Умная генерация запросов для контекстной рекламы

Данная статья была подготовлена Эдуардом Козловым, в рамках конкурса «Контента много не бывает». Вы так же можете присылать свои материалы. С подробностями конкурса можно ознакомиться здесь.

Козлов Эдуард – директор минской веб-студии WSP-Design и владелец нескольких интернет-магазинов. Опыт ведения контекстных кампаний – 5 лет. Автор блога eduardkozlov.ru

Если Вам понравилась статья, ставьте лайки.

 

От точной подборки ключевых слов зависит успех любой кампании контекстной релкамы. При этом практически 95% рекламодателей создают объявления или из рекомендуемых ЯДиректов запросов, либо слов, собранных с помощью вордстата. Этого явно недостаточно для ощутимого эффекта.

Статистика вордстата не дает полной картины по запросам

Это связано с тем, что вордстат хранит данные за ограниченный период времени (последние 30 дней), при этом отсекая огромное количество микроНЧ запросов (которые не запрашивались пользователями в это время).

Поэтому вордстатом можно пользоваться только для предварительной оценки и не полагаться на его цифры в расчете потенциального трафика на сайт.

Также следует понимать, что раз все пользуются вордстатом для подбора запросов в контекст, то вероятность перегрева ставок по ним достаточно велика. Это приводит к резким скачкам цен даже на слабоконверсионные запросы.

Поэтому для глубокого подбора слов рекомендуется также использовать альтернативные источники:

• Системы аналитики (Google Analytics, Яндекс Метрика, Liveinternet).
• База запросов Пастухова (платная и достаточно недешевая).
• Запросы конкурентов (можно их получить с помощью сервисов ahrefs, spywords и т.д.).
• Ссылочные агрегаторы.

Есть одно существенное «НО»: для молодых сайтов использование данных статистики аналитики невозможно. А для одного-двух небольших проектов покупать базу Пастухова, либо доступы в сервисы анализа – нецелесообразно.

Выделяем ключевые потребности клиента

Есть дельное предложение пойти альтернативным путем. В этом нам поможет всё тот же Вордстат Яндекса, правда он выступит в несколько иной роли.

Возьмем, к примеру, запрос «линолеум» и будем рекламировать магазин напольных покрытий.

Идем в вордстат и выделяем типы слов в запросе (см. рисунок).

Видно, что слова запросов можно разделить на группы:

• Товарные (линолеум)
• Брендовые (таркетт, tarkett)
• Услуги (настил, укладка)
• Действия (купить, заказать)
• Утепляющие (с доставкой, с гарантией)
• Тип (коммерческий, полукомерческий)
• Эксплуатационные (на кухню, в спальню)
• Свойства/цвета (хороший, белый, под паркет)
• Географические (Москва, Спб)

Отсюда отсекаются информационные запросы с вхождениями слов: как, чем, своими руками и т.д. Такие запросы также важны, но не для контекстной рекламы.

Мы уже получили первоначальную матрицу запросов!

Этот процесс можно автоматизировать, спарсив вордстат по самому ВЧ запросу без привязки к региону, разбив данные на однословные запросы и сгруппировав их. Но для обычного предпринимателя эта задача окажется чрезвычайно трудоемкой.

Ничего страшного! Простой оценки «глазами» вам будет более чем достаточно.

Формируем понятную матрицу из этих групп

Идем в Excel и формируем нашу матрицу запросов, где заголовками столбцов будут наши группы запросов.

Вот, как это получилось у меня

Теперь нам осталось только заполнить полученную матрицу данными. Откуда мы их берем? Тут у нас опять есть два варианта:

1. Парсить вордстат в глубину
2. Устроить мозговой штурм

Оба варианта достаточно хороши, но на практике мозговой штурм работает лучше. Идеальный вариант – когда мозговой штурм устраивается вместе с менеджерами рекламируемого сайта. Они наверняка знают потребности своего клиента лучше вас.

Вот, что в итоге получилось у меня буквально за 5 минут такой работы:

Уже эта заполненная матрица даст несколько тысяч низкочастотных запросов, под которые можно делать объявления в Директе, а также оптимизировать страницы и продвигать в органической выдаче. Таким образом, вы получаете огромное количество объявлений под конверсионные запросы вида:

• «купить линолеум таркетт в москве с доставкой»,
• «купить линолеум на кухню дешево»,
• «настил линолеума для офиса недорого»
• и т.д.

Видно, что даже по Москве практически нет релевантных объявлений под такого плана запросы:

Генерация запросов

Можно запрограммировать генерацию прямо в экселе, можно попросить программистов написать скрипт на php и генерировать запросы на сервере. Оба варианта имеют свои плюсы и минусы. Мы пошли вторым вариантом и реализовали свой внутренний скрипт. По времени у толкового программиста разработка займет пару часов.

Достоинства метода

1. За короткое время генерация огромного семантического ядра
2. Возможность создания тысяч контекстных объявлений на полуавтомате с низкой ценой клика
3. Условная бесплатность
4. Увеличение CTR запросов, т.к. человек получает именно то, что запрашивает
5. Необходимость создания и оптимизации на сайте страниц под данные запросы. Этот пункт отнесен в преимущества, т.к. параллельно с контекстом вы получаете и органический трафик.

 

Недостатки метода

1. Высокая трудоемкость (мозговой штурм, разбор сгенерированных словосочетаний, удаление «бреда», работа с огромными массивами данных).
2. Проблемы со словоформами (нужно следить за согласованием падежей)
3. Присутствие запросов-пустышек, по которым не будет переходов