(function(m,e,t,r,i,k,a){m[i]=m[i]||function(){(m[i].a=m[i].a||[]).push(arguments)}; m[i].l=1*new Date(); for (var j = 0; j < document.scripts.length; j++) {if (document.scripts[j].src === r) { return; }} k=e.createElement(t),a=e.getElementsByTagName(t)[0],k.async=1,k.src=r,a.parentNode.insertBefore(k,a)}) (window, document, "script", "https://mc.yandex.ru/metrika/tag.js", "ym"); ym(41218439, "init", { defer: true, clickmap:true, trackLinks:true, accurateTrackBounce:true }); ym(41218439, 'hit', window.location.href);

Как знание SEO-метрик и качество сайта влияют на продажи в интернет-магазинах и маркетплейсах

В этой статье мы расскажем, какие метрики позволяют оценивать контент, как их рассчитывать и, самое главное, как их знание помогает улучшать общий контент сайта. Обладая большим опытом работы с ecommerce и большим объемом данных, мы поделимся примерами с конкретными цифрами и разберем реальный кейс.

Мы давно и плотно работаем с онлайн ритейлом и видим, что сегодня все чаще и чаще еком задается вопросом анализа качества контента и его влияния на конверсию. Все понимают, что качество контента влияет на конверсию, но непонятно, насколько значимо. В то же время качество контента влияет не только на конверсию, но и на SEO, которое, по исследованию DataInsight, обеспечивает от трети до половины всех онлайн продаж в ecommerce. Таким образом, улучшая качество содержимого сайта, мы получаем двойной выигрыш: повышаем конверсию и получаем бОльше органического трафика.

В это статье мы расскажем, какие метрики позволяют оценивать контент, как их рассчитывать, комбинировать и как подобная аналитика помогает улучшать контент сайта. Параллельно будем разбираться в том, насколько эти метрики значимы для продаж.

Поехали!

UGC

Начнем с UGC (UGC — user generated content, сгенерированный пользователями контент). В нашем примере мы сравнили 2 группы страниц товаров со статусом «в наличии». Первая группа — страницы без UGC «нет отзывов/обсуждений/фото покупателей» (левый скрин), вторая группа — страницы с UGS «есть отзывы/обсуждения/фото покупателей» (правый скрин).

Далее мы сравнили средние показатели конверсий и видимости этих двух групп. Что мы увидели?

Страницы товаров, у которых есть отзывы, в среднем конвертят почти в 2 раза лучше. Это важный сигнал! Можно сказать, что карточки с отзывами существенно увеличивают вероятность покупки.

Подберем под наши карточки товаров запросы и посмотрим на их видимость в поисковых системах.

Разница в видимости оказывается еще существенней: видимость в поисковых системах страниц с отзывами выше в 4 (!) раза. Очевидно, что в данном примере поисковики еще более чувствительно реагируют на контентный признак UGC.

Возможно, какие-то другие атрибуты страниц с отзывами проработаны так же хорошо и они позитивно влияют на ранжирование, но уже только разделив карточки товаров по одному признаку, мы видим значимую зависимость, и видим необходимость обратить на UGC особое внимание.

Полнота описания товаров

Давайте разберемся, как полнота описания товара влияет на конверсию и видимость страницы. Рассмотрим это на примере числа фотографий товара. В этот раз сравнивать средние показатели конверсий и видимости мы будем уже для 3-х групп страниц товаров со статусом “в наличии”: «1 фото», «2-4 фото», «5-7 фото».

В нашем примере мы дополнительно сегментировали поисковый трафик и посмотрели на конверсии в разрезе пользователей, пришедших из разных поисковых систем. В среднем карточки товаров, у которых 5-7 фото, конвертят в 1,5-2 раза лучше карточек, где всего 1 фото. Причем, у пользователей, пришедших из Яндекса, разница более заметна.

Подберем под карточки запросы и посмотрим на их видимость в поисковых системах.

Видимость страниц товаров растет пропорционально росту количества фото.

