Итак, на выходе у нас есть перечень запросов, худо-бедно отсортированных по эффективности. Теперь наша задача – убрать из него накрученные запросы и запросы, которые не несут целевого трафика.
Для того чтобы эффективно очистить семантическое ядро от таких запросов, надо иметь представление о проблемной области и интересах пользователей. Впрочем, некоторые типы ненужных запросов бросаются в глаза сразу, например:
□ запросы с вхождением года («мебель 2010», «диваны 2009»);
□ геозапросы, частотность которых значительно отличается от частотности геозапросов по другим регионам с аналогичной и даже большей численностью населения. Если «диваны станица Голубицкая» имеют частотность на порядки большую, чем «диваны Темрюк», это однозначно говорит о том, что какой-то голубицкий оптимизатор решил продать бесполезный запрос подороже. При этом все же необходимо иметь представление о предмете, поскольку «мебель Шатура» означает совсем не то, что «мебель Сергиев Посад»;
□ запросы, частотность которых резко отличается от частотности аналогичных. Условный пример: «купить голубой диван» – 2, «купить синий диван» – 2500 – так не бывает;
□ запросы с непонятным синтаксисом, например «диван 30 километрах»;
□ применительно к магазинам следует удалить запросы, связанные с продажей бывших в употреблении, самодельных вещей, с их ремонтом, историей и т. д. Например, «дивану бу», «диван из раскладушки своими руками», «починить диван без пружин», «кто придумал диваны» вряд ли дадут посетителей, заинтересованных в покупке дивана. Вместе с тем многие такие запросы могут постоянно собирать полезный для информационного портала трафик, а потому решением об их исключении следует принимать, исходя из итоговых целей и задач продвижения.
Изучение потребностей пользователей иллюстрирует следующая таблица.
Стоп-слова. Если при продвижении порталов нам необходим практически любой трафик, то интернет-магазинам нужны продажи. Продвигать интернет-магазин по тематическим некоммерческим запросам – почти пустая трата ресурсов (почти – потому что полнота охвата тематики все же будет бонусом при продвижении высокочастотных запросов), а потому лучше сразу исключить такие запросы из семантического ядра.
Одним из способов быстро исключить большое количество некоммерческих запросов является использование стоп-слов. Пользователи, приходящие по запросам, содержащим «скачать бесплатно», «сделать самому», «своими руками», «как отремонтировать», «скачать инструкцию», «история производства», однозначно ничего не купят, а потому вы можете убрать эти запросы автоматически и сэкономить немало времени. Сформируйте собственный список стоп-слов, исходя из своей тематики, причем он может быть уникальным для каждого тематического кластера.
Оценка конкурентоспособности запросов
Очевидно, что даже среди запросов с примерно одинаковой частотностью есть запросы с разным уровнем конкурентоспособности. Перед нами стоит задача в итоге лидировать в выдаче по всем запросам, однако разумнее начать с тех, продвинуться по которым будет проще. Для этого необходимо сначала определить их.
Для оценки конкурентоспособности не нужны сложные аналитические инструменты, хотя они могут серьезно ускорить работу. Вам понадобятся:
□ сервис Solomono.ru;
□ выдача «Яндекса»;
□ любой сервис, который будет определять основные SEO-параметры доменов.
Примерный алгоритм действий такой.
1. Вводим поисковый запрос в «Яндекс».
2. Анализируем внешние ссылки, ведущие на страницы, которые находятся в первой пятерке выдачи «Яндекса» по запросу. Если ссылок на страницы нет, запрос можно считать довольно низкоконкурентоспособным.
3. Анализируем содержимое тега Title. То, что прямого вхождения ключевой фразы нет, еще один показатель низкого уровня конкуренции за запрос.
4. Оцениваем основные SEO-параметры сайтов первой пятерки. Если в нее входят сайты с низким ТИЦ, не описанные в каталоге «Яндекса», с небольшим возрастом домена, это означает, что занять место одного их них будет несложно.
Для формализации процесса вы можете разработать собственную балльную систему оценки конкурентоспособности и на ее основе планировать этапы продвижения. Например, запросы, по которым в топ-5 выдаются страницы без вхождения в Title на доменах с возрастом менее года, – 1 балл, с возрастом от года до двух – 2 балла, с вхождением – 3 балла и т. д. Опытный оптимизатор легко сможет составить довольно точную шкалу с учетом тематики портала.
Как и любой другой рутинный процесс, оценка конкурентоспособности может быть в значительной степени автоматизирована. При этом не обязательно, чтобы система сразу могла определять конкурентоспособность на полном автомате, – даже если на начальном этапе она сможет только разбирать страницу выдачи и анализировать вхождение ключевого слова в Title, это уже позволит значительно повысить производительность труда. Добавляя такой программе новые функции, со временем вы можете получить убийственно эффективный аналитический инструмент.
Создание групп запросов
После чистки мы получим очень длинный список, состоящий из важных для нашего портала либо интернет-магазина запросов, однако работать с этим списком будет крайне сложно, поскольку он неструктурирован. Следующая задача – выстроить структуру, разбив список на группы.
Создавая группы, следует исходить из особенностей предметной области и специфики бизнеса. Применительно к мебели будет логичным разделить ее, например, следующим образом:
□ мебель для офиса;
□ письменные столы;
□ шкафы для документов;
□ выкатные тумбы;
□ приставные тумбы;
□ приставки;
□ кабинеты;
□ офисные кресла;
□ мебель для руководителя;
□ мебель для переговорной;
□ мебель для дома;
□ мебель для кухни;
□ мебель для прихожей;
□ мебель для спальни;
□ мебель для гостиной;
□ торговая мебель;
□ мебель для кафе и ресторанов;
□ садовая мебель.
Очевидно, что категории второго уровня вложенности будут делиться и далее. Так, категория «письменные столы», входящая в «офисную мебель», может включать в себя категории четвертого уровня вложенности «экономкласс», «бизнес-класс», «элитные», «садовая мебель» может включать «садовую мебель из пластмассы», «садовую мебель из ротанга» и т. п.
