Оптимизация структуры интернет-магазина на основе поисковых запросов

Как правило при создании интернет-магазина за основу его структуры берут товарные категории. Ассортимент дробится на группы, группы на подгруппы и так далее (Рис. 1).

Рис. 1. Пример каталога на основе товарных категорий.

В отдельные категории могут выноситься обобщающие тематики (Рис. 2)

Рис. 2. Пример каталога на основе тематик, объединяющих группы товаров.

Такая система каталогизирования логична, но неэффективна с точки зрения SEO.

• В структуре сайта не отражаются реальные поисковые потребности пользователей, а значит по большому числу запросов сайт отсутствует в выдаче поисковых систем.
• В результате механического деления на странице категории могут оказаться запросы с разным поисковым интентом, а значит продвижение такой страницы будет затруднено.

Что делать? Расширять базовое ядро (товарные категории и подкатегории), формировать кластеры запросов, систематизировать эти кластеры по схожим признакам и адаптировать структуру сайта под новые группы запросов.

Разберемся с методикой на примерах.

В нашем случае оптимизируемый интернет-магазин имеет следующую исходную структуру (Рис. 3):

Рис. 3. Текущая структура сайта — малое число категорий.

В качестве базового списка запросов берем названия рубрик и перечень товарных позиций.

Исходный список расширяем за счет парсинга фраз-ассоциаций — погружения в тематику и сбора уточняющих запросов. В Wordstat это слова из правой колонки. В результатах поисковой выдачи — блок в нижней части страницы «Вместе с запросом ищут».

Далее по расширенному списку запросов собираем вариации слов с «хвостами» — низкочастотники для быстрого выхода в ТОП. Метод подбора — парсинг поисковых подсказок.

Полученное ядро проходит чистку от запросов с нулевой частотностью по Вордстат.

В результате имеем рабочий список из 1000 поисковых фраз (Рис. 4).

Рис. 4. Фрагмент таблицы с рабочим ядром для дальнейшей кластеризации.

Данный список запросов кластеризуем. Группируем фразы в кластеры согласно условию: результаты выдачи по ним должны быть схожи. Каждый кластер будет включать запросы с идентичным интентом — намерением пользователя.

Сравните два запроса: «картина для спальни купить» и «картины для спальни». При очевидной схожести они попадают в разные кластеры, так как отражают разное намерение пользователей. Первая фраза указывает на поиск товара. Вторая говорит об изучении темы. Соответственно, состав выдачи по ним будет отличаться (Рис. 5).

Рис. 5. Выдача слева содержит коммерческие сайты, справа — информационные.

Вручную разнести запросы в нужные кластеры затруднительно — эта задача решается за счет автоматического парсинга и анализа выдачи. В Promopult можно использовать онлайн-сервис кластеризации с преднастроенным решением или тонкими профессиональными настройками.

Прогоняем наш список из 1000 фраз через кластеризатор и получаем группы запросов, которые будем внедрять на релевантных страницах (Рис. 6).

Рис. 6. Кластеры — группы запросов, которые лягут в основу новой структуры магазина.

На данном этапе мы имеем порядка 200 кластеров. И тут возникает проблема: они плохо стыкуются с существующими разделами сайта, а многие вообще не вписываются в текущую структуру.

Проиллюстрируем. Мы получили несколько кластеров с общим словом «подсвечник»:

• подсвечник купить,
• деревянный подсвечник,
• подсвечник в подарок,
• подсвечник для сада.

Для каждого такого кластера требуется своя посадочная страница, но сейчас они объединены в один раздел с другими товарными категориями (Рис. 7).

Рис. 7. Несочетаемые кластеры в текущей системе каталога.

Очевидно, что предстоит реорганизировать каталог, однако пока не ясно, каким образом уместить в нем все 200 кластеров. Так мы подходим к этапу классификации кластеров на основе схожих признаков.

