Big Data SEO — как заставить большие данные работать на ваш бизнес

Big Data в сфере маркетинга означает работу с большим объемом данных: с ними невозможно работать в Google Docs, они не помещаются на жесткий диск вашего компьютера. Сегодня бизнес собирает максимум данных о пользователях: от IP и браузера до гастрономических предпочтений. И эту информацию используют, чтобы сделать рекламу более персонализированной. Есть вариант оптимизировать таким образом сайт в целом, каждую страницу и сделать это массово с помощью Big Data SEO.

Big Data SEO: кому и зачем

С каждым годом появляется больше грамотных пользователей, которые умеют четко сформулировать свой запрос в поиске, по одному только названию сайта и сниппету определить, можно ли доверять ресурсу. Также чрезвычайно много людей, которые готовы долго искать, продумывать и формулировать длинные запросы, чтобы найти именно то, чего хочется.

Большим проектам (от 300 000 страниц) есть что предложить этим пользователям, но далеко не всегда нужные категории и товары оказываются на первых страницах выдачи даже по тому товару или услуге, которые интересуют покупателя и есть в наличии магазина. И это при том, что SEO-работы на сайте проводят систематически и штатные специалисты регулярно оптимизируют всё на свете.

А сколько всего спрятано в подкатегориях...

В какой-то момент проект перестает быстро расти. Маркетинговые активности, реклама дают какие-то скачки на праздники и другие традиционные сезонные пики, но в целом нет ощущения, что проект развивается. Собственники бизнеса, маркетинг-команды начинают переживать, что SEO не работает.

Можно точечно оптимизировать каждую страницу и категорию: подбирать релевантные ключевые слова, включать их в описание, контент, организовывать с ними перелинковку, наращивать ссылки, строить планы проработки всех разделов сайта и двигаться постепенно, наблюдая результат своей работы. Но такой подход для объемных проектов с сотнями тысяч страниц энерго и трудозатратен, а результат растянут во времени.

Можно добиться значительного прироста трафика, увеличить число продаж с помощью масштабирования классического SEO. Та же работа с поисковыми запросами, только большая, очень большая работа — выгрузка нескольких миллионов запросов по тематике и нише, их сортировка и массовая оптимизация страниц на основании готовых шаблонов.

Big data SEO — альтернативный способ решения проблемы. За основу мы берем один из важнейших параметров внутренней оптимизации — перелинковку и массово прокачиваем огромную базу очищенных и отобранных низкочастотных (и не только) запросов. Оцениваем конкуренцию и делаем акцент на запросы, которые принесут максимальное количество трафика при минимуме затрат.

Почему перелинковка?

Существует множество способов улучшить ранжирование страниц в выдаче и непрокаченные проекты могут использовать их по полной. Но когда уже все или почти всё сделано, нужно искать новые точки роста. Подход Netpeak строится на работе с семантикой, которая всегда бесконечна

Напомним, в чем суть перелинковки:

1. Передача веса между страницами. Если на страницу ссылается много других страниц внутри сайта, это указывает поисковикам: страница действительно весома. Так, главная всегда самая «тяжелая», потому что на неё ссылаются все остальные страницы сайта. Та же история со страницами категорий в интернет-магазине. Они сквозные: на каждой странице есть ссылка на категорию. Из-за этого роботы считают страницы категорий весомыми.

Таким образом формируется иерархия важности страниц сайта в глазах робота. Перелинковкой мы придаем так называемый статический вес страницам, который важен с точки зрения продвижения. Мы размещаем ссылки перелинковки на страницы, которые потенциально может искать пользователь — услуг, товаров и так далее.

2. Передача анкорного веса (задаем тематику странице). Ссылка всегда привязана к анкорному тексту. Анкорный текст это, по сути, запрос, например «стиральная машина». Увеличивая анкорный вес, мы передаем поисковым роботам понимание, о чем она.

Анкорный текст может быть разный «стиральная машина», «стиральная машина купить», «стиральная машина киев». Чем лучше робот понимает, о чем страница, тем она релевантнее.

3. Удобство для пользователя. Человеку предлагают товары, страницы, которые могут его заинтересовать. Это и про навигацию и про помощь в выборе — предложение максимально близкое к тому, что ищет человек.

Почему перелинковка важна для больших проектов? Структура таких сайтов настолько широкая, что пользователи и боты могут не доходить до страниц с большой вложенностью.

Выносить тысячи ссылок на эти страницы в меню для придания им веса— идея тоже не очень. Приходится искать другие варианты и делать перелинковку внутри сайта.

Почему низкочастотные запросы?

Зачем для продвижения использовать низкочастотные запросы — по ним небольшая конкуренция, такие запросы конверсионны. Да, среди них можно найти много шлака, особенно, когда речь идет о массовой выгрузке сотни тысяч низкочастотников. Но (при автоматизации процесса) оно того стоит.

Например, заходим на сайт магазина одежды. Здесь нет категории «сиреневое платье в клеточку», но на сайте оно может быть. Но на главной только основные категории, необходимые для выбора. А ведь запросов по платьям десятки тысяч: фасоны, цвета, модели, имя селебрити, которая надевала похожее на красную дорожку.

У пользователя есть определенный образ, по нему формируется запрос и он ожидает увидеть соответствующее его ожиданиям предложение. Задача оптимизатора — предоставить страницу релевантную запросу.

На продвижении с помощью низкочастотных запросов строится стратегия успешных проектов на Амазон.

Этапы Big Data Seo

Вне зависимости от объема, тематики сайта, работа над проектом разбивается на шесть этапов (итераций):

Работаем с семантикой (пулом поисковых запросов)

Выгрузка всей семантики ниши, начиная с нашего сайта и сайтов конкурентов (прямых и косвенных) в каждой категории.

