Un exemple de clustering de noyau sémantique. Service gratuit de regroupement de requêtes de recherche de SEOQUICK

Bonjour chers amis! Bonne année à vous, j'espère que vous vous êtes déjà éloigné des vacances et que vous êtes d'humeur combative. J'ai un cadeau du Nouvel An pour vous aujourd'hui - un article pratique très sympa. L’article n’est pas de moi, mais il mérite amplement d’apparaître sur les pages de ce blog.

La critique a été rédigée par un mec sympa nommé Dmitry Miroshnichenko. Dima vit à Volgograd, travaille comme chef de projet dans un studio Web local, qui développe et promeut ses propres projets. Et Dima est candidate en sciences, et ce n'est pas beaucoup de conneries !

Tout ce qui est écrit ci-dessous est mon point de vue et est basé sur mon expérience de vie. Je ne prétends pas être la vérité ultime. Si vous voyez certains processus différemment et savez comment résoudre le problème plus efficacement, il est fortement conseillé de ne pas vous retenir et d'en parler dans les commentaires.

Donc, la tâche : créer un noyau sémantique pour le site. Que signifie le mot « sémantique » ? C'est ce que nous dit Wikipédia. La sémantique (du grec ancien σημαντικός - dénotant) est une branche de la linguistique (en particulier la sémiotique) qui étudie sens sémantique unités de langage. Autrement dit, nous devons mettre en évidence les orientations sémantiques de la structure du site.

Comment ce problème est-il généralement résolu ?

Requêtes d'analyse (Wordstat, diverses bases de données, astuces, services tels que Spywords et Semrash, compteurs de statistiques ouvertes et autres sources)
Nous passons au crible les poubelles et vérifions la fréquence
Nous répartissons les demandes en groupes
A partir de groupes, nous créons la structure du site et diffusons les articles

Nous pouvons résoudre avec succès les deux premiers points à l’aide d’un collecteur de clés. Il n'y a pas de choix particulier de douleur ici. Le collecteur de clés est un outil vraiment pratique.

La troisième tâche est la plus intéressante. Nous examinerons sa décision.

Le quatrième problème peut être résolu de manière assez triviale si le troisième a été correctement mis en œuvre.

Donnée initiale

Site d'information sur les sujets de datcha. Rubrique "arbustes et arbres". Au total, 562 clés ont été collectées. Il s'agit de l'ensemble de données de formation. Il était important pour moi de comparer les résultats de différents outils.

Pour la section du site d'information, les demandes ont été collectées, les ordures ont été supprimées et la fréquence des « ! » selon Wordstat, plus de 30. Ils doivent être répartis en groupes.

Vous pouvez distribuer les demandes manuellement ou automatiquement. Nous distribuons manuellement selon le sens. Tout est clair ici. Il existe de nombreuses façons de procéder à un clustering automatique. Examinons de plus près chaque outil.

Outils pour faciliter le clustering manuel des requêtes

Excel, LibreOffice, OpenOffice

Je pense qu'il ne sert à rien de décrire en détail comment travailler avec ces outils.

Avantages

traitement de haute précision - nous le traitons toujours à la main
polyvalence - vous pouvez prendre en compte un tas de paramètres
dans le cas de LibreOffice, OpenOffice - gratuit

Défauts

dans le cas d'Excel - payant
faible vitesse - lorsque vous travaillez avec de grandes quantités de données
il faut faire des sauvegardes

Google Docs

Avantages

similaire au point précédent
service en ligne - accès pratique au document
pas besoin de faire des sauvegardes
gratuit

Défauts

la vitesse est encore faible

kg.ppc-panel.ru

Un service en ligne. Charger les demandes, filtrer, sélectionner des groupes.

Fonctionne vite. La fonctionnalité est suffisante (sauf pour sauvegarder des projets), l'interface est bonne.

Avantages

interface conviviale
fonctionne rapidement
visibilité
pas besoin de s'inscrire
gratuit
un service en ligne

Défauts

Vous ne pouvez pas enregistrer de projets, vous ne pouvez télécharger que des projets prêts à l'emploi
découle du précédent - si le service échoue, alors tous les développements seront perdus
les fréquences ne peuvent pas être chargées

Keyword Assistant - création de la structure du futur site

Un autre service en ligne. Semblable au précédent. Vous pouvez désormais enregistrer des projets.

Avantages

les projets sont sauvegardés
interface bonne et claire
vous pouvez télécharger des fréquences
gratuit
un service en ligne

Défauts

la vitesse est plus élevée que lorsque l'on travaille avec Excel, mais toujours comparable
pour les paranoïaques - on ne sait pas où vos données sont stockées

Outils de clustering automatique de requêtes

Regroupeur de mots clés pour PPC

Version de bureau avec une étrange logique de comportement. Détails sur le lien ci-dessus (où le téléchargement peut être trouvé ici).

Brève description du fonctionnement de l'algorithme de clustering :

Nous avons un certain ensemble de mots-clés. Avant de compiler l'index, le script normalise toutes les formes de mots. À l'étape suivante, le script de regroupement détermine les fréquences pour l'ensemble de l'index du document et construit une notation. Les fréquences sont calculées pour chaque mot (après normalisation). Si nous avons « vacances en Tunisie », alors le script compte les fréquences pour « vacances » et « Tunisie ».

A ce stade, le classement des mots est organisé du plus fréquent au moins fréquent. Pourquoi est-ce nécessaire ? Créer des groupes centraux. Disons simplement que si le mot « Égypte » apparaît plus souvent que le mot « hôtel », alors une requête de recherche (par exemple, [hôtels bon marché en Égypte]) qui inclut le mot « hôtel » sera classée dans la catégorie « Égypte ». groupe et non l’inverse.

Nous avons donc regroupé les mots, mais de manière assez primitive. Ensuite, nous avons besoin d'un regroupement plus précis.

Un regroupement plus précis signifie qu'au sein de chaque groupe, le script créera des sous-groupes et répartira les mots entre eux.
A ce stade, la notation des mots par fréquence sera également construite. Dans ce cas, la notation sera créée uniquement au sein du groupe ; le mot principal du groupe (c'est-à-dire le nom du groupe) ne participera pas à la notation. De plus, le classement des mots dans un groupe est basé sur une fréquence inverse. Ceux. le mot avec la fréquence la plus basse sera le premier à créer « son propre » sous-groupe.

Bien sûr, seuls les mots qui apparaissent au moins N fois peuvent créer leurs propres sous-groupes (définis dans les paramètres du script, mais généralement au moins 4-5).

C'est cette approche qui fonctionne très efficacement lorsque les groupes principaux sont créés sur la base du classement des mots les plus fréquents aux moins fréquents, et des sous-groupes - du moins fréquent au plus fréquent.

Le résultat est une liste groupée.

Avantages

gratuit pour l'instant
fonctionne rapidement

Défauts

version de bureau
d'une manière ou d'une autre, le projet est sauvegardé de manière tordue
Comment puis-je supprimer quelque chose ici ?
logique de comportement extrêmement étrange, pourquoi y avait-il des mots dans le système qui n'étaient pas là ? (visible sur la capture d'écran)
l'algorithme ne prend pas en compte le sens des mots, seule la racine commune est l'inconvénient le plus important
limite indiquée de 1000 clés
la fréquence ne peut pas être chargée
il faut faire des sauvegardes

Analyses urgentes

Service en ligne pour le clustering de requêtes basé sur l'émission PS. Plus précisément, le clustering n'est qu'une des fonctionnalités du service. Plus Description détaillée disponible sur le site Internet.

