Один из самых простых способов расширения аудитории интернет-магазина — это подборки товаров или топ-листы. С их помощью можно привести новых пользователей, увеличить трафик и, как следствие, повысить доходы сайта.
Для создания подборок товаров вам не нужно выходить за рамки своей ниши, достаточно подготовить страницы, которые будут удовлетворять потребностям аудитории. Как это сделать, читайте дальше в статье Дмитрия Мазуряна.
Зачем делать подборки товаров?
Ответ прост — они полностью покрывают аудиторию, которая ищет лучшие товары в рамках своей ниши. Давайте возьмем несколько групп товаров и определим насколько люди интересуются лучшими экземплярами.
Для этого я взял несколько разных товарных групп и определил количество фраз в базе Serpstat для украинской выдачи Google по ключевым словам типа "лучшие {{группа_товаров}}" и "топ {{группа товаров}}", а также их суммарную частотность. Результаты показаны в таблице ниже.
Группа товаров | Количество фраз в Serpstat | Суммарная частотность |
---|---|---|
наушники | 265 | 4910 |
велосипеды | 194 | 2580 |
микроволновки | 26 | 270 |
двери | 87 | 980 |
семена | 320 | 400 |
аккумуляторы | 61 | 1390 |
лампы | 56 | 780 |
шины | 136 | 1900 |
планшеты | 480 | 8640 |
Как видно из этой таблицы, интерес присутствует во всех товарных группах. А ведь в Serpstat далеко не все поисковые фразы, которые вводят в поисковых системах. Теперь представьте сколько новой целевой аудитории может получить сайт, если на нем создать подборки товаров.
К сожалению, недостаточно сделать статью "лучшие наушники" чтобы покрыть всю аудиторию. Нужно детально изучать интересы и группировать фразы на отдельные страницы.
Как создать подборку / топ-лист?
Давайте более детально рассмотрим процесс подготовки к созданию новых страниц для привлечения трафика.
1
Определите для каких групп запросов будут создаваться страницы.
2
Подготовьте основные фразы, под которые будут оптимизированы эти страницы.
Я пришел к тому, что эти два пункта можно легко автоматизировать, используя базы Serpstat. Помогает в этом API сервиса и два скрипта, которыми я с вами поделюсь.
Если взглянуть на таблицу выше, то можно увидеть, что по наушникам аж 265 фраз. Если создавать одну страницу с топом лучших наушников, то никак не получится покрыть все множество фраз. Куда более логично разбить это множество запросов на несколько групп и для каждой создать отдельную страницу, оптимизированную под конкретную группу. Для разбивки фраз на группы я использую свой кластеризатор, о котором вы можете почитать в этой статье.
Я регулярно использую скрипт кластеризации по API Serpstat при работе с большим множеством фраз. Это реально удобно и эффективно. Особенно, когда нужно обработать 10—20 тыс. фраз. При группировке фраз для подборок используемый алгоритм показывает себя с лучшей стороны. Рекомендую попробовать.
В ближайшее время я планирую улучшить логику работы скрипта и оптимизировать код, чтобы он работал лучше и быстрее. Новые ссылки и описание обновлений будут в статье о скрипте.
Получив группы запросов появляется понимание, какие страницы нужно создать. Но в каждой группе находится множество ключевых слов и не так просто выбрать фразы, под которые лучше оптимизировать страницу. Чтобы не тратить на это время я использую второй скрипт, который готовит рекомендации по названию, заголовкам и ключевым словам для страниц.
Как использовать скрипт подготовки рекомендаций для страниц подборок?
Данный скрипт собирает все ключевые слова по теме, а также находит похожие фразы, благодаря чему получается подготовить реально разнообразное содержимое страницы. Для этого используется две функции API Serpstat — keywords и related_keywords. Первая достает все ключевые слова по теме, а вторая дополняет их синонимами и фразами, которые желательно использовать в контексте. После несложной обработки этого множества фраз скрипт выдает:
1
Три фразы, которые рекомендует использовать в названии.
2
Три фразы, которые рекомендует использовать в заголовке или дополнении к названию.
3
10 фраз, которые желательно использовать в тексте страницы.
4
Список всех обработанных фраз, на всякий случай, т.к. любая машинная обработка не идеальна.
- В поле "Название" нужно ввести название подборки, которое начинается на лучшие или топ. Например, "лучшие bluetooth наушники".
- В поле "Поисковая система" нужно ввести поисковый регион. Например, "g_ua" для Украины, или "g_ru" — для России. Полный перечень алиасов есть в документации к API.
- В поле "API token" нужно вставить свой ключ для API, который есть в профиле вашего аккаунта.
Если заполнить все поля и нажать на "рыжую" кнопку, то через 10—15 секунд скрипт выдаст результат. Для темы "лучшие bluetooth наушники" и базы Google UA он будет следующим:
Как видим, скрипт рекомендует использовать в названии фразу "лучшие bluetooth наушники". В качестве альтернативы предлагает рассмотреть "лучшие беспроводные наушники". Ну, а в тексте страницы желательно использовать фразы "обзор беспроводных наушников", "лучшие блютуз наушники", "рейтинг беспроводных наушников" и т.д.
Я предпочитаю использовать альтернативное название, как часть Title. Например, для данной страницы я бы его сделал следующим:
"Лучшие bluetooth наушники. Обзор беспроводных наушников 2017 — Бренд сайта".
