(2/4) Вы теряете 20–50% трафика по самым частотным ключам в Директе.

Продолжение части 1.

Начнём с используемой далее терминологии:

❓ Стоп-слова — служебные части речи: предлоги, союзы, частицы, местоимения, артикли (в иностранных языках).

❓ Лемма — начальная словарная форма слова.

❓ Лемма фразы — фраза, в которой все слова приведены к леммам.

❓ Лемма фразы без учёта стоп-слов — лемма фразы, из которой удалены все стоп-слова.

❓ Лемма фразы без учёта порядка слов — лемма фразы, в которой слова в строке отсортированы в едином порядке по всему массиву — применяется для обнаружения неявных дублей, отличающихся словоформами и порядком слов.

❓ Маска фразы — лемма фразы без учёта стоп-слов и порядка слов — лемма фразы, в которой удалены все стоп-слова и слова отсортированы в строке в едином порядке по всему массиву — применяется для обнаружения неявных дублей, отличающихся словоформами, порядком слов, а также наличием или отсутствием стоп-слов.

Если вы когда-либо в Кейколлекторе или Директ Коммандере удаляли неявные дубли фраз, в которых стоп-слова не закреплены операторами соответствия "!", "+" или [ ] — это и есть удаление дублей масок — лемм фраз без учёта стоп-слов и порядка слов.

Слова в строке можно отсортировать тремя способами:

1️⃣ По алфавиту — проще и быстрее, но это невозможно читать в дальнейшей работе.

2️⃣ По убыванию показателей — т.е. чем частотнее слово, тем оно левее в строке, это уже чуть более универсально, налево сдвигаются более важные в лексике ниши слова, но всё-равно слова в строке находятся в хаотическом порядке, никакой упорядоченности, результаты такой сортировки невозможно читать при дальнейшей работе.

3️⃣ По показателям и по смыслу — визуально воспринимать проще всего, используя многоуровневую сортировку с классификацией слов:
🥷 По охвату групп ярлыков.
🥷 Внутри групп ярлыков — по охвату смысловых ярлыков слов.
🥷 Внутри смысловых ярлыков — по охвату синонимичных замен.
🥷 Внутри замен — по охвату лемм слов.

Получаем сортировку слов в строке по смыслу и приоритету в нише. Она используется лишь как промежуточный шаг, чуть более удобный для восприятия.

Специально отсортировал таблицу на скринах 1 и 2 не по показателям, а по алфавиту — для наглядности, почему такая смысловая группировка и сортировка слов в строке удобнее и легче для чтения.

✅ Скрин 1 — группы ярлыков (без стоп-слов) — независимо от порядка слов в исходной фразе, группы ярлыков расположены в строке всегда в одном и том же порядке. Для простоты понимания этой концепции выделил одинаковые группы ярлыков в столбце одинаковыми цветами.

✅ Скрин 2 — смысловые ярлыки (без стоп-слов) — аналогичный порядок в строке, что и выше.

✅ Скрин 3 — синонимичные замены (без стоп-слов) — аналогичный порядок в строке, что и выше.

✅ Скрин 4 — маски фраз (т.е. леммы БЕЗ стоп-слов и порядка слов).

✅ Скрин 5 — самая частотная словоформа каждой маски фразы БЕЗ учёта стоп-слов.

✅ Скрин 6 — самая частотная словоформа каждой леммы СО стоп-словами. Это группировка до единого самого частотного варианта всех написаний каждой фразы:

— С любым порядком слов.
— С наличием или отсутствием стоп-слов.
— С любыми словоформами каждого слова.

Наличие стоп-слов в ключах в широком соответствии на охват не влияет, но использование в [квадратных] [скобках] неправильно выбранной не самой частотной словоформы с учетом стоп-слов может сильно урезать трафик.

Даже при сортировке фраз по показателям и отборе самой частотной формы с предлогами можно лишиться до 30–55% охвата.

А что если не глядя взять в РК не самую частотную словоформу?

На последнем скрине есть словоформы с индексом 2 и более, у которых 1% охвата маски фразы.

✅ Решение проблемы:

Брать в [скобки] в РК не одну самую частотную словоформу с предлогом или без (на последнем скрине — столбец "ВЧ_Формы_БезСтоп"), а все частотные словоформы с предлогами (столбец "ВЧ_Формы_СоСтоп").

Далее рассмотрим, насколько всё плохо:

1️⃣ В масках фраз, у которых две и более словоформ с учётом стоп-слов.
2️⃣ В отдельных кластерах семантики.

