Gruppering af den semantiske kerne. Query clustering - korrekt gruppering af semantiske kernesøgeord

Ekspertudtalelser

Topvisor er et af de mest dynamiske værktøjer på markedet for fremme af søgemaskiner. Holdet udvikler sig gradvist og øger regelmæssigt antallet af nyttige tjenester til SEO-specialister.

Et af de mest interessante moduler er den hurtige gruppering af søgeforespørgsler baseret på ligheden mellem SERP'er.

Vores virksomhed flyttede ikke til Topvisor baseret på nogen anbefaling. Vi testede forskellige positionsovervågningstjenester, og vi var imponerede over udviklerens lydhørhed.

Det er rart, når dine forslag bliver implementeret og gør livet og arbejdet lettere. Og efterhånden er denne evne til at lytte og implementere ikke forsvundet. Det her er meget fedt!

Jeg har ledt efter en bekvem service til at kontrollere positioner i lang tid, jeg prøvede meget! Én ting du ikke kunne lide, så en anden... I Topvisor kan du tilpasse alt, så det passer til dig selv, og de ekstra funktioner gør dig endnu mere glad.

Absolut et must-have! Jeg håber, der vil ske yderligere udvikling!

Vi prøvede mange konkurrerende tjenester og valgte Topvisor for dets kvalitet. Og også for nøjagtigheden og hastigheden af ​​at kontrollere positioner. Nu tester vi alle nye værktøjer og implementerer dem i vores arbejdsgang.

Jeg er især glad for serviceteamets lydhørhed og den hurtige implementering af brugernes ideer og ønsker.

Da jeg endnu en gang ikke kunne åbne KeyCollector på en Mac, reddede Topvisor mig. Her fik jeg hurtigt en række data om semantik til en vigtig undersøgelse. Også, hvis det er nødvendigt, bruger jeg Topvisor til at kontrollere placeringen af ​​klientwebsteder, hvilket er meget praktisk.

Skaberne af tjenesten er bekendt med markedets behov, så de gør alt for at automatisere mange opgaver, nogle gange ikke særlig populære. Behagelig og bekvem service.

Et must have i arsenalet af optimerere.

For en mand, der har bygget sit ry på semantik, er det ekstremt vigtigt altid at få præcise data; Dette gælder for klyngedannelse, positionslæsning og analyser. Fra de første dage satte Topvisor et højt arbejdsniveau i forhold til markedet og bekræfter sit lederskab hver dag.

Ud over bekvemmeligheden og nøjagtigheden af ​​serviceværktøjerne vil jeg gerne bemærke supporttjenestens og ledelsens lydhøre arbejde!

Topvisor imponerede mig med sin omtanke og alsidighed. Så mange småting var der taget højde for på forhånd. Jeg arbejder ofte med grænseflader til en række SEO-tjenester, jeg tester meget, men jeg har endnu ikke set dette niveau af brugervenlighed andre steder.

Den detaljerede hjælp, venlighed og effektivitet af supporten er imponerende.

Det er meget praktisk at arbejde i det - fjern og udvid det. core, lav clustering, kontroller positionerne for både websteder og sider på sociale netværk og videoer, Youtube-kanaler, overvåg konkurrenter, analyser optimeringen af ​​dit websted. Priserne, som det viste sig, er meget overkommelige for arbejdet. Jeg vil bestemt ikke forlade denne tjeneste.

Jeg har brugt Topvisor i lang tid - fra de første uger af dets eksistens - siden 2013. Og for at være ærlig besluttede jeg lige at teste en anden tjeneste for at tjekke positioner, fordi... Den nuværende på det tidspunkt faldt konstant, og teknisk support reagerede slet ikke.

Og Topvisor-support svarede inden for 2 minutter, selv på Twitter, og det, der var meget glædeligt, var, at mange af mine forslag til forbedringer blev implementeret næsten samme dag.

På tidspunktet for at skrive denne anmeldelse, har jeg cirka 270 lukkede billetter, og mange af funktionerne kom fra min lette hånd. Det ser ud til, hvad har support i stillingskontroltjenesten med det at gøre? Som det viser sig, er dette den vigtigste del. fordi enhver fejl, enhver forglemmelse bliver rettet hurtigt, og hvis overskydende tages fra kontoen, kompenseres de. Hvad med stabilitet? Alt er også fint (godt, bortset fra udrulningen af ​​nye funktioner). I mere end 3 år med Topvisor uploadede jeg hundrede forskellige projekter med semantiske kerner fra 10 til 5000 forespørgsler der, og der var næsten ingen tid, hvor projektet ikke blev fjernet til tiden, eller der skete noget med dataene.

Topvisor er en stabil og hurtig tjeneste til at arbejde med semantik, som gør, hvis ikke alt, så næsten alt: Wordstat, AdWords, hints, gruppering og clustering af forespørgsler, fremragende og forståelige analyser, integration med webmaster, metrics, GA. Derudover er der en bunke og en lille vogn af relaterede tjenester, såsom overvågning af ændringer på webstedet eller en budmanager for kontekst. Jeg bruger alle disse funktioner fuldt ud i næsten alle nye projekter.

Vælger du en service til overvågning af stillinger og andre SEO-opgaver, anbefaler jeg at kigge nærmere på Topvisor.

Dette er en lang række nyttige værktøjer: fra kontrol af positioner med indsamling af uddrag og billeder af søgeresultater til detaljeret teknisk analyse af webstedet. Fra udvælgelse af ord, indsamling af søgeforslag til gruppering efter relevans og gruppering ved hjælp af tre forskellige metoder.

Kan arbejde og integrere med Yandex.Metrica, Y.Webmaster, Google Analytics og Google Search Console. En rigtig søgeanalysetjeneste.

Topvisor udvikler sig konstant og dynamisk, nye værktøjer dukker løbende op, og den nuværende funktionalitet udvides. Grænsefladen er praktisk, intuitiv og meget gennemtænkt af tjenesteudviklerne. Vær særlig opmærksom på detaljerede referencematerialer om Topvisor-værktøjer og -funktioner. Jeg er sikker på, at selv begyndere ikke vil have nogen problemer eller spørgsmål med værket efter at have læst det.

Vi begyndte at bruge Topvisor i september 2014 som en backup-tjeneste til interne overvågnings- og analyseværktøjer. Over tid og udviklingen af ​​projektet er noget af funktionaliteten af ​​interne ting ikke færdigudviklet fra vores side.

Vi bruger kun positionsmodulet, vi får statistik ved hjælp af en bekvem API, som Power BI/Query fungerer godt med til visualisering af færdige rapporter om parametrene for antallet og dynamikken af ​​forespørgsler i TOP-3..100+ for påkrævet tidsrum.

Det er praktisk, at tjenesten bruger ikke-kontant dokumentflow gennem Diadoc, og færdige fakturaer en uge før afregningsdatoen sparer en masse tid. Topvisor har det vigtigste inden for kundeservice, udover driften af ​​tekniske ting - fantastisk support. Svar på forespørgsler indenfor 5-10 minutter, et synligt ønske om at hjælpe og forstå problemet og forbedre funktionaliteten. Så russiske byer har nu forskellige farver på deres grafer i deres statistik, og et par ekstra skærmbilleder i hjælpen.

I dette indlæg vil vi beskrive den komplette algoritme til indsamling af den semantiske kerne primært til et informativt websted, men denne tilgang kan også bruges til kommercielle websteder.

Indledende semantik og oprettelse af webstedsstrukturen

Forberedelse af ord til parsing og webstedets indledende struktur

Før vi begynder at analysere ord, skal vi kende dem. Derfor er vi nødt til at skabe den indledende struktur på vores websted og de indledende ord til parsing (de kaldes også markører).

Du kan se den originale struktur og ordene:

1. Brug logik, ord fra dit hoved (hvis du forstår emnet).
2. Fra dine konkurrenter, som du analyserede, når du valgte nicher eller ved at indtaste din hovedanmodning.
3. Fra Wikipedia. Normalt ser det sådan ud:

4. Se på wordstat for dine hovedforespørgsler og den højre kolonne.
5. Andre temabøger og opslagsværker.

For eksempel er emnet for vores hjemmeside hjertesygdomme. Det er klart, at vi skal have alle hjertesygdomme i vores struktur.

Du kan ikke undvære en medicinsk opslagsbog. Jeg ville ikke se på konkurrenterne, fordi de måske ikke har alle sygdomme repræsenteret; højst sandsynligt havde de ikke tid til at dække dem.

Og dine første ord til at analysere vil alle være hjertesygdomme, og baseret på de nøgler, som vi analyserer, vil du bygge strukturen på webstedet, når du begynder at gruppere dem.

Derudover kan du tage alle lægemidler til behandling af hjertet, i forlængelse af emnet mv. Du kigger på Wikipedia, kategorier på konkurrenternes hjemmesider, wordstat, tænker logisk og finder på denne måde flere markørord, som du vil analysere.

Site struktur

Du kan se på konkurrenterne for generel information, men du behøver ikke altid lave en struktur som deres. Du bør stort set gå ud fra logikken i din målgruppe; de ​​indtaster også de forespørgsler, du analyserer fra søgemaskiner.

Hvad skal man fx gøre? Liste over alle hjertesygdomme, og identificer derefter symptomer og behandling for dem. Eller opretter vi kategorier for symptomer, behandling og så håndterer vi sygdomme ud fra dem. Disse problemer løses normalt ved at gruppere søgeord baseret på søgemaskinedata. Men ikke altid, nogle gange bliver du nødt til selv at træffe et valg og beslutte, hvordan du laver den bedste struktur, fordi anmodninger kan overlappe hinanden.

Du skal altid huske, at strukturen skabes gennem samlingen af ​​semantik og nogle gange i sin oprindelige form består den af ​​flere overskrifter, og med yderligere gruppering og samling udvides den, efterhånden som du begynder at se forespørgsler og logik. Og nogle gange kan du komponere det uden at skulle bekymre dig om søgeord med det samme, fordi du kender emnet godt, eller det er godt præsenteret af konkurrenterne. Der er ikke noget system til at skabe strukturen på webstedet, du kan sige, at dette er din personlige kreativitet.