Более значимую разницу показывает видимость в Google — страницы, у которых 5-7 фото, в среднем имеют почти в 3 раза лучшую видимость, чем карточки с одним фото. Такая зависимость явно говорит о том, что нужно обратить внимание на фото товаров и поработать с ними.

Ценность метрик контента: направление инвестиций в контент

На двух различных примерах мы показали, по каким контентным признакам можно сегментировать карточки товаров и увидели значимую разницу в конверсии и видимости в зависимости от уровня оптимизации контента. А какую ценность мы можем из этого всего извлечь для бизнеса?

Анализ различных контентных признаков позволяет найти значимые корреляции с конверсией и видимостью и определить приоритетный для инвестиций тип контента.

Если проводить такой анализ контента по всей структуре каталога товаров (разделы, категории, подкатегории), то можно заметить определенные закономерности уже не в разрезе отдельных страниц товаров, а в разрезе понятной иерархической структуры. Так мы сможем сказать, что, например, в «категории 1» у нас в среднем мало фото у карточек, а в «категории 2» у нас все отлично с UGC контентом. Можно легко построить так называемую карту/матрицу качества в разрезе всей товарной структуры.

Показав на данных такие значимые корреляции контентных признаков, конверсии и поисковой видимости, мы можем гораздо легче формировать и приоритизировать задачи по контент направлению.

Давайте рассмотрим, как это работает и как может выглядеть приоритет инвестиций в контент, на конкретном примере. Проанализировав контентные атрибуты страниц товаров, мы определили, что компании важно ориентироваться на следующие показатели карточек товаров:

  1. > 5 фото
  2. > 3 отзывов не старше 6 мес.
  3. > 0 видео обзора не старше 12 мес.
  4. > 1000 описания & >10 параметров характеристик

Следующий пункт про ценность – карта качества в разрезе товарной структуры.

Ценность метрик контента: единая оценка по структуре каталога товаров

Как мы говорили выше, все атрибуты по отдельным карточкам товаров можно “схлопывать” по структуре каталога и понимать, какие категории товаров лидируют, а какие отстают по описанию, кол-ву фото, кол-ву характеристик и т.д. Полезно анализировать эти метрики и следить за всей структурой в динамике.

Мы можем расширять воронки метрик и дополнительно приоритезировать инвестиции в различный вид контента. Например, можно обогатить наши данные данными про спрос на маркетплейсах или спрос в поисковых системах, и в зависимости от динамики спроса, лучше оценить и расставить приоритеты по работе с контентом.

Также важно оценивать эффективность инвестиции в контент — для уже проведенных и текущих работ по контенту, плюс на базе прогнозируемого роста видимости и трафика можно предварительно оценить эффект от будущих рекомендуемых вложений.

Какие данные потребуются?

На конкретных примерах мы увидели, какую ценность можно получить от анализа контента. Но какие же данные вам потребуются, чтобы провести такой анализ самостоятельно? Ниже мы поделимся опытом, как организуем сбор и обработку необходимых данных у себя, надеемся, он будет для вас полезен.

Итак, как мы собираем данные?

● получаем информацию из фидов про список товаров и про структуру категорий;

● получаем данные про контент страниц с помощью своего краулера, который с нужной регулярностью обходит все страницы сайта, собирает контент, а мы подсчитываем и раскладываем его на понятные элементы (кол-во фотографий, отзывы, их рейтинг, кол-во характеристик);

● данные про доставку, выкуп, реальный доход и выручку берем из CRM;

● данные по сессиям и конверсиям получаем из систем аналитики ЯМ и GA.

из поисковых систем подтягиваем данные по спросу и видимости, конкурентам и их позициям, данные по СРС;

● регулярно собираем технические данные про индексацию, доступность, скорость загрузки страниц сайта и пр.

Мы собираем все данные под конкретный тип страниц «карточка» или «листинг». К этим типам страниц привязываются различные данные и строится аналитика в BI.

Как рассчитываются метрики контента — давайте разбираться на конкретном кейсе большого ecommerce проекта.

