Войти как пользователь
Вы можете войти на сайт, если вы зарегистрированы на одном из этих сервисов:
7 Октября в 15:36

Особенности различных методов кластеризации поисковых запросов

1 3969
Виталий Чурочкин
SEO-специалист digital-агентства Original Works

Для начинающих специалистов и владельцев сайтов   

Кластеризация – это процесс группировки и распределения поисковых запросов по посадочным страницам. Также часто называется «разбивкой». Позволяет определить, какие запросы можно продвигать на одной странице, а под какие потребуется создание отдельной, оптимизированной посадочной страницы, более точно удовлетворяющей интенту (поисковой потребности) пользователя. 

Кластеризация является важнейшим этапом построения эффективной для SEO-продвижения структуры сайта, значительно влияет на успешность привлечения поискового трафика по всем направлениям, соответствующим тематике сайта. 

Упрощенно, под проработкой структуры проекта можно понимать: 

  • сбор и чистку семантического ярда; 
  • распределение запросов по посадочным страницам; 
  • корректировку структуры сайта: разделение/объединение/создание новых посадочных страниц под неохваченный спрос; 
  • ручную оптимизацию страниц с использованием информации о запросах, соответствующих рассматриваемым страницам. 

Сам процесс может быть в той или иной степени автоматизирован, но в большинстве случаев требует ручного труда оптимизатора. 

В статье намеренно не рассматриваются подробно сами сервисы и программы для группировки запросов, а только приводятся примеры использования тех или иных сервисов для различных видов разбивки. 

Виды кластеризации

По семантической схожести (по словоформе) 

Вид распределения запросов по группам, при котором используется схожесть слов в группах. 

Популярные инструменты: Excel (при помощи фильтров), надстройка SEO Excel, Key Collector в режиме «Анализ групп». 

Плюсы: выполняется быстро, высокая степень автоматизации. 

Минусы: в автоматизированном виде – не учитывает синонимы, а также степень коммерциализации запросов. 

Примеры

При использовании группировки по семантической близости синонимичные запросы, которые возможно продвигать на одной странице, попадут в разные семантические группы. 

Группа

Запросы

ушм

Ушм

Купить ушм

Ушм цены

болгарка

Болгарка

Купить болгарку

Болгарки цены


Также при использовании данного метода разбивки запросы информационного и коммерческого характера могут попадать в одну группу, а продвигаться – лишь на отдельных страницах. 

Группа

Запросы

Кондиционеры

Купить кондиционер

Цены на кондиционеры

Кондиционер для спальни

Лучшие кондиционеры 2020

Пример гиперболизирован, однако с учетом того, что помимо запросов с явным (коммерческим или информационным) интентом, существует масса запросов с неявным интентом, корректная разбивка данным способом существенно осложняется. 

По ТОПу 

Наиболее популярный способ распределения ключевых слов. Работает при помощи выгрузки списков URL страниц из топа и поиска количества совпадений – общих URL для разных запросов. 

Лишен проблем, описанных в примерах предыдущего способа. На тех же запросах с силой группировки 2 и указанием региона «Москва» получаются следующие кластеры: 

Особенности различных методов кластеризации поисковых запросов

Особенности различных методов кластеризации поисковых запросов

Кластеризация данным методом, зачастую подразумевает:

  1. Указание региона для парсинга ТОПа. 
  2. Указание силы группировки: минимального количества общих URL для разных запросов, необходимого для объединения запросов в одну группу. 
  3. Опционально: выбор метода группировки. 

Методы 

Soft кластеризация подразумевает группировку запросов в случае, если в группе каждый из запросов связан как минимум с одним другим запросом группы

Medium кластеризация означает, что для создания группы каждый из запросов должен быть связан с одним, главным («маркерным») запросом группы

Hard кластеризация означает наличие связи между всеми запросами группы

Нужно понимать, что «наличие связи» выявляется с учетом силы группировки. То есть при силе группировки 2 и методе Hard у всех запросов, попавших в одну группу, будут выявляться как минимум два общих URL в каждом ТОПе. 

Схематично методы группировки можно изобразить следующим образом. 

Особенности различных методов кластеризации поисковых запросов

Популярные инструменты: инструмент Just Magic, Rush Analitycs, Coolakov, Key Collector с использованием выгрузки ТОПов поисковых систем. 

Плюсы: выполняется быстро, высокая степень автоматизации. 

