Алгоритм постапдейтной аналитики на примере «Детского мира»

В первой части статьи мы сделали удобный чек-лист аналитики причин роста/падения сайта в результате каких-либо апдейтов. Сейчас мы рассмотрим подробный алгоритм работы на примере крупного отечественного e-commerce «Детский мир». В конце будет небольшой бонус от спикера.

План исследования видимости

1. Обзор проекта
2. Категории
3. Типы страниц
4. Постраничный анализ
5. Сегментируем [категория + тип страницы]
   
6. Анализ конкурентов по получившимся сегментам
   
7. Позапросная аналитика
   
8. Обещанный бонус — постраничная аналитика в сравнении с конкурентами
   

Наше исследование будет строиться на основе крупной российской сети товаров для детей «Детский мир».

Открываем проект в SEOWORK и первое, на что обращаем внимание — видимость в Яндекс и Google. Картина в Яндексе стабильна, а позиции в Google в июне существенно просели. Что интересно: сначала просела метрика %WS10, в то время как %PTraf просел несколько позже.

Это может быть связано с тем, что запросы, которые вылетели за ТОП10, находились в конце списка на 6–10 позиции не генерировали много трафика. Следовательно, %PTraf неизменный, однако позже у нас вылетели запросы из %ТОП5 — вот это падение было синхронным с %PTraf.

Вывод: эти запросы существенно повлияли на видимость. Обратимся к категориям.

Дальнейшее исследование будет строиться на данных из SEOWORK только по выдаче Google и за период 1-21 июня! Не забывайте изменять вводные перед аналитикой дашбордов.

1 июня падение еще не произошло, а 21 июня случилась наибольшая просадка. После ввода исходных платформа покажет 15 категорий. В таком виде за ними наблюдать не очень удобно, особенно, если в ваших проектах категорий и бизнес-направлений еще больше. Соответственно, нужно просевшие категории отфильтровать от тех, которые могут быть не репрезентативны или функционируют должным образом.

Например, обратимся к категории «подарки». Она обладает наименьшей частотностью и имеет всего лишь 2 страницы и 2 запроса. Очевидно что это категория не репрезентативна, и ее анализ не будет иметь смысла. Аналогичная ситуация с категорией «дом» и др. — нам нужно отфильтровать лишние. Замечаем и категорию «одежда и обувь», которая никак не пострадала — ее тоже нужно отсеять. Для этого воспользуемся фильтром по метрикам.

Поставим частотность от 10 тысяч, %WS10 (изм.) до –5 и %PTraf (изм.) тоже до –5.

Как частотность, так и проценты изменения позиций у вас могут быть другие, это не константа. Запросы у разных проектов могут быть иной частотности, исходите из собственных данных. Что мы видим в обновленной таблице:

Появились 4 категории, которые претерпели наибольшую просадку, по сравнению с остальными. Отфильтрованные данные более репрезентативны, обладают какой то существенной частотностью. Взглянем поглубже — построим BI-отчет.

Опять же напоминаем установить нужный поисковик и соответствующую даты.

Видим следующее: средний спрос идет в основном на категорию «игрушки и игры» (77%). На остальные категории приходится всего лишь 23%, а значит мы нашли точку роста. На эти данные нужно обратить первоочередное внимание.

Динамика спроса ничем не отличается, значимых изменений не происходило. Ничего сверхъестественного также не наблюдается, поэтому переходим к изучению видимости.

По видимости категория «игрушки и игры» обладает наибольшей видимостью, остальные — около 10%. В динамике видимость всех категорий просела одновременно.

Какие выводы можно сделать на основе данных по спросу и видимости?

Чем больше у категории видимость, тем меньше потенциал, а чем больше частотность, тем больше потенциал. Хоть у категории «игрушки и игры» сейчас наибольшая видимость — она недостаточная. Ее все равно есть куда развивать и все равно эта категория при настолько превалирующим спросе является приоритетной. Видимость в 25% говорит о том, что поисковая система воспринимает эту категорию позитивно, и будет не так сложно вырасти.

