Доклад был представлен Михаилом Сливинским, руководителем отдела поисковой аналитики Wikimart.ru, на пятой Всеукраинской конференции по продвижению веб-проектов в сети Интернет Optimization.com.ua.
Аналитика – это не учет трафика или позиций, это измерение и действие. Вместо того, чтобы смотреть на счетчики в интернете, нужно делать срезы, наблюдать.
Люди очень разные. Также, если взять магазины, то станет ясно, что все они очень сильно отличаются друг от друга. Различается и коммерческая эффективность от разных запросов, ее также нужно измерять.
Приведенная статистика была собрана на сайте Wikimart. Из всего потока запросов были выделены самые частотные общеупотребимые слова и установлена зависимость конверсии и монетизации этих запросов. Запросы, содержащие слово [цена] и [купить], вроде бы несут коммерческий интент.Однако, конверсия и монетизация этих групп запросов сильно отличается.
Сейчас стало очень модным говорить про конверсию. Несколько лет назад никто и не думал даже, что надо измерять какую-то там конверсию, а сейчас это стало ужасно модно. Однако, не стоит забывать, что конверсия – это далеко не единственное, что должно интересовать аналитика. Если магазин торгует разными товарами, то аналитику обязательно должна быть интересна не только конверсия, но и средний чек – те деньги, которые оставляет в магазине средний покупатель. Потому что заказ за 200 рублей и заказ за 20 тысяч рублей – это немного разные вещи, и это требует анализа.
Каков обычный подход к поисковым запросам? Анализируется спрос вообще, то, как тот или иной товар ищут. Вот эта картинка из исследований Яндекса по региональному интернету, на ней видно, что половина запросов поиска уникальна:
Что это означает? Яндекс считает уникальными запросы, которые в течение дня задавали только один раз. Из этого можно сделать вывод, что половина запросов низкочастотные в понимании оптимизаторов. Половина потока запросов в Яндексе под планкой wordstat=30. Очевидно, что громадный пласт спроса лежит вне интереса оптимизатора. Глубокий сбор семантики позволяет найти менее конкурентные запросы и повысить экономическую эффективность поискового продвижения. То есть, трафик обходится намного дешевле, а экономика улучшается.
Нетрадиционные источники семантики:
Алгоритм простого автомата или собственные запросы.
Если проанализировать, то на каждый сайт приходит куча народу по тем запросам, по которым ничего специально не делается. Простой пример. Страница в ТОП1 Яндекс и Google по двум среднечастотным запросам в течение года. За год на этот документ переходили пользователи по 10,5 тысячам уникальных поисковых запросов, хотя работа велась только по двум. Благодаря хорошему контенту, действительно можно получать кучу трафика. Нужно измерять позиции по этим запросам, и если есть хороший потенциал – надо действовать.
Подсказки.
Когда мы пытаемся сделать пользователя счастливее, мы стараемся дать ему какие-то инструменты. Еще один хороший источник информации — внутренние поисковые запросы. Оказалось, на Викимарте, помимо товаров, люди ищут и [одноклассники], и [вконтакте]. Тем не менее, во внутреннем поиске есть много целевой семантики.
Есть такая вещь, как поисковая подсказка. Очень стоящая вещь, единственный минус — низкая полнота. Если спарсить подсказки из поиска, мы получим низкую полноту. Это так, поскольку мы получим в основном только те запросы, которые начинаются с выбранного термина. Если выгрузить все поисковые подсказки (их несколько миллионов), то поиск по такой базе обеспечит гораздо лучшую полноту:
Запросы, которые задают люди – это специальный язык, он сложный и обладает своими закономерностями. Так, например, позиции слова [купить] и [куплю] в подсказках различаются. То есть, если в подсказках есть слово [куплю], то всегда слово на первом месте, а если слово [купить], то оно немножко размазано:
А вот позиция слова [цена] в подсказках — тоже совершенно непредсказуемая вещь:
Кластеризация средствами поисковой машины:
Был проведен эксперимент: были взяты все поисковые запросы, которые привели к тому, что у всех клиентов в выдаче поисковой системы появилось слово [свадебный]. То есть, поисковая машина была использована, как кластеризатор. Обнаружилась интересная вещь – среди запросов, выводящих пользователей к свадебной тематике, нашлись запросы, в которых вообще нет слова свадебный, например, [греческие платья], [букет невесты] и т.д. Есть вещи, которые просто нельзя угадать.
