Урок 1: Составление семантического ядра

1.1 Принципиальные основы составления семантического ядра

В основе работы с семантикой лежат так называемые «базисы». Так же их называют маркерами, маркерными запросами, основой для сбора и др. Базис – это поисковая маска, к которой привязан низкочастотный (НЧ) хвост. К примеру, у вас есть запрос «корпусная мебель».

Вам необходимо зайти в Wordstat, в подсказки и собрать все запросы, содержащие словосочетание «корпусная мебель». При этом не столь важен запрос «корпусная мебель» сам по себе, поскольку, вероятнее всего, он будет наиболее дорогим и наименее конверсионным, по нему будет меньше трафика, чем по хвосту. «Корпусная мебель» вас в данном случае будет интересовать как маркер, основа. Это, по сути, является запросом, посредством которого можно собрать как можно больше релевантных вашему проекту вложенных запросов (рис. 1). Технически, «мебель» в данном примере тоже будет маркером, но он является некорректным базисом, потому что несет в себе много ненужного мусора, нерелевантных запросов (рис. 2).

Рисунок 1.


Рисунок 2.

Методология базиса – это единственный способ гарантированно получить 100%-тный охват тематики. Если у вас есть какой-то продукт, то подбирая для него правильный базис и, пользуясь Wordstat и Яндекс подсказками, вы собираете весь хвост. В результате вы ничего не упустите и создадите релевантные объявления.

На сегодняшний день есть весьма распространенный подход, при котором берется продукт или услуга, и начинается их пересечение с теми или иными транзакционными запросами: купить, заказать, цена. Однако данный метод нельзя назвать правильным, потому что так не удастся охватить огромное количество запросов, поскольку самостоятельно придумать их все невозможно. Подобрать все запросы реально только, если собрать хвост по какому-то общему, более широкому базису. Когда же вы полагаетесь не на собственные догадки, а именно на логику, результат получается гораздо лучше. Необходимо брать общий базис, поскольку в таком случае он не станет выступать запросом в классическом понимании этого слова, он берет на себя роль своего рода «якоря», за счет которого мы вытягиваем все необходимые нам базисы. Таким образом, благодаря этому «якорю» мы полагаемся не на собственную догадливость, а на логику. То есть, мы либо забрали, всё то, что содержит, как в случае с нашим примером, формулировку «корпусная мебель», либо нет. Если мы забрали все необходимые нам базисы, то мы гарантировано, на уровне логики получаем 100%-тный охват, не упустив ничего. В этом и заключается большой плюс данной методологии. Минус ее в том, что она требует больших трудозатрат. Необходимо собрать все запросы, почистить, убрать лишнее, оставить только нужный объем и с ним работать.

1.2 Что такое базисы и зачем они нужны

Рассмотрим источники и инструменты подбора базисов. Источников, необходимых при работе с базисами, не столь много. Под ними следует понимать сервисы, базы, являющиеся первоисточником семантики. Итак, к их числу относится:

— Wordstat;

— Яндекс.Подсказки/ Google.Подсказки;

— собственные Яндекс метрики;

— статистика запросов Mail.ru (семантики немного, но можно увидеть раскладку по социально-демографическим факторам, особенно, если речь идет о высокочастотном запросе);

— Keyword Planner;

— какие-то частные базы, однако, чаще всего эти базы берут свое начало из вышеназванных источников.

Важно не путать источники и инструменты. Инструментов достаточно много, можно пользоваться тем, что удобно конкретно вам:

— KK;

— MOAB;

— Rush;

— и др.

1.3 Основные типы семантических ядер:

  • Брендовые (бренды, серии).