Откуда берем данные:

• Google Search Console;
• Serpstat;
• Google Ads;
• Google Analytics и другие.

Эти данные собираются как для текущего сайта, так и с сайтов конкурентов. То есть мы получаем всю семантику ниши. Затем информация автоматически очищается от мусора.

Следующий шаг — расширение списка запросов с помощью скрипта генерации семантики. Для каждого ранее выгруженного запроса автоматически подбираются похожие фразы, подсказки. Объем снова увеличивается и мы проводим повторную чистку.

При повторной чистке фильтруются, например, запросы в нерелевантной для языка системе письменности (для кириллицы — латиница и наоборот, иероглифы). Также определяем нерелевантную длину запроса. Количество слов в фразе выбирается исходя из объема данных и личной оценки фраз Data Scientist.

Какие инструменты использует отдел Data Science — собственные скрипты на языке R и Python, Serpstat, Netpeak Spider. Только с помощью этих сервисов можно собрать, выгрузить сотни тысяч или миллионы запросов, отсеять нерелевантные.

Собираем топ по всем запросам

По каждому поисковому запросу, собранному на предыдущем этапе, выгружаем топ-100 выдачи для того, чтобы определить тип страницы, который чаще всего встречается среди конкурентов. Результат — миллионы строк данных.

В дальнейшем эта информация понадобится нам для автоматического  сопоставления страниц сайта и поисковых запросов.

Формируем скоринговую модель

Цель — из всего собранного пула отобрать запросы, которые нам выгодно использовать для перелинковки. Делаем это с помощью скоринговой модели.

С помощью нейронной сети формируем скоринговую модель. Модель помогает оценить каждый поисковый запрос с точки зрения конкурентности, релевантности, потенциала трафика. Каждому запросу присваивается балл. Балл показывает эффективность ключевого запроса.

После оценки отбираем пул запросов, которые принесут максимальную выгоду.

Скоринг нужен, чтобы определить запросы, которые точно подойдут данному конкретному сайту.

На этом этапе используем собственный скрипт для определения показателя качества фразы. Скоринговая модель, а следовательно и скрипт корректируется под каждую конкретную тематику, учитывая ее особенности.

Проводим автоматическую кластеризацию подходящих запросов

Цель —  сопоставить страницы сайта и ключевые запросы ниши, которые мы получили на основании двух предыдущих итераций.

Для кластеризации (группировки) поисковых запросов используем алгоритмы Machine learning, в основе которых лежат метод иерархической и k-means  кластеризации и данные поисковой выдачи (топа).

Создаем связки для перелинковки

Цель: определить доноров — страницы сайта, с которых будем расставлять ссылки и связать их уже с созданными на предыдущем этапе связками «URL+кластер».

Проводим оценку «веса» и «тематичности» каждой страницы сайта для максимального эффекта.

В результате получаем базы данных со списком анкоров, доноров и реципиентов. Пример:

На этом этапе мы используем, в частности, собственные скрипты для кластеризации и привязки кластеров к текущей структуре сайта, Serpstat.

Формируем шаблоны title, h1, description

На финальной стадии работ наши специалисты генерируют новое описание для страниц, которые участвуют в перелинковке.

Далее мы сопровождаем внедрение перелинковки, шаблонов новых описаний и отслеживаем результат, консультируем специалистов заказчиков на протяжении всего процесса оптимизации.

Как правило, такая работа показывает результаты в сжатые сроки — и не только за счет опытных специалистов в штате команд крупных проектов. Дело в том, что большие сайты (с историей и регулярными работами по SEO) для поисковых систем — трастовые ресурсы и это помогает ускорить продвижение оптимизированных страниц.

Запомнить

Существует огромное количество данных о пользователях, их предпочтениях, поведении на сайтах, о том, как и что ищут люди (в поисковых запросах). Все эти данные — и есть Big Data.

Использование Big Data для поискового продвижения называется Big Data SEO. Подход Netpeak заключается в том, чтобы масштабировать классическое SEO — использовать те же методы и способы оптимизации сайта, только с помощью колоссального числа данных.

Упор делаем на перелинковку и низкочастотные запросы.

Перелинковка помогает передавать вес между страницами, анкорный вес, улучшает навигацию по сайту. В итоге, поисковикам станет понятнее ресурс, отдельные его страницы, вырастет их вес, а значит ценность по мнению роботов. Такой сайт будет удобен для пользователя — а здесь и лояльность, и низкий показатель отказов.

Использование низкочастотных запросов помогает увеличить конверсию, а ещё такие запросы, как правило, низкоконкурентные. Но нельзя так просто взять и массово найти, выгрузить, очистить от мусора нч запросы для больших проектов.

Этапы Big Data SEO:

1. Сбор семантики, чтобы по максимуму расширить пул поисковых запросов. Мы делаем выгрузку всей семантики ниши: нашего сайта и сайтов конкурентов (прямых и косвенных) в каждой категории.
2. По каждому поисковому запросу, собранному на предыдущем этапе, выгружаем топ-100 выдачи для того, чтобы определить тип страницы, который чаще всего встречается среди конкурентов. Результат — миллионы строк данных.
3. Формирование скоринговой модели: здесь находим запросы, которые выгодно использовать для перелинковки.
4. Кластеризация подходящих запросов — сопоставляем страницы сайта и ключевые запросы ниши.
5. Создание связки для перелинковки (определяем релевантных доноров).
6. Формирование шаблонов title, h1, description — делаем описания для страниц, участвующих в перелинковке.