чем больше проектов изучаешь, тем больше понимаешь зависимость тех или иных вещей от каких-либо мелочей, которым раньше не придавал значения вообще, а на самом деле это ни разу не мелочи, а от них зависит судьба лидгена

даже датасет с данными о расходах одной тысячи рублей можно оцифровать в этих же самых сводных таблицах и увидеть примерно всё то же самое. чем больше данных, тем больше статистической значимости у каждого среза данных

Вопрос №9: Целесообразно ли использовать динамические заголовки (шаблон подстановки ключевика в заголовок) на поиске? И как оцифровать, насколько поисковые запросы соответствуют ключевым фразам?

Источник:
https://news.1rj.ru/str/ppcchat/248780

#хитро_semtools
#хитро_сводныетаблицы
#хитро_excel

если вы в группе будете использовать и динамический заголовок, и общий статический, а потом построите сводную таблицу в срезе типа заголовка (статистический и динамический), то увидите, что не всегда динамический заголовок это хорошо. и нередко статический заголовок вышибает по эффективности динамические заголовки, т.к. на CTR влияет не только семантическое вхождение запроса в заголовок, а ещё и смысловые буллеты в нём. а т.к. около половины охвата и половины объёма семантики в любой нише - это фразы гораздо короче 30 символов в гугле и 35 символов в яндексе, то в конец заголовка можно добавить ещё абсолютно разные слова, которые и будут на CTR влиять в гораздо большей степени, чем тупое лексические совпадение запроса с заголовком

если вести речь про гугл, то там ~93% объёма трафика приходится на ключи короче 30 символов. в яндексе примерно такая же доля приходится на ключи, которые короче 35 символов

но эта вся канитель с динамическими заголовками тоже по своей сути мусор, ибо запросы в яндексе в очень большой доле трафика отличаются от ключевиков и по абсолютному количеству слов, и по абсолютному пословному расстоянию. шаблоны не подставляют запрос в заголовок, поэтому семантику группировать по смыслу нужно в первую и единственную очередь, а не бездумно протягивать в экселе формулу шаблона без малейшего понятия, какие типы запросов будут триггерить какие частотные и смысловые кластеры ключей

проект собирался не мной, это лишь аудит чужого аккаунта.

1 скрин - абсолютная разница в количестве слов между запросом и ключевиком без учета стоп-слов. т.е. из обоих столбцов удалены макросом все стоп-слова, и как слова считались только самостоятельные части речи, числа и латиница

красной рамкой выделил доли лидов, кликов, показов и расхода, на которые приходится нулевая разница в количестве слов между запросом и ключом.

но т.к. при совпадении в количестве слов всегда присутствуют и синонимы, в которых слова из запроса не совпадают со словами из ключевика, то переходим к следующей сводной таблице

2 скрин - абсолютное пословное расстояние между леммами поисковых запросов без учета стоп-слов и леммами ключевых фраз без учета стоп-слов. разница считается по модулю в целых числах.

0 - полное пословное совпадение запроса с ключом
1,2,3 и более - разница в количестве уникальных слов

при этом тут не учитывается, запрос короче ключевика или ключевик короче запроса. да и делать это бессмысленно, т.к. на скрине №1 видно, насколько ничтожная доля трафика приходится на те случаи, когда запрос короче ключевика. поэтому этой разницей можно вообще пренебречь на такой выборке данных

а т.к. абсолютная разница в наборе слов ничего не говорит о том, насколько сильно при этом запрос отличается от ключевика, то этот же показатель нужно выразить в процентах, приняв сумму слов в запросе и ключевике (без учета стоп-слов) за 100% и посчитав, какую долю от этого количества слов занимает абсолютное пословное расстояние

3 скрин - относительное пословное расстояние между леммами поисковых запросов без учета стоп-слов и леммами ключевых фраз без учета стоп-слов. это предыдущий показатель, выраженный в процентах.

0% - полное пословное совпадение запроса с ключом
100% - синоним, в котором ни одно слово в запросе не совпадает ни с одним словом из ключевика

нулевое пословное расстояние, т.е. полное пословное совпадение запроса и ключа => самая низкая цена лида, самый высокий CTR, самая высокая конверсия, самая высокая средневзвешенная позиция показа и клика

помимо знакомых всем метрик объясню ещё несколько, с которыми вы не знакомы, ибо они выдуманы лично мной

∑ N SQ – общее количество поисковых запросов
∑ N SQ Пок – количество поисковых запросов с показами
∑ N SQ Кл – количество поисковых запросов с кликами
∑ N SQ Лид – количество поисковых запросов с лидами
w КНС Кл – средневзвешенный «Коэффициент Недоработки Семантики», взвешенный по кликам
w КНС Пок – средневзвешенный «Коэффициент Недоработки Семантики», взвешенный по показам
w СПП Пок – средневзвешенная средняя позиция показов, взвешенная по показам
w СПК Кл – средневзвешенная средняя позиция кликов, взвешенная по кликам
w CPC Кл – средневзвешенная цена клика, взвешенная по кликам

показатели "w КНС Кл" и "w КНС Пок" - средневзвешенная для каждой строки сводной таблицы выраженная в процентах пословная разница между поисковым запросом и ключевиком.