Кейс-исследование

Данные контента карточек

Для нашего кейса мы проанализировали более 30 контентных фич. Мы разделили их все на 4 макро-группы:

● пользовательский опыт (рейтинг, кол-во отзывов, отзывы с фото/видео и т.д., все что связано с ugc контентом карточки),

● медиа контент (фото, видео, 3d и т.д.),

● описание (описание товара, описание характеристик, кол-во характеристик и т.д., все что связано с текстом),

● коммерческое (наличие, доставка, скидки и т.д., все про покупку товара).

На рисунке отображены не все контентные фичи, которые можно анализировать, полный список можно запросить тут.

Расчет метрик

Для расчета метрик необходимо спарсить контентные фичи и преобразовать их в нужные типы данных. В результате преобразования и обработки собранных данных мы получаем числовой массив со всеми нашими фичами.

Нам нужно объединить фичи по четырем макро-группам для выведения метрик качества, однако, все данные разнородные и у них разные размерности. Как их сравнить? Поможет нормирование.

Нормирование

Нам необходимо нормировать все фичи от 0 до 1 (или от 0% до 100%), где 1 (100%) - максимальное значение фичи.

Если атрибут бинарный ( например, отсутствует или “в наличии”), то значение может быть 0 или 1. в случае градации мы выбираем шаг, и отнимаем его от 1. Например, в случае с фичей свежести отзыва, мы выбрали за шаг 10% - 1 месяц, и отнимали его от 100% по убыванию свежести.

Таким образом мы привели все данные к единой размерности от 0 до 1. Теперь можно “схлопывать” фичи в группы метрик.

Расчет метрик

Изначально мы выделили следующие макро-группы: пользовательский опыт, медиа, описание, коммерческие. Чтобы рассчитать метрики для каждой, нам нужно нужно как-то объединить значения их фичей.

Можно это сделать упрощенно - просто посчитать среднее по каждой фиче в группе метрики с равными весами у каждой. Однако, результат будет намного лучше, если определить значимость каждой фичи и умножать значение метрики на коэффициент значимости. Коэффициенты можно определить через построение карты корреляций всех фичей с целевой фичей (конверсия). Для получения еще более точных результатов, можно отдельно подбирать коэффициенты по разным бизнес-вертикалям (разделам/категориям).

Мы рассчитали метрики обоими способами. Посмотрим, что у нас получилось.

Пример расчета без развесовки

При расчете метрик по принципу средней без развесовки, пришли к выводу, что далее будем рассматривать только 3 ранее упомянутые группы (пользовательский опыт, медиа и коммерция), 4-ая в данном кейсе не показала никаких значимых корреляций и ее мы убрали из дальнейшей аналитики. Добавим еще одну метрику — «Итого». Эта метрика является производной от всех наших метрик. Ее также можно рассчитать по средней без развесовки, а можно наделить наши 3 группы коэффициентами значимости и использовать его при расчетах.

Добавим к таблице наших метрик данные по конверсии и уже можно увидеть закономерности и аномалии. Однако, карточек товаров много и анализировать матрицу из тысячи строк не удобно. Наиболее оптимальный способ: сначала оценить качество контента в разрезе категорий товаров. После этого этапа можно углубляться более точечно в сами карточки, но изначально нужно определить более масштабные зоны, где у нас все хорошо, а где плохо в разрезе категорий. Давайте посмотрим, как это работает на нашем кейсе.

Анализ контента категорий товаров

Схлопнем результаты по нашим метрикам из уровня карточек до уровня категорий и увидим, что категории ведут себя по-разному!

Сравним показатели метрик по категориям со средними показателями метрик по всему проекту.

Мы видим, что по пользовательскому опыту показатели отличные в таких категориях как «благоустройство», «инструменты» и «стройматериалы», а у категорий «инженерные системы», «крепеж» и «электрика» напротив — показатели ниже среднего.

Медиа-контент лучше и лучше оптимизирован в «сантехнике» и «инструментах», а в «крепеже» и «стройматериалах» — напротив.

По коммерческой метрике плохо оптимизированы категории «сантехника» и «благоустройство».

А как обстоят дела с конверсиями этих категориях? Есть ли тут корреляции?

Влияние на конверсии

Мы вывели итоговую метрику качества контента и сравнили ее с конверсией. Оценка по категориям так же взята в сравнении со средним по всему проекту. Что здесь интересного?