Хочу отметить, что это лишь рекомендации, а не команда к действиям. Но пользоваться этим скриптом очень легко. И главное — это экономит кучу времени. Я, например, даю копирайтерам темы, а они, используя данный скрипт, быстро подбирают оптимальные фразы для страниц и не нужно писать сложных задач. Во многом такой хороший результат получается благодаря большой базе Serpstat.
Какие результаты дают эти скрипты?
Про скрипты я рассказал, а теперь покажу какой результат дает их работа. Для первого примера возьмем уже озвученную тему про наушники.
Немного сеошного юмора: Создается такое впечатление, что эта статья больше оптимизирована под тему наушников, а не создание подборок и топ-листов. Нужно будет через месяц посмотреть по каким словам она ранжируется в Серпстат :)
Ранее я упоминал про мой скрипт кластеризации. Давайте посмотрим, какие группы он подберет для этой темы. Для этого я использовал следующие настройки:
И в результате получил следующие кластеры:
Группа | Суммарная частотность* |
---|---|
cамые лучшие наушники | 410 |
лучшие бюджетные наушники | 150 |
лучшие наушники для телефона | 70 |
лучшие производители наушников | 50 |
лучшие наушники для музыки | 50 |
лучшие наушники для iphone | 40 |
лучшие bluetooth наушники | 40 |
лучшие накладные наушники | 40 |
лучшие беспроводные наушники для спорта | 40 |
лучшие бюджетные наушники вкладыши | 40 |
лучшие фирмы наушников | 40 |
лучшие наушники затычки | 40 |
лучшие дешевые наушники | 40 |
лучшие наушники в мире | 30 |
вакуумные наушники лучшие | 110 |
лучшие открытые наушники | 20 |
лучшие наушники для компьютера | 60 |
самые лучшие наушники для плеера | 20 |
лучшие игровые наушники с микрофоном | 50 |
лучшие наушники для ipod | 20 |
самые лучшие наушники sennheiser | 20 |
лучшие закрытые наушники для плеера | 20 |
лучшие наушники для рока | 20 |
*В данной версии скрипта суммарная частотность считается неправильно.
Видите сколько отдельных тем содержится в большой теме "лучшие наушники". Очень много. Для некоторых ниш кластеризатор определяет сотни тем, по которым желательно создать отдельную страницу.
Давайте посмотрим, что нам подберет скрипт рекомендаций. Я не буду сюда выводить все, что он сделает, а лучше дам ссылку на результат в таблице Google Sheets, с которым вы можете ознакомиться.
Ссылка на результат
В качестве второго примера, я решил рассмотреть все те же наушники, но для аудитории из США. В скрипте кластеризации я задал следующие настройки:
Кластеризатор выделил более сотни разных групп. Вот несколько из них:
Группа | Суммарная частотность |
---|---|
best bluetooth headphones | 99000 |
best noise cancelling headphones | 22270 |
best headphone under 100 | 9990 |
best workout headphones | 8170 |
best headphones for running | 6650 |
best wireless headphones for running | 7200 |
best gaming headphone | 3650 |
best cheap headphone | 4900 |
best over the ear headphones | 2970 |
best gaming headphones | 2990 |
best wireless headphones for working out | 6720 |
best bass headphones | 1950 |
best beats headphones | 2010 |
best wireless headphones for tv | 1970 |
best sports headphones | 1560 |
best headphones for kids | 2300 |
best wireless noise cancelling headphones | 1140 |
best headphone for music | 1090 |
best audiophile headphones | 1050 |
best cheap bluetooth headphones | 1050 |
best open back headphones under 200 | 1020 |
best sennheiser headphones | 1020 |
best bluetooth headphones under 100 | 930 |
best baby headphones | 810 |
best headphones for ps4 | 660 |
best sound quality headphones | 640 |
best headphones for xbox one | 660 |
best waterproof headphones | 720 |
Давайте теперь проверим, нормально ли работает скрипт рекомендации фраз к подборке под американскую аудиторию. Для примера возьмем фразу "best bluetooth headphones". Результат получился следующим:
Как видим скрипт автоматически рекомендует использовать не только фразу "bluetooth headphones", но и "wireless headphones", а также синоним "earphones".
Больше результатов по темам для "best headphones" вы можете найти в файле Google Sheet — ссылка.
Как видно из примеров — мой метод использования API Serpstat дает неплохой результат. А теперь задумайтесь сколько времени это может занять, если все делать вручную. На оба примера у меня ушло около двух часов, причем полтора часа из них скрипт кластеризации обрабатывал фразы, а я занимался своими делами.
Ссылка на скрипт: http://mz.kiev.ua/tools/serpstat—api—listkeys.php
В качестве вывода
Описанная в этой статье методика — хороший пример, с помощью которого можно автоматизировать ряд процессов. Не прикладывая много усилий, вы быстро определите каких страниц не хватает вашему сайту и под какие фразы их желательно оптимизировать. Один раз сгруппировали и у вас уже есть готовый контент-план. А подсказчик фраз поможет не заморачиваться над подбором фраз и синонимов.
Подборки и топ-листы не единственная ниша, где сработает такой подход. Уверен, что каждый, кто разбирается в своей нише, с легкостью сможет определить направления, где сработает такой подход. И не забывайте, автоматизация обработки семантики экономит очень много времени и сил.