Категория «игрушки и игры» сильно превышает спрос над другими категориями. И при этом видимость несоизмерима со спросом — эта наша точка роста.

У нас уже собраны отдельно карточки и листинги. Вы можете узнать, как сегментировать проект, из записи прошлого воркшопа на YouTube, а также ознакомиться с алгоритмом в нашей статье на vc. ru по ссылке.

Итак, что мы видим:

Спрос карточек товаров составляет 39% и листингов 61%. На сайте «Детского мира» оба типа важны в продвижении, карточками и листингами необходимо заниматься, развивать их. Иногда встречаются показатели 2-3% от спроса на карточки товаров. В таком случае вырасти на карточках не получится, нужно сосредоточить усилия на листингах. По динамике мы замечаем, что изменений нет, но по %PTraf…

По %PTraf видим одновременную просадку позиций. Оба типа страниц в данном случае сегментировать не удалось. Видимость у них приблизительно одинаковая, разница +/- 6%. Значит карточки и листинги необходимо развивать.

Здесь порядка 2000 страниц. Эта цифра небольшая, страниц может быть и 5 тыс, и 10 тыс. Каждую страницу отдельно анализировать мы не будем, однако если вы в ходе аналитики заметили просадку лишь нескольких страниц (или в какой-то категории), достаточно воспользоваться виджетом (шестеренка) и посмотреть, что же произошло с выбранной страницей.

Здесь можно увидеть, проиндексирована ли страница в Яндексе и в Google. Ниже находятся сегменты, в которых эта страница находится. Присутствует динамика спроса и динамика ранжирования. Выбранная страница лучше ранжируется в Яндексе, нежели в Google, хотя у первого волатильность больше. Но в данном проекте это не важно, поскольку страница слишком низко находится.

Снова отфильтруем страницы, которые не несут особой ценности в плане частотности, а именно «WS» от 500,% WS10 (изм.) до –5,% PTraf (изм.) до –5.

Получается: есть 19 страниц, которые наиболее сильно просели, и с ними необходимо работать в первую очередь. Фильтры могут быть и другие, если убрать условие для частотности, то страниц станет гораздо больше. Не всегда имеет смысл отсекать частотность, так как карточек товаров на сайте больше, чем листингов, но, с другой стороны, при фильтре частотности эти карточки, скорее всего, будут исключены. Как правило (но не всегда), листинг имеет суммарную частотность больше, чем карточки товаров. Поэтому, фильтруя по частотности, мы можем отсечь то что необходимо исследовать.

Исключив фильтрацию по «WS», получаем уже 280 страниц. Именно эти страницы претерпели посадку, и для дальнейшего исследования мы построим сегменты пересечения по типу страниц. Например, карточка товара плюс наиболее приоритетная категория «игрушки и игры».

Карточка товара + «игрушки и игры» = 147 просевших страниц. Их необходимо проанализировать — создаем сегмент. Это просто:

1. ставим галочку на все страницы
2. «выбрать действие» → «добавить в группу страниц»
   
3. «укажите группу» → «новая группа»
   
4. придумываем название для группы с указанием сегмента для понятной навигации, например, анализ падения [игрушки и игры + карточка]
   
5. «выбрать раздел» → «SEO» → «Анализ выдачи и заметки» → «Анализ апдейта»
   
6. финальный клик по кнопке «применить» — вуаля, вы великолепны!
   

Вновь проходим в платформе путь «Видимость» → «Группы страниц» и вручную ставим галочки на категории из выборки «анализ падения» → построить BI. Узнаем, что можно заметить на примере просевших категорий.

По просадке получилось 5 категорий. Из них карточки и листинги по категории «игрушки и игры» составляют наибольший спрос среди всех просевших страниц. Это наши точки роста, одна категория составляет 81% спроса. Ей необходимо отдать первоочередное внимание. Динамика спроса меняется одновременно у всей выборки.