значения этих двух показателей варьируются от 0% до 100%:

0% - нулевая разница (точное соответствие), т.е. полное совпадение набора слов в запросе с набором слов в ключе
100% - синоним, в котором ни одно слово в запросе не совпадает со словами из ключа

"w КНС Кл" взвешивается по столбцу с кликами, "w КНС Пок" - по столбцу с показами. оба отражают степень и качество проработки семядра и насколько точно попадает ключ в поисковый запрос. в каждой строке посчитана доля всех абсолютных показателей в общей массе и все относительные показатели для изучения эффективности каждого среза.

эти же два показателя можно посчитать ещё и для сравнения степени совпадения запроса с первым заголовком, и для сравнения степени совпадения ключевика с заголовком. у меня где-то в других проектах они посчитаны, я не вспомню где, искать надо.

скрин 4 - сводная таблица в срезе количества слов в ключевых фразах (без учета стоп-слов). отфильтровано семантическое соответствие (синонимы), в котором средневзвешенная пословная разница поискового запроса и ключевой фразы ~60%, т.е. более половины слов в запросе не совпадают со словами из ключевика

скрин 5 - сводная таблица в срезе количества слов в ключевых фразах (без учета стоп-слов). отфильтровано пословное соответствие (фразовое совпадение поискового запроса с ключевиком, при котором ключ полностью входит в поисковый запрос)

если долго и упорно смотреть в эти две сводные таблицы и изучать каждую отдельную строку и каждую ячейку, вы ответите на все свои вопросы, а дешевле ли клики по точному совпадению запроса с ключом, а дешевле ли конверсии, а выше ли позиции показа, а выше ли позиции клика, а выше ли у длинных ключей CTR и на сколько точно выше

Вопрос №10 от 23.03.2021:
https://news.1rj.ru/str/ppcchat/248873

#хитро_сводныетаблицы
#хитро_excel

Парни как определить какой показатель CTR хороший, для своей тематики?

построить сводную таблицу в срезе сгруппированных диапазонов CTR, посчитать долю всех абсолютных показателей, все относительные и средневзвешенные показатели, и станет отлично видно, какую долю результата приносят какие диапазоны CTR, где точки роста, и какой для вашей ниши "нормальный" CTR.

на скрине выделил 53% лидов, на которые пришлось 42% расхода и лишь 17% показов.

отсюда можно родить гигатонну идей, как оптимизировать остальные 83% показов.

Как эффективно работать в MS Excel?

Собрал здесь Ютуб-каналы и плейлисты, которые давно смотрю сам и которые точно изменят вашу жизнь, если ваша работа связана с многочасовым времяпровождением в Excel.

Добавляйте себе эти плейлисты в избранное на Ютубе, регулярно возвращайтесь к пересматриванию, сохраняйте в избранное отдельные видео. Потратьте пару часов на изучение этих материалов — и вы сэкономите сотни и тысячи часов жизни, избавив себя от ручной работы.

1) Ютуб-канал и блог Дмитрия Тумайкина про надстройку !SEMTools для Excel

Плейлисты на Ютубе про Power Query и Power Pivot:

2) Power Query — 139 видео (канал Товарищ Excel)

3) Power Pivot — 24 видео (канал Товарищ Excel)

4) Power Query, Power Pivot — 36 видео (канал Nikolay Pavlov)

5) Power Query — 12 видео (канал Езепов Дмитрий)

6) Power Query — 16 видео (канал Юрий Алексеевич Кремень)

7) Power Query — 29 видео (канал Power Excel Training)

Плейлисты для прокачки общих скиллов в Excel:

8) Формулы и функции — 42 видео (канал Nikolay Pavlov)

9) Работа с текстом — 20 видео (канал Nikolay Pavlov)

Плейлисты про работу со сводными таблицами:

10) Сводные таблицы — 15 видео (канал Nikolay Pavlov)

11) Сводные таблицы — 6 видео (канал Power Excel Training)

Для любителей английского языка и желающих прокачаться не только в навыках работы с Excel, а ещё и в англоязычной терминологии, формулах, интерфейсе, да и в целом, в техническом английском, который для работы тоже крайне необходим.

Открываете на каждом Ютуб-канале список плейлистов и жадно поглощаете всё, что связано с Pivot Tables, Power Pivot, Pivot Charts.

12) Excel Campus - Jon

13) Learn Google Spreadsheets

14) MyOnlineTrainingHub

Плейлисты на английском про Power Query, Pivot Tables:

15) Power Query — 30 видео (канал MyOnlineTrainingHub)

16) Pivot Tables — 18 видео (канал MyOnlineTrainingHub)

17) Pivot Tables — 44 видео (канал Excel Campus - Jon)

И в конце вишенка на торте.

18) Ютуб-канал Adalysis Бреда Геддеса (тоже на английском)

Этот человек 10 лет работал над совершенствованием системы Google Adwords, автор книги "Google Adwords. Исчерпывающее руководство" и соавтор сервиса Adalysis, о котором данный Ютуб канал. Помимо видео про сам сервис, на канале много видео про аналитику контекстной рекламы в сводных таблицах, неочевидные срезы и фильтры данных для поиска проблемных зон в аккаунтах Google Ads.

via @ppc_bigbrain