Несколько слов о том, как поисковый отдел Wikimart пытается сделать счастливым пользователя. Почему вообще оптимизатор думает о клиенте?
Во-первых, это понятные бизнесу KPI – оборот и маржа. У оптимизаторов Wikimart, уже больше года, основная вещь, по которой оценивается работа – это оборот. То есть, оптимизаторы должны зарабатывать деньги на приводимом ими поисковом трафике. Если они их не зарабатывают, они их не зарабатывают для компании и не зарабатывают для себя. Поэтому нужен не просто трафик, а трафик, который порождает продажи. Это самая хорошая вещь, которая мотивирует оптимизатора к рекламному влиянию. Зачем писать плохие тексты и пытаться привлечь трафик, если он потом низко конвертируется?
И вторая причина – поведенческие факторы. Счастливый пользователь – это длинная сессия, много кликов, это повторные приходы на сайт. Все понимают, что хорошие поведенческие – благо для сайта.
Традиционно в интернет-магазинах хорошо конвертируется трафик на страницах моделей. Человек приходит на карточку модели, и там покупает с большей вероятностью, чем, если бы пришел на страницу со списком моделей товаров. Это общеизвестная вещь и в Wikimart тоже было так — товарный трафик конвертировался лучше, чем трафик по листинговым (более общим) запросам.
Однако, в один момент пришло понимание того, что нужно существенно улучшать качество этих самых списков товаров. Наш коммерсант заходил в категорию ЖК-телевизоров и говорил: «Вот эта модель должна быть на первом месте, вот эта, конечно, на втором, а вот эта на третьем». А объяснить, почему так, не мог. Потому что он нормальный, живой человек, он ничего такого реального не измерял, это все подсказывали какие-то его бизнес ощущения. Как следствие, эффективность таких листингов была ниже плинтуса. Потому что ничто не стоит на месте и все меняется. А постоянно обновлять их ни у кого времени особенно не было, и в итоге такие листинги постоянно отставали от жизни.
В Wikimart эта проблема была решена следующим образом. Мы начали собирать информацию о товарах, которые выставлены в магазине и, анализируя свойства этих товаров, начали их упорядочивать автоматически. Была разработана специальная система ранжирования товаров в Wikimart. Вот к чему это привело:
Красная линия – это монетизация модели, а синяя – монетизация листингов. Что такое монетизация? Если мы разделим деньги, которые принесли покупатели, на общее количество посетителей сайта, получим удельное количество денег, которое принес каждый посетитель. Так вот в Wikimart монетизация листинга была доведена до монетизации модели. То есть, в листинге товар рекомендуется ничуть не хуже, чем пользователь сам себе рекомендует. Это дорогого стоит.
Описанная система стала результатом полугодовой работы нашего отдела. Это был большой и тяжелый процесс, в результате которого мы пришли к системе, когда невозможно гвоздями прибить товар к полке. Полки выстраиваются автоматически в зависимости от качества предложения. Эффективность значительно повысилась.
Вот так мы задумались о том, кто такие потребители и кто такие покупатели. К этому тоже надо было прийти, понять, что покупатели и потребители – разные люди. Покупают одни, а пользуются другие. Например, покупателем является женщина, а потребителем товара — маленькая девочка, для которой и был приобретен товар. А есть и менее очевидные случаи, когда, например, женщины покупают мужчинам носки. Встал вопрос о возможности измерить и понять, кто перед нами — покупатель или потребитель, исходя из одной вещи – из поискового запроса.
В поисковом запросе нужно стараться увидеть и сущность покупателя и сущность потребителя. Вот, например, выдача по слову [рубашка]:
Мы видим, что почти 60% покупателей женщины, а потребителей мужчин ровно наоборот – 60%. То есть женщины чаще покупают для мужчин. А это для интернет-магазина довольно существенные выводы. При таком раскладе контент в основном должен быть мужской, выкладывать надо мужские рубашки, но подавать их так, чтобы женщине было удобно их выбирать. Вот такая непростая задача.