⬇️ Читать продолжение.

via @ppc_bigbrain

(3/4) Вы теряете 20–50% трафика по самым частотным ключам в Директе.

Предыдущие части:
— Часть 1.
— Часть 2.

Зафиксируем ещё один важный термин.

Словоформы с учётом стоп-слов — фразы, отличающиеся разными стоп-словами или их отсутствием, а не просто другими склонениями и порядком одних и тех же слов в строке.

💓 Скрин 1 — отличие ТОЛЬКО в словоформах и порядке слов, но слова в строке — те же.

Словоформы с учётом стоп-слов — в предыдущем посте на последнем скрине в самом последнем столбце.

Для консолидации ("схлопывания" в одну строчку) статистики всех неявных дублей с другими словоформами и порядком слов автоматически по каждой лемме со стоп-словами комбайн вычисляет одну самую частотную словоформу с учётом стоп-слов.

Делается это в несколько сортировок показателей и вертикальных сопоставлений по массиву лемм фраз с предлогами и без, чтобы найти:

1️⃣ Самую частотную форму маски без предлогов — столбец "ВЧ_Формы_Лемм_БезСтоп".

2️⃣ Самую частотную форму каждой леммы с предлогами — столбец "ВЧ_Формы_Лемм_СоСтоп".

Чтобы не искажать данные статистики в сторону первой словоформы с учётом стоп-слов, вычисляем в Power BI по всему датасету столбец, в котором по каждой лемме без учёта стоп-слов и порядка слов выводим не просто подсчёт числа уникальных словоформ (от 1 до 10 и более), а всего два значения:

«1» — если у леммы без стоп-слов только одна словоформа с учётом стоп-слов.
«2+» — если словоформ с учётом стоп-слов две и более.

💓 Скрин 2 — подсчёт форм с группировкой до двух значений: «1» или «2+» — для юзабилити отчёта, так удобнее переключаться в 1 клик для фильтрации лемм, у которых словоформ более одной.

Здесь уже виден масштаб проблемы — если в РК Яндекс Директа собрать неправильные словоформы с учётом стоп-слов, которые являются не самыми частотными вариациями написания каждой маски фразы, можно лишиться 53% трафика и 58% конверсий.

Этот столбец применяем:
— Как критерий фильтрации в слайсере (интерактивном фильтре).
— Как критерий группировки в сводной таблице.

💓 Скрин 3 — вся целевая семантика
без фильтров. Просто для сравнения.

💓 Скрин 4 — фильтруем значение «2+» в столбце "N Форм".

Получаем, что в среднем по всей семантике у масок фраз (лемм без стоп-слов и порядка слов) с двумя и более словоформами на вторую и более словоформы с учётом стоп-слов пришлось 27% охвата.

Будем сравнивать эту с отдельными отфильтрованными сегментами на следующих скриншотах.

Доля охвата второй и более словоформы с учётом стоп-слов по отдельным сегментам:

💓 С главными словами (скрин 5) — 29% охвата (субъект, над которым совершается действие — "мусор, отходы, утиль").

💓 С действиями (скрин 6) — 29% охвата (в этой b2b нише вывоза мусора это слова "вывоз, вывезти, утилизировать, утилизация" и прочие синонимы).

💓 С подкатегориями (скрин 7) — 29% охвата (разные качественные характеристики).

💓 С цифрами (скрин 8) — 18% охвата (масса, размеры и т.д.).

💓 С топонимами (скрин 9) — 29% охвата.

💓 С горячими добавками (скрин 10) — 24% охвата.

💓 С брендом — 0,14% охвата.

Важно:

Проблема не в 29% охвата по каждому сегменту, а в том, что у конкретных масок фраз распределение охвата по словоформам со стоп-словами иногда 50/50 или вовсе 99/1. Взял только одну или не самую частотную форму с учётом стоп-слов — и порезал маскам фраз вплоть до 99% охвата.

✅ Решение:

В [квадратные] [скобки] в РК брать из каждой маски фразы более одной частотных словоформ с учётом стоп-слов:
⚡️ Топ-2 — это уже 98–99% целевого охвата в среднем по семантике.
⚡️ Топ-3 — 99–100% охвата.

В первом посте на скрине в самых частотных фразах ниши прекрасный пример. У второй по частотности формы от 20–30% до 40–55% охвата маски фразы.