Минусы: играя с настройками по типу и силе группировки, мы рискуем 

  • либо создать лишнюю страницу (более слабую по ассортименту/контенту, а также по скорости накопления данных о ПФ), разбив подробнее, 
  • либо не попасть в интент точного запроса пользователя, заведомо «вывалив» на него не точно соответствующий ассортимент/информацию, а более широкий спектр товаров/услуг/информации. 

По интенту (по смыслу) 

Глубоко погрузившись в тематику и детально анализируя потребности пользователей на выдаче, мы приходим к идеальному, казалось бы, способу кластеризации запросов – по их смыслу. 

Плюсы: при глубоком погружении в тематику – безошибочное соответствие потребностям пользователя. 

Минусы: настолько медленно и трудозатратно, что можно рассматривать полную кластеризацию по интенту лишь для микросайтов с малым объемом семантического ядра. 

По ТОПу с объединением по интенту 

Изначально воспользовавшись методом автоматической кластеризации по ТОПу (выбрав метод и силу группировки в соответствии с конкуренцией в тематике и особенностями проекта), автоматически созданные группы затем объединяются вручную в более крупные кластеры запросов по общему смыслу

Руководствуясь потребностями пользователя на выдаче, можно для отдельных групп запросов снизить силу группировки, формируя более полные кластеры и создавая под них общие, более «сильные» по оптимизации и полные по контенту страницы. 

Плюсы: автоматизированный первичный этап (по ТОПу), детальная группировка по интенту. 

Минусы: отсутствуют. 

Полноту контента следует воспринимать не только для информационных ресурсов в контексте полноты статьи, но и для коммерческих ресурсов: общие, полные листинги, либо страницы услуг, охватывающие максимально количество связанных пользовательских интентов. 

По ТОПу с разбивкой по интенту. «Сверхкластеризация» 

Здесь мы поступаем аналогично предыдущему методу. Изначально мы используем автоматическую кластеризацию по ТОПу с использованием любых сервисов и базовых настроек, которые соответствуют состоянию проекта и конкуренции. Затем сформированные группы дополнительно разбиваем вручную на отдельные, более соответствующие точному спросу кластеры с созданием наиболее оптимизированных, детальных посадочных страниц. 

Плюсы: автоматизированный первичный этап (по ТОПу), детальная группировка по интенту. 

Минусы: отсутствуют. 

Применяя «Сверхкластеризацию», мы получаем идеально соответствующие спросу кластеры, несмотря на то, что в текущем ТОПе таковых не представлено. Этот метод позволяет молодым сайтам со слабой оптимизацией конкурировать даже с лидерами тематики за счет более точного ответа на запрос пользователя. 

При этом для оценки необходимости дополнительной разбивки можно ориентироваться на соседние, схожие по смыслу кластеры, и по аналогии «доразбить» то, что объединено по ТОПу. 

Лучший метод кластеризации 

С точки зрения нашего многолетнего опыта наилучшими вариантами являются:

  • кластеризация по ТОПу с последующим объединением по интенту; 
  • кластеризация по ТОПу с последующей разбивкой по интенту. 

Автоматизация первого этапа (кластеризация по ТОПу, с использованием одного из сервисов или программных решений) позволяет ускорить процесс на больших массивах данных, выполняя роль первичной группировки. Дальнейший ручной этап помогает сформировать наиболее конкурентоспособные группы и создать соответствующую структуру сайта. 

В большинстве случаев эти два подхода – объединение и разбивка – по сути не делятся на отдельные операции. На ручном этапе SEO-специалист принимает решение о необходимости объединения или разнесения запросов по страницам с учетом особенностей конкретного проекта и конкуренции в тематике.

(Голосов: 12, Рейтинг: 4.58)
1 комментарий
Подписаться 
Подписаться на дискуссию:
E-mail:
ОК
Вы подписаны на комментарии
Ошибка. Пожалуйста, попробуйте ещё раз.
  • Каспрук Виталий
    1
    комментарий
    0
    читателей
    Каспрук Виталий
    5 дней назад
    хорошая статья, все четко расписано, мы в "Семён Ядрён" также с 2018 начали разрабатывать, а с 2019 применять в работе 2 модуля:
    Для объединения по ТОПу с объединением по интенту - модуль "cosine similarity".
    Для разбивки «Сверхкластеризация» - "HandControl24".
    * Подробнее со скриншотами у нас на сайте в новостях от 10.07.2019 - semen-yadren.com/news/10-07-2019-v6-0-obnovlenie.html
    -
    0
    +
    Ответить

Отправьте отзыв!
X | Закрыть