Наибольшая видимость у листинга категории «гигиена и уход», далее «игрушки и игры» — следовательно, это самая приоритетная категория. Самая наименьшая у листинга «книги». По динамике видимости все как и ожидалось: просадка во всех собранных сегментах одновременно.

На графике объединения спроса и видимости замечаем две категории (карточка и листинг «игрушки и игры»), которые находятся сильно впереди остальных. Они обладают примерно той же видимостью, что и другие, но гораздо большим спросом. Обратимся к конкурентам самых могущественных сегментов.

Рассматриваем по% PTraf, потому что это наиболее показательная метрика. Выбираем наш сегмент «анализ падения [игрушки и игры + карточка]».

В начале отсекаем тех конкурентов, которые стабильны, они будут только мешать графику. Красной линией отмечен исследуемый «Детский мир». Наибольшая просадка пришлась на 11 июня, при этом в момент спада подрос OZON (синий). Возможно, конкурентный e-comm стал причиной падения, а может быть это лишь следствие нашей просадки, OZON мог бы занять наше место по части запросов. Далее «Детский мир» упал еще немного и несколько подрос Яндекс. Маркет (желтый). Остальной спрос распределился равномерно.

Что касается листингов категории «игрушки и игры». Синий график OZON вновь подрос, а «Детский мир» (фиолетовый) сильно просел. По остальным конкурентам спрос распределился равномерно, но при этом нет зеркальной ситуации: OZON не вырос настолько же, насколько просел на проект. Учитывая равное распределение позиций по конкурентам, становится очевидно — проблема внутри нашего сайта, и она никак не связана с конкурентами.

Посмотрим детально на запросы и на то, как можно их анализировать. В таблице по направлению «Видимость» → «Запросы» слишком много данных, поэтому вновь используем фильтры («WS» от 500, PTraf (изм.) до –5). В итоге из более 3000 запросов получаем 35. В обновленной таблице напротив «Страница» переключаем бегунок и можем посмотреть сразу, какая страница должна ранжироваться по этому запросу.

Полученные запросы обладают существенной частотностью. Она настолько существенная, что нам имеет смысл проделать позапросную аналитику и вывести запросы в ТОП — они принесут проекту ощутимый прирост трафика. Но слишком много процентов от продвижения одного запроса не ожидайте. Важно проработать все 35 значимых и просевших запросов. Каждый из них можно исследовать и провести on-page оптимизацию конкретного запроса. Рассмотрим принцип на примере страницы «лего ниндзяго», который спустился из ТОП3 до ТОП5.

На нужной странице сайта исследуемого запроса нет ни в заголовке, ни в тайтл, ни в дескрипшн и даже в тексте внизу. Это означает, что если запрос про «лего ниндзяго” добавить на соответствующую страницу, то здесь возможен рост позиций. Если же запроса в целом нет на странице, то велика вероятность не пройти текстовый кворум, соответственно, не будет ранжирования. Добавить можно в тайтл или на странице написать «Лего Ниндзяго», но предварительно рассмотреть варианты похожих запросов с целью найти бОльшую частотность. В противном случае после интеграции нового запроса проект потеряет больше трафика, нежели приобретет.

При on-page оптимизации под какой-то конкретный запрос возможно вернуть утраченные позиции или же вырасти по необходимым запросам. Теперь перейдем к бонусной части.

Посмотрим на постраничную аналитику в разрезе с конкурентами: что можно сделать и какие выводы произвести?

Для изучения страниц возьмем листинги и карточки, которые потеряли больше всего трафика. Важно, чтобы у этих страниц не было каких-либо технических проблем (они хотя бы должны находиться в индексе), иначе конкурентный анализ не поможет, выводы будут неверные. Кроме того, спрос не должен проседать сильно, ведь работать будем не с ним, а с видимостью.