Strukturen kan være din (forskellig fra konkurrenterne), men den skal være praktisk for folk, opfylde deres logik og dermed søgemaskinernes logik, og sådan at du kan dække alle tematiske ord i din niche. Det burde være det bedste og mest bekvemme!

Tænk fremad. Det sker, at du tager en niche, og så vil du udvide den, og du begynder at ændre strukturen på hele webstedet. Og den skabte struktur på siden er meget svær og trættende at ændre. Ideelt set bliver du nødt til at ændre de vedhæftede URL'er og genindsætte det hele på selve webstedet. Kort sagt, det er sådan et kedeligt og meget ansvarsfuldt job, så beslut straks endeligt, som en mand, hvad og hvordan du skal gøre det!

Hvis du er meget ny til emnet for det websted, du opretter, og ikke ved, hvordan strukturen vil blive bygget, ved du ikke, hvilke indledende ord du skal bruge til at analysere, så kan du bytte trin 1 og 2 i samlingen. Det vil sige, først analysere konkurrenter (vi vil se på, hvordan man parser dem nedenfor), se på deres nøgler, baseret på dette opret en struktur og indledende ord til at analysere, og derefter parse wordstat, hints osv.

Til at skabe strukturen bruger jeg en mind manager – Xmind. Det er gratis og har alt grundlæggende.

En simpel struktur ser således ud:


Dette er strukturen på et kommercielt websted. Typisk har informationswebsteder ikke vejkryds eller filtre til produktkort. Men denne struktur er ikke kompliceret, den blev kompileret til klienten, så han ville forstå. Normalt består mine strukturer af mange pile og skæringspunkter, kommentarer – kun jeg selv kan forstå sådan en struktur.

Er det muligt at lave semantik efterhånden som siden udfyldes?

Hvis semantikken er let, er du sikker på emnet og kender det, så kan du lave semantik sideløbende med at fylde siden. Men den indledende struktur skal lægges ud. Jeg selv praktiserer dette nogle gange i meget smalle nicher eller i meget brede, for ikke at bruge meget tid på at samle semantik, men for at starte et websted med det samme, men jeg vil stadig ikke anbefale at gøre dette. Sandsynligheden for fejl er meget stor, hvis du ikke har erfaring. Alligevel er det nemmere, når al semantikken er klar, hele strukturen er klar, og alt er ugrupperet og forståeligt. Derudover kan du i den færdige semantik se, hvilke søgeord der skal prioriteres opmærksomhed, som ikke har konkurrence og vil bringe flere besøgende.

Her skal du også tage højde for størrelsen på webstedet; hvis nichen er bred, så nytter det ikke noget at samle semantik, det er bedre at gøre det mens du går, fordi at samle semantik kan tage en måned eller mere.

Så vi oprindeligt skitserede strukturen eller skitserede den ikke, vi besluttede at gå med den anden fase. Vi har en liste over indledende ord eller sætninger i vores emne, som vi kan begynde at analysere.

Parsing og arbejde i keycollector

Til parsing bruger jeg selvfølgelig keycollector . Jeg vil ikke dvæle ved opsætning af keycollectora, du kan læse hjælpen til dette program eller finde artikler om opsætning på internettet, der er mange af dem, og alt er beskrevet i detaljer der.

Når du vælger parsingkilder, bør du beregne dine arbejdsomkostninger og deres effektivitet. For eksempel, hvis du analyserer Pastukhovs database eller MOAB, så vil du blive begravet i en masse affaldsanmodninger, der skal sigtes ud, og det tager tid. Og efter min mening er det ikke det værd at finde et par anmodninger. Der er en meget interessant undersøgelse om emnet databaser fra RushAnalytics, selvfølgelig roser de sig selv der, men hvis du ikke er opmærksom på dette, er der meget interessante data om procentdelen af ​​dårlige søgeord http://www.rush -analytics.ru/blog/analytica-istochnikov -semantik

På det første trin søger jeg wordstat, adwords, deres tips og bruger Bukvarix søgeordsdatabase (desktopversionen er gratis). Jeg plejede også at gennemse tips fra Youtube manuelt. Men for nylig tilføjede keycollector muligheden for at parse dem, og det er fantastisk. Hvis du er en komplet pervers, kan du tilføje andre søgeordsdatabaser her.

Du begynder at analysere og så er du afsted.

Rensning af den semantiske kerne for et informationssted

Vi analyserede forespørgslerne og kom frem til en liste med forskellige ord. Selvfølgelig indeholder det de nødvendige ord, såvel som skrald - tomme, ikke tematisk, ikke relevante osv. Derfor skal de renses.

Jeg sletter ikke unødvendige ord, men flytter dem ind i grupper, fordi:

1. De kan senere blive stof til eftertanke og blive relevante.
2. Vi udelukker muligheden for at slette ord ved et uheld.
3. Når du analyserer eller tilføjer nye sætninger, vil de ikke blive tilføjet, hvis det er markeret.

Jeg glemte nogle gange at indstille det, så jeg konfigurerede parsing i én gruppe og analyserer kun nøgler i den, så samlingen ikke duplikeres:


Du kan arbejde på denne måde eller på den måde, som du ønsker.

Indsamling af frekvenser

Vi indsamler fra alle ord gennem direkte, basisfrekvens [W] og nøjagtig frekvens [“!W”].


Vi samler alt, der ikke er indsamlet via wordstat.

Rensning af et-ords ord og ikke formatering

Vi filtrerer efter enkelte ord, ser på dem og fjerner unødvendige. Der er nogle et-ord-forespørgsler, der ikke giver mening at komme videre; de ​​er ikke entydige eller dublerer en anden et-ord-forespørgsel.


For eksempel er vores emne hjertesygdomme. Der er ingen mening i at promovere ordet "hjerte"; det er ikke klart, hvad personen mener - dette er en for bred og tvetydig anmodning.

Vi ser også på, hvilke ord der ikke har nogen frekvens samlet - enten indeholder ordene specialtegn, eller også er der mere end 7 ord i forespørgslen.Vi overfører dem til et ikke-format. Det er usandsynligt, at sådanne forespørgsler er indtastet af personer.

Rengøring efter generel og nøjagtig frekvens

Alle ord med en samlet frekvens [W] fra 0 til 1 fjernes.

Jeg fjerner også alt fra 0 til 1 med nøjagtig frekvens ["!W"].

Jeg opdeler dem i forskellige grupper.

I fremtiden kan normale logiske søgeord findes i disse ord. Hvis kernen er lille, så kan du med det samme manuelt gennemgå alle ordene med nul frekvens og efterlade dem, som du tror, ​​folk skriver ind. Dette vil hjælpe med at dække emnet fuldstændigt, og måske vil folk klikke på disse ord. Men disse ord skal naturligvis bruges sidst, for de vil bestemt ikke få meget trafik.

Værdien fra 0 til 1 tages også ud fra emnet, hvis der er mange søgeord, så kan du filtrere fra 0 til 10. Det vil sige, at det hele afhænger af bredden af ​​dit emne og dine præferencer.

Fulddækkende rengøring

Teorien her er denne: for eksempel er der et ord - "forum", dets basisfrekvens er 8.136.416, og den nøjagtige frekvens er 24.377, som vi ser, er forskellen mere end 300 gange. Derfor kan vi antage, at denne anmodning er tom; den indeholder en masse haler.

Derfor beregner jeg efter alt at dømme følgende KEI:

Nøjagtig frekvens / basisfrekvens * 100 % = dækningens fuldstændighed

Jo lavere procent, jo mere sandsynligt er det, at ordet er tomt.

I KeyCollector ser denne formel sådan ud:

YandexWordstatQuotePointFreq / (YandexWordstatBaseFreq+0.01) * 100

Også her afhænger alt af emnet og antallet af sætninger i kernen, så du kan reducere dækningens fuldstændighed til under 5%. Og hvor kernen er stor, kan du ikke tage engang 10-30%.

Oprydning af implicitte dubletter

For at rydde op i implicitte dubletter skal vi indsamle Adwords-frekvensen fra dem og navigere efter den, fordi den tager højde for ordenes rækkefølge. Vi sparer ressourcer, så vi samler denne indikator ikke fra hele kernen, men kun fra dubletter.


På denne måde fandt og noterede vi alle ikke-oplagte dubletter. Luk fanen - Analyse af implicitte dubletter. De blev registreret i vores arbejdsgruppe. Nu vil vi kun vise dem, fordi parametrene kun hentes fra de sætninger, der i øjeblikket vises i gruppen. Og først derefter begynder vi at parse.


Vi venter på, at Adwords tager indikatorerne og går ind i analysen af ​​implicitte dubletter.


Vi indstiller disse parametre for smart-gruppemærket og klikker – udfør smart check. På denne måde vil kun de højest hyppige Adwords-forespørgsler ikke blive markeret i vores gruppe af dubletter.

Det er selvfølgelig bedre at gennemgå alle optagelserne og se på dem manuelt, hvis der skulle være noget galt der. Vær særlig opmærksom på grupper, hvor der ikke er nogen frekvensindikatorer; dubletter noteres der tilfældigt.

Alt, hvad du noterer i analysen af ​​implicitte grupper, noteres også i arbejdsgruppen. Så efter at have gennemført analysen skal du blot lukke fanen og overføre alle de markerede implicitte dubletter til den relevante mappe.

Rengøring med stopord

Jeg deler også stopord op i grupper. Jeg opregner byer separat. De kan være nyttige i fremtiden, hvis vi beslutter os for at oprette en oversigt over organisationer.

Separat oplister jeg ord, der indeholder ordene foto, video. Måske vil de komme til nytte en dag.

Og også "vitale forespørgsler", for eksempel Wikipedia, inkluderer jeg forummet her, og også i det medicinske emne kan dette omfatte Malyshev, myg osv.

Det hele afhænger af emnet. Du kan også lave separate kommercielle anmodninger - pris, køb, butik.

