Все, что вы хотели знать об инструменте Serpstat «Текстовая аналитика»

Очевидный факт для всех, кто занимается SEO-анализом страницы — если страница попала в топ по запросу, то, значит, ее содержимое воспринимается поисковым алгоритмом, как релевантное запросу, и поисковик поставил ее на высокую позицию. Поэтому так важен SEO - аудит сайта.

И как следствие мы получим то, что страницы попавшие в топ по запросу содержат в себе те признаки, которые «привели» их в этот топ.

То есть достаточно исследовать конкурентов с помощью поисковой аналитики и сравнить их с целевой страницей, чтобы получить все необходимые рекомендации по семантике? Но не все так просто.

Проблема в том, что мало кто знает, на основе каких URL-ов нужно давать рекомендацию. Ведь наша целевая страница может быть информационной, а в выдаче будут попадаться коммерческие запросы. Или же наоборот. В выдаче могут быть видео, нужно ли учитывать их? А может наш целевой урл это видео, и нам нужна рекомендация на основе текстов и описаний именно других роликов. А что, если мы не очень хорошо разбираемся в предметной области, и неверно указали некоторые ключевики, тем самым внося шум.

Мы постарались решить эти проблемы.

Дальше — подробности.

Упрощенно текстовая аналитика в Serpstat работает следующим образом:

1. Разделяет топы URL-ов в выдаче по заданным поисковым запросам на группы, например: видеозаписи, информационные статьи, каталоги, коммерческие страницы и т.д и определяет к какой группе из них наиболее близок целевой URL.

Фильтрация происходит даже для учета страниц, содержащих видео. Если среди указанных поисковых запросов попадаются фразы, не совсем релевантные тематике, они никак не повлияют на результаты текстовой аналитики. Чтобы избежать рекомендаций, основанных на нерелевантных предметах, Serpstat делит страницы ваших конкурентов на семантические группы. Такой алгоритм предоставляет более точную рекомендательную базу.

Возьмем, например, ключевое слово «продукт». Вот так выглядит поисковая выдача Google по этому запросу:

Как видите, Google предлагает как страницы о пищевых продуктах, так и о SaaS-продуктах. Мы делим эти результаты на две группы и даем рекомендации на основе тех URL, которые вы добавили. Соответственно, если ваша страница посвящена только SaaS-продуктам, мы исключим из отчета нерелевантные результаты по страницам из пищевых продуктов.

Если вы не добавите при настройках целевую страницу, то рекомендации будут строиться на результатах анализа самой крупной группы конкурентов по фразе.То же самое работает с коммерческими и информационными запросами. Если вы введете macbook в Google, то получите:

Результаты содержат как информационные страницы, так и коммерческие.

Если вас интересует покупка макбуков, Serpstat проанализирует содержимое вашей страницы, отбросит нерелевантных информационных конкурентов и даст рекомендации на основе анализа коммерческих.

2. На основе анализа других страниц в этой группе дает рекомендации по улучшению текстовой составляющей нашей страницы и увеличения релевантности страницы по отношению к фразам.

На этом этапе мы настраиваем список ключевых слов для каждой области страницы: Title, H1 и Body. Список ключевых слов формируется с помощью трехуровневой метрики «TF-IDF-CDF» (term frequency, inverse document frequency, cluster's document frequency). Ее мы применяем для ранжирования слов, определяющих тематику для целого кластера.

Она:

• учитывает количество вхождений ключа в текст (TF);
  
• контролирует малоинформативные слова — слова встречающиеся в большом проценте текстов, стоп-слова (IDF);
  
• находит самые значимые для каждого кластера слова — LSI-слова(СDF).

Если вы уже забыли, то напомню, текстовая аналитика проводится:

• на основе целевой страницы (если при настройке указан URL);
  
• списка ключевых фраз из кластера, для которых оптимизируется наша страница.
  
  

В случае если указана целевая страница, анализируется весь текстовый контент вашей страницы и даются рекомендации по использованию различных фраз, исходя из контента конкурентов по фразе из топ-15.

Если не указана целевая страница, то наши рекомендации будут строиться исходя из анализа самой крупной группы конкурентов по фразе. При этом некоторые отчеты, например, оптимизированность страницы для ключевой фразы в сравнении с конкурентами, будут отсутствовать.

Поэтому для того, чтобы провести текстовую аналитику, сначала нужно сгруппировать фразы с помощью кластеризации. Как настроить фразы для кластеризации читайте в этом фрагменте нашей предыдущей статьи.


Итак, у вас завершенный проект кластеризации ключевых фраз. Что делать дальше?

Перейдите в проект кластеризации ключевых слов и выберите кластер, для которого хотите выполнить анализ текста. Затем нажмите «ТА» (Начать текстовую аналитику) → «Начать анализ» в верхнем правом углу.

Если вы укажете свой домен при запуске кластеризации ключевых слов, мы выберем наиболее подходящий URL-адрес и подключим его к кластеру. Если вы упустите этот шаг, ни в одном из кластеров не будет рекомендованных URL-ов. Если хотите, можете добавить или изменить URL-адрес для конкретного кластера перед началом анализа текста. Если у вас нет сайта, и ваша цель — настроить контент для предстоящего домена, оставьте, как есть.

Если хотите провести текстовую аналитику для всех кластеров нажмите на кнопку справа «Текстовая аналитика» и всплывет окошко:

Нажмите «Выбрать все» или выделите конкретные кластеры, для которых хотите провести кластеризацию.

По завершении анализа нажмите «Просмотреть результаты».

Если вы следовали всем моим инструкциям, вскоре увидите страницу со следующими отчетами:

Если целевой URL не указан, мы покажем употребление слова в лемматизированной форме в процентах по отношению к общему количеству уникальных слов, полученных из Title группы страниц-конкурентов по фразам из кластера. Такая функция будет полезна при написании статьи или подготовке технического задания для копирайтера.

Во второй части вы найдете анализ объема текста — алгоритм приводит минимальное, максимальное и оптимальное количество слов в Body на основе анализа соответствующих областей страниц конкурентов. А также дает рекомендации по увеличению или уменьшению объема текста.