В виду того что я достаточно часто собираю СЯ для коммерции, нередко вставал вопрос как массово отсеивать информационные ключи что в данном случае будут мусором в данном СЯ.
И если почистить поисковые запросы из метрики можно автоматически через сервис OverLead, то новую семантику так проверить не выйдет, нужен человеческий фактор.
О методах сейчас и расскажу, а в конце статьи будет ссылка на все мои черные списки поисковых запросов. А о том как их можно применять ниже.
Чистка семантического ядра:
- Минус словами
- Параметрами ( полнота , частотность, гео итд )
Если свои критерии по параметрам я раскрывать не буду, то списками минус слов я могу спокойно поделиться, потому как, во первых это больше коллективный продукт чем личный, да и фразы что там используются в принципе доступны всем без исключения.
Глобальный черный список фраз
В нем во основном инфо-запросы, собраны по принципу ненужности для типичного коммерческого проекта.
Данный список рекомендую перечитать перед началом работы с ним. Бездумное использование может больше навредить чем помочь!
Причина проста, для каждого отдельно взятого бизнеса есть свои запросы которые фактически пусть и являются информационными но будут конверсионными. Например, в нем есть ключ «установить» , добавлен он туда в контексте ПО. Но в Вашем случае вы можете рекламировать установку пластиковых окон и тут можете себя подставить.
Список городов РФ с численностью свыше 100 тысяч человек:
(кажется 100+, сейчас уже не помню. Взято из википедии по аналогичному запросу)
Все просто, когда собирается ся и используется достаточно больше количество источников ( я использую — подсказки, spywords, вордстат, база Букварикс ) К примеру когда я собираю семантику для бизнеса из Ярославля — часто из вордстата подхватываются ключи с упоминанием Москвы или крупных городов из ближайших областей. Потому у я использую данный список, просто не добавляю в ЧС Ярославль и выпиливаю все остальное.
Города Украины и Белоруссии с населением более 100 тысяч человек:
(собраны по аналогии с РФ)
Принцип тот же что и у списка Выше, если собираете для Укр или Блр то не забывайте удалять из списка нужные города.
Женские (1072шт) и мужские (2196шт) имена:
Женские имена и Мужские имена могут вам понадобиться для чистки в том случае если в запросах часто бренд — это имя человека, с таким я например столкнулся при работе в тематике фотографов.
Где скачать?
Вот ссылка на все выше указанные и даже больше списки в моем Яндекс.Диске
Лайвхак для работы с черным списком
UPD1:
В минус слова Яндекс.Директ можно добавить только 2048 символов, а во всех 3х списках минус слов имеется 5682 символов (перебор на 3634 символов).
Выходим из ситуации так — загоняем весь список в коллектор, выставляем регион своей РК и парсим частотности по базовой частоте. выкидываем не существенное и сокращаем до лимита в 2048 символов — профит, имеем актуальный для региона черный список.
UPD2:
Для формирования списка минус слов под конкретное объявление в контекстной рекламе рекомендую использовать простые манипуляции в блокноте:
Берем всю левую колонку из wordstat по целевому запросу ( удобней всего через кей коллектор )
Копируем в блокнот
Удаляем ключевой запрос и его производные, а так же плюсы
Пристально смотрим на оставшиеся хвосты
Удаляем конверсионные ключи, а список оставшихся запросов смело засовываем в минус-слова рекламной компании