В категориях «стройматериалы», «сантехника» и «инструмент» цифры по конверсии у нас выше средних по всему сайту. Эти цифры прямо коррелируют с метрикой «Итого», которая также показывает результаты выше среднего по проекту.

Обратную картину наблюдаем для категорий «инженерные системы», «крепеж» и «электрика» - показатели по конверсии ниже средних по всему сайту. Это так же прямо коррелирует с метрикой «Итого».

Давайте вернемся чуть назад и вновь посмотрим на наши метрики качества, чтобы еще лучше понять причины и зависимости.

Если посмотреть на категории, у которых конверсия и метрика «Итого» выше среднего, то видим, что у «стройматериалов» крутой пользовательский опыт, в «сантехнике» отличное наполнение «медиа контентом», а у «инструмента» в принципе хорошо оптимизированы все зоны по всем метрикам. Напротив же, у категорий, у которых конверсия и метрика «Итого» хуже среднего, видим, что у «инженерных систем» плохо оптимизирован «пользовательский опыт», в «крепеже» плохая ситуация в пользовательском опыте и медиа контенте, в «электрике» плохо с пользовательским опытом и коммерческой метрикой.

Мы проанализировали ситуацию в категориях, но такой анализ можно проводить и внутри категорий. В нашем кейсе мы решили разобраться, есть ли какие-то зависимости в соответствии с уровнем проработанности карточек?

Анализ контента категорий товаров

Мы разбили карточки на 4 группы по итоговой метрике. Видим, что более оптимизированные имеют лучшую конверсию. Видим это как по всему сайту, так и по отдельно взятым категориям.

Возможно, на графике не так хорошо видно, но разные категории по-разному чувствительны к уровню оптимизации карточек внутри. В каких-то категориях хорошо проработанные карточки бустят намного сильнее.

Чтобы увидеть силу влияния, можем посмотреть на соотношение конверсии хорошо проработанных карточек и слабо проработанных, и таким образом определить, какая разница и профит в разрезе категорий.

Очевидно, наиболее чувствительны к уровню проработки оказались карточки категории «инженерные системы».

Отношение конверсий хорошо проработанных карточек и слабо проработанных здесь равно почти 2,5, что выше, чем по всему сайту. Самый большой профит от вложений в контент будет именно в этой категории. И напротив, мы видим, что «инструмент» и «интерьер и отделка» имеют отношение 1,5, что ниже, чем по всему сайту. Чувствительность к контентной проработке у данных категорий ниже.

По итогу такого большого анализа, мы можем оценить текущее качество всего контента карточек и получить своего рода точку отсчета.

Принимаем решение об инвестициях в контент

Собрав подобного вида таблицу, мы можем транслировать ее широкому кругу — отделу маркетинга, product manager, аналитикам, группе контента.

Располагая данными, мы уже можем выделять категории в сегменты, выдвигать и проверять гипотезы, смотреть в динамике, как реагируют показатели конверсии и метрики SEO на улучшение качества контента.

Что можно сделать еще, чтобы улучшить точность и уменьшить риски в принятии решений по вложения в контент? Можно еще расширить данные поисковым спросом и сезонностью, добавить данные про конкурентов, сделать такую же оценку контента конкурентов, которую мы делали ранее по своему сайту. Конечно, данных по конверсиям конкурентов у нас нет, но мы можем искать корреляции качества контента конкурентов с поисковой видимостью. Так мы можем дополнительно подкрепить уверенность в наших гипотезах, т.к. это уже будут расширенные данные по всему рынку, а не только по нашему проекту.

Дополнительные данные о спросе позволяют нам оценить, сколько в принципе в категориях есть потенциала по трафику и как категории соотносятся между собой по этому потенциалу. В нашем кейсе спрос на товары категории «инженерные системы» и «интерьер и отделка» значимо выше, чем на другие категории. При расстановке приоритетов инвестиций в контент этот факт стоит обязательно учесть.

Важно не только оценивать спрос, но и отслеживать его в динамике, т.е. понимать сезонность спроса.