Кому она кажется простой – пусть внимательно рассмотрит все нюансы и различия женского и мужского восприятия окружающей реальности:
При детальном анализе всплывает масса интересных вещей. Как делаются совместные покупки? Это оказалось очень забавным. Если мужчина и женщина вместе что-то купили, и про это пишет женщина, то она в 80% случаев напишет: «Мы купили». А если про эту же покупку пишет мужчина, то почти со 100% вероятностью говорит: «Я купил».
Вот картинка, на которой хорошо видно, что можно очень мощно оптимизировать расходы в SEO, т.е. провести так называемую оптимизацию оптимизации:
Для каждой страницы сайта были рассчитаны две цифры. Первая цифра – это те деньги, которые тратят на привлечение трафика. Вторая цифра – это те деньги, которые мы зарабатываем на этой странице. Поделив одно на другое, мы получили некую экономическую эффективность и разложили все страницы на сайте по этому критерию на пачки. И вот, что получилось. Красным отмечены расходы для каждого блока. А синим – доходы. Линейка доходов по правой шкале, а расходов по левой. На графике видна только начальная, самая левая часть кривой. Видно, что рассматриваемая на скриншоте область потребляет около 10% бюджета, а зарабатываем мы всего 0,2% оборота. Фактически, это означает, что мы приводили людей на страницы, где не могли хорошо продать. Понятно, что от этого можно сходу и смело отказываться. Оптимизация такого рода позволила примерно вдвое сократить расходы, незначительно потеряв в трафике и практически не потеряв в продажах.
Современное SEO – это гораздо больше, чем ссылки и тексты, намного больше. С чем это связано? Это связано с тем, что существует проблема спама, и поиск вынужден каким-то образом со спамом бороться. Поиск уже почти не доверяет ссылкам. Можно сколько угодно говорить про оптимизацию ссылок, но мы же понимаем, что вся эта история конечна. Если в Google ссылки до сих пор еще что-то дают, то в Яндексе влияние ссылок уже очень невелико. Ссылочные фильтры в Яндексе существуют уже много лет. И понятно, что простым SEO-давлением ссылочная задача совсем не решается.
Вторая вещь – несовершенство моделей. Базовый алгоритм Pagerank предполагает, что все ссылки одинаковы, и что человек равновероятно кликнет на любую из них. Это не так, поскольку эти ссылки на разных позициях, по-разному оформлены, ведут на разные документы.
Появляются новые источники. Это в первую очередь социальные графы. Недаром поиск в Яндексе получил доступ к Твиттеру, это не случайно и это не очень дешево. И вот к чему это приводит — уходя от упрощенных моделей, получаем совсем другое качество поиска. На самом деле, в публичном доступе лежит колоссальное количество информации о том, как работают поисковые механизмы, надо только задаться целью ее найти.
Ну и конечно же, есть аналитика, которая позволяет при помощи собственной головы добиваться хорошего результата в SEO. Хорошего, с какой точки зрения? С точки зрения зарабатывания денег. Ведь оптимизатору абсолютно все равно, что делать. Он может трафик увеличить в два раза, или он может конверсию поднять в два раза в каждом разделе. Поэтому это очень хорошая механика, когда оптимизатор вовлечен в бизнес настолько, что ему невыгодно использовать спам.
Главная идея доклада – нужно измерять и действовать, не повторять чужих ошибок. Потому что интернет-маркетинг без измерений – это какое-то безумие. Есть вещи, которые нельзя измерять, но в интернете почти все вещи можно измерить: и клики, и возвраты, и действия. Поэтому измеряйте, анализируйте, и будет вам счастье!
Вопрос из зала: Как вы составляете ТЗ для копирайтера?
Михаил Сливинский: ТЗ для копирайтера составляем очень просто. Это несколько страниц формата А4 плюс трехчасовая вводная от нашего лингвиста.
У нас есть собственная система антиспама. Мы понимаем, что нам магазины выгружают некачественные тексты. И нам надо было как-то бороться с этим и пришлось придумать систему антиспама. Она анализирует качество текста по 38 разным параметрам и дальше принимает решение хороший текст или плохой. Соответственно, хорошие тексты мы показываем, плохие не показываем. Это только часть наших требований к контенту. Есть еще требования сделать текст полезным. И чтобы сделать текст полезным, мы заставляем копирайтера попасть в пользовательский интерес. Который, в свою очередь, извлекаем из частотных коллокаций (словосочетаний) из отзывов.
