Проверка релевантности выдачи по доменам конкурентов в контекстной рекламе через Python

Проверка релевантности выдачи по доменам конкурентов в контекстной рекламе через Python

Всем привет! В прошлой статье я рассматривал проверку релевантности через вхождение ключевых масок в выдачу:

Но недавно столкнулся с новым кейсом: что, если продукт сложный, куча семантики со смешанным интентом? Непонятно, информационное это или коммерческое? На что ориентироваться? А что если семантики много?

Начал размышлять и подумал: А что, если мы будем ориентироваться на конкурентов? Чем их больше, значит, и более целевой ключ для нас.

Логика простая: если в выдаче (промо + seo) есть домены конкурентов и желательно от 2 шт. (чем больше, тем горячее интент), то, следовательно, это целевое. Где 1 домен — значит, «дурак» в виде крупного игрока без расчетов или автотаргетингом поливают без мониторинга за поисковыми запросами, где 0 — то, значит, запрос нецелевой — всё это можно перевести на оплату за конверсии и забыть.

Градация:

  • От 2 — целевой (в скрипте можно менять).
  • Чем больше доменов нашлось, тем более «горячий» спрос.
  • Все остальные ключи, которые не прошли проверку, отправляются на ОЗК.

Дипсик + 5 минут времени, и готов скрипт.

Начнем как обычно с предподготовки:

Описана здесь:

Сам скрипт

Сам скрипт состоит из файлов:

  • domain.txt — список доменов без использования https и www.
  • phrase.txt — список анализируемых фраз, по которым мы ищем конкурентов.
  • progress.txt — статус прогресса, повторяет result, нужен, чтобы в случае приостановки проходиться только по новым фразам.
  • results.txt — результаты.

А теперь поехали покажу, как работает.

1. Добавляем домены в файл domain.txt — для этого анализируем выдачу по конкурентам, используем Keyso|Spywords и прочие сервисы. Домены добавляем без https и www в столбик. Ищет он, кстати, и по поддоменам тоже.

Проверка релевантности выдачи по доменам конкурентов в контекстной рекламе через Python

2. Добавляем ключи, которые хотим проанализировать, в столбик в файл phrase.txt. Список получается после парсинга основных масок.

Проверка релевантности выдачи по доменам конкурентов в контекстной рекламе через Python

3. Запускаем сам скрипт, но перед этим давайте пробежимся по паре настроек:

  • Можно корректировать LR — напомню, что это ID города из поисковой строки, чтобы его найти, прогуглите или зайдите в «Я», выберите нужный регион и сделайте поисковый запрос — этот параметр будет внутри ссылки. По умолчанию ищет по МСК.
Проверка релевантности выдачи по доменам конкурентов в контекстной рекламе через Python
  • Ну и последнее это минимальное количество найденных доменов по которым он будет вам присваивать целевое или нет: self.min_domains_threshold = 1 (в данном случае стоит больше 1 найденного домена)
Проверка релевантности выдачи по доменам конкурентов в контекстной рекламе через Python
Проверка релевантности выдачи по доменам конкурентов в контекстной рекламе через Python

Ну и жмём «Старт», устанавливаем недостающие библиотеки — он сам вам их выдаст в консоли, и ждём результата.

4. Получившуюся таблицу просто раскладываем по убыванию числа найденных доменов, ну и дальше используем их в разных стратегиях рекламы.

Проверка релевантности выдачи по доменам конкурентов в контекстной рекламе через Python

На этом всё. Поставьте лайк, если понравилось, поделитесь с другом, надеюсь, материал был для вас полезным.

10
Начать дискуссию