Сбор семантики по конкретной теме
После того, как мы отобрали действительно непокрытые кластеры, мы можем приступать к их глубокой проработке. Она заключается в том, что мы, во-первых, собираем дополнительную семантику в эти кластеры. В этом нам может помочь, например, сервис ТопВизор. Этот сервис и ему подобные автоматизируют работу с сервисами подбора похожих, связанных ключевых слов, предоставляемыми сами поисковиками – wordstat для Яндекс.Директ и аналогичный сервис для Google AdWords. Такие сервисы-агрегаторы третьих производителей типа ТопВизора позволяют системно, пакетно работать с сервисами обоих поисковиков.
В чем отличия в их работе? На что ориентироваться – на wordstat или на сервис Гугла? Я бы посоветовал делать так: если время, трудоемкость – очень критичны, а задачи побить олимпийский рекорд не стоит, лучше использовать решение Яндекса. Если же мы хотим собрать максимально полную семанктику, то стоит использовать сервис Гугла тоже. Дело в том, что Яндекс предложил более гранулированное решение: там можно подобрать и довольно семантически близкие фразы, и – если нажать галочку «с ними также искали» – семантически более далекие фразы. Такой подход позволяет решать задачу о ранце гибче, чем одноуровневый поиск близкой семантики. Поэтому сервиса Яндекса хватило бы и одного в принципе, но возможность еще и собрать семантику с Гугла – это дополнительное преимущество.
Еще раз: мы решаем задачу о ранце с двумя критериями: трудоемкость прочистки семантики и полнота собранной семантики. В зависимости от временных ограничений выбираем следующие решения. Быстрее всего собрать семантику с Яндекса. Второй по скорости способ – использовать сервис Яндекса, собрав дополнительно фразы, которые искали вместе с исходными; там полнота будет выше. И третий способ – собрать семантику и с Яндекса (с галочкой), и с Гугла. В последнем случае полнота собранной семантики максимальна, оборотная сторона медали в том, что вычищать фразы из двух сервисов – долго.
Еще один вопрос, на который нам предстоит ответить, это при подборе ключевых слов в сервис подбора загонять лишь только одну главную ключевую фразу или сразу все фразы? У каждого из подходов есть свои преимущества. Если мы подбираем фразы только по главной фразе кластера, то нам придется прочищать гораздо меньше семантики вручную, чем если бы мы использовали все фразы кластера. И при этом перечень все равно останется достаточно полным. Во втором случае, соответственно, трудоемкость ручной проработки возрастает в разы (по числу фраз в прорабатываемом кластере), с другой стороны, в вычищаемой семантике будет чрезвычайно много неявных повторов, а число новых «пойманных» фраз по сравнению с подбором по одной фразе – будет невелико. Разрешать это противоречие я предлагаю следующим образом. В каждом новом проекте для первых 5-7 непокрытых кластеров использовать подбор по всем фразам кластера. А затем, когда структура предметной области в целом будет понятна, можно использовать подбор по одной-двум фразам – и этого будет достаточно для приемлемого результата. После чистки подобранных фраз можно будет при необходимости добавить фразы, следующие из специфики предметной области и по каким-то причинам не ухваченные сервисом подбора (например, общие для предметной области LSI-фразы). Подобный подход для каждого из проектов, на мой взгляд, есть оптимальное «решение задачи о ранце».
ЛайфХак: Есть в ТопВизоре чрезвычайно полезная галочка «Собрать все данные в одну группу». Она позволяет исключить большую часть работу по прочистке дублирующейся семантики. Нам ведь не нужно знать, под какую именно фразу подобрана какая фраза, нам нужен лишь итоговый перечень.
Использовать ли перечень стоп-слов? Ну, если он вам известен для данной темы, то можно попробовать подумать в эту сторону. Но сильно увлекаться я бы не стал: то, что является стоп-словом для коммерческой тематики, совсем не обязательно будет стоп-словом при семантической проработке. Возможно, часть кластеров придется проработать под так называемые информационные запросы. Развитие инфораздела даже на коммерческом сайте может быть чрезвычайно полезным.