En bref sur l'algorithme de fonctionnement :

Le clustering est la division automatique des mots-clés en groupes.
Comment fonctionne la technologie ?
Vous téléchargez une liste de mots-clés, sélectionnez le type de regroupement - le système analyse les classements des moteurs de recherche et, à l'aide de notre algorithme, divise les mots-clés en groupes qui seront bien classés dans les moteurs de recherche. En sortie, vous obtenez des mots-clés divisés en groupes.

Vous pouvez définir la force du groupe. Apparemment exposé chez les perroquets. La sortie est constituée de fichiers Excel avec la force de regroupement sélectionnée. Sur le premier onglet se trouvent des clusters. La seconde est tout ce qui reste sans clusters.

Les frais sont facturés uniquement pour les demandes groupées (nombre maximum).

Je vous rappelle qu'il n'y a que 562 demandes. Le nombre de demandes regroupées pour chaque option est indiqué dans le tableau ci-dessous.

On obtient le nombre maximum de requêtes groupées 359. Pas mal pour une machine automatique. Combien cela-a-t-il coûté?

Nous obtenons que le regroupement de 359 requêtes coûte 552,5 roubles, soit un peu plus de 1,5 roubles par fouillis (bien que le chiffre de regroupement par requête ne m'intéresse pas du tout, mais pour l'ensemble, qu'il en soit ainsi). Ici, il est nécessaire de préciser que plus de deux requêtes sont considérées comme un cluster. Je n’ai pas compris comment compter le nombre de groupes.

Voyons maintenant quelle est la qualité.

Sélectionnons un groupe test pour les cerises. Voici une liste des demandes originales :

comment tailler correctement les cerises valery chkalov cerises coeur de bœuf cerises arbre cerisaie cerises iput taille jeunes cerises taille cerises variétés de cerises variétés de cerises

Nous avons deux clusters pour les forces de groupe 4 et 5 :

Pour une force de regroupement de 3, le cluster de découpage est légèrement étendu :

Évidemment, le résultat est médiocre.

Si je le faisais manuellement, le cluster par variété ressemblerait à ceci :

cerises cerises cœur de taureau iput Valery Chkalov cerises variétés de cerises variétés de cerises

Les algorithmes doivent donc clairement être mis à jour.

Avantages

un service en ligne
tous les projets sont sauvegardés
lors de l'inscription, ils donnent 3 000 roubles sur votre compte (au moment de la publication, à mon avis, un tel cadeau a déjà été dissimulé)
à tout le moins, mais le sens (et pas seulement la racine commune) est pris en compte en fonction des résultats des moteurs de recherche

Défauts

encore en phase de test (au moment de la publication, il semble ne plus être disponible)
payé
cher - c'est bien si le noyau contient 500 requêtes, mais que se passe-t-il s'il y en a des milliers et des centaines de milliers ?
vous devez toujours le terminer à la main, ce n'est pas possible de le faire de manière entièrement automatique

SEMparser - Structuration sémantique pour le référencement et le contexte

Un autre clusterer en ligne basé sur les résultats des moteurs de recherche.

Comment ça marche (extrait du site) :

A quoi ça ressemble à l'intérieur :

Après le clustering automatique, une fenêtre d'édition apparaît dans laquelle vous pouvez corriger les erreurs.

Le fichier Excel est téléchargé. Sur le premier onglet se trouvent les requêtes et les groupes avec des détails.

Le deuxième onglet contient uniquement des groupes.

Sur le troisième onglet, il y a un sujet principal.

Vous pouvez également définir la force du groupe. J'ai testé les mêmes nombres : 3, 4 et 5.

Ici, nous devons préciser qu'un cluster issu d'une requête est également un cluster. Et c’est pris en compte. Donc formellement il s'avère que 100% des demandes ont été regroupées. Mais je n’arrivais pas non plus à comprendre comment calculer le nombre de groupes avec des demandes de 2 ou plus.

Vous devez également tenir compte du fait que les prix sont légèrement différents. L'argent est retiré pour toutes les demandes figurant dans le document. J'ai acheté 600 demandes, ce qui m'a coûté 288 roubles. Nous obtenons le coût d'une demande 0,48 kopecks. Après le regroupement, il me restait 38 requêtes dans mon système. En conséquence, le regroupement d’un échantillon test de clés coûte environ 270 roubles. Ce qui est deux fois inférieur à celui du service précédent.

Voyons ce qui se passe avec la qualité.

Pour toutes les forces du groupe, il y avait 4 groupes :

cerises valery chkalov (1/170) cerises valery chkalov (170) cerises iput (5/472) cerises iput (159) variétés de cerises (134) variétés de cerises (92) cerisier (44) verger de cerisiers (43) cerises coeur de bœuf ( 1/64) cerises à cœur de bœuf (64) taille des cerises (3/352) taille des cerises (226) comment bien tailler les cerises (86) taille des jeunes cerises (40)

On voit aussi que le sens n’est pas idéal. Doit être fini à la main.

Avantages

un service en ligne
tous les projets sont sauvegardés
50 demandes de test lors de l'inscription
prend mal mal en compte le sens
moins cher que l'option précédente

Défauts

payé
l'algorithme ne fonctionne pas parfaitement, une correction manuelle est nécessaire

Just Magic - sélection automatique de sémantique pour le référencement et la publicité contextuelle

Un service intéressant à mon avis. Conception de site Web : bonjour console.

Ce qu'ils disent sur leur site internet :

— Collectez la sémantique des pages de site existantes, en y liant immédiatement et correctement les requêtes.
— Développer la structure du site existante.
— Proposer une sémantique thématique pour les nouvelles pages du site basée sur le SL actuel.
— Créer une sémantique pour le site conçu.
- Et simplement regrouper les requêtes. Y compris la répartition thématique.

Vous pouvez consulter le rapport du développeur sur TopExpert :

Voici ce que les développeurs m'ont dit sur la façon dont tout fonctionne là-bas :

Nous résolvons un problème purement utilitaire : déterminer quelles requêtes peuvent être promues sur une seule page.

D'où la méthode de solution - nous collectons la sortie du PS pour chaque requête et effectuons un clustering sur cette base.

En fait, nous devons résoudre un problème assez simple : les requêtes dispersées basées sur les URL correspondantes dans les résultats de recherche, tout en nous assurant qu'elles ne tombent pas dans un seul cluster. différents types demandes. On distingue les types suivants :
— Commercial/informatif.
— « Sur le visage »/« à l'intérieur ».
— Un mot/2+ mots.
— Avec/sans marqueurs de type de contenu.

Les « marqueurs de type de contenu » sont des mots de requête que le moteur de recherche utilise pour définir les exigences relatives au contenu de la page promue. Par exemple - ("avis", "vidéo", "télécharger", "photo").

Puisque le problème est défini et que l’ensemble des données d’entrée est assez simple, l’algorithme n’est pas compliqué. L'algorithme principal du système n'utilise pas l'apprentissage automatique. Nous utilisons de facto des centroïdes dans l'algorithme actuel (l'une des requêtes est le « centre » du cluster, et le reste doit avoir une certaine mesure de similitude avec lui). Désormais, un algorithme « gourmand » pour leur sélection (de centres) est utilisé. Mais cette méthode présente certains inconvénients, c'est pourquoi dans la prochaine version de l'algorithme, en cours d'implémentation, nous abandonnerons en principe le concept de requête de centre de cluster.

