Поисковые системы в интернете – это уникальный инструмент, который предоставляет немыслимую нигде более возможность вступить в коммуникацию с людьми именно в тот момент, когда они нуждаются в ваших товарах. Только в поиске люди явным образом проявляют свои текущие потребности, отражая их в поисковых запросах и это делает поисковый трафик одним из самых эффективных.
В тоже время, поисковый трафик (как органический, так и платный – с контекстной рекламы или прайс агрегаторов с функцией поиска) составляет очень большую долю в миксе источников трафика интернет-магазина. В большинстве случаев речь идет о 30%–70% всех посещений сайта. Как можно повысить эффективность поискового трафика?
Давайте разделим весь трафик из поисковиков на группы и внимательно посмотрим на каждую.
1. Товарный поиск (пример запроса: «купить планшет Samsung Galaxy Tab 2«)
Очень большое количество людей ищет конкретные товары и такие люди, как правило, конвертируются лучше всех. Не удивительно, ведь они знаю, чего хотят. Такой трафик должен попадать на карточки товаров и задача продавца (при условии наличия конкурентной цены и приемлемых условий доставки) здесь только одна: не мешать покупателю. То есть не заставлять человека проходить квест при попытке оформить заказ.
А что делать, если товара нет в наличии? Ведь карточки отсутствующих товаров находятся в индексе поисковиков и собирают какой-то ненулевой трафик, а контекстная реклама при большом количестве товаров отключается не сразу после продажи товара. Как заработать на отсутствующих товарах, читайте в предыдущей статье: www.csslike.me/kak-internet-magazinu-zarabotat-na-tovarah-kotory-h-net-v-nalichii/
2. Категорийный поиск + фильтр (пример запроса: «купить планшет«, «купить планшет Samsung«, «купить недорогой планшет«)
В отличие от первой группы, эти люди до конца не определились, что им нужно. Трафик по таким запросам приземляется на страницы товарных категорий (листинги товаров). Конверсия такого трафика ниже, чем у предыдущей группы по двум причинам: у вас может не быть того, что нужно пользователю и, как не печально, пользователь может не найти того, что его устроит.
В то же время, очень часто посетители в поисковом запросе дают подсказки о том, что им интересно («недорогой планшет», «планшет самунг» и т.д.), только вот попадают они в одни и те же листинги (в нашем примере – на страницу планшетов) и видят одни и те же товары. До недавнего времени было только одно решение: формирование огромного количества страниц из комбинаций фильтров со сложными шаблонами заголовков, тайтлов и контента. Посмотрите как это сделано в Sapato:
При выборе нескольких параметров в фильтре (тип – кеды, бренд – Адидас, цвет – черный) формируется отдельная страница с уникальным URL, title и h1. Поисковики видят такую страницу и приводят на нее трафик по запросам вида «черные кеды adidas для мужчин«.
Создание такого функционала – довольно сложная операция как по нагрузкам на БД магазинов (попробуйте запросто отфильтровать несколько тысяч / десятков тысяч товарных позиций по нескольким параметрам на виртуальном хостинге / VPS, а теперь попробуйте делать это 30-40 раз в секунду), так и по программированию и управлению контентом. Неспроста такие возможности есть в основном только у крупнейших ритейлеров (и то не всегда).
Какие есть альтернативы? Мы в Retail Rocket научились строить связи между ключевыми словами и товарами на сайтах интернет-магазинов через поведение пользователей. Наша система смотрит на то, к каким товарам проявляют интерес (просматривают, добавляют в корзины и вишлисты, покупают и т.д.) пользователи, пришедшие из поиска по каждому ключевому слову.
Возвращаясь к примеру с планшетами, люди, пришедшие по запросу «Купить планшет Samsung» будут проявлять интерес только к продукции Samsung, а искавшие «недорогой планшет» будут выбирать планшеты подешевле. Система увидит это и будет рекомендовать именно те товары, которые актуальны для конкретного ключевого слова.
Не знаете какие товары показать людям, искавшим «декор стен»? Пожалуйста!
Разместить рекомендации к поисковым запросам пользователей с помощью нашей системы очень просто. Мы создали специальный виджет, который так и называется – «Поисковые рекомендации».
