Сбор семантического ядра сайта на заказ: узнайте какими запросами потенциальные клиенты ищут продукт

1. Заказчик заполняет бриф на семантическое ядро с указанием приоритетных запросов для сбора. В отличие от простого сбора ключей, мы рассматриваем семантику как часть маркетингового исследования. Потребители могут искать бизнес совсем не теми словами, как это представляется изначально.

2. На основе брифа происходит выполнение мозгового штурма и разработка MindMap-карты, включающей наглядное отражение будущей структуры семантики. Карта согласовывается с заказчиком на предмет несоответствующих направлений бизнеса и явных пропусков в структуре. Это позволяет не тратить ресурсы на направления, в которых бизнес не заинтересован и учесть важные кластеры.

3. Построенная структура MindMap карты позволяет отметить некоторые особенности тематики, которые также фиксируются в примечаниях к структуре. Например, представления менеджмента компании могут сужать тематику, наша задача – развернуть и найти максимум результативных запросов.

4. Черновая структура MindMap-карты преобразуется во входящие запросы для парсинга (сбора статистики по ключевым словам).

5. Выполнение сбора – входящие запросы «распарсиваются», то есть формируются варианты употребления запроса вглубь статистики поисковой системы (Яндекс.Вордстат, Google Keyword Planner). Для парсинга сразу обозначаем минус слова – все сочетания, которые точно не являются целевыми для клиента (своими руками, чертежи, как сделать и т.д.)

6. Коррекция первоначальной структуры ядра. Как правило, после процессов парсинга становится понятно, что часть запросов упущена и их нужно включить в структуру. Включаем, собираем статистику по упущенным.

В данном примере перед нами стояла задача собрать запросы по маске «из стеклопластика» для предприятия, занимающегося матричной формовкой (исключая пултрузию и намотку). В процессе коммуникаций с заказчиком мы выяснили, что матричная формовка позволяет делать сложные изделия произвольной формы. И, потребитель часто использует слово композитный как синоним слова стеклопластиковый. По этой причине во входные запросы мы включаем фразу композитный, которая была упущена при первоначальном анализе.

MindMap-карта и черновая структура

7. В результате парсинга с учетом минус-слов все равно обнаруживаем большое количество мусора. Тематика сложная, все предусмотреть сразу нельзя. Чистим ядро относительно ненужных запросов, выполняем съем частотности Вордстата и формируем черновую структуру сайта.

8. Выполняем кластеризацию по выдаче поисковых систем.

В тематике частотных запросов мало и инструменты KeyCollector, KeyAssort и т.д. не совсем верно формируют кластеры. Используем инструменты, чтобы правильно разнести запросы по группам. Периодически сравниваем выдачу в исследуемых кластерах. Мы специально заранее сняли частотность, чтобы ориентироваться на ее показатели в процессе разнесения запросов по группам.

Например, выдача показывает, что «композитный лоток» и «стеклопластиковый лоток» должны находиться в одном кластере. Если их не разнести – возникнут процессы «каннибализации» — 2 страницы по одной теме конкурируют и мешают друг другу расти в выдаче (похожая ситуация с рядом других кластеров).

9. Снимаем дополнительные показатели – анализ топа поисковой выдачи, конкурентность и ставки в Яндекс.Директ. Выполняем ручной контроль качества ядра –просматриваем на предмет несоответствий и мусорных запросов. Сомнительные элементы смотрим по выдаче. Ядро готово, дальше работаем над структурой и внедрением.

Из более чем семи тысяч фраз получилось 539 запросов. Методика работы предполагает выбор максимально полной семантики (статистика, сервисы, подсказки и т.д.). Это оправдано, так как даже 1 запрос в 2 месяца может принести производственному предприятию хорошего клиента.

1. Корректируем черновую структуру сайта. Выполняем примерное формирование категорий и записей, которые туда могут быть отнесены. В результате получаем усложненную иерархию категорий, которая станет основой для внедрения на сайт.

2. На основе проведенного ранее конкурентного анализа (MindMap, Парсинг, Черновая структура, SERP) отмечаем низкий уровень проработки структуры в тематике. Конкуренты не используют категории в качестве посадочных страниц. Это, определенно, является точкой роста.

3. Разрабатываем отдельный файл Excel для схемы категорий относительно уровня вложенности. Каждый уровень отделяем нижестоящей ячейкой-«лесенкой». Для наглядности, каждая категория снабжена группой и ключевыми запросами, которые ее образовали.

4. Проводим конкурентный анализ уровней вложенности и общей структуры в тематике. Важно определить, какой интент соответствует категории, а какой отдельной странице. Так в ходе сбора ядра мы определили, что некоторые запросы с приставкой «производство» возможно использовать в качестве категории.