Брендовые семантические ядра – это те ядра, в составе которых упоминается название бренда. Брендовые ядра подбирать достаточно просто. Ключевым ядром любого семантического ядра является базис, по которому мы собираем расширенный хвост. Необходимо подбирать более-менее чистые двухсловники – запросы, состоящие из двух слов. Важно следить за степенью мусорности, степенью частоты конкретного хвоста и подбирать такие базисы, которые дают целевые, релевантные хвосты. Норму мусора можно условно обозначить в приделах 30-60%. Если у вас в низкочастотном хвосте 20-30% мусора – то этот хвост очень чистый. Если 50-60% мусора, то это средний показатель для запроса, состоящего из двух слов.

На первом этапе работе с бендовокой, необходимо войти в Wordstat и собрать базисы по названию самого бренда. Если по одному названию собрать всю семантику не удается, нужно указать запрос, состоящий из двух слов (двухсловник). Далее проработка ведется по основным сериям, а после по конкретным товарам.

Таким образом, работа с брендовыми семантическими ядрами предполагает проработку по 4 уровням:

— сам бренд;

— двухсловник;

— серия;

— конкретные товары.

При такой детальной четырехступенчатой проработке удастся максимально собрать все необходимые запросы.

Составляя брендовое семантическое ядро, следует понимать, что эта работа, по сути, рутинная, требующая усидчивости и терпения. Важно учитывать вариант англоязычного и русского написания бренда, все варианты написания бренда с ошибками на обоих языках. Это разный трафик и разные люди, ищущие одно и то же, но разными словами. Для того чтобы охват был максимальным, необходимо собрать все эти варианты.

Рассмотрим это на конкретном примере. Предположим, у нас есть сайт, специализирующийся на продаже корейской косметики LuckyCosmetics https://luckycosmetics.ru (рис. 3).

Рисунок 3.

Мы видим, что на сайте есть меню, состоящее из нескольких подразделов: ВВ/СС кремы, макияж, улиточная косметика, бренды и тд. Заходим в раздел «бренды», выбираем оттуда название любой косметической марки, в нашем случае это будет Mizon. Заходим в Wordstat и начинаем прописывать там базисы, согласно рассмотренной нами четырехступенчатой схеме, учитывая варианты написания названия бренда на двух языках. Из Wordstat базисы переносим в таблицу, в которой кроме колонок с названием брненда и наименованием базисов, есть еще колонка с цифрами – количество показов в Яндексе по тому или иному запросу за последний месяц. Это не количество живых людей, а именно количество показов рекламных блоков, которые показывались на поисковой выдаче. Это мера спроса, косвенно отражающая количество живых людей внутри данного запроса (рис. 4).

Рисунок 4.

Получается, мы проработали наше семантическое ядро по 4 ступеням:

  1. просто название бренда – Mizon;
  2. двухсловник – косметика Mizon;
  3. серия – улиточный крем Mizon;
  4. конкретный товар Mizon Snail Repair Ex Cream.

Аналогично необходимо продолжить и с другими сериями и товарами бренда Mizon, а после переходить к остальным маркам. Таким образом, у нас получится большая подробная таблица, содержащая данные по каждому бренду, включенному в рекламную кампанию. Когда мы перебрали запросы по всем четырем категориям, синонимам, вариантам написания, мы увидим, что по каждому базису есть хвосты, которые определенным образом пересекаются.

  • Безбрендовые категории товаров.

При составлении безбрендового категорийного ядра у нас отсутствует привязка к бренду. Соответственно, мы не можем, как в случае с брендовкой, считать, что основой базиса является наименование какой-то конкретной марки. Когда у нас есть какое-то небрендовое ядро, всё значительно сложнее, потому что там больше переменных, вариантов, синонимов. Такое ядро подбирать сложнее, требуется больше временных затрат, усилий и творческого подхода. Однако, с другой стороны, здесь гораздо больше возможностей для поиска каких-то ниш, которые не столь сильно окружены конкурентами, чем наиболее очевидные запросы. В рамках работы с безбрендовыми категориями, мы вводим запрос в Wordstat и берем базисы из правой колонки, копируем их и вносим в нашу таблицу.