Dette resulterer i en liste over grupper baseret på stopord:

Rydder op i snoede ord

Dette gælder konkurrenceemner; konkurrenter hyper dem ofte for at vildlede dig. Derfor er det nødvendigt at indsamle sæsonbestemte og eliminere alle ord med en median på 0.

Du kan også se på forholdet mellem basisfrekvensen og gennemsnitsfrekvensen; en stor forskel kan også indikere, at anmodningen er blevet snydt.

Men vi må forstå, at disse indikatorer også kan indikere, at der er tale om nye ord, for hvilke der først for nylig er dukket statistikker op, eller at de simpelthen er sæsonbestemte.

Rengøring efter geo

Normalt er det ikke påkrævet at tjekke efter geo for informationssider, men for en sikkerheds skyld vil jeg skrive dette ned.

Hvis der er tvivl om, at nogle af anmodningerne er geoafhængige, så er det bedre at tjekke dette gennem Rookee-samlingen; selvom det nogle gange begår fejl, er det meget mindre almindeligt end at kontrollere denne parameter ved hjælp af Yandex. Så, efter at have indsamlet Rookee, bør du kontrollere alle ordene manuelt, som blev angivet som geoafhængige.

Manuel rengøring

Nu er vores kerne blevet flere gange mindre. Vi gennemgår det manuelt og fjerner unødvendige sætninger.

Ved output får vi disse grupper af vores kerne:

Gul - det er værd at grave rundt, du kan finde ord for fremtiden.

Orange - kan være nyttigt, hvis vi udvider siden med nye tjenester.

Rød - ikke nyttig.

Analyse af anmodningskonkurrence om informationssider

Efter at have samlet forespørgslerne og renset dem, skal vi nu tjekke deres konkurrenter for i fremtiden at forstå, hvilke anmodninger der skal behandles først.

Konkurrence baseret på antallet af dokumenter, titler, hovedsider

Det hele kan nemt gøres via KEI i KeyCollector.


Vi modtager data for hver anmodning, hvor mange dokumenter der blev fundet i søgemaskinen, i vores eksempel i Yandex. Hvor mange hovedsider er der i søgeresultaterne for denne forespørgsel og forekomster af forespørgslen i titlen.

På internettet kan du finde forskellige formler til beregning af disse indikatorer, selv en nyinstalleret KeyCollector ser ud til at have en form for beregning af KEI indbygget i standarden. Men jeg følger dem ikke, for du skal forstå, at hver af disse faktorer har forskellig vægt. For eksempel er det vigtigste tilstedeværelsen af ​​hovedsider i søgeresultaterne, derefter overskrifterne og antallet af dokumenter. Det er usandsynligt, at denne betydning af faktorer på en eller anden måde kan tages i betragtning i formlen, og hvis det stadig er muligt, så kan du ikke undvære en matematiker, men så vil denne formel ikke kunne passe ind i KeyCollectors muligheder.

Konkurrence på linkudvekslinger

Det er her, det bliver mere interessant. Hver udveksling har sine egne algoritmer til at beregne konkurrence, og det kan antages, at de ikke kun tager højde for tilstedeværelsen af ​​hovedsider i søgeresultaterne, men også sidernes alder, linkmasse og andre parametre. Grundlæggende er disse udvekslinger naturligvis designet til kommercielle forespørgsler, men der kan stadig mere eller mindre drages nogle konklusioner baseret på informationsanmodninger.

Vi indsamler data om udvekslinger og viser gennemsnitsindikatorer og fokuserer derefter på dem.


Jeg samler normalt fra 2-3 ombytninger. Det vigtigste er, at alle anmodninger indsamles for de samme udvekslinger, og gennemsnittet vises kun for dem. Det er ikke sådan, at nogle anmodninger blev indsamlet af nogle børser og andre af andre, og gennemsnittet blev udledt.

For en mere visuel visning kan du bruge KEI-formlen, som viser prisen for en besøgende baseret på parametrene for udvekslingerne:

KEI = AverageBudget / (Gennemsnitlig trafik +0,01)

Det gennemsnitlige budget for børser divideret med den gennemsnitlige trafikprognose for børser, vi får prisen på én besøgende baseret på børsdataene.

Konkurrence om mutagen

Det er ikke i keycollector, men det er ikke et problem. Uden problemer kan alle ord uploades til Excel og derefter køres gennem KeyCollector.

Hvad er bedre end Keyso? Den har en større base sammenlignet med sine konkurrenter. Hans sprog er rent, der er ingen sætninger, der er duplikeret eller skrevet i en anden rækkefølge. For eksempel vil du ikke finde sådanne gentagne nøgler som "type 1 diabetes", "type 1 diabetes" der.

Keyso kan også søge på sider med én Adsense-, Analytics-, Leadia-tæller osv. Du kan se hvilke andre sider ejeren af ​​det analyserede site har. Ja, og generelt, når du søger efter konkurrenters sider, tror jeg, at dette er den bedste løsning.

Hvordan arbejder man med Keyso?

Vi tager en hvilken som helst side af vores konkurrent, selvfølgelig er mere bedre, men ikke særlig kritisk. Fordi vi vil arbejde i to iterationer, vi går ind i marken. Lad os presse - analysere.

Vi modtager information på siden, vi er interesserede i konkurrenter her, klik åben alle.


Alle vores konkurrenter åbner op.


Disse er alle websteder, hvis søgeord på en eller anden måde overlapper med vores analyserede websted. Der vil være youtube.com, otvet.mail.ru osv., det vil sige store portaler, der skriver om alt. Vi har ikke brug for dem, vi har brug for websteder udelukkende om vores emne. Derfor filtrerer vi dem efter følgende kriterier.

Lighed er procentdelen af ​​fælles nøgler ud af det samlede antal af et givet domæne.

Emneindhold - antallet af nøgler på vores analyserede websted i nøglerne på en konkurrents domæne.

Derfor vil skæringspunktet mellem disse parametre fjerne almindelige websteder.

Lad os sætte tematisk til 10, lighed til 4 og se, hvad vi får.

Der var 37 deltagere. Men vi vil stadig tjekke dem manuelt, uploade dem til Excel og om nødvendigt fjerne unødvendige.


Nu går vi til grupperapportfanen og indtaster alle vores konkurrenter, som vi fandt ovenfor. Klik – analyser.

Vi får en liste over søgeord for alle disse websteder. Men vi har endnu ikke dækket emnet helt. Derfor er vi ved at blive konkurrenter til gruppen.

Og nu får vi alle konkurrenterne, alle de websteder, vi introducerede. Der er flere gange flere af dem, og der er også mange generelle tematiske. Vi filtrerer dem efter lighed, lad os sige 30.

Vi får 841 konkurrenter.


Her kan vi se, hvor mange sider denne side har, trafik og drage konklusioner om, hvilken konkurrent der er den mest effektive.

Vi eksporterer dem alle til Excel. Vi går gennem vores hænder og efterlader kun konkurrenterne i vores niche, du kan markere de mest effektive kammerater, så du så kan evaluere dem og se på hvilke funktioner de har på siden, forespørgsler der giver meget trafik.

Nu går vi tilbage til grupperapporten og tilføjer alle de konkurrenter, der allerede er fundet, og får en liste over søgeord.

Her kan vi straks filtrere listen efter "!wordstat" Mere end 10.


Her er de vores forespørgsler, nu kan vi tilføje dem til KeyCollector og angive, at sætninger, der allerede er i en anden KeyCollector-gruppe, ikke tilføjes.

I dagens afsnit af On the Board om semantik og strukturering af søgeord til siden.

Om hvad klyngedannelse af den semantiske kerne er. Hvorfor skal du klynge, og hvordan kan du gøre det?

Han taler om det Oleg Shestakov, grundlægger af Rush Analytics.

Videoen viste sig at være ret omfangsrig. Den indeholder de vigtigste nuancer forbundet med klyngedannelse.

Lad os gå videre til at se videoen:

Foto fra bestyrelsen:

Vigtig: Hvis du har spørgsmål, er du velkommen til at stille dem i kommentarerne. Oleg vil med glæde besvare dem.

Videoudskrift

1. Hvad er klyngedannelse?

Klynger ved hjælp af den øverste lighedsmetode er en gruppering af søgeord baseret på en analyse af søgemaskineresultater. Hvordan sker dette?

• Vi tager to forespørgsler, for eksempel "lipgloss" og "køb lipgloss."
• Vi indsamler søgeresultater for hver anmodning, gemmer 10 webadresser fra hvert søgeresultat og tjekker om der er fælles webadresser i begge resultater.
• Hvis der er mindst 3-5 (afhængigt af clustering-nøjagtigheden, som vi angiver), så grupperes disse anmodninger.

2. Hvorfor lave klyngedannelse?

Hvorfor har klyngetrenden været på markedet i omkring halvandet år nu? Hvorfor er dette vigtigt, og hvordan vil det hjælpe?

• Spare tid. Clustering er en vidunderlig teknologi, der vil hjælpe med at reducere rutinen, når du arbejder med semantisk kernegruppering. Hvis en almindelig semantisk kernespecialist parser 100.000 nøgleord, adskiller dem i grupper, omkring 2-3 uger (eller endnu mere, hvis semantikken er kompleks), så kan en klyngeuddeler adskille dette i prioriteret rækkefølge på omkring en time.

• Giver dig mulighed for at undgå fejlen med at promovere forskellige anmodninger til én side. Yandex har klassifikatorer, der evaluerer kommercielle anmodninger. For eksempel er resultaterne for informationsanmodninger og kommercielle anmodninger helt forskellige. Forespørgslerne "lipgloss" og "køb lipgloss" kan aldrig skubbes ind på samme side.

1) For den første anmodning ("lipgloss") er der informationssider (irecommend, Wikipedia). En informationsside er nødvendig for denne anmodning.

2) For den anden anmodning ("køb lipgloss") - kommercielle ressourcer, velkendte onlinebutikker. Denne anmodning kræver en kommerciel side.

