{"id":13829,"url":"\/distributions\/13829\/click?bit=1&hash=1edae85784b435c55b439933942a29f952b7d6fe53a4d28dfea0cf564da666bf","title":"\u041f\u0440\u043e\u0434\u0430\u0436\u0438 \u043f\u043e \u0442\u0435\u043b\u0435\u0444\u043e\u043d\u0443 \u2014 \u043f\u0440\u043e\u0448\u043b\u044b\u0439 \u0432\u0435\u043a? ","buttonText":"\u0420\u0430\u0441\u0441\u0443\u0436\u0434\u0430\u0442\u044c","imageUuid":"2ed706c8-1b38-5e0f-bd8f-cbc977bad43d","isPaidAndBannersEnabled":false}

Кластеризация запросов для поиска точек роста

В данной статье мы рассмотрим поиск точек роста для сайтов с помощью анализа данных кластеризации запросов.

Для тех, кто только входит в эту тему, пара слов для пояснения:

Автоматическая кластеризация позволяет сгруппировать запросы по группам в зависимости от пересечения в результатах выдачи одинаковых сайтов.

Ещё проще. Если по запросу «купить сотовый телефон» и «купить смартфон», у вас разные посадочные в выдаче, то эти запросы мы будем продвигать на разных страницах.

По общей теме всё понятно — у нас есть топ выдачи и совпадения по запросам.

Руками проверять это в ситуации, когда речь идёт о большом семантическом ядре, задача слишком затратная по времени и, в условиях наличия автоматических сервисов, в целом, бессмысленная.

Ранее семантика группировалась по семантическому родству и смыслу. Но данный способ исключал данные непосредственно из поисковых систем, поэтому между сформированными кластерами и алгоритмами поисковых систем часто было несоответствие. Тем самым работа над частью собранной семантики теряла смысл.

Сегодня существует общий алгоритм работы, который часто применяется для продвижения сайтов в органической выдаче.

Владимир Егоров

Какие вопросы могут возникнуть?

Несмотря на то, что методика логична и даёт полное понимание того, как можно сформировать запросы под каждую страницу, на практике возникает несколько зон, которые оказываются под вопросом.

1 Разность результатов

2 Жёсткость кластеризации

Разность результатов заметна особенно при обработке больших данных и большой конкуренции. Алгоритм сбора информации не может не учитывать изменения в топ выдаче, появление новых сайтов и изменение интента. Поэтому, через какое-то время, совершенно нормально, если вы получите несколько иной результат по одному и тому же семантическому ядру.

Также стоит учитывать этап логической доработки структуры после машинного анализа. Это даёт возможность объединить, при желании, запросы с одинаковым интентом пользователей.

Жёсткость кластеризации

Этот порог определяет количество совпадений. Соответственно, существует несколько подходов, при которых запросы могут быть на одной странице и на разных.

На практике это выглядит так: к примеру, три запроса определены кластеризатором, в зависимости от жёсткости, как на одной, так и на разных страницах.

Как нам пояснила поддержка подобных инструментов, жёсткая кластеризация в первую очередь направлена на высококонкурентные ниши, где оптимальной стратегией может являться максимальная раскластеризация.

Есть несколько подходов решения.

Первый

Выбор жёсткого порога кластеризации (на примере сервиса Just Magic это группы grp-3-4). При данном подходе, мы создаём структуру от наиболее жёсткого расформирования запросов и объединяем только по мере невозможности представления запросов на разных страницах. Так мы сразу охватываем создание всех страниц, с которых мы сможем собирать трафик, и далее сосредоточится на следующем этапе работы с сайтом, не возвращаясь к вопросам структуры. Это подходит для высококонкурентных тематик и для мультиинтентных запросов и используется редко.

Владимир Егоров

Второй

1. Выбирается начальная группа (пример: совпадение по 3 из 10 сайтов) и на её основе строится структура сайта.

2. Если один из запросов, состоящий в начальном кластере не выходит в топ после проведения оптимизации — проверяем переходит ли он в другой кластер при более жёстких условиях совпадения (пример: 6 из 10 сайтов). Если да, то при отсутствии прямого дублирования интента создаётся отдельная страница для продвижения данного запроса, по которому отдельно собираются данные по конкурентам, плотности вхождению, анкоры, активные элементы и данные по другим зонам страницы.

3. После этого формируются более узконаправленные страницы: дополнительные услуги, тегирование и другие страницы, сегментирующие услугу или раздел каталога.

Третий

Данный способ наиболее распространён и лучше всего подходит при работе, к примеру, с небольшим разделом услуг, когда стоит задача собрать на него максимальный трафик, как можно быстрее.

После кластеризации мы объединяем вручную два или несколько кластеров, если у одного из них слишком малая частотность и мало запросов. Т.е. мы исходим из того, насколько целесообразно тратить ресурсы на создание контента для отдельной страницы. Если потенциальный трафик слишком мал, то проще объединить данные запросы с уже сформированным близким по значению кластером.

Заключение

Кластеризация даёт возможность распределить по страницам большой объём данных и обработать семантику, включающую десятки тысяч запросов в короткий срок. Тем не менее, какой бы способ жёсткости кластеризации вы не использовали, дальнейшая работа должна соответствовать логике структуры вашего сайта и интенту пользователя.

0
2 комментария
Андрей Фомин

Тоже долго думали зачем эти группы по жёсткости, пока работаем примерно, как в 3 написано. 

Ответить
Развернуть ветку
Максим Пряник

Только когда выдача накручена, что сейчас и происходит в большинстве конкурентных тематик, такой подход не прокатит.

Ответить
Развернуть ветку
Читать все 2 комментария
null