Рассмотрим пример. Предположим, у нас есть интернет-магазин, специализирующийся на продаже женской одежды https://groupprice.ru/. Поиск базисов в нашем случае будет основываться на подборе базисов по нескольким категориям, а именно: женские платья, одежда для дома, блузки, брюки, джемперы, нижнее белье, головные уборы. Нам необходимо будет составить таблицу по всем этим разделам, включив в них базисы. Рассмотрим, как это будет выглядеть на примере категории женских платьев (рис. 5). При подборе базисов нам так же необходимо работать с Wordstat и фиксировать в таблицу количество показов за месяц по каждому базису.

Рисунок 5.

В рассмотренном нами примере выбрана достаточно простая тема, при работ с которой не нужно обладать какими-то узкопрофильными знаниями. Когда же в тематике вы не разбираетесь, придумать что-либо самостоятельно довольно трудно. Для того чтобы облегчить себе задачу нужно просматривать части похожих запросов. Это в значительной мере облегчит вам задачу. Плюс, обязательно необходимо получать какие-то дополнительные сведения от заказчика, прообразовывать части слов, указанных на сайте, в базисы. Старайтесь зафиксировать во время разговора с заказчиком ключевые термины, серии, названия частей какого-то оборудования и тд. Не лишним будет посмотреть сайты конкурентов, почерпнуть информацию о том, как у них называется тот или иной продукт.

  • Безбрендовые услуги

Основой данного типа семантического ядра служит наименование какой-то услуги, которую оказывает в ходе своей деятельности рекламируемый нами сайт. К примеру, нам необходимо создать рекламную компанию для сервиса ремонта котлов https://enbsv.ru/services (рис. 6). Мы заходим на сайт и смотрим, какие услуги осуществляет наш заказчик (рис. 7).

Рисунок 6.

Рисунок 7.

И по аналогичной схеме, мы заходим в Wordstat, подбираем базисы из правой колонки, вносим их в нашу таблицу с указанием частотности. Главное отличие здесь заключается в том, что базисами в этом случае будут служить наименования услуг (рис. 8).

Рисунок 8.

1.4 Основные типы базисов можно квалифицировать по критериям:

  • охвата на широкие и узкие;
  • отношения к клиенту на прямые и околоцелевые.

Рассмотрим более подробно, что собой представляют широкие и узкие базисы. Узкие базисы – это большое количество базисов с маленьким хвостом и низкой частотностью. Обычно эти базисы состоят из двух, но чаще даже из трех, четырех слов. Узкие базисы очень точно сегментируют услугу, обычно они характерны для рекламных компаний, в которых четко понятно, что конкретно необходимо продать. Эти базисы ориентированы на очень узкую аудиторию. Минус этих базисов в том, что у них будет меньше охват. Что касается преимуществ, то обработка базисов представляет собой не столь трудозатратный процесс, и на их основе легче построить прогноз.

Широкие базисы представляют собой однословники или двухсловники. Главное преимущество этого типа базисов заключается в их максимально широком охвате. Однако на этапе очистки потребуется достаточно много трудозатрат.

Есть достаточно редкие ситуации, при которых работа с широкими базисами включает в себя два этапа, связанных с разбивкой запросов на переменные и подбором значений. Обычно это характерно для рекламных компаний продуктов, в которых спрос очень сильно размыт по большому количеству нетипичных запросов. К примеру, у нас есть сервис, специализирующийся на ремонте стиральных машин. В таком случае, могут быть как более менее прямые запросы (ремонт насоса, ремонт подшипников), так и варианты горячего околоцелевого спроса (машинка индезит потекла).

В данной ситуации разбор семантики включает в себя два этапа:

  1. Раскладывание запросов на переменные. Необходимо подумать, как люди могут формулировать тот или иной запрос:

— через проблему с агрегатом (ремонт насоса, подшипников, плат);

— через проблему с машиной (ремонт Indesit, LG, Samsung);

— через проявление проблемы (потекла, издает треск);

— через код ошибки на дисплее стиральной машинки (Е5, 4С, НС1).