Det vil sige, at forskellige typer sider er nødvendige for forskellige anmodninger. En almindelig fejl, en optimizer laver, er, når den promoverer alt sammen på én side. Det viser sig, at halvdelen af ​​den semantiske kerne kommer ind i TOP 10, og den anden halvdel kan ikke komme dertil. Clustereren giver dig mulighed for at undgå sådanne fejl.

For at forhindre dette i at ske, skal du i første omgang gruppere anmodninger korrekt efter sidetype i søgeresultaterne.

3. Hvordan hjælper klyngedannelse med forfremmelse?

• databehandlingshastighed,
• klassificering af sider, for hvilke der gøres promovering.

Hvis webstedsstrukturen er grupperet, og intern optimering er udført korrekt, er dette allerede halvdelen af ​​kampen, hvis vi taler om det russiske marked. Naturligvis vil der være behov for links til vestlige markeder. Det er vores erfaring, at et sted omkring 50-60% af anmodninger med korrekt klyngedannelse og korrekt tekstoptimering blot når TOPPEN uden nogen ekstern indgriben. For onlinebutikker eller rubrikannoncer (aggregatorer og portaler) er der i princippet ikke engang behov for tekster.

Clustering er nøglen til korrekt rangering. I øjeblikket er der ingen mening i at bekæmpe placeringer på søgemaskinerne, men det er lettere at tilpasse sig denne placering, indtaste de nødvendige typer sider og promovere med succes. At ændre paradigmet for at promovere et bestemt emne er mere urealistisk end virkeligt.

4. Hvad er klyngemetoderne? (Hård blød)

Blødt - dette er hvad der blev beskrevet tidligere. En markøranmodning fra en kategori af en onlinebutik tages, andre anmodninger knyttes til den, og resultaterne sammenlignes. "køb lipgloss", "køb lipgloss i Moskva", "køb lipgloss priser" - de har 4-5 forbindelser med hovedanmodningen.

Disse anmodninger er bundet. Dette afslutter kontrollen, en klynge af søgeord opnås, og den kan promoveres.

Men der er mere konkurrencedygtige emner, for eksempel plastikvinduer. Her skal du kontrollere, at alle anmodninger, der var bundet til den primære, kan fremmes med hinanden.

Vi er nødt til at sammenligne, om der er nogen resultater for disse forespørgsler

samme url. Vi sammenligner resultaterne ikke kun med hovedanmodningen, men også med hinanden. Og vi grupperer kun de anmodninger, der kan relateres til hinanden.

I de fleste tilfælde er Soft clustering tilstrækkelig. Disse er onlinebutikker (ikke særlig konkurrencedygtige kategorier), informationsressourcer.

5. Klynger i Rush Analytics

Vi har et klyngemodul og 3 typer klyngedannelse:

• Ifølge Wordstat. Den enkleste og mindst tidskrævende metode set fra et optimeringssynspunkt. Ideel til situationer, hvor vi næsten intet ved om strukturen på webstedet.

1) I Excel skal du indlæse nøgleord i én kolonne, frekvens ifølge Wordstat i en anden og sende til klyngedannelse.

2) Vi sorterer hele listen i faldende rækkefølge: de hyppigste ord (normalt de korteste) er øverst.

3) Algoritmen fungerer således: vi tager det første ord, prøver at knytte alle andre ord til det og grupperer det. Vi skærer alt ud, der er blevet vedhæftet, sorterer det igen og gentager denne iteration igen.

4) Fra listen over søgeord får vi et sæt klynger.

Ved markører

Velegnet til steder, hvor strukturen er defineret. Fungerer meget godt i e-handel (for eksempel netbutikker).

1) Vi kender markøranmodningen (hovedanmodningen på siden eller flere anmodninger, hvorunder den promoveres).

2) Vi tager en liste over søgeord, i kolonnen til højre markerer vi markørforespørgsler med etere, og alle andre forespørgsler med nuller.

3) Vi tager et markør nøgleord og forsøger at linke andre søgeord til det og gruppere dem i klynger. Det er vigtigt her, at i denne algoritme vil de markørord, som vi har markeret med ener, aldrig være relateret til hinanden. Vi vil ikke prøve at binde dem fast.

Kombineret klyngedannelse

Denne algoritme kombinerer de to foregående

1) Vi indlæser søgeord, markerer "token/non-token" og frekvens.

2) Vi binder alle de ord, vi kan binde til markørforespørgsler.

3) Vi tager søgeord, der forbliver ulinkede, og grupperer dem ved hjælp af Wordstat.

4) Alt andet vil blive klassificeret som "ikke-klyngede".

5) Som et resultat - en struktur, som vi allerede kender. Vi vil også få automatisk clustering af alle andre søgeord, hvilket vil hjælpe os med at udvide strukturen. Alle disse typer klyngedannelse er tilgængelige i Rush Analytics.

Hvilke andre værktøjer er der på markedet?

Blandt de værdige kan vi udover Rush Analytics fremhæve JustMagic-tjenesten, hvor der er både Hard og Soft clustering. Tjenesten blev udviklet af Alexey Chekushin.

Det er alt, du behøver at vide om klyngedannelse for at komme i gang med søgeordsgruppering.

Brug clustering og spar din tid. Derudover laver folk ofte fejl; fejlprocenten for optimeringsværktøjet er omkring 15%. Overlad rutinen til robotter - ingen grund til at ordne det i hånden.

Hej kære venner! Godt nytår til dig, jeg håber du allerede er flyttet fra ferien og er i kamphumør. Jeg har en nytårsgave til dig i dag – et meget fedt praktisk indlæg. Indlægget er ikke mit, men det er mere end værdigt at blive vist på denne blogs sider.

Anmeldelsen blev udarbejdet af en sej fyr ved navn Dmitry Miroshnichenko. Dima bor i Volgograd, arbejder som projektleder i et lokalt webstudie, som udvikler og promoverer sine egne projekter. Og Dima er en videnskabskandidat, og det her er ikke meget bullshit!

Alt skrevet nedenfor er mit synspunkt og er baseret på min livserfaring. Jeg hævder ikke at være den ultimative sandhed. Hvis du ser nogle processer anderledes og ved, hvordan du kan løse problemet mere effektivt, er det stærkt tilrådeligt ikke at beherske dig selv og skrive om det i kommentarerne.

Så opgaven: at skabe en semantisk kerne til webstedet. Hvad betyder ordet "semantisk"? Dette er, hvad Wikipedia fortæller os. Semantik (fra oldgræsk σημαντικός - betegner) er en gren af ​​lingvistik (især semiotik), der studerer semantisk betydning sprogenheder. Det vil sige, at vi skal fremhæve semantiske retninger for webstedsstrukturen.

Hvordan løses dette problem normalt?

1. Parsing forespørgsler (Wordstat, forskellige databaser, tip, tjenester såsom Spywords og Semrash, åbne statistiktællere og andre kilder)
2. Vi sigter skraldet ud og tjekker frekvensen
3. Vi fordeler anmodninger i grupper
4. Ud fra grupper skaber vi strukturen på siden og distribuerer artikler

Vi kan med succes løse de to første punkter ved hjælp af en nøglesamler. Der er ingen særlig smerte ved valg her. Nøglesamleren er et virkelig praktisk værktøj.

Den tredje opgave er den mest interessante. Vi vil overveje hendes beslutning.

Det fjerde problem kan løses ganske trivielt, hvis det tredje er blevet implementeret godt.

Indledende data

Informationsside om dacha-emner. Afsnit "buske og træer". I alt blev der indsamlet 562 nøgler. Dette er træningsdatasættet. Det var vigtigt for mig at sammenligne resultaterne af forskellige værktøjer.

For sektionen af ​​informationssiden blev anmodninger indsamlet, affald blev fjernet og hyppigheden af ​​"!" ifølge Wordstat mere end 30. De skal fordeles i grupper.

Du kan distribuere anmodninger manuelt eller automatisk. Vi fordeler manuelt efter mening. Alt er klart her. Der er mange måder at lave automatisk clustering på. Lad os se nærmere på hvert værktøj.

Værktøjer til at gøre manuel forespørgselsgruppering nemmere

Excel, LibreOffice, OpenOffice

Jeg tror, ​​det ikke nytter noget at beskrive i detaljer, hvordan man arbejder med disse værktøjer.

Fordele

• højpræcisionsbehandling - vi behandler det stadig i hånden
• alsidighed - du kan tage højde for en masse parametre
• i tilfælde af LibreOffice, OpenOffice - gratis

Fejl

• ved Excel - betalt
• lav hastighed - når du arbejder med store mængder data
• skal lave sikkerhedskopier

Google Docs

Fordele

• svarende til det foregående punkt
• online service - nem adgang til dokumentet
• ingen grund til at lave sikkerhedskopier
• gratis

Fejl

• hastigheden er stadig lav

kg.ppc-panel.ru

Online service. Indlæs anmodninger, filtrer, vælg grupper.

Virker hurtigt. Funktionaliteten er tilstrækkelig (undtagen til at gemme projekter), grænsefladen er god.

Fordele

• brugervenlig grænseflade
• virker hurtigt
• sigtbarhed
• ingen grund til at registrere
• gratis
• online service

Fejl

• Du kan ikke gemme projekter, du kan kun uploade færdige projekter
• følger af den forrige - hvis tjenesten fejler, så vil alle udviklinger gå tabt
• frekvenser kan ikke indlæses

Søgeordsassistent - skaber strukturen på det fremtidige websted

Endnu en onlinetjeneste. Svarende til den forrige. Du kan nu gemme projekter.

Fordele

• projekter gemmes
• god og overskuelig grænseflade
• du kan downloade frekvenser
• gratis
• online service

Fejl

• hastigheden er højere end når man arbejder med excel, men stadig sammenlignelig
• for paranoide - det er ikke klart, hvor dine data er gemt

Værktøjer til automatisk forespørgselsgruppering

Søgeordsgruppe til PPC

Desktopversion med mærkelig adfærdslogik. Detaljer på linket ovenfor (hvor du kan downloade kan findes der).