Nous utilisons également l'apprentissage automatique, mais à un endroit différent : la génération automatique de demandes de marqueurs basées sur les données Yandex.Metrica.

Je n'ai pas encore pu l'essayer. Envoyé une demande d’accès au test. Ils ont dit qu'ils avaient une mise à jour. La fonctionnalité principale, coûtant à partir de 30 000 roubles/mois, sera disponible fin janvier. Pour les simples mortels avec des volumes plus petits en février.

Si tout fonctionne comme on dit, ce sera très cool. Voyons.

Avantages

bonnes perspectives
un service en ligne

Défauts

Il n'existe pas encore de version pour les simples mortels, seulement un abonnement mensuel
je n'ai pas réussi à essayer
tel quel - cher

Intelligence SEO - Service d'automatisation du référencement

Un autre service de clustering en ligne. Fonctionnalité déclarée :

Service d'automatisation du référencement
● clustering de requêtes
● sélection de pages de destination
● recherche de concurrents
● assistance à l'optimisation des contenus
● commander des textes optimisés

Je n'ai jamais réussi à le faire fonctionner. Il n'y a aucune aide, aucun indice...

Avantages

en ligne

Défauts

alors j'ai compris comment travailler avec lui
payé

Coolakov.ru - Répartition des requêtes clés

Descriptif sur le site :

Le service vous permet de regrouper automatiquement les demandes déjà collectées. Les demandes sont divisées en groupes en fonction de la similitude du top 10 Yandex.

Nous n’avons rien trouvé sur les fonctionnalités de l’algorithme.

Pour mes 562 requêtes, il y avait 305 groupes. Il y a au moins une demande par groupe. Voyons ce qui se passe avec nos cerises :

Il est clair que les groupes 73 et 189 auraient pu être réunis... Eh bien, le reste est également clair. Le regroupement, c’est un euphémisme, n’est pas idéal.

Avantages

un service en ligne
gratuit

Défauts

Comment le télécharger ? Il n'y a pas de boutons pour télécharger. Vous pouvez uniquement copier le texte.
Sans inscription, vous ne pouvez travailler que de 20h00 à 7h00, heure de Moscou. Il n'y a aucun moyen de s'inscrire. Du tout.

s:toolz est un outil professionnel de regroupement de requêtes basé sur les résultats de recherche

Un autre service de clustering. La particularité est qu'il ne fonctionne pas en mode automatique. C'est aussi son défaut.

Mode opératoire

Fonctionnalité déclarée :

Le service de clustering de requêtes est conçu pour le regroupement automatisé et rapide de grandes listes de requêtes (mots clés à promouvoir) en clusters formés en fonction des résultats et des soumissions des moteurs de recherche. moteur de recherche Yandex sur les besoins des utilisateurs.

Les demandes d'un cluster doivent être promues sur 1 page.

J'ai envoyé un mémoire. Ils ont répondu deux jours plus tard. Il s'avère qu'ils ont des candidatures pour mode manuel sont en cours de traitement. Ils écrivent qu'ils obtiennent plus de cette façon retour. À l’avenir, ils menacent de tout faire automatiquement.

Le regroupement lui-même, écrivent-ils, a duré moins d’une minute. Citation:

Il a fallu moins d'une minute pour traiter votre candidature. Le montant le plus important à traiter jusqu'à présent était de 55 000 $, le calcul a pris environ 3 heures.

Ce qu'ils écrivent sur l'algorithme :

Nous avons développé notre propre algorithme de regroupement. Données - Top 10 Yandex pour chaque demande. Nous utilisons le machine learning, mais pour d’autres fonctionnalités, qui seront présentées prochainement.
Il y a des problèmes avec les pages pertinentes du rapport. L'index du moteur de recherche ne contient pas toujours ce dont vous avez besoin, surtout si un spécialiste n'a pas encore travaillé sur le projet.
Du coup, il faut en plus traiter le résultat manuellement, avec un certain nombre de demandes, c'est déjà triste. Le problème est en train d’être résolu.

Le regroupement de mes 562 requêtes m'a coûté 309 roubles. Nous facturons 60 kopecks par demande. Aucune réduction n'a été accordée. Oui, je n'ai pas demandé.

Voyons maintenant ce qui se passe avec la qualité :

taille des cerises comment tailler correctement les cerises taille des jeunes cerises variétés de cerises cerises variétés de cerisiers cerises Valery Chkalov cerises coeur de bœuf cerisiers cerises du verger et le chemin

Là encore, les variétés sont restées sans grappes.

Avantages

compétences en communication du support technique, réponse à toutes les questions
un service en ligne

Défauts

ne fonctionne pas automatiquement, le facteur humain gâche l'impression
payé
une correction manuelle des clusters est requise

Mc-Castle.ru – Clusterer SY

Et encore un service. Il semble également qu'il soit regroupé par forme de mot. Pas de moteurs de recherche.

Résultat:

Je ne savais pas quoi faire ensuite avec ça. Comment puis-je diviser en clusters ? Comment puis-je voir quelles requêtes sont incluses dans un cluster ? Eh bien, si la répartition est basée sur les formes des mots, alors il n'est pas question d'une quelconque unification en termes de sens.

Avantages

un service en ligne
gratuit
pas besoin de s'inscrire

Défauts

interface étrange
algorithme de fractionnement basé sur les formes de mots

Collectionneur de clés

Le programme est bien connu de presque tous ceux qui ont été confrontés à la collecte de clés d'une manière ou d'une autre.

Le regroupement n'est qu'une petite partie de ce qu'elle peut faire.

Les demandes peuvent être regroupées par composition de phrases, par résultats de moteurs de recherche et en mode combiné. Le regroupement basé sur la recherche fonctionne par code de données collectées pour KEI. Il a fallu plusieurs minutes pour collecter des informations pour le groupe. Le regroupement lui-même a duré moins d'une minute.

Le meilleur regroupement a été obtenu avec les paramètres suivants :

Dans le premier cas, 381 phrases, soit 68 % du nombre total, ont été regroupées. Dans le deuxième cas, 403 ou 72%, ce qui est très bien.

Les cerises qui nous intéressaient par variété (iput, cœur de bœuf...) ne parvenaient pas non plus à figurer dans les variétés. Ils ont été séparés en groupes distincts. Ce qui, en général, n’est pas surprenant.

Les demandes restantes ont été plus ou moins regroupées. Résultat, nous avons un gain de temps de 72% (le reste doit être réalisé manuellement).

Avantages

interface claire
vous pouvez sélectionner les paramètres de regroupement
un tas d'autres options pour travailler avec les clés
prix raisonnable
excellent support technique

Défauts

version de bureau
Vous ne pouvez pas modifier les groupes résultants dans le programme - uniquement dans Excel
pour travailler, vous avez besoin d'un anti-gate, de proxys, de comptes - il n'y a pas de tels problèmes avec les services en ligne, ils prennent ces problèmes sur eux
une correction manuelle des clusters est requise

MegaLemma - automatisation de la compilation du noyau sémantique et des campagnes Yandex.Direct

Logiciel de bureau pour le clustering.

C’est difficile de se lever et de travailler. La convivialité est médiocre.

J'aimerais le normaliser. Cela me donne un message indiquant que je dois enregistrer le projet. N'est-il pas possible de sauvegarder le projet automatiquement ? Pourquoi devrais-je appuyer sur un bouton alors qu’un ordinateur peut le faire ?