Таким образом, есть большая вероятность того, что человек, столкнувшийся с проблемой поломки стиральной машины, будет использовать хотя бы одно из значений этих переменных в запросе. Однако чистить подобные запросы слишком трудозатратно и бесполезно. Поэтому, рекомендуем, пользуясь инструментом «Анализ групп», разбивать такие запросы на группы, которые образуются на основе содержащегося в них того или иного слова. К примеру, в нашем случае мы сформировали группу на основе запроса, содержащего слова «подшипники», «стиральные машины». И уже из этих групп выбрали те запросы, которые в той или степени подразумевают ремонт. После, из получившихся двухсловников, начинается формирование базисов. Таким образом, в этом случае базисы будут настолько размыты и непредсказуемы, что для того, чтобы их образовать по большому набору переменных, необходимо брать высокоуровневый базис, и «выдергивать» из него того, что соответствует необходимой нам тематике.

Что представляет собой прямой и непрямой спрос? Прямой спрос – это реклама именно на поисковом размещении. Это прямая потребность, которую человеку необходимо решить именно сейчас. Например: аренда двухкомнатной квартиры студии. Эти запросу напрямую соответствуют рекламируемому вами товару или услуге.

Всё то, что будет косвенным образом соответствовать вашему товару или услуге будет считаться околоцелевым спросом, и это может быть транслировано в сетях. К примеру, у нас есть сайт, осуществляющий продажу флорариумов, по которым прямой спрос будет не слишком большим. В данном случае мы будем использовать околоцелевые запросы, ориентированные главным образом на женщин, и включающие такие базисы: «подарок маме», «подарок женщине», «подарок невесте», «подарок дочери» и тд. Важно понимать, что по таким околоцелевым планам почти невозможно предсказать конверсию. Очень многое зависит от самого продукта.

1.5 Семантическая стратегия

Всё, что было рассмотрено нами ранее, сводится к одной простой цели – научиться составлять стратегию подбора семантики. Способность правильного построения семантической стратегии — основа успешного продвижения. Следует разбираться, каким способом лучше всего собирать семантику в каждом конкретном случае, в зависимости от проекта, с учетом финансовых возможностей заказчика, специфики ниши, спроса. Учет всех этих переменных помогает правильно выбрать стратегию сбора семантики и понять, как эту вероятность успеха максимизировать на первой итерации.

Прежде чем приступать к созданию стратегии необходимо понимать:

— о каких ключевых товарах и услугах идет речь;

— где кому их нужно продавать;

— сколько нужно лидов;

— сколько должен стоить лид;

— какая конверсия из лида в чек.

Можно условно выделить несколько типов семантических стратегий:

  • «микрониша»: микрорегион и\или микроспрос — широкие базисы, чистый хвост, мало трафика;
  • умеренный охват в конкурентной нише для минимизации рисков — узкие базисы, транзакционные добавки, большое количество базисов;
  • максимальный охват в средней или конкурентной нише: широкие базисы, много трафика, минимизация клика за счет охвата;
  • околоцелевая семантика — выраженный околоцелевой спрос.

1.6 Сбор расширенных источников — инструменты, способы

Инструменты сбора расширенных источников:

— MOAB tools – инструмент Wordstat deep;

— MOAB метрика;

— KK;

— Rush.

Работает это всё достаточно просто. Мы берем базисы, загружаем их в MOAB tools, вставляем их в диалоговое окно и нажимаем кнопку «получить фразу», начинается парсинг. Сначала на глубину 2 собирается весь Wordstat, особенно на высокочастотных фразах. Разница между сбором в один и два уровня колоссальная. После того, как весь Wordstat собран, автоматически начинают собираться подсказки по каждому запросу из Wordstat. По этим подсказкам проверяется их «фейковость», и бессмысленные подсказки просто удаляются, остаются лишь подсказки, имеющие реальный трафик. Этот массив данных автоматически объединяется, из него исключаются дубли, и выгружается суммарный отчет.