видимость. Возможно (!) потому, что товаров не очень много, либо поиск считает негативным рейтинги только с 1⭐ или 2⭐. На листинге много товаров (около 80), и если какая-то часть (например 30%) содержит плохой рейтинг, то в противовес рассчитывается слишком много товаров, у которых хороший рейтинг. В этом случае мы рекомендуем пересобрать сегмент для повторного анализа.

Количество товаров с рейтингом 5⭐

Количество товаров с 5⭐ в Google, оказывает значимое влияние на ранжирование, как видно по графику. Следует работать в этом направлении и стараться наращивать пользовательский контент.

Количество товаров без рейтинга

В Google обратная корреляция между количеством товаров без рейтинга и видимостью. Мы опять же советуем стимулировать пользователей оставлять отзывы.

Итоги кейса:

Как быстро посчитать прогноз трафика?

Для расчета нам понадобятся метрики PTraf и CTR для разных позиций. В платформе SEOWORK CTR 1-ой позиции принимается за 10%. Для еще более точного результата можно взять собственный %, если вы его знаете. В платформе мы переходим в модуль “Конкуренты” и смотрим, какие из конкурентных проектов ранжируются выше. Для корректного анализа мы выбираем только прямых конкурентов, маркетплейсы вроде Авито или Яндекс.Маркета не подойдут. Это важно, поскольку прогноз трафика составляется в рамках одного года. Мы рассчитываем данные, к которым eCommerce будет приходить в течение года на основе прямых конкурентов, чтобы обогнать их в выдаче.

Из SEOWORK аналитики собирают показатели %PTraf конкурентного проекта и переносят данные в таблицу Excel. Дальше в ней будут производиться расчеты по возможному наращиванию трафика. В таблицу заносится %PTraf не только конкурента, а также текущие показатели этой метрики для обеих поисковых систем. Далее создаем сводную таблицу по категориям исследуемого eCommerce.

Выгружаем всю семантику в таблицу из SEOWORK и смотрим, какой показатель текущего трафика получился у каждой категории. Для расчета максимально возможного трафика аналитики используют формулу:

“WS” х 10% (это CTR 1-ой позиции) х %Ptraf = трафик, которого проект достигнет через год по выбранной странице. Так рассчитываем показатели для всех категорий.

В результате получаются два листа с рассчитанным трафиком для Яндекса и для Google. Для удобства сводим данные в одну таблицу и выводим прогнозы на график.

Мы считаем, что первые 3 месяца трафик меняться не будет, а после начнется наращивание в результате SEO-оптимизации. У нас есть первая и последняя цифры %PTraf max и формула линейной интерполяции — подбор промежуточных значений, когда есть стартовая и конечная точки. В данном случае нет сезонности, поэтому прирост идет по нарастающей. В случае сезонности нужно рассчитывать ее коэффициент.

Как это сделать? SEO-специалист использует тематические маркеры. Если от категорий они выходят слишком разные или в одной категории может быть сезонность, а в другой нет, то придется усложнить задачу и посчитать их отдельно. В этом случае важно понять, будет ли разный коэффициент или нет. Как делать – обращаем внимание на маркеры и смотрим сезонность. Из Вордстата выгружаем частотность по месяцам и производим расчеты. На пальцах:

Допустим мы получили следующие значения:

Май — 100

Июнь — 120

Июль — 140

Что делаем — суммируем все показатели и делим на 3 = 120 — это среднемесячный трафик. Другими словами, 120 — это наша единичка. Далее смотрим, какой коэффициент будет у каждого месяца. Для этого делим месячную частотность (100, 120 и 140) на среднюю (120).

В итоге:

Май — 0,83

Июнь — 1

Июль — 1,17

В рамках прогноза трафика полученные коэффициенты умножаем с соответствующим месяцу показателем трафика. В табличку сводим все данные и разрабатываем стратегию SEO-оптимизации. Это вся методология.

Вывод кейса:

В связи с тем, что проект коммерческий, было принято решение сделать упор на рост коммерческого трафика и сосредоточить усилия над соответствующей частью сайта. Эффективность и соответствие прогнозу будет отслеживаться по коммерческому трафику.Текущий прогноз составлен на основе выбранных конкурентов.