3. Информационный поиск
Почти все магазины стараются продвигаться за счет тематических статей, давая советы о том, как правильно выбирать товары, как их использовать, хранить и так далее. Одной из главных целей создания такого контента является, конечно же, желание продать человеку товар, инструкцию по подбору которого он только что получил. Вот только сами товары, как правило, в таких статьях размещаются редко. Стандартные CMS системы не позволяют сделать что-то большее, чем вставка картинки и ссылки на товар. А что если у товара изменилась цена? Или он вовсе распродан? Поисковый трафик на статью просто пропадет. И здесь на сцену снова выходят наши поисковые рекомендации. Наш сервис обновляет информацию о ценах и наличии на вашем сайте раз в несколько часов, по этому разместив поисковые рекомендации на страницах, специально предназначенных для поискового трафика, можно быть уверенным, что цены и наличие будут актуальными. Даже если исходные товары выйдут из обращения, система все равно будет показывать актуальные предложения.
Вот как это выглядит в жизни на сайте одного из наших клиентов:
4. Внутренний поиск по сайту
Одним из самых эффективных мест для поисковых рекомендаций является страница результатов внутреннего поиска по сайту. Стандартные CMS системы используют довольно прямолинейные функции полнотекстового поиска и выдают в результатах товары, в названиях которых содержался поисковый запрос.
По нашим оценкам, до 30% всех посещений интернет-магазинов включают в себя использование внутренней поисковой системы. И если в случае с поиском конкретного товара все более или менее хорошо (конечно жене учитывая синонимы, опечатки, транслитерацию и т.д.), то с поиском «категория + фильтр» все гораздо хуже. Очевидно, что встроенные в CMS стандартные поисковые алгоритмы никогда не сравнятся с Яндекс и Google, поэтому проблемы, описанные выше, растут в масштабах в разы. А решение все то же – дополнить страницу результатов полнотекстового поиска рекомендациями, сформированными на основе анализа поведения пользователей. Особенно актуально это для магазинов, которые используют страницы результатов внутреннего поиска в качестве landing page для контекстной рекламы.
5. Внутренний поиск товаров по сайту
Отдельно хотелось бы остановиться на внутреннем поиске товаров по сайту. В процессе работы над поисковыми рекомендациями мы не раз замечали, что люди часто ищут товары, которых нет в магазине. Это же золотое дно! Нужно просто проанализировать внутренний поиск и поставить в отдел закупок задачу по добавлению в сток магазина востребованных товаров. Эту информацию можно получить с помощью Google Analytics настроив внутренний поиск (почему-то при первичной настройке эта опция не предлагается):
1. Зайдите в раздел «Администратор» (в правом верхнем углу)
2, Зайдите в «Настройки профиля»
3. Внизу в поле «Параметр запросов» нужно ввести GET-параметр из адреса страницы результатов внутреннего поиска на вашем сайте, содержащий поисковый запрос, который ввел пользователь.
Когда пользователи выполняют поиск по вашему сайту, их запросы указываются в URL страницы результатов поиска. Например, при поиске в Яндексе по запросу «тест» в URL страницы результатов поиска отображается слово text, после которого идет поисковый запрос: http://yandex.ru/yandsearch?lr=213&text=тест
Для того, чтобы Retail Rocket начал отслеживать ваш внутренний поиск, необходимо ввести этот же параметр в личном кабинете в разделе «Общие настройки».
После настройки Google Analytics начнет собирать данные по внутреннему поиску и в отчете Содержание -> Поиск по сайту -> Поисковые запросы вы увидите похожую картину:
Красным выделены товарные группы, не представленные на сайте интернет-магазина.
Влияние поисковых рекомендаций
В первую очередь, добавление поисковых рекомендаций на сайт влияет конверсию. Пользователям становится легче найти нужные им товары и большая доля посетителей становится покупателями. Однако, это не все: наши тесты показывают, что добавление поисковых рекомендаций понижает показатель отказов (на 5%–15%) и увеличивает среднюю глубину просмотра и среднюю продолжительность сессии (с среднем, рост составляет 8%-10%).
По сути, можно смело говорить об абсолютно белой автоматизации работы с поведенческими факторами и, как следствие, улучшении ранжирования в поиске. А это дополнительный трафик и дополнительные продажи.