Kort beskrivelse af, hvordan klyngealgoritmen fungerer:

Vi har et bestemt sæt søgeord. Før kompilering af indekset, normaliserer scriptet alle ordformer. På næste trin bestemmer grupperingsscriptet frekvenser for hele dokumentindekset og opbygger en vurdering. Frekvenser beregnes for hvert ord (efter normalisering). Hvis vi har "ferie i Tunesien", så tæller scriptet frekvenserne for "ferie" og "Tunesien".

På dette stadium er ordens rangorden arrangeret fra den hyppigste til den mindst hyppige. Hvorfor er dette nødvendigt? At oprette kernegrupper. Lad os bare sige, at hvis ordet "Egypten" forekommer oftere end ordet "hotel", så vil en søgeforespørgsel (f.eks. [billige hoteller i Egypten]), der indeholder ordet "hotel", blive klassificeret i "Egypten" gruppe og ikke omvendt.

Så vi grupperede ordene, men på en ret primitiv måde. Dernæst har vi brug for en mere præcis gruppering.

Mere præcis gruppering betyder, at scriptet inden for hver gruppe vil oprette undergrupper og fordele ord mellem dem.
På dette stadium vil klassificeringen af ​​ord efter frekvens også blive bygget. I dette tilfælde oprettes bedømmelsen kun inden for gruppen; gruppens hovedord (også gruppenavnet) vil ikke deltage i bedømmelsen. Derudover er rangeringen af ​​ord i en gruppe baseret på invers frekvens. De der. ordet med den laveste frekvens vil være det første til at oprette "sin egen" undergruppe.

Selvfølgelig kan kun de ord, der forekommer mindst N gange, oprette deres egne undergrupper (indstillet i scriptindstillingerne, men normalt er dette mindst 4-5).

Det er denne tilgang, der virker meget effektivt, når hovedgrupperne oprettes ud fra rangeringen fra de hyppigste ord til de mindst hyppige, og undergrupper - fra de mindst hyppige til de hyppigste.

Outputtet er en grupperet liste.

Fordele

• gratis for nu
• virker hurtigt

Fejl

• desktop version
• på en eller anden måde reddes projektet skævt
• Hvordan kan jeg slette noget der?
• ekstremt mærkelig adfærdslogik, hvorfor var der ord i systemet, som ikke var der? (synligt på skærmbilledet)
• Algoritmen tager ikke hensyn til ordenes betydning, kun den fælles rod er den væsentligste ulempe
• angivet grænse på 1000 nøgler
• frekvens kan ikke indlæses
• skal lave sikkerhedskopier

Rush Analytics

Onlinetjeneste til forespørgselsklyngning baseret på PS-udstedelse. Mere præcist er klyngedannelse kun en af ​​tjenestens muligheder. En mere detaljeret beskrivelse findes på hjemmesiden.

Kort om driftsalgoritmen:

Clustering er den automatiske opdeling af søgeord i grupper.
Hvordan fungerer teknologien?
Du uploader en liste med søgeord, vælger typen af ​​klyngedannelse - systemet analyserer søgemaskinernes placeringer og opdeler ved hjælp af vores algoritme søgeord i grupper, der vil rangere godt i søgemaskinerne. Ved udgangen får du søgeord opdelt i grupper.

Du kan indstille gruppens styrke. Tilsyneladende udstillet i papegøjer. Outputtet er Excel-filer med den valgte grupperingsstyrke. På den første fane er der klynger. Det andet er alt, der er tilbage uden klynger.

Gebyret opkræves kun for grupperede anmodninger (maksimalt antal).

Lad mig minde dig om, at der kun er 562 anmodninger. Hvor mange anmodninger, der blev grupperet for hver mulighed, kan ses i tabellen nedenfor.

Vi får det maksimale antal grupperede anmodninger 359. Ikke dårligt for en automatisk maskine. Hvor meget kostede det?

Vi får, at gruppering af 359 anmodninger koster 552,5 rubler eller lidt mere end 1,5 rubler pr. Her er det nødvendigt at præcisere, at mere end to anmodninger betragtes som en klynge. Jeg har ikke fundet ud af at tælle, hvor mange grupper der var.

Lad os nu se, hvordan kvaliteten er.

Lad os vælge en testgruppe for kirsebær. Her er en liste over originale anmodninger:

hvordan man beskærer kirsebær korrekt valery chkalov kirsebær kirsebær tyrs hjerte kirsebærtræ kirsebærplantage kirsebær iput beskæring af unge kirsebær beskæring af kirsebær kirsebær sorter varianter af kirsebær

Vi fik to klynger til gruppestyrke 4 og 5:

For en grupperingsstyrke på 3 udvides klippeklyngen lidt:

Det er klart, at resultatet er halvdårligt.

Hvis jeg gjorde det manuelt, ville klyngen efter sort se sådan ud:

kirsebær tyrehjerte kirsebær iput Valery Chkalov kirsebær kirsebær varianter varianter af kirsebær

Så algoritmerne skal helt klart opdateres.

Fordele

• online service
• alle projekter er gemt
• ved registrering giver de 3.000 rubler til din konto (på tidspunktet for offentliggørelsen er sådan en freebie efter min mening allerede blevet dækket over)
• i det mindste, men meningen (og ikke kun den fælles rod) tages i betragtning baseret på søgemaskinens resultater

Fejl

• stadig i teststadiet (på udgivelsestidspunktet ser det ud til, at det ikke længere er tilgængeligt)
• betalt
• dyrt - det er godt, hvis kernen indeholder 500 forespørgsler, men hvad hvis der er tusinder og hundredetusinder?
• du skal stadig gøre det færdigt i hånden, det er ikke muligt at gøre det helt automatisk

SEMparser - Strukturering af semantik for SEO og kontekst

Endnu en online clusterer baseret på søgemaskineresultater.

Sådan fungerer det (taget fra webstedet):

Sådan ser det ud indeni:

Efter automatisk klyngedannelse vises et redigeringsvindue, hvor du kan rette fejl.

Excel-filen downloades. På den første fane er forespørgsler og grupper med detaljer.

Den anden fane indeholder kun grupper.

På den tredje fane er der et topemne.

Du kan også indstille gruppens styrke. Jeg testede de samme tal: 3, 4 og 5.

Her skal vi præcisere, at en klynge fra én anmodning også er en klynge. Og det bliver der taget højde for. Så formelt viser det sig, at 100 % af anmodningerne var grupperet. Men jeg kunne heller ikke finde ud af at beregne hvor mange grupper der var med anmodninger på 2 eller flere.

Du skal også tage højde for, at priserne er lidt anderledes. Der trækkes penge for alle anmodninger, der er i dokumentet. Jeg købte 600 anmodninger, hvilket kostede mig 288 rubler. Vi får prisen på en anmodning 0,48 kopek. Efter gruppering havde jeg 38 anmodninger tilbage i mit system. Som et resultat kostede gruppering af en testprøve af nøgler cirka 270 rubler. Hvilket er to gange lavere end i den tidligere service.

Lad os se, hvad der sker med kvaliteten.

For alle styrker i gruppen var der 4 grupper:

valery chkalov kirsebær (1/170) valery chkalov kirsebær (170) kirsebær iput (5/472) kirsebær iput (159) varianter af kirsebær (134) kirsebær varianter (92) kirsebærtræ (44) kirsebærplantage (43) oksehjertekirsebær ( 1/64) oksehjertekirsebær (64) beskæring af kirsebær (3/352) beskæring af kirsebær (226) hvordan man beskærer kirsebær korrekt (86) beskæring af unge kirsebær (40)

Vi ser også, at betydningen ikke er ideel. Skal efterbehandles i hånden.

Fordele

• online service
• alle projekter er gemt
• 50 anmodninger om test ved tilmelding
• dårligt dårligt tager hensyn til betydningen
• billigere end den tidligere mulighed

Fejl

• betalt
• Algoritmen fungerer ikke perfekt, manuel korrektion er nødvendig

Just Magic - automatisk valg af semantik til SEO og kontekstuel annoncering

En interessant service efter min mening. Website design: hej konsol.

Hvad de siger på deres hjemmeside:

— Indsaml semantik for eksisterende webstedssider, og link forespørgsler til dem med det samme.
— Udvid den eksisterende webstedsstruktur.
— Tilbyd tematisk semantik for nye sider på webstedet baseret på den nuværende SL.
— Opret semantik for det designede websted.
- Og blot klynge forespørgsler. Herunder tematisk opdeling.

Du kan se udviklerens rapport på TopExpert:

Her er, hvad udviklerne fortalte mig om, hvordan alt fungerer der:

Vi løser et rent utilitaristisk problem - at bestemme, hvilke anmodninger der kan promoveres på én side.

Derfor løsningsmetoden - vi indsamler output fra PS for hver anmodning og udfører klyngedannelse baseret på det.

Faktisk skal vi løse et ret simpelt problem - spred forespørgsler i henhold til matchende URL'er i søgeresultaterne, og sørg samtidig for, at fundamentalt forskellige typer forespørgsler ikke falder i én klynge. Vi skelner mellem følgende typer:
— Kommercielt/informationsmæssigt.
— "På ansigtet"/"på indersiden."
— Et-ord/2+ ord.
— Med/uden indholdstypemarkører.

"Indholdstypemarkører" er søgeord, som søgemaskinen bruger til at stille krav til indhold på den promoverede side. For eksempel - ("anmeldelser", "video", "download", "foto").

Da problemet er defineret, og sættet af inputdata er ret simpelt, er algoritmen ikke kompliceret. Systemets hovedalgoritme bruger ikke maskinlæring. Vi bruger de facto centroider i den aktuelle algoritme (en af ​​forespørgslerne er "centret" af klyngen, og resten skal have en vis grad af lighed med den). Nu bruges en "grådig" algoritme til deres (centre) valg. Men denne metode har visse ulemper, så i den næste version af algoritmen, som i øjeblikket er ved at blive implementeret, vil vi i princippet opgive konceptet med en klyngecenterforespørgsel.

Vi bruger også maskinlæring, men et andet sted - automatisk generering af markøranmodninger baseret på Yandex.Metrica-data.