Il n'est pas évident de savoir sur quoi cliquer pour démarrer le processus de regroupement. Il s’avère qu’il s’agit d’une « analyse de fréquence ».

L'analyse de 562 requêtes à l'aide des paramètres standard dans 7 threads et 7 proxys a pris environ 10 minutes. Il a fallu encore 5 minutes pour la normalisation.

Après la normalisation, on ne sait pas encore comment regrouper les mots dont j'ai besoin. J'ai trouvé l'information à la page 27 du manuel. Et merci pour ça.

Après tout, c'est la fonctionnalité principale du programme. Divisez les mots en groupes. Pourquoi les informations les plus nécessaires sont-elles si loin ? Eh bien, il serait utile de faire quelque chose comme un démarrage rapide. Pour le contexte et pour les sites séparément. J'ai réalisé qu'il y avait des différences dans le travail.

Je ne voulais pas terminer la tâche de regrouper mes requêtes ici. Le principal problème est le placement des accents dans l'interface du programme.

Cela ne sert à rien de l’utiliser uniquement pour le clustering. Je pense que toute la puissance du programme devrait être révélée lorsque travail à plein temps avec des clés. En commençant par nettoyer les requêtes des ordures et en créant des mots vides.

Avantages

il existe une version démo complète

Défauts

programme de bureau
Pour travailler, vous avez besoin d'un anti-gate et de proxys - il n'y a pas de tels problèmes avec les services en ligne, ils prennent ces problèmes sur eux
se combine sur la base de formes de mots, c'est-à-dire qu'il n'est pas nécessaire de parler de significations
la convivialité doit être améliorée

"Semyon-Yadren" - formation du noyau sémantique du site basé sur les moteurs de recherche

Un autre service à distance. Il y a eu beaucoup de relations publiques ces derniers temps.

Encore une fois, vous devez travailler avec le service via des intermédiaires. C'est-à-dire à travers les gens. Pas d'automatisation pour vous.

Vous devez d'abord soumettre un mémoire, puis attendre qu'ils vous contactent. Vous êtes d'accord sur les détails. Puis le paiement.

Ils ne voulaient pas faire de regroupement gratuitement, mais ils ont accordé une réduction de 50 %. En conséquence, le regroupement de 562 demandes m'a coûté 350 roubles (sans remise, ils en ont demandé 700). Le regroupement d'une demande coûte 60 kopecks (ou 1,2 roubles sans remise)

Encore une fois, il y a des problèmes de convivialité sur le site. Le bouton « soumettre le brief » est petit, blanc et invisible sur fond blanc. Je n'ai pas pu résister, désolé.

Ils ont refusé de dire comment et sur quelles bases le regroupement se fait. On ne le sait que sur la base de la délivrance d'un PS.

Le résultat des travaux a été envoyé en quelques heures. En plus des clusters eux-mêmes, ils ont envoyé 100 500 paramètres et fichiers supplémentaires. Même si je n'ai pas demandé. En principe, des informations utiles pour l’analyse. Mais il serait logique de séparer : si vous voulez juste du clustering, il y a un prix ; si vous voulez plus de goodies, il y a un autre prix. Parce que différents clients ont besoin d’informations différentes.

Voyons quels clusters nous avons obtenu :

taille des cerises comment tailler correctement les cerises taille des jeunes cerises cerises iput variétés de cerises variétés de cerises cerises cœur de taureau cerises valery chkalov cerisier verger de cerisiers

C'est déjà bien mieux ! Certaines variétés se sont retrouvées dans le regroupement par variété ! Certes, Valery Chkalov s'est perdu.

Avantages

a répondu rapidement
prêt à faire des réductions
un service en ligne
un tas d'informations supplémentaires différentes, y compris des tâches pour les rédacteurs (bien qu'ils écrivent que les tâches doivent toujours être accomplies individuellement)

Défauts

il y a un intermédiaire sous la forme d'une personne
les algorithmes sont un secret commercial complet
une correction manuelle des clusters est requise

Résultats

Un tableau récapitulatif des fonctionnalités et des coûts est disponible ci-dessous.

Outil	Prix	Algorithme de clustering	Format	Heures d'ouverture	Coût de regroupement de toutes les demandes	Coût du regroupement d'une demande
	—
	gratuitement	basé sur la délivrance de PS	en ligne	Quelques minutes	gratuitement	gratuitement
	payé	basé sur la délivrance de PS	en ligne	moins d'une minute + deux jours	309 roubles.	60 kopecks
	payé	basé sur des formes de mots	en ligne	moins d'une minute	gratuitement	gratuitement
	1 700 roubles.	basé sur des formes de mots + basé sur la sortie PS	ordinateur de bureau	Quelques minutes	—	—
	3 000 roubles.	basé sur des formes de mots et des lemmes	ordinateur de bureau	Quelques minutes	—	—
	payé	basé sur la délivrance de PS	en ligne	quelques minutes + quelques heures	350 roubles. (700 RUB sans réduction)	60 kopecks (1,2 roubles sans remise)
Vous trouverez ci-dessous des services qui n'ont pas été inclus dans l'examen principal de cet article, mais qui ont été suggérés par les utilisateurs dans les commentaires ou les représentants des services.
Topvisor.ru	payé	basé sur la délivrance de PS	en ligne	~7-8 minutes. pour 3000 demandes	—	à partir de 30 kopecks

Par conséquent, nous ne disposons pas encore d’un outil qui regrouperait de manière entièrement automatique les requêtes nécessaires sans erreur.

Les meilleurs résultats ont été montrés(à en juger par les variétés de cerises) Semparser.ru et Seo-case.com. En termes de coût, nous obtenons respectivement 48 kopecks contre 1,2 roubles. La différence est presque trois fois. Le coût supplémentaire de Seo-case, je pense, est dû aux informations bonus. Vient ensuite le collecteur de clés (puisque la personne qui gère les demandes en possède presque certainement une).

L'approche la plus approfondie en clustering, à mon avis, des gars de Just-magic.org. Donc dès que l’occasion se présentera, je le testerai certainement.

Quoi qu'il en soit, il vaut mieux travailler de ses mains que d'utiliser n'importe quel service et il est difficile de contester cela. Un peu plus cher, mais de bien meilleure qualité.

Ceci conclut la méga revue, chers amis ! Je suis sûr que vous avez aimé, alors je vous demande de laisser votre avis dans les commentaires, et si vous avez quelque chose à ajouter, alors encore plus, désabonnez-vous.

A plus tard, les amis !

Auteur: Alexeï Tchekouchine- SEO-Expert Kokoc.com (Kokoc Group), créateur du service Just-Magic.org

Dans mon article précédent : « », j'ai qualifié le clustering d'un des facteurs fondamentaux de réussite en promotion. Dans cette publication, j'explique en détail ce qu'est le clustering et comment l'appliquer correctement.

Qu’est-ce que le clustering ?

Il s'agit d'un regroupement automatique de requêtes qui résout deux problèmes importants :

Combiner des requêtes similaires (avec la même « intention »), quelle que soit leur similarité sémantique. (« intention » = intention de l’utilisateur). Par exemple, les requêtes « louer un appartement » et « louer des appartements » expriment la même envie de l’utilisateur.
Vérification de la compatibilité des requêtes promues : est-il possible de les promouvoir sur une seule page en haut de Yandex simultanément. Ceux. Est-il possible d'ajuster l'optimisation des pages pour toutes ces demandes ? Ou encore, certaines demandes nécessitent d'être placées sur une page séparée.