Многие кластеры в нашей таблице имеют схожие признаки — общую товарную позицию, стиль, место применения, повод дарения и так далее. Все их можно классифицировать в отдельные группы. Но чтобы выделить эти признаки, нужно разбить названия кластеров на составные слова — леммы.

Прогоняем названия всех кластеров (первый столбец таблицы) через лемматизатор Арсенкина (Рис. 8).

Рис. 8. Названия кластеров копируются в окно лемматизатора (настройки на поиск N-грамм можно не учитывать).

Полученный список лемм переносим в таблицу Excel для удобства дальнейшей работы. Напротив каждой леммы указываем признак, который характеризует данное слово (Рис. 9).

Рис. 9. Таблица с леммами и их классификационными признаками.

В данном примере мы выделили девять признаков. Их названия условны — можно использовать другие слова, отражающие значение леммы.

• процесс (купить, вышивать);
• свойство (искусственный, настенный, большой, декоративный);
• товар (картина, цветок, свеча, часы);
• предмет (подарок, украшение, стена);
• место (дом, зал, интерьер, кухня);
• повод (свадьба, рождение);
• стиль (прованс, лофт, шебби);
• время (год, март, февраль);
• человек (мама, подруга, парень).

Список лемм в таблице сортируем согласно признаку и группируем (Рис. 10).

Рис. 10. Признаки, объединяющие леммы, — основа новой структуры сайта. Сами леммы — основа для категорий, подкатегорий и страниц фильтров.

Далее проводим анализ таблицы лемм и их признаков, думаем, как разложить ее в плоскость новой структуры. В текущем виде мы имеем слишком много вложенных лемм — списки нужно почистить, ряд слов вынести на страницы фильтров, чтобы разгрузить навигационное меню.

Движемся слева направо (Рис. 11).

Рис. 11. Проработка таблицы признаков и лемм — проектирование новой структуры меню и страниц фильтров.

• Признак «Время» упраздняем, так как эти леммы можно причислить к категории «Повод».
• Признак «Место» составит пункт меню «Виды декора» с подкатегориями «Для кухни», «Для сада», «Для офиса» и т.д.
• Признак «Повод» составит пункт меню «Праздники» с подкатегориями «Декор на день рождения», «Декор на Новый год» и т.д.
• Признак «Предмет» упраздняем — слова этой категории станут уточняющими в названиях разных рубрик.
• Признак «Процесс» упраздняем — оба глагола не значимы для структуры меню.
• Признак «Свойство» упраздняем — слова этой категории будем использовать для системы фильтров: цвет, материал, размер, форма, свойство и др.
• Признак «Стиль» составит пункт меню «Стиль» с подкатегориями «Декор прованс», «Декор лофт» и т.д.
• Признак «Товар» составит пункт меню «Каталог» — здесь собраны все товарные категории сайта.
• Признак «Человек» составит пункт меню «Подарки» с подкатегориями «Подарки маме», «Подарки подруге» и т.д.

Получаем новую структуру меню (Рис. 12).

Рис. 12. Результат работы с таблицей лемм — новая структура сайта.

Для сравнения приведем старую структуру меню (Рис. 13).

Рис. 13. Исходное меню сайта — до начала работы с ядром.

Переносим данные из новой структуры меню в отдельную таблицу. Ориентируем ее вертикально и сортируем кластеры поисковых запросов по разделам и подразделам (Рис. 14):

• первый столбец — пункты меню,
• второй столбец — названия разделов,
• третий столбец — названия подразделов.

Рис. 14. Сортировка кластеров поисковых запросов согласно новой структуре.

В нашем случае не удалось разнести все 200 кластеров по категориям и подкатегориям — под оставшиеся группы запросов создаем страницы с результатами фильтров.

С подробной картой категорий, подкатегорий и фильтров можно приступать к стыковке новой структуры и существующих релевантных страниц. Ряд страниц удастся модифицировать и оптимизировать под соответствующий кластер запросов. Но в целом работа будет заключаться в создании новых страниц по всем канонам SEO: написание текстов, заголовков Title и H1, URL с вхождением ключевых слов из кластера.