5. Используем данные выдачи SERP и формируем:

• Название категории в общей структуре сайта для хлебных крошек;
• H1 на странице описания категории, мета-теги Title и Description;

Таким образом, получаем уникальные заголовки для отдельных мета-тегов и сокращенное название для Хлебных крошек. Часто оптимизаторы с этим не заморачиваются, но, по-нашему мнению, уникальность каждого элемента имеет значение.

6. Используем технологию тегирования и предлагаем вариант наполнения категории производственными услугами. Например, категорию Емкости наполняем записями: Ванны, Баки и композитные чаши.

1. Семантическое ядро – это основная часть архитектуры страницы. Если взять неконкурентный кластер и написать по нему статью – уже будет какой-то топ в выдаче. Но, основная задача вывести на первые позиции. Если тематика наводнена объявлениями контекстной рекламы, все что ниже пятой позиции в выдаче трафика не дает. Чтобы получить топ 1-5 – следует выбирать неконкурентные ключевые слова, при этом структура страницы должна быть лучше (или как минимум не хуже) сайтов уже представленных в выдаче.

Проблема промышленных тематик — сложность производимых товаров, работ, услуг и для простоты внедрения заказчику передается полная аналитика по текстовым факторам — расширенные технические задания копирайтеру (тексты пишут специалисты заказчика). Первоначально так и было сделано, но затем была подобрана команда из копирайтеров, которые писали тексты

2. Применяем методику текстового анализа. Исследуем мета-теги страницы, структуру, вхождения ключевых запросов в тело страницы и интерфейс, выделяем существенные особенности и недостатки конкурентов из топ 20 выдачи. На данном этапе важно понять, какие текстовые факторы конкуренты не используют. Например, сразу можно отметить:

• отсутствие интерфейсных вхождений — большинство используют ключи в теле текста, не затрагивая интерактивные блоки, элементы меню и графические элементы);
• иллюстрации из фотостоков — оригинальные фотографии имеют большую ценность — показывают производство, производственную услугу перед потребителем в реальном виде;
• непроработанность коммерческих факторов — страница контактов/о компании, проблема с ценой (компании такого вида предоставляют производственные услуги, поэтому важно не скрывать цену, а уточнить ее границы или аргументированно предложить расчет) и другие факторы.

К примеру, текстовый анализ позволяет понять, какая страница должна соответствовать топу. Запрос «композитные лотки», приоритетные страницы по кластеру — это категории. Встречаются в топе в 77%, 65%, 53 и т.д. раз. Делаем вывод, что без ассортимента в 7-15 позиций такая страница в топ выдачи Яндекса не зайдет. Соответственно, бизнес должен ориентироваться на более низкоконкурентный (и низкочастотный) запрос, отвечающий интенту (например, «изготовление композитных лотков» либо формировать искусственную категорию), что соответствует специфике бизнеса.

3. Собираем LSI-запросы. Страница должна быть максимально соответствующей-релевантной ключу. Чтобы этого достичь, собираем семантически связанные фразы на основе подсказок поисковых систем, похожих запросов, выдачи по картинкам. Добавляем использование сервисов, которые позволяют оценить тематику и получаем список LSI-фраз.

4. Формируем расширенное техническое задание копирайтеру. Описываем структуру заголовков с ключевыми словами, подробные пояснения автору текста, указываем точные вхождения основного запроса и наличие LSI-выражений.

5. Пишем мета-теги Title и Description. Особенность расширенных технических заданий – по ним напишет качественный текст даже не профи-копирайтер (например, PR-специалист, сотрудник компании). Расставляем ссылки внутренней перелинковки внутри записей. В формате «вставить анкор в первые 2/3 текста в рекомендательном формате (ссылки)». Это позволяет копирайтеру-автору текста сразу вписать ссылку в документ.

6. Продвинутая докрутка текстовых факторов. Описанных выше действий уже достаточно для того, чтобы статья вышла в ТОП и заняла позиции в низко-средне конкурентной выдаче. Но, иногда стоит сделать еще лучше.

В данной тематике выполнили:

• устное анкетирование руководителя организации по проблемам часто задаваемых вопросов клиентов и вынесли их в отдельный блок. Важно отметить, что ответы на вопросы давались языком целевой аудитории. Данный блок собирает дополнительный НЧ-трафик, и посетители сайта его реально читают. Например, мы подробно объяснили, чем композитные материалы отличаются от других видов полимеров и почему стеклопластик – это дорого, но выгоднее чем сталь и алюминий для промышленных конструкций.
• разработку смысловых блоков внимания на наиболее конкурентных и частотных страницах. Чтобы усилить воздействие на текстовые факторы, дополнительно раскрыли аспекты производства изделий (Например, на странице мастер-моделей рассмотрели специфику изготовления крупногабаритной оснастки методом сечений). Это позволило усилить структуру текстов и получить повышение позиций по ключевому запросу.