Har ikke været i stand til at prøve det endnu. Sendte en anmodning om testadgang. De sagde, at de havde en opdatering. Hovedfunktionaliteten, der koster fra 30.000 rubler/måned, vil være tilgængelig i slutningen af ​​januar. For rene dødelige med mindre mængder i februar.

Hvis alt fungerer, som de siger, vil det være meget fedt. Lad os se.

Fordele

• gode udsigter
• online service

Fejl

• Der er endnu ingen version for rene dødelige, kun et månedligt abonnement
• undlod at prøve
• som det er - dyrt

SEO intellekt - SEO automatiseringstjeneste

Endnu en online klyngetjeneste. Erklæret funktionalitet:

SEO automatiseringstjeneste
● forespørgselsklynger
● valg af landingssider
● søg efter konkurrenter
● assistance til indholdsoptimering
● bestilling af optimerede tekster

Det lykkedes mig aldrig at få det til at virke. Der er ingen hjælp, ingen hints...

Fordele

• online

Fejl

• så jeg forstod, hvordan jeg skulle arbejde med ham
• betalt

Coolakov.ru - Opdeling af nøgleforespørgsler

Beskrivelse på hjemmesiden:

Tjenesten giver dig mulighed for automatisk at gruppere allerede indsamlede anmodninger. Anmodninger er opdelt i grupper baseret på ligheden mellem Yandex top 10.

Vi kunne ikke finde noget om funktionerne i algoritmen.

Til mine 562 forespørgsler var der 305 grupper. Der er mindst én anmodning pr. gruppe. Lad os se, hvad der sker med vores kirsebær:

Det er klart, at gruppe 73 og 189 kunne have været forenet... Nå, resten er også klart. Klynger er mildt sagt ikke ideelt.

Fordele

• online service
• gratis

Fejl

• Hvordan downloader man det? Der er ingen knapper at downloade. Du kan kun kopiere teksten.
• Uden registrering kan du kun arbejde fra 20-00 til 7-00 Moskva-tid. Der er ingen måde at registrere sig på. Overhovedet.

s:toolz er et professionelt værktøj til clustering af forespørgsler baseret på søgeresultater

Endnu en klyngetjeneste. Det ejendommelige er, at det ikke fungerer i automatisk tilstand. Dette er også hans mangel.

Driftsprocedure

Erklæret funktionalitet:

Forespørgselsklyngetjenesten er designet til hurtig automatiseret gruppering af store lister af forespørgsler (søgeord til promovering) i klynger, som er dannet baseret på søgemaskineresultater og Yandex-søgemaskinens opfattelse af brugerens behov.

Anmodninger fra én klynge skal forfremmes til 1 side.

Sendte et kort. De svarede to dage senere. Det viser sig, at de behandler ansøgninger manuelt. De skriver, at de får mere feedback på denne måde. I fremtiden truer de med at gøre alting automatisk.

Selve klyngingen, skriver de, varede mindre end et minut. Citere:

Det tog mindre end et minut at behandle din ansøgning. Det største beløb, der hidtil skulle behandles, var 55k, beregningen tog omkring 3 timer.

Hvad de skriver om algoritmen:

Vi har udviklet vores egen grupperingsalgoritme. Data - Yandex top 10 for hver anmodning. Vi bruger maskinlæring, men til anden funktionalitet, som snart vil blive præsenteret.
Der er problemer med relevante sider i rapporten. Søgemaskineindekset indeholder ikke altid det, du har brug for, især hvis en specialist endnu ikke har arbejdet på projektet.
Som et resultat skal du desuden behandle resultatet manuelt; med et vist antal anmodninger er dette allerede trist. Problemet er ved at blive løst.

At gruppere mine 562 forespørgsler kostede mig 309 rubler. Vi opkræver 60 kopek pr. anmodning. Der blev ikke givet rabatter. Ja, jeg spurgte ikke.

Lad os nu se, hvad der sker med kvaliteten:

beskæring af kirsebær hvordan man beskærer kirsebær korrekt beskæring af unge kirsebær sorter af kirsebær kirsebær sorter af kirsebærtræ Valery Chkalov kirsebær kirsebær oksehjerte kirsebærplantage kirsebær og vejen

Igen blev sorterne efterladt uden klynger.

Fordele

• kommunikationsevner af teknisk support, besvarede alle spørgsmål
• online service

Fejl

• virker ikke automatisk, ødelægger den menneskelige faktor indtrykket
• betalt
• manuel korrektion af klynger er påkrævet

Mc-Castle.ru – Clusterer SY

Og endnu en service. Det klynger tilsyneladende også efter ordform. Ingen søgemaskiner.

Resultat:

Jeg kunne ikke finde ud af, hvad jeg så skulle gøre med dette. Hvordan kan jeg opdele i klynger? Hvordan kan jeg se, hvilke anmodninger der er inkluderet i én klynge? Tja, hvis opdelingen er baseret på ordformer, så er der ikke tale om nogen ensretning i betydningen betydning.

Fordele

• online service
• gratis
• ingen grund til at registrere

Fejl

• mærkelig grænseflade
• opdelingsalgoritme baseret på ordformer

Nøglesamler

Programmet er velkendt for næsten alle, der er stødt på indsamling af nøgler på den ene eller anden måde.

Gruppering er kun en lille del af, hvad hun kan.

Anmodninger kan grupperes efter sætningssammensætning, efter søgemaskineresultater og i kombineret tilstand. Søgebaseret gruppering fungerer efter kode indsamlet data for KEI. Det tog flere minutter at indsamle oplysninger til gruppen. Selve grupperingen varede mindre end et minut.

Den bedste gruppering blev opnået med følgende parametre:

I det første tilfælde blev 381 sætninger eller 68 % af det samlede antal grupperet. I det andet tilfælde 403 eller 72 %, hvilket er meget godt.

De kirsebær, vi var interesserede i efter sort (iput, oksehjerte...) nåede heller ikke frem til sorterne. De blev opdelt i separate grupper. Hvilket generelt ikke er overraskende.

De resterende anmodninger blev grupperet mere eller mindre. Som et resultat har vi 72% tidsbesparelser (resten skal udfyldes manuelt).

Fordele

• klar grænseflade
• du kan vælge grupperingsindstillinger
• en masse andre muligheder for at arbejde med nøgler
• fornuftig pris
• fremragende teknisk support

Fejl

• desktop version
• Du kan ikke redigere de resulterende grupper i programmet - kun i Excel
• for at fungere har du brug for anti-gate, proxyer, konti - der er ingen sådanne problemer med onlinetjenester, de tager disse problemer på sig selv
• manuel korrektion af klynger er påkrævet

MegaLemma - automatisering af kompileringen af ​​den semantiske kerne og Yandex.Direct-kampagner

Desktop-software til klyngedannelse.

Det er svært bare at stå op og arbejde. Brugervenligheden er dårlig.

Jeg vil gerne normalisere det. Det giver mig en besked om, at jeg skal gemme projektet. Er det ikke muligt at gemme projektet automatisk? Hvorfor skal jeg trykke på en knap, når en computer kan gøre det?

Det er ikke indlysende, hvad du skal klikke for at starte grupperingsprocessen. Det viser sig, at dette er "frekvensanalyse".

Parsing af 562 anmodninger ved hjælp af standardindstillinger i 7 tråde og 7 proxyer tog cirka 10 minutter. Det tog yderligere 5 minutter at normalisere.

Efter normalisering er det igen uklart, hvordan jeg skal gruppere de ord, jeg har brug for. Jeg fandt oplysningerne på side 27 i manualen. Og tak for det.

Det er trods alt programmets hovedfunktionalitet. Del ord op i grupper. Hvorfor er den mest nødvendige information så langt væk? Nå, det ville være nyttigt at gøre noget som en hurtig start. Til kontekst og for websteder separat. Jeg indså, at der er forskelle i arbejdet.

Jeg ønskede ikke at fuldføre opgaven med at gruppere mine forespørgsler her. Hovedproblemet er placeringen af ​​accenter i programgrænsefladen.

Det nytter ikke at bruge det udelukkende til klyngedannelse. Jeg tror, ​​at programmets fulde kraft bør afsløres, når man arbejder fuldt ud med nøgler. Starter med at rense forespørgsler fra skrald og skabe stopord.

Fordele

• der er en fuld demoversion

Fejl

• skrivebordsprogram
• For at fungere har du brug for anti-gate og proxyer - der er ingen sådanne problemer med onlinetjenester, de tager disse problemer på sig selv
• kombinerer på grundlag af ordformer, det vil sige, at der ikke er behov for at tale om nogen betydninger
• brugervenligheden skal forbedres

"Semyon-Yadren" - dannelse af den semantiske kerne af webstedet baseret på søgemaskiner

Endnu en fjerntjeneste. Der har været meget PR på det seneste.

Igen skal du arbejde med tjenesten gennem mellemmænd. Altså gennem mennesker. Ingen automatisering for dig.

Du skal først indsende en brief, og derefter vente, indtil de kontakter dig. Du er enig i detaljerne. Derefter betaling.

De ønskede ikke at lave gruppering gratis, men de gav 50 % rabat. Som et resultat kostede gruppering af 562 anmodninger mig 350 rubler (uden rabat bad de om 700). At gruppere en anmodning kostede 60 kopek (eller 1,2 rubler uden rabatter)

Igen er der problemer med brugervenlighed på siden. "Send kort"-knappen er lille, hvid og usynlig på en hvid baggrund. Jeg kunne ikke lade være, undskyld.

De nægtede at sige, hvordan og på hvilket grundlag klyngedannelse sker. Det er kun kendt, at på grundlag af udstedelse af en PS.

Resultatet af arbejdet blev sendt på få timer. Ud over selve klyngerne sendte de yderligere 100.500 parametre og filer. Selvom jeg ikke spurgte. I princippet nyttig information til analyse. Men det ville være logisk at adskille: Hvis du kun vil have gruppering, er der én pris; hvis du vil have flere lækkerier, er der en anden pris. Fordi forskellige kunder har brug for forskellige oplysninger.