De toutes les méthodes existantes aujourd'hui, ces problèmes sont résolus le plus efficacement par ce qu'on appelle « regroupement par sommets", lorsque les demandes sont comparées par le nombre d'URL identiques dans le top 10 Yandex.

Parlons maintenant de chaque point plus en détail.

Combiner des demandes avec la même intention

Ce qui s'est passé demandes avec la même intention? Il s’agit de requêtes différentes dans lesquelles une personne recherche en réalité la même chose. Évidemment, les demandes " téléviseurs Samsung" Et " téléviseurs Samsung » doit être promu sur une seule page. Mais ce sont des choses évidentes.

Cependant, il existe aussi des exemples beaucoup moins évidents :

"vêtements de travail" - "vêtements de travail"
"hypothèque" - "prêt garanti par un appartement"
« prêteur sur gages automobile » - « prêt garanti par une voiture »

Sémantiquement, ces paires ne sont pas du tout similaires, mais en fait elles signifient la même chose. Les méthodes classiques de recherche de requêtes ayant une seule intention (intention de l'utilisateur) sont basées sur des synonymes. En règle générale, ils utilisent à cette fin dictionnaires de synonymes ou Yandex synonymes. Cependant, les deux méthodes présentent de sérieux inconvénients.

Si nous utilisons des dictionnaires de synonymes, nous y trouverons des connexions très étranges. Par exemple, selon l’un des dictionnaires les plus populaires, les synonymes de « téléphone portable » sont :

mobile
téléphone mobile
radiotéléphone
téléphone portable
téléphone portable
Téléphone
ami ébène

Le téléphone portable est définitivement un synonyme utile. Mais un « téléphone sans fil » est un type de produit complètement différent. Eh bien, qui est « l’ami ébène », on ne peut que le deviner.

La deuxième option pour rechercher des synonymes consiste à essayer de les « attraper » à partir des points forts de Yandex. Mais cela pose deux problèmes :

Premièrement, non seulement les synonymes sont mis en évidence, mais aussi d'autres mots. Par exemple, mis en évidence par la phrase clé « Téléphones portables» comprend non seulement le synonyme « mobile », mais aussi : « prix », « Moscou », « acheter », « catalogue », qui sont mis en avant pour d'autres raisons. En général, il s'agit d'un problème résoluble, il existe des solutions de contournement.

Deuxièmement, les synonymes dans Yandex sont non réciproque. Par exemple, l'entrée " Téléphones portables" est un synonyme de la requête "téléphones portables", et dans ordre inverseça ne marche plus. « Téléphones portables » ne sera pas synonyme de « téléphones portables », et ce point devient critique. Comment savez-vous que la requête « téléphones portables » est liée à la requête « téléphones portables » si le mot « cellulaire » n'est pas mis en surbrillance ?

Enfin, comment comprendrez-vous que les requêtes « bijouterie », « bijoux » et « bijoux » ont la même intention si, du point de vue de Yandex, elles ne sont pas synonymes ?

La solution au problème passe par le regroupement des requêtes par top. Trouver les mêmes URL en haut signale la même intention. Voici un exemple du fonctionnement du clusterer just-magic :

Il semble que le clusterer ait tout combiné correctement : les « téléphones portables » ont été placés dans un groupe avec les « téléphones portables » et les « bijoux » ont été placés dans un groupe où se trouvait une « bijouterie ». Pourquoi alors les « bijoux » se sont-ils retrouvés dans un groupe distinct, malgré le fait que le sujet ici est le même (cela peut être vu dans la colonne « spec-grp ») ?

La réponse à cette question est donnée dans la partie suivante de l'article.

Vérification de la compatibilité des requêtes promues

Pour promouvoir, nous devons non seulement collecter des requêtes similaires sur la page, nous devons également vérifier leur compatibilité.

Yandex n'a pas de formule de classement unique pour toutes les requêtes. Les demandes sont divisées en un grand nombre de types. Et les formules pour différents types de requêtes imposent souvent des exigences mutuellement exclusives sur une page pour se classer en tête. De plus, ces demandes sont souvent visuellement très similaires. Par exemple, les requêtes « smartphone » et « smartphones ». Le premier est à but non lucratif et géo-indépendant. La seconde est géodépendante commerciale. Comme vous pouvez le constater, dans ce cas le singulier et le pluriel sont incompatibles sur une même page !

Si vous pensez soudain que c'est logique, voici un autre exemple : les requêtes « ordinateur portable » et « ordinateurs portables ». Ils sont à la fois commerciaux et géodépendants et s’intègrent parfaitement sur une seule page.

Le commercialisme et la géodépendance ne sont que deux des signes les plus évidents. En fait, il y en a beaucoup plus. Par exemple, la recherche souhaite voir la page principale ou interne en haut pour une requête. Lorsqu'on ne connaît pas toute la variété des indicateurs, la seule façon de déterminer la possibilité d'une promotion conjointe des requêtes sur une page est de regarder s'il existe des URL qui s'affichent simultanément pour deux requêtes, et de compter combien il y en a.

La logique ici est la suivante :

Si les mêmes URL figurent en haut des requêtes, elles peuvent alors être promues sur une seule page.
S'il n'existe pas d'URL communes pour les requêtes, nous ne savons pas s'il est possible de promouvoir des requêtes sur une seule page. C'est très probablement impossible.

Et nous voilà confrontés à la question : comment combiner exactement les requêtes basées sur les tops ? Je fais la distinction entre deux méthodes : le clustering dit « doux » et « dur ».

L'image suivante explique clairement la différence entre eux :

Regroupement souple se résume à ceci : pour former un groupe, une requête « centrale » est prise et toutes les autres lui sont comparées par le nombre d'URL communes dans le top 10 de Yandex. Si le nombre d'URL communes dépasse le seuil, la demande est ajoutée au groupe.

À clustering dur les demandes sont regroupées dans un groupe uniquement s'il existe un ensemble d'URL communes à toutes les demandes, qui sont affichées pour toutes ces demandes dans le top 10.

Le clustering logiciel produit des groupes plus grands, mais commet souvent des erreurs en déterminant si les requêtes peuvent être promues ensemble sur une page.

Exemple classique: Imaginons qu'une requête ait été sélectionnée comme requête « centrale », pour laquelle il y a 5 pages principales et 5 pages internes en haut. Deux requêtes peuvent y être attachées, dont l'une a 10 "faces" en haut, l'autre - 10 "internes". Évidemment, sur ces trois demandes, nous ne pouvons en avancer que deux (selon le type de page que nous choisissons - d'accueil ou interne). Dans le cas d’un clustering dur, l’apparition d’un tel groupe est impossible.

Mais ce ne sont que des paroles. Passons aux estimations numériques.

Nous avons donc deux critères pour évaluer le clustering :

Dans quelle mesure le groupe de demandes est-il complet ? Autrement dit, si toutes les demandes ayant la même « intention » y étaient incluses. Pour 100 %, prenons la situation où toutes les requêtes ayant la même intention sont satisfaites.
Dans quelle mesure les demandes incluses dans le groupe sont-elles compatibles entre elles ? À 100%, nous prendrons la situation où toutes les requêtes incluses dans le cluster sont compatibles entre elles.