⬇️ В следующем посте — скриншоты с итогами и ответы на вопросы.

via @ppc_bigbrain

(4/4) Вы теряете 20–50% трафика по самым частотным ключам в Директе.

Предыдущие части:
— Часть 1.
— Часть 2.
— Часть 3.

Вопрос из чата:

А как это доказать, что есть потеря трафика?

Оцифровать самые частотные словоформы поисковых запросов и сравнить с ключами. То, что не попало в систематическую ошибку выжившего по всему аккаунту — это именно то, что потеряно.

То есть:

1️⃣ Взять фразы со стоп-словами (например, "купить окна В москве").

2️⃣ Удалить из них все стоп-слова, лемматизировать, развернуть слова в строке от А до Я.

3️⃣ Получить леммы фраз без стоп-слов ("купить москва окно"), которые нужно найти в леммах поисковых запросов, тоже развернутых от А до Я в строке.

4️⃣ Если такие поисковые запросы без стоп-слов найдены — проверить, по каким ключевым фразам они показывались, есть ли там стоп-слова, какие и в каком месте фразы.

5️⃣ Если не найдены — вы получили ответ на вопрос, как доказать потерю трафика.

Если в ключах каждое слово в [квадратных] [скобках], то независимо от того, закреплено ли стоп-слово в квадратных скобках, его не будет в поисковом запросе. Это уже потеря трафика априори.

Вопрос из чата:

В чем разница между всеми словоформами и [одним] [ключом] без стоп-слов?

Разница в том, что:

1️⃣ Я тяну разные ключи из группы в разные статические заголовки комбинаторного объявления.

2️⃣ Я тяну их #шаблоном# в один или несколько заголовков, при этом если из фразы удалить предлоги, получится нечитабельная херня, за которую ещё и по голове от клиента получишь.

3️⃣ Нецелевых стоп-слов во много раз больше, чем целевых. Обычно их соотношение от 10 к 1 вплоть до 20 к 1, т.е. целевых стоп-слов в 10–20 раз меньше, чем нецелевых. Поэтому идея выгребать все существующие запросы — заведомо провал.

4️⃣ Есть бесчисленное количество кейсов, когда только с определённым предлогом фраза является целевой, обычно это явление наблюдается в категориях и подкатегориях. Прекрасные примеры — предлоги "для", "без", "с", которые полностью могут поменять суть фразы.

5️⃣ Смена сути фразы требует другой URL. Вы не посадите трафик с разных поисковых запросов с разными стоп-словами, меняющими смысл запроса, на разные урлы на сайте, используя один ключевик [тумба] [раковина], из которого удалены все стоп-слова.

Есть множество вариаций запросов с этими двумя словами, перечислю по памяти только некоторые из них:

тумба с раковиной
тумба без раковины
тумба под раковину
раковина с тумбой
раковина без тумбы
раковина под тумбу
раковина на тумбе
тумба и раковина

Можете проверить — они все частотные. В действительности этих вариаций ещё больше.

Попробуйте посадить эти поисковые запросы по ключу [тумба] [раковина] на разные урлы в разных разделах сайта.

Использование [одного] [ключевика] без стоп-слов якобы для выгребания всех возможных вариантов стоп-слов — лишь ленивая полумера и работа на похер.

На скринах выше — данные о том, сколько в среднем может приходиться охвата на словоформы с учётом стоп-слов с первым, вторым, третьим и более индексами по убыванию охвата.

Пищу для размышлений я вам дал.

Сколько словоформ фраз с учётом стоп-слов использовать в [квадратных] [скобках] — решать вам.

————

У меня в комбайне вся эта обработка автоматизирована и в Power BI, и в Excel, результаты грузятся в модель данных и выводятся в готовые сводные таблицы и фильтры.

Для изучения любой семантики таблицу с индексами и количеством словоформ можно отфильтровать:

1️⃣ Любыми стандартными атрибутами из рекламного кабинета, в т.ч. любой группировкой дат.

2️⃣ Любым из ~200 автосоздаваемых столбцов:

— Сегментами целевой семантики.
— Их обнаружением (наличием в строке).
— Их извлечением (точными значениями в строке).
— Подсчётом слов в них (насколько фразы "широкие").
— Очищенными урлами без параметров и utm-меток.
— Частями урлов, обрезанными до нужного уровня вложенности.

Всё ближе курс по оптимизации и автоматизации аналитики контекстной рекламы, состоящий из двух слов:

Обнови запрос.

Объём данных, набор и названия полей, исходный язык и количество языков значения не имеют.

via @ppc_bigbrain