Lad os se, hvilke klynger vi har:

beskæring af kirsebær hvordan man beskærer kirsebær korrekt beskæring af unge kirsebær kirsebær iput sorter af kirsebær kirsebær sorter kirsebær tyrehjerte valery chkalov kirsebær kirsebærtræ kirsebærplantage

Dette er allerede meget bedre! Nogle sorter endte i klyngen for sort! Sandt nok gik Valery Chkalov tabt.

Fordele

• svarede hurtigt
• klar til at lave rabatter
• online service
• en masse forskellige yderligere oplysninger, herunder opgaver til tekstforfattere (selvom de skriver, at opgaver stadig skal løses individuelt)

Fejl

• der er en mellemmand i form af en person
• Algoritmer er en komplet forretningshemmelighed
• manuel korrektion af klynger er påkrævet

Resultater

En oversigtstabel over funktionalitet og omkostninger kan findes nedenfor.

Værktøj	Pris	Klyngealgoritme	Format	Arbejdstimer	Omkostninger ved at gruppere alle anmodninger	Omkostninger ved at gruppere én anmodning
	—
	gratis	baseret på udstedelsen af ​​PS	online	Et par minutter	gratis	gratis
	betalt	baseret på udstedelsen af ​​PS	online	mindre end et minut + to dage	309 gnid.	60 kopek
	betalt	baseret på ordformer	online	mindre end et minut	gratis	gratis
	1.700 gnid.	baseret på ordformer + baseret på PS output	skrivebord	Et par minutter	—	—
	3.000 gnid.	ud fra ordformer og lemmaer	skrivebord	Et par minutter	—	—
	betalt	baseret på udstedelsen af ​​PS	online	et par minutter + et par timer	350 gnid. (700 RUB uden rabat)	60 kopek (1,2 rubler uden rabat)
Nedenfor er tjenester, der ikke var inkluderet i hovedanmeldelsen i dette indlæg, men blev foreslået af brugere i kommentarerne eller repræsentanter for tjenesterne.
Topvisor.ru	betalt	baseret på udstedelsen af ​​PS	online	~7-8 min. for 3000 anmodninger	—	fra 30 kopek

Som følge heraf har vi endnu ikke et værktøj, der helt automatisk vil gruppere de nødvendige forespørgsler uden fejl.

De bedste resultater blev vist(bedømt efter kirsebærsorter) Semparser.ru og Seo-case.com. Med hensyn til omkostninger får vi henholdsvis 48 kopek mod 1,2 rubler. Forskellen er næsten tre gange. Meromkostningerne ved Seo-case, tror jeg, skyldes bonusoplysninger. Næste op er nøglesamleren (da den person, der håndterer anmodningerne, næsten helt sikkert har en).

Den mest grundige tilgang i clustering, efter min mening, fra fyrene fra Just-magic.org. Så så snart muligheden byder sig, vil jeg helt sikkert teste den.

Hvorom alting er, så er det bedre at arbejde med dine hænder end at bruge nogen tjeneste og det er svært at argumentere med det. Lidt dyrere, men meget bedre kvalitet.

Dette afslutter mega-anmeldelsen, kære venner! Jeg er sikker på, at du kunne lide det, så jeg beder dig om at give din mening i kommentarerne, og hvis du har noget at tilføje, så endnu mere, så afmeld.

Vi ses senere, venner!

Vi udlodder 200 kontogrænser for at prøve det!

Klynger af søgeord er en automatiseret fordeling af anmodninger i grupper baseret på søgemaskineresultater.

Rush Analytics-klyngealgoritmen indsamler de TOP10 Yandex- eller Google-søge-URL'er for hvert af dine søgeord, sammenligner resultaterne for hvert søgeord og gruppeforespørgsler nøjagtigt, hvordan de med succes vil blive promoveret i søgemaskiner, og hvordan det vil være praktisk og logisk at oprette sider på siden.

I Rush Analytics kan klyngedannelse udføres ved hjælp af to metoder: Soft og Hard

Efter behandling af anmodningerne vil du modtage en næsten færdiglavet og korrekt udformet, set fra søgemaskinernes synspunkt, webstedsstruktur. Og baseret på frekvensdataene for hver gruppe af søgeord, kan du nemt beslutte at oprette yderligere sider på webstedet.

Se videovejledningen om klyngefunktionalitet

Clustering FAQ: de oftest stillede spørgsmål fra vores brugere

Clustering er en gruppering af søgeord baseret på sammenligning af søgemaskineresultater. Algoritmen vil indsamle TOP10 URL'erne for dine søgeord, sammenligne resultaterne for hvert søgeord og gruppere forespørgslerne Nemlig hvordan de med succes vil blive promoveret i søgemaskiner, og hvordan det vil være praktisk og logisk at oprette sider på webstedet

Du skal uploade en liste over søgeord og deres hyppighed (enhver) til Rush Analytics, eller markere søgeordene som hoved (markørforespørgsler) og alle andre.
For at bruge en kombineret klyngealgoritme skal du bruge både frekvens og markørlayout. Læs om dette lidt nedenfor.

Clustering-præcision angiver, hvor mange fælles URL'er der skal være i søgeresultaterne for to forespørgsler, før vi grupperer forespørgslerne sammen.
Med andre ord, jo større nøjagtigheden af ​​clustering (gruppering), jo flere lignende sætninger vil falde i én gruppe (cluster).
For de fleste emner vil nøjagtighed = 5 være tilstrækkelig.

EN: Hvert emne har sin egen nødvendige og tilstrækkelige tærskel for søgelighed for at opnå en semantisk kerne af høj kvalitet. Når man f.eks. promoverer onlinebutikker, vil det være et stort problem, hvis søgeordene "Redmond RX500 multicooker" og "Redmond RX500-1 multicooker" ved gruppering af forespørgsler falder i én klynge - fordi Det er forskellige produkter, og de bør promoveres til forskellige produktkort. Her anbefaler vi at bruge præcision = 5

Hvis trafikken til webstedet hovedsageligt er russisk og fra Yandex, er det optimalt at lave clustering af Yandex ved at vælge den region, hvor webstedet promoveres.
Du kan bruge begge søgemaskiner og derefter sammenligne resultaterne. Ofte er resultaterne meget ens mellem søgemaskiner.
Hvis du promoverer et websted til andre markeder, er klyngedannelse allerede tilgængelig for alle regioner og sprog i verden ifølge Googles resultater.
Snart vil vi tilføje funktionalitet til at vælge et land og en by til gruppering efter Google.com-resultater. Hvis du er interesseret i denne funktionalitet, så stem i vores fællesskab, og den vises meget hurtigere - link for at stemme

Ja du kan. Og nogle gange er det endda nødvendigt.
Hvornår kan to klynger slås sammen til én?
Ofte kan søgeord som "køb redmond multicookers" og "redmond multicookers pris" falde i forskellige klynger på grund af den lave kvalitet af resultaterne i Yandex og Google for disse forespørgsler.
I dette tilfælde skal du kombinere disse klynger til én og promovere dem til siden multicooker redmond. Dette er en helt normal situation.
Hvornår bør du ikke kombinere to klynger til én?
Når der er informationsanmodninger i den ene klynge og kommercielle i den anden. For eksempel kan klyngerne "køb redmond multicookers" og "anmeldelse af redmond multicookers" ikke kombineres pga. disse anmodninger bør grundlæggende fremmes til forskellige sider.
Jeg er i tvivl om jeg skal kombinere to klynger eller ej, hvad skal jeg gøre?
Vi forklarer i detaljer, hvad du skal gøre i dette tilfælde i denne vejledning.

Fordi ordene fra fanen "Ikke-klyngede" ikke fandt et match til klyngen. Desværre kan ikke alle søgeord grupperes - fordi... ikke alle af dem er beslægtede.
Vi styres primært af, hvordan søgeord vil blive promoveret (rangeret) og grupperer dem baseret på lighed i søgeresultaterne.
For eksempel: forespørgsler "mobiltelefon" og "mobiltelefoner" bør fremmes til forskellige sider, fordi den ene anmodning er informativ, og den anden er kommerciel, og de vil aldrig gå en side videre.
Hvad skal man gøre med ikke-klyngede forespørgsler?
Hvis du finder nøgleord, der er værdifulde for dig på listen over ikke-klyngede ord, kan du manuelt tilføje dem til eksisterende grupper (de er muligvis ikke blevet linket på grund af dårlige resultater) eller oprette separate sider på webstedet for disse ord.

Før klyngedannelse vil alle sætninger, der indeholder stopord, blive udelukket fra listen. De der. skraldsøgeord vil ikke blive brugt i gruppering og vil blive kasseret, før sammenligning af forespørgsler begynder.
Vi anbefaler at bruge denne mulighed, hvis du indlæser en beskidt liste over søgeord i et klyngeprojekt. Funktionaliteten hjælper med at spare budget til klyngedannelse og løser problemet med manuel, kedelig rengøring af stopord i Excel. Vi foreslår, at du bruger færdige lister med stopord til geo-forespørgsler og forskellige emner, eller at du laver din egen liste over stopord.

Trin-for-trin algoritme til at arbejde med tjenesten:

1. Oprettelse af et projekt. For at oprette et projekt skal du gå til klyngefanen og klikke på "Opret et nyt projekt"



2. Trin et: Søgemaskine og region.
   Her skal du indtaste navnet på projektet (påkrævet felt). Du kan indtaste et hvilket som helst navn; det er ofte praktisk at indtaste navnet på webstedet, så du nemt kan finde det ønskede projekt i fremtiden.

   Dernæst angiver vi den søgemaskine, hvis data vil blive brugt til gruppering. Du kan vælge enten Yandex eller Google.
   Alle regioner og sprog i verden er i øjeblikket tilgængelige for Google.
   