Le paramètre de clustering clé est le nombre minimum d'URL communes pour former un groupe. Ce numéro s'appelle " seuil de regroupement" Plus il est élevé, plus les groupes résultants sont précis, mais en même temps, leur taille diminue naturellement. Il a été déterminé expérimentalement que le seuil de fonctionnement minimum pour le clustering « dur » est de 3 URL, pour le « soft » - 4 URL. Cela ne sert à rien de travailler avec un plus petit nombre : trop de demandes « de gauche » finissent en groupes.

Voici un exemple de résultats pour différents seuils de clustering dur :

Utiliser le service just-magic.org, nous avons comparé deux méthodes de clustering sur des échantillons provenant de sujets différents. Ci-dessous un tableau récapitulatif :

Des comparaisons ont été faites entre les méthodes « douces » et « dures ». Pour le nombre d'URL qui se croisent de 3 à 6 (c'est le nombre minimum d'URL communes pour former un cluster).

Comme le montre le graphique, le clustering dur montre une très grande précision même à un seuil de 3 URL - 92 %. Pour que les lecteurs de l'article comprennent l'importance de ce chiffre, je vais donner un exemple : lorsqu'il est effectué par un optimiseur expérimenté sans outils, la précision sera d'environ 70 %, et si un spécialiste inexpérimenté prend en charge le travail, la précision ne sera pas dépasser 30 %. Dans ce cas, cependant, l’exhaustivité s’avère assez faible – seulement 40 %. Mais encore une fois, cela dépend de ce avec quoi vous comparez. Avec leurs mains, les optimiseurs gagnent un maximum de 20 %.

Le regroupement souple démontre de très bons indicateurs d’exhaustivité, mais la précision est « boiteuse des deux côtés ». Les valeurs acceptables pour la promotion ne sont obtenues qu'au seuil de « 5 », mais en même temps l'exhaustivité tombe à 23 %.

Est-ce que cela veut dire que cette méthode n'est pas applicable? Non. Tout dépend de votre tâche. Si vous êtes engagé dans la promotion du « trafic » et qu'il est important pour vous d'afficher autant de demandes que possible sur la page, quoi qu'il arrive, alors le clustering logiciel vous convient. C'est pourquoi, lorsque le hard clustering est apparu dans le service just-magic.org en janvier de cette année, le mode « soft » a été retenu pour le module « marqueurs ».

S'il est important pour vous d'afficher un certain ensemble de requêtes sur la page, alors votre choix est clair : uniquement un clustering dur, uniquement du hardcore. Un autre avantage du clustering dur est que les groupes résultants sont sans ambiguïté. Autrement dit, les requêtes qui aboutissent dans un groupe de 4 URL ne peuvent pas aboutir dans différents groupes de 3 URL (lors de l'utilisation du clustering logiciel, cela peut facilement se produire). Par conséquent, le clusterer Just-Magic affiche des groupes de 3, 4, 5 et 6 URL à la fois.

Il convient de noter séparément que si nous souhaitons effectuer une analyse de texte de la page à l'avenir, il est alors permis d'utiliser uniquement le clustering dur. Le fait est que toute analyse de texte pour un groupe de requêtes pour une page est très strictement corrélée à la qualité de ce groupe. Seul le clustering dur fournit des groupes de la qualité requise.

Résumons-le

Alors, quels sont les avantages du clustering ?

Premièrement, cela accélère le processus d’analyse des gros noyaux. Auparavant, cela prenait des semaines et des mois de travail. À l'aide d'un clusterer, l'optimiseur le fait en quelques heures.

Deuxièmement, c'est l'opportunité de répartir les requêtes sur les pages de manière à pouvoir les promouvoir simultanément. Il n'y a pas d'alternative « manuelle » au clustering ici - même un optimiseur expérimenté effectue jusqu'à 30 % d'allocations erronées s'il agit « à l'œil nu ».

Sur la base du deuxième point, il devient clair que le clustering doit être utilisé lors de la promotion Toujours. Même si le noyau contient moins de 100 requêtes, vous ne pourrez pas répartir correctement les requêtes sur les pages « à l'œil nu ». Les seules exceptions peuvent être des sujets à concurrence ultra faible, où le regroupement par tops cesse de fonctionner en raison du manque de réponses pertinentes dans les tops.

Si vous êtes engagé dans la promotion du « trafic », vous pouvez utiliser des méthodes de clustering « douces » et « dures ». Si vous effectuez une promotion « positionnelle », lorsqu'il est important de placer toutes les requêtes en haut, alors seule la méthode « dure » convient. Aussi, seul le mode « dur » est compatible.

Utilisez le clustering dans votre travail, et vous trouverez le bonheur et l'harmonie, et les requêtes dont vous faites la promotion sont garanties d'atteindre le sommet !

Dans l'épisode d'aujourd'hui de On the Board, nous parlons de la sémantique et de la structuration des mots-clés pour le site.

À propos de ce qu'est le clustering du noyau sémantique. Pourquoi avez-vous besoin de regrouper et comment pouvez-vous le faire ?

Il en parle Oleg Chestakov, fondateur de Rush Analytics.

La vidéo s'est avérée assez volumineuse. Il contient les principales nuances associées au clustering.

Passons au visionnage de la vidéo :

Photo du tableau :

Important: Si vous avez des questions, n'hésitez pas à les poser dans les commentaires. Oleg se fera un plaisir d'y répondre.

Transcription vidéo

1. Qu'est-ce que le clustering ?

Le clustering utilisant la méthode de similarité supérieure est un regroupement de mots-clés basé sur une analyse des résultats des moteurs de recherche. Comment cela peut-il arriver?

Nous prenons en charge deux requêtes, par exemple « brillant à lèvres » et « acheter du brillant à lèvres ».
Nous collectons les résultats de recherche pour chaque demande, enregistrons 10 URL de chaque résultat de recherche et vérifions s'il existe des URL communes dans les deux résultats.
S'il y en a au moins 3 à 5 (en fonction de la précision de clustering que nous spécifions), alors ces requêtes sont regroupées.

2. Pourquoi faire du clustering ?

Pourquoi la tendance au clustering est-elle présente sur le marché depuis environ un an et demi maintenant ? Pourquoi est-ce important et en quoi cela peut-il aider ?

Gagner du temps. Le clustering est une technologie merveilleuse qui aidera à réduire la routine lorsque l'on travaille avec des regroupements sémantiques. Si un spécialiste du noyau sémantique ordinaire analyse 100 000 mots-clés, les séparant en groupes, pendant environ 2 à 3 semaines (ou même plus si la sémantique est complexe), alors un clusterer peut les séparer par ordre de priorité en une heure environ.

Vous permet d’éviter l’erreur de promouvoir différentes demandes sur une seule page. Yandex dispose de classificateurs qui évaluent les requêtes commerciales. Par exemple, les résultats des demandes d'informations et des demandes commerciales sont complètement différents. Les requêtes « brillant à lèvres » et « acheter du brillant à lèvres » ne peuvent jamais être placées sur la même page.

1) Pour la première demande (« lip gloss ») il existe des sites d'information (recommande, Wikipédia). Une page d'information est nécessaire pour cette demande.

2) Pour la deuxième demande (« acheter du brillant à lèvres ») - ressources commerciales, boutiques en ligne bien connues. Cette demande nécessite une page commerciale.