Обладая данными по сезонности, мы можем улучшить нашу стратегию по инвестированию в контент. Например, планируя работы по контенту на год, мы можем расставить в нужном порядке оптимизацию той или иной категории, чтобы с приходом сезона высокого спроса наш контент был максимально проработан и приносил отдачу.

В качестве резюме

В нашей статье на примере кейса крупного еком мы показали, как можно анализировать качество контента карточек товаров, и как полученная аналитика помогает находить точки роста, приоритезировать работу с контентом и инвестиции, приносить ценность SEO. Надеемся, данная информация найдет практическое применение и поможет оптимизировать контент и увеличить продажи.

Скачивайте список контентных фич уже сейчас и внедряйте новые знания!

Cтатья подготовлена руководителем отдела аналитики SEOWORK, Сергеем Горобий

0
25 комментариев
Написать комментарий...
Сергей Вирясов

А если отзыв один ? А если отрицательный ? А одного отзыва достаточно или есть минимальный порог ? А сколько ?
А в каких тематиках фото 5 штук действительно бустят ? Вот прям категории. Например для клея или цемента точно надо 5 фото ?

Ответить
Развернуть ветку
Виктор Петров

медиана рулит

Ответить
Развернуть ветку
Дмитрий Скрябин

Для гвоздей без 5 фото никуда. И видеообзор еще нужен.

Ответить
Развернуть ветку
Andrey Dzhilavdarov

не души плиз :)

Ответить
Развернуть ветку
SEOWORK
Автор

Сергей, ну кто как не вы в курсе, что влияние и одного и отрицательного отзыва можно оценить ) SEOWORK и сегментация на что?

Ответить
Развернуть ветку
Igor Daly

хорошая работа. всё что с графиками и примерами всегда наглядно, спс

Ответить
Развернуть ветку
Mihail Grobov

при нынешних вложениях в контент безусловно надо анализировать результат . Спасибо за материал, хорошая работа

Ответить
Развернуть ветку
Камиль Авгаев

ну в экоме вообще любое направление надо оценивать, все метрики важны для роста

Ответить
Развернуть ветку
George Karakeyan

контент (вложения в контент) довольно просто посчитать, а значит посчитать влияние затрат на результаты - звучит неплохо

Ответить
Развернуть ветку
Камиль Авгаев

просто, но для многих не очевидно. а так да, будешь держать под контролем, будешь оптимизировать расходы

Ответить
Развернуть ветку
Мария Распутина

всегда, прям абсолютно всегда ориентируюсь на товары с отзывами. Да, знаю-понимаю, что большинство накрученных, но на незнакомый товар всё равно смотрю прежде всего на отзывы. UGC сильная механика, всё верно

Ответить
Развернуть ветку
Анатолий Кобец

Насчет скорости загрузки сайта и ее влияние на позицию позволю не согласится.
Есть магазин. И прям уперлись в скорость загрузки. Ну был момент пытались поднять органику. Фоток было столькоже сколько и у конкурентов. Описание и характеристики плюс минус тоже.
Так вот за более чем пол года сделали так что все метрики были в зелёных секторах. А некоторые заполнены более чем на 80%.
И что я вам скажу. А ничего. Прорыва вообще не случилось.
Так как сайту много лет. И прошло после этого 4 года.
Результат около нулевой.
Органика начала рости от ссылок и увеличения ассортимента.
Мое мнение.
То что вы описали делать конечно нужно. Но ожидать от этого ощутимого результата не стоит.
Это как если вы будите при беге немного подпукивать. Реактивная струя газа в теории придаст вам ускорение. А на практике. Ну такое)))) только настроение ухудшите преследователям)))

Ответить
Развернуть ветку
Вера Леонова

Очень качественная статья, с графиками (очень наглядно), приятно было читать, спасибо.
Могу сказать, что сама при покупке какого-либо товара, особенно нового, прежде всего смотрю на отзывы они очень помогают и сама стараюсь их оставлять.

Ответить
Развернуть ветку
Дмитрий Скрябин
На конкретных примерах мы увидели, какую ценность можно получить от анализа контента.