   

3. Trin to: Indstillinger for samling
   
   

   Alt om vores klyngealgoritmer

   Klyngemetode:
   • Blød klynger: i denne klyngemetode identificerer algoritmen centrale (markør)forespørgsler og sammenligner alle andre forespørgsler med dem Algoritmen er fremragende til at klynge nøgleord til trafikprojekter: onlinebutikker, informationssider, servicesider med ringe konkurrence.
   • Hård clustering: anmodninger kombineres kun i en gruppe, hvis der er et fælles sæt URL'er for alle anmodninger. Denne type klynge grupperer færre søgeord, men med meget høj nøjagtighed. Ideel til konkurrencedygtige højfrekvente forespørgsler.
   Type- valg af klyngealgoritme.
   

   Vi har 3 klyngealgoritmer:

   • Klynger med manuelle markører
   • Clustering af Wordstat
   • Kombineret klyngealgoritme (manuelle markører + Wordstat)

   De arbejder efter det samme grundlæggende princip - sammenligner ligheden mellem TOP søgemaskiner, men er designet til at løse flere forskellige problemer.

   Algoritme ved hjælp af manuelle markører:

   Denne algoritme er mest effektiv at bruge, når du har en færdiglavet og ret omfattende site(mappe) struktur, og du kender alle markørerne på forhånd, og du skal bare forstå, hvilke forespørgsler du vil promovere eksisterende sider for, og der er det ikke nødvendigt at udvide webstedets struktur. I dette tilfælde tager du dine markører (navne på kategorier/sider), indsamler hints baseret på dem, markerer markørerne som 1, den indsamlede sky som 0 og sender den til klyngedannelse. Som et resultat vil du modtage færdiglavet semantik for dine kategorier, og ord, der ikke er knyttet til din struktur, forbliver ugrupperede.
   Dataindlæsningsformat: nøgleord | markør(1/0) - download eksempel på inputfil

   Klyngealgoritme ifølge Wordstat

   Denne algoritme løser snarere problemet omvendt til algoritmen for manuelle markører: du kender endnu ikke strukturen på dit websted og kan ikke vælge markører - du har lige indsamlet Wordstat, tips og frekvens i henhold til tip. Nu skal du strukturere denne semantik for at opnå grupper af anmodninger om sider på et fremtidigt websted eller fremtidige kategorier på et eksisterende websted. I dette tilfælde er Wordstat klyngealgoritmen perfekt; den fungerer som følger.
   Hele listen af ​​søgeord er sorteret i faldende rækkefølge efter frekvens, algoritmen forsøger at associere alle mulige ord fra listen med det hyppigste ord og danner en klynge, derefter gentages alt iterativt for de næsthyppigste søgeord.
   Du skal ikke bekymre dig om, at søgeord bliver tildelt den forkerte klynge ved den første gennemgang af algoritmen - vi bruger maskinlæringsalgoritmer bygget på binære træer for at forhindre dette :)
   Dataindlæsningsformat: nøgleord | frekvens (enhver) - download eksempel på inputfil

   Kombineret algoritme (manuelle markører + Wordstat) - kombinerer tilgangene fra de to foregående metoder.

   Denne algoritme er velegnet til opgaven med samtidig at vælge søgeord til den eksisterende webstedsstruktur og udvide den. Det fungerer som følger: først forsøger vi at binde alle mulige anmodninger til dine markørforespørgsler og danner en færdiglavet struktur knyttet til dine markører. Yderligere er alle anmodninger, der ikke var bundet til markører, sorteret i faldende rækkefølge efter frekvens og grupperet sammen. Som et resultat får du:
   a) Færdiglavet semantik for eksisterende webstedskategorier
   b) Udvidelse af semantik for dit websted.
   Vi anbefaler kraftigt at bruge en kombineret algoritme- det giver det bedste resultat.
   Dataindlæsningsformat: nøgleord | | markør(1/0) | frekvens - download eksempel på inputfil

   Alt hvad du behøver at vide om klyngepræcision

   Nøjagtighed– jo større nøjagtighed af clustering (gruppering), jo flere lignende sætninger vil falde i én gruppe (cluster).
   Med andre ord er denne mulighed ansvarlig for, hvor mange fælles URL'er, der er nødvendige i TOP10 af søgemaskinen, så søgeordene falder i én klynge.

   Hvert emne har sin egen nødvendige og tilstrækkelige tærskel for søgelighed for at opnå en semantisk kerne af høj kvalitet. Når man f.eks. promoverer onlinebutikker, vil det være et stort problem, hvis søgeordene "Redmond RX500 multicooker" og "Redmond RX500-1 multicooker" ved gruppering af forespørgsler falder i én klynge - fordi Det er forskellige produkter, og de bør promoveres til forskellige produktkort. Her anbefaler vi at bruge præcision = 5
   For informationsemner, for eksempel til rabat- eller opskriftssider, er en sådan præcision ikke nødvendig - her er opgaven at opnå det maksimale antal grupperede klynger til at skrive artikler. For sådanne websteder anbefaler vi en nøjagtighed på 3 eller 4. Og for websteder i meget konkurrenceprægede emner, hvor kampen om TOPPEN hovedsageligt er baseret på konkurrencedygtige højfrekvente forespørgsler, anbefaler vi at bruge øget clustering-nøjagtighed - 6 eller 7, og oprette separate sider for ikke-klyngede forespørgsler.

   Det anbefales at vælge muligheder 3-6 og på baggrund af resultaterne se, hvilken klyngedannelse der vil have tilstrækkelig fuldstændighed og nøjagtighed til din semantik. Jo højere nøjagtighedsværdien er, jo mindre vil grupperne være.

   Andre klyngeindstillinger

   Må ikke klynges, hvis frekvensen er mindre end- denne mulighed giver dig mulighed for ikke at gruppere søgeord med en frekvens, der er mindre end den angivne. Dette vil spare dig for manuelt at rense lavpopulære forespørgsler - sådanne ord vil blive placeret på fanen "Ikke grupperet".

   Bestemmelse af relevante URL'er for eksisterende site-klynger
   Du skal blot indtaste navnet på det ønskede domæne, og vores algoritmer vil forsøge at bestemme relevante URL'er for de resulterende klynger.
   Indstillingen fungerer som følger: Hvis dit websted allerede er i TOP10 for hovedanmodningen (markør) vil vi vise denne URL og fremhæve den med grønt. Ellers vælger vi URL'en til markøranmodningen ved hjælp af site:-operatoren.
   

   VIGTIG: Relevante URL'er vælges til markørforespørgsler (hoved) for klyngen og tildeles hele klyngen (alle nøgleord i klyngen).

4. Trin tre: "Søgeord og pris".
   Upload en fil med anmodninger.
   Understøttede formater: xls, xlsx. Datainputformat: forespørgsel; markør eller frekvens. For klyngedannelse ved brug af Wordstat + Manuel markørmetode er dataformatet: forespørgsel; markør; frekvens.

   Indtastning af stopord
   Før klyngedannelse vil sætninger, der indeholder stopord, blive udelukket fra listen. Funktionaliteten hjælper med at spare budget til klyngedannelse og løser problemet med manuel sletning af stopord. Funktionaliteten er især nyttig, hvis du grupperer en "beskidt" liste over søgeord, der ikke tidligere er blevet renset.

   Vi foreslår, at du bruger færdige lister med stopord til geo-forespørgsler og forskellige emner, eller at du laver din egen liste over stopord. Og glem ikke "Ekspertindstillingerne" - som standard bruges symbolsk matchning - dvs. et delvist match fjerner hele ordet/sætningen; hvis du har brug for et nøjagtigt match til stopordet, skal du vælge sætningsmatch.




5. Klik "Opret et nyt projekt"- det er det, dit projekt er blevet sendt til klyngedannelse!

Nu kan du spore projektets status i fanen "Kø" eller på listen over klyngeprojekter.
I øjeblikket er der 5 statusser i Rush Analytics:
Kø– data er endnu ikke indsamlet, projektet venter på sin tur til at indsamle data
Dataindsamling– tælleren viser, hvor mange søgeord der er blevet behandlet
Klynger– projektdata er allerede blevet indsamlet, systemet beregner alle de nødvendige målinger for at give dig resultatet
På pause– du kan manuelt sætte projektet på pause, hvis du ikke er sikker på, du vil bygge det. Eller projektet kan holde pause af sig selv, fordi... du er løbet tør for penge på din saldo.
Parat– projektet er klar - du kan se resultaterne i webgrænsefladen eller downloade i XLSX-format

Clustering Output File - Kolonnebeskrivelser

Resultatet af klyngedannelse i XLSX-format ser sådan ud:

• Nedtonede anmodninger– markøranmodninger - specificeret af dig manuelt eller defineret af systemet
• Klyngenavn– navnet på markeringsanmodningen tages
• Klyngestørrelse - antal søgeord i gruppen
• Søgeordsfrekvens– den frekvens, du har angivet i trinnet "Søgeord". Afhængigt af hvilken frekvens du tog - base, i anførselstegn eller med et udråbstegn, kan klyngeresultaterne afvige en smule
• Samlet klyngefrekvens– summen af ​​frekvenserne af alle søgeord i klyngen
• TOP kampe– antallet af almindelige webadresser i søgeresultater for en given forespørgsel med resultater for en reference (markør) forespørgsel
• Baggrundslys– højdepunkter fra søgemaskineresultater indsamlet af dit søgeord
• Klyngelys- fremhæver uden dubletter, ifølge alle ord i denne klynge
• Top URL- den mest synlige konkurrent-URL i søgeresultaterne for alle forespørgsler i klyngen. Her evaluerer vi hyppigheden af ​​forekomsten af ​​konkurrent-URL'er i SERP'en for hver anmodning og placeringen af ​​hver konkurrent-URL i SERP'en
• Relevant URL- fundet relevant URL for klyngen, hvis muligheden "Opdag relevante URL'er" var valgt
  Indstillingen fungerer som følger: Hvis dit websted allerede er i TOP10 for hovedanmodningen (markør) vil vi vise denne URL og fremhæve den med grønt. Ellers vælger vi en URL til markøranmodningen ved hjælp af webstedsoperatøren:

Eksempler på færdige filer efter clustering kan ses i vores portefølje