Autrement dit, différents types de pages sont nécessaires pour différentes demandes. Une erreur courante commise par un optimiseur est de promouvoir tout ensemble sur une seule page. Il s'avère que la moitié du noyau sémantique entre dans le TOP 10, et l'autre moitié ne peut pas y arriver. Le clusterer vous permet d'éviter de telles erreurs.

Pour éviter que cela ne se produise, vous devez dans un premier temps regrouper correctement les requêtes par type de page dans les résultats de recherche.

3. Comment le clustering aide-t-il à la promotion ?

vitesse de traitement des données,
classification des pages pour lesquelles la promotion est effectuée.

Si la structure du site est regroupée et que l'optimisation interne est effectuée correctement, cela représente déjà la moitié de la bataille si nous parlons du marché russe. Naturellement, des liens seront nécessaires pour les marchés occidentaux. D'après notre expérience, environ 50 à 60 % des requêtes avec un clustering approprié et une optimisation de texte appropriée atteignent simplement le TOP sans aucune intervention externe. Pour les boutiques en ligne ou les petites annonces (agrégateurs et portails), en principe, les textes ne sont même pas nécessaires.

Le clustering est la clé d’un classement correct. Pour le moment, cela ne sert à rien de lutter contre les classements des moteurs de recherche, mais il est plus facile de s'adapter à ce classement, de saisir les types de pages nécessaires et de promouvoir avec succès. Changer le paradigme de la promotion d’un sujet particulier est plus irréaliste que réel.

4. Quelles sont les méthodes de clustering ? (Dur doux)

Doux - c'est ce qui a été décrit précédemment. Une demande de marqueur d'une catégorie d'une boutique en ligne est prise en compte, d'autres demandes y sont liées et les résultats sont comparés. « acheter du brillant à lèvres », « acheter du brillant à lèvres à Moscou », « acheter des prix de brillant à lèvres » - ils ont 4 à 5 liens avec la demande principale.

Ces demandes sont liées. Ceci termine la vérification, un groupe de mots-clés est obtenu et il peut être promu.

Mais il existe des sujets plus compétitifs, par exemple les fenêtres en plastique. Ici, vous devez vérifier que toutes les requêtes liées au principal peuvent être promues les unes avec les autres.

Nous devons comparer s'il y a des résultats pour ces requêtes

même URL. Nous comparons les résultats non seulement avec la demande principale, mais également entre eux. Et nous regroupons uniquement les demandes qui peuvent être liées les unes aux autres.

Dans la plupart des cas, le clustering logiciel est suffisant. Ce sont des boutiques en ligne (catégories peu compétitives), des ressources d'information.

5. Clustering dans Rush Analytics

Nous disposons d'un module de clustering et de 3 types de clustering :

Selon Wordstat. La méthode la plus simple et la moins longue du point de vue de l'optimiseur. Idéal pour les situations où l’on ne sait presque rien de la structure du site.

1) Dans Excel, chargez les mots-clés dans une colonne, la fréquence selon Wordstat dans une autre et envoyez-les pour regroupement.

2) On trie toute la liste par ordre décroissant : les mots les plus fréquents (généralement les plus courts) sont en haut.

3) L'algorithme fonctionne comme ceci : nous prenons le premier mot, essayons de lui lier tous les autres mots et le regroupons. Nous découpons tout ce qui s'est attaché, le trions à nouveau et répétons cette itération.

4) À partir de la liste de mots-clés, nous obtenons un ensemble de clusters.

Par marqueurs

Convient aux sites où la structure est définie. Fonctionne très bien dans le commerce électronique (par exemple, les boutiques en ligne).

1) Nous connaissons la demande de marqueur (la requête principale de la page ou plusieurs requêtes sous lesquelles elle est promue).

2) Nous prenons une liste de mots-clés, dans la colonne de droite, nous marquons les requêtes marqueurs avec des uns et toutes les autres requêtes avec des zéros.

3) Nous prenons un mot-clé marqueur et essayons d’y lier d’autres mots-clés et de les regrouper en clusters. Il est important ici que dans cet algorithme, les mots marqueurs que nous avons marqués ne soient jamais liés les uns aux autres. Nous n'essaierons pas de les attacher.

Clustering combiné

Cet algorithme combine les deux précédents

1) Nous chargeons les mots-clés, marquons « jeton/non-jeton » et la fréquence.

2) Nous lions tous les mots que nous pouvons lier aux requêtes de marqueur.

3) Nous prenons les mots-clés qui restent non liés et les regroupons à l’aide de Wordstat.

4) Tout le reste sera classé comme « non clusterisé ».

5) En conséquence - une structure que nous connaissons déjà. Nous obtiendrons également un regroupement automatique de tous les autres mots-clés, ce qui nous aidera à élargir la structure. Tous ces types de clustering sont disponibles dans Rush Analytics.

Quels autres outils existe-t-il sur le marché ?

Parmi les plus dignes, outre Rush Analytics, nous pouvons souligner le service JustMagic, où il existe à la fois un clustering Hard et Soft. Le service a été développé par Alexey Chekushin.

C'est tout ce que vous devez savoir sur le clustering pour démarrer avec le regroupement de mots clés.

Utilisez le clustering et gagnez du temps. De plus, les gens font souvent des erreurs : le taux d'erreur de l'optimiseur est d'environ 15 %. Confiez la routine aux robots – pas besoin de la régler à la main.

Avis d'experts

Topvisor est l'un des outils les plus dynamiques du marché promotion sur les moteurs de recherche. En se développant progressivement, l'équipe augmente régulièrement le nombre de services utiles aux spécialistes SEO.

L'un des modules les plus intéressants est le regroupement rapide des requêtes de recherche basé sur la similitude des SERP.

Notre société n'a pas migré vers Topvisor sur la base d'une quelconque recommandation. Nous avons testé différents services de suivi de position et avons été impressionnés par la réactivité du développeur.

C'est bien lorsque vos suggestions sont mises en œuvre et facilitent la vie et le travail. Et au fil du temps, cette capacité d’écoute et de mise en œuvre n’a pas disparu. C'est très cool!

Je cherchais depuis longtemps un service pratique pour vérifier les positions, j'ai beaucoup essayé ! Vous n'avez pas aimé une chose, puis une autre... Dans Topvisor, vous pouvez tout personnaliser vous-même, et caractéristiques supplémentaires rend-nous encore plus heureux.

Certainement un incontournable ! J'espère qu'il y aura d'autres développements !

Nous avons essayé de nombreux services concurrents et avons choisi Topvisor pour sa qualité. Et aussi pour la précision et la rapidité du contrôle des positions. Nous testons maintenant tous les nouveaux outils et les implémentons dans notre flux de travail.

Je suis particulièrement satisfait de la réactivité de l’équipe de service et de la mise en œuvre rapide des idées et des souhaits des utilisateurs.

Lorsqu’une fois de plus je n’ai pas pu ouvrir KeyCollector sur un Mac, Topvisor m’a sauvé. Ici, j'ai rapidement obtenu une série de données sur la sémantique pour une étude importante. Aussi, si nécessaire, j'utilise Topvisor pour vérifier les positions des sites clients, ce qui est très pratique.

Les créateurs du service connaissent bien les besoins du marché et font donc tout leur possible pour automatiser de nombreuses tâches, parfois peu appréciées. Service agréable et pratique.

Un incontournable dans l’arsenal des optimiseurs.