А можно и без анализа догадаться, что чем подробнее описание и больше картинок, тем позиция более заметная и с большей вероятностью ее купят. То же самое про UGC - чем более "живой" сайт, тем он привлекательнее.

Видим, что более оптимизированные имеют лучшую конверсию.

Спасибо, Кэп.

Уточните, плз, что такое -33% в таблице на пересечении "инженерные системы" и "пользовательский опыт"? Это корреляция с конверсией?

Ответить
Развернуть ветку
Андрей Макарычев

Все это похоже на большой карго-культ, прошу не обижаться, но такое мнение сформировалось

Ответить
Развернуть ветку
Александр Александров

Всё так, карго культ эмпиризма я бы сказал, который появился ещё со времён тех, кто стоял у истоков математики)

Ответить
Развернуть ветку
Анатолий Кобец

К сожалению да. И пока сам на это не начнеш сливать бюджет не поймеш что все блин упереться в ссылки и ассортимент.
Пытались текстами качаться. Взяли для примера категорию товара. Заказали прокачку ее. Нам поставили супер seo статью по заданным ключам. На своём разделе- блоге сайта разместили органические отзывы покупателей с исходящими ссылками на категорию. Все ссылки тоже спецы причесали.
Сели и стали ждать. Прошло пол года. Ноль прироста. Год. Ноль прироста.
И подумали. Давай прям упремся и забьем категорию товарными позициями. Чуть поднялись.
Но. Ссылки конечно это альфа и омега.
Но с ними как в спорте со стероидами. Надо пиздец как аккуратно работать.

Ответить
Развернуть ветку
Виктор Петров

Боты в комментах с регами ради коммента.
Клёва.

Ответить
Развернуть ветку
Санал Эрдни-Горяев

А если самим писать под разными никами отзывы? Прокатит?

Ответить
Развернуть ветку
Евгений Горбунов

Пишут, прокатывает же. Речь больше о том, где их столько набрать, к примеру если карточек под 500к (при средней цене отзыва в 500 рублей). Но тут можно и другими вариантами идти

Ответить
Развернуть ветку
Виктор Петров

Под всеми-то смысла нету. Если есть ресурсы - заюзать GPT-3 какую-нибудь условную, либо вообще использовать ротатор с отзывами не на конкретный товар, а нечто обобщённое. Будет дублироваться, конечно, но в рамках каталога это некритично.

Ответить
Развернуть ветку
Евгений Горбунов

Мы по сути так и делаем, если есть отзыв на товар - выводим, если нет - выводится конкретный продуктип, если нет, просто любые отзывы рандомно. Но в первую очередь, была цель снизить вероятность исключения карточки товара, ибо на ней контента мало пока что.

"Если есть ресурсы - заюзать GPT-3" - хорошая тема, нужны ресурсы и время :)

Ответить
Развернуть ветку
Евгений Горбунов

А если отзывы одинаковые, но по 8 штук и на всех товарах?
А если конкурент 1 только, остальные афили, то на сколько фото будут ролять?

Ответить
Развернуть ветку
Анатолий Кобец

Личное мнение.
Нельзя сильно отрывать страницу от ресурса в целом.
Так как вы точно не можете залезть под капот к гуглю и сказать почему ваша страница ниже чем конкурента.
Можно только по принципу чёрного ящика- данные на входе , результат на выходе, хз что происходит в середине.
Мож вы добавите фоток и ничего не произойдёт. Ну хуже конечно точно не будет. Но лучше не факт.
И ещё прикол.
Решили зайти на маркет мы. Сайт на тот момент был уже 6 лет. И все индексировалось норм. Товары частично достаточно редкие.
И каково было удавлением если по прямому запросу показывался сайт на маркете и наш ресурс ниже на пару позиций. При том что после добавления товара на сайт его кормили гуглю. И после пары дней загоняли ручками на маркет.
Результат. Ушли с маркета. )))

Ответить
Развернуть ветку
Efim Kuzminskyi

Полезная статья, понятно изложено. Спасибо!

Ответить
Развернуть ветку
22 комментария
Раскрывать всегда