Ищем аналогичные страницы конкурентов, которые занимают позиции выше наших по самым частотным запросам. Это можно посмотреть по маркерам, H1. Достаточно найти 3-4 конкурента и дальше определяем признаки, по которым будем сравнивать наш проект с другими — собранные признаки будем парсить. Для листингов и для карточек товаров признаки будут несколько отличаться. Если собранные выше признаки, например, внешние ссылки и признаки скорости загрузки одинаковые, то контентные имеют различия — именно их и будем анализировать.

Напоминаем, что в ваших проектах признаки могут быть другими, поскольку в силу специфики разных ниш контентные признаки отличаются. В результате получается следующая таблица, из которой все станет понятно.

Мы парсили как наш сайт, так и проекты конкурентов. В первом столбце находятся урлы нашего сайта, во втором — аналогичные урлы конкурента. У нашего e-commerce они дублируются трижды, потому что на каждый урл приходится 3 конкурента. Наши показатели до столбца «конкуренты» (где выделена ячейка) одинаковые. Дальше они отличаются, так как для каждого конкурента показатели собственные. В конце мы считаем разницу и из на ее основе составляем график.

Такой график составляется отдельно для каждого конкурента и соответствующих страниц нашего проекта. Если у конкурента нулевые показатели, значит мы лучше в 100% случаев, если же у конкурента в показателе 100% — мы хуже в 100% случаев.

Что мы видим: у конкурента первого сайта в 80% случаев больше товара, соответственно, мы можем предположить, что этот признак для нас значим, ухудшение видимости логично.

Также практически всегда у конкурента бОльший объем текста. Следовательно, нужно создать ТЗ, чтобы на часть исследуемых страниц интегрировать текст и обязательно проследить за изменениями. Если они положительные, то масштабировать практику на весь сайт.

Количество фильтров и товаров на первой странице у нашего e-commerce больше, чем в половине случаев. Вероятно, эти признаки не очень значимы для этого проекта.

Касаемо скорости загрузки: практически в 100% случаев по всем показателем конкуренты выше нас. Может ли это влиять на видимость — скорее всего, да. Следовательно, необходимо выбрать группу страниц, оптимизировать их скорость загрузки и проследить за динамикой.

Про внешние ссылки. У двух третей анализируемых документов ссылается больше бэклинков и доменов. Здесь необходимо составить ссылочную стратегию, благодаря которой появится ясность, какие именно типы ссылок нужны, какой скорости закупать и тд.

Выводы выше приведены для одного конкурента. Когда подобная работа будет проделана для всех конкурентных проектов, можно будет четко резюмировать на основе объективных данных. после того как сделаем для остальных можно сделать сводную по тому что мы наблюдали. После внедрения обязательно сделать сводку по наблюдениям за апдейтами.

1. У конкурентов сайт1 и сайт2 суммарно больше товаров на листингах. Скорее всего, необходимо расширять ассортимент товаров.
2. У всех конкурентов практически в 100% случаев больший объем текста на документах.
   
3. У конкурентов сайт2 и сайт3 признак «количество товара на 1-й странице» имеет показатели выше наших; признак значимый. Соответственно, если мы показывали, например, 24 товара на странице, то теперь можем показать столько, сколько у конкурента (36, 60 и т. д.).
   
4. Практически по всем документам все конкуренты превосходят исследуемый сайт в скорости загрузки контента пользователя.
   
5. Только у сайт1 больше внешних бэклинков и ссылающихся доменов. Возможно, данный признак не сильно значим. Нужно дополнительно изучить ссылочные профили конкурентов.

Здесь помечаем: если бы мы анализировали только 1 конкурента, то мы бы сейчас составляли ссылочную стратегию и тратили деньги на закупку ссылок, что, вероятнее всего, не дало бы значимого прироста. Поскольку мы видим других конкурентов, которые лучше ранжируются, имея при этом ссылочную массу хуже нашей, мы не будем приоритизировать такие задачи.