Pour un homme qui a bâti sa réputation sur la sémantique, il est extrêmement important de toujours disposer de données précises ; Cela s'applique au clustering, à la lecture de position et à l'analyse. Dès les premiers jours, Topvisor s'est fixé un niveau de travail élevé par rapport au marché et confirme chaque jour son leadership.

En plus de la commodité et de la précision des outils de service, je tiens à souligner le travail réactif du service support et de la direction !

Topvisor m'a impressionné par sa réflexion et sa polyvalence. Tant de petites choses ont été prises en compte à l’avance. Je travaille souvent avec les interfaces de divers services de référencement, je teste beaucoup, mais je n'ai encore vu ce niveau de convivialité nulle part ailleurs.

L'aide détaillée, la convivialité et l'efficacité du support sont impressionnantes.

Il est très pratique d'y travailler - supprimez-le et agrandissez-le. core, faire du clustering, contrôler les positions des sites et des pages sur les réseaux sociaux et vidéos, les chaînes Youtube, surveiller les concurrents, analyser l'optimisation de votre site. Il s’est avéré que les prix sont très abordables pour le travail. Je ne veux certainement pas quitter ce service.

J'utilise Topvisor depuis longtemps - dès les premières semaines de son existence - depuis 2013. Et pour être honnête, j'ai juste décidé de tester un autre service pour vérifier les positions, parce que... À cette époque, celui actuel était en baisse constante et le support technique ne répondait pas du tout.

Et le support Topvisor a répondu en 2 minutes, même sur Twitter, et ce qui était très agréable, c'est que bon nombre de mes suggestions d'amélioration ont été mises en œuvre presque le même jour.

Au moment de la rédaction de cette critique, j'ai environ 270 tickets clôturés et de nombreuses fonctionnalités sont venues de ma main légère. Il semblerait, qu'est-ce que le support du service de vérification de position a à voir avec cela ? Il s’avère que c’est la partie la plus importante. car tout pépin, tout oubli est corrigé rapidement et si un excédent est prélevé sur le compte, il est indemnisé. Qu’en est-il de la stabilité ? Tout va bien aussi (enfin, sauf le déploiement de nouvelles fonctionnalités). Pendant plus de 3 ans avec Topvisor, j'y ai téléchargé une centaine de projets différents avec des noyaux sémantiques de 10 à 5000 requêtes et il n'y avait presque aucun moment où le projet n'était pas supprimé à temps ou où quelque chose arrivait aux données.

Topvisor est un service stable et rapide pour travailler avec la sémantique, qui fait, sinon tout, du moins presque tout : Wordstat, AdWords, astuces, regroupement et clustering de requêtes, analyses excellentes et compréhensibles, intégration avec le webmaster, métriques, GA. De plus, il existe un tas et un petit panier de services associés, comme le suivi des modifications sur le site ou un gestionnaire d'enchères pour le contexte. J'utilise toutes ces fonctionnalités au maximum dans presque tous les nouveaux projets.

Si vous choisissez un service de suivi des positions et d'autres tâches de référencement, je vous recommande de regarder de plus près Topvisor.

Il s'agit de toute une gamme d'outils utiles : de la vérification des positions à la collecte d'extraits et d'instantanés. Résultats de rechercheà une analyse technique détaillée du site. De la sélection de mots, à la collecte de suggestions de recherche, au regroupement par pertinence et au regroupement en utilisant trois méthodes différentes.

Capable de travailler et de s'intégrer avec Yandex.Metrica, Y.Webmaster, Google Analytics et Google SearchConsole. Un véritable service d'analyse de recherche.

Topvisor se développe constamment et de manière dynamique, de nouveaux outils apparaissent régulièrement et les fonctionnalités actuelles s'étendent. L'interface est pratique, intuitive et très bien pensée par les développeurs du service. Votre attention s'il vous plaît Attention particulière des documents de référence détaillés sur les outils et les capacités de Topvisor. Je suis sûr que même les débutants n'auront aucun problème ni question avec l'ouvrage après l'avoir lu.

Nous avons commencé à utiliser Topvisor en septembre 2014 comme service de sauvegarde pour les outils internes de surveillance et d'analyse. Au fil du temps et du développement du projet, certaines fonctionnalités des éléments internes ne sont pas complètement développées de notre côté.

Nous utilisons uniquement le module de positions, nous obtenons des statistiques à l'aide d'une API pratique, avec laquelle Power BI/Query fonctionne bien pour visualiser des rapports prêts à l'emploi sur les paramètres du nombre et de la dynamique des requêtes dans le TOP-3..100+ pour le période de temps requise.

Il est pratique que le service utilise un flux de documents non monétaire via Diadoc, et les factures toutes faites une semaine avant la date de règlement permettent de gagner beaucoup de temps. Topvisor propose l'élément le plus important en matière de service client, outre le fonctionnement des éléments techniques : un excellent support. Réponse aux demandes dans un délai de 5 à 10 minutes, désir visible d'aider et de comprendre le problème et d'améliorer les fonctionnalités. Ainsi, les villes russes ont désormais des couleurs différentes sur leurs graphiques dans leurs statistiques, ainsi que quelques captures d'écran supplémentaires dans l'aide.

Lorsqu'il existe déjà une liste de requêtes, il ne s'agit pas encore d'un noyau sémantique : il faut d'abord disperser les requêtes sur les pages afin d'avoir une idée de la façon de remplir le site. Sans une bonne sémantique, il sera très difficile d’obtenir du trafic provenant des recherches.

Qu'est-ce que le clustering de requêtes

Le clustering de requêtes est précisément la répartition des requêtes de recherche sur le même sujet en groupes pour promouvoir une page de destination.

Le clustering comprend les processus suivants :

regrouper les requêtes en fonction des intentions de l'utilisateur (intent) ;
vérifier la compatibilité des requêtes clés pour la promotion sur une page du haut Yandex.

Demandes avec le même intention- ce sont des demandes différentes à travers lesquelles une personne recherche en fait la même chose. Un exemple évident est les requêtes [Parker pen] et [Parker pen]. La situation est plus compliquée avec des synonymes tels que : [lampe de table] - [veilleuse], [acte de naissance] - [métrique], [moniteur] - [écran]. La difficulté est que lors de la recherche de synonymes clés via le dictionnaire Yandex, le système n'offre pas toujours une sélection adéquate.

En pratique, des requêtes similaires peuvent avoir beaucoup de différentes caractéristiques, c'est pourquoi ils ne peuvent pas être placés sur une seule page. Le regroupement des requêtes par top vient à la rescousse. Le clusterer trouve des URL identiques dans les principaux résultats des moteurs de recherche, signalant ainsi la présence de la même intention. Le résultat des travaux s'exprime comme suit :

la présence d'URL identiques en haut des requêtes signifie la possibilité de les promouvoir sur une seule page ;
L'absence d'URL communes indique, avec une forte probabilité, l'impossibilité d'une telle promotion.

Pourquoi le clustering est nécessaire

Avec l'aide de clusterers automatiques, vous pouvez regrouper rapidement même les plus grands noyaux sémantiques. Si auparavant il fallait des semaines et des mois pour démonter le noyau, grâce aux clusterizers, le travail est réduit à quelques heures. Un gros avantage du clustering est la répartition des requêtes sur les pages de manière à pouvoir les promouvoir simultanément. Il est difficile d'imaginer un analogue manuel du clustering de haute précision, car même un optimiseur expérimenté effectue jusqu'à 30 % d'allocations erronées. Il s’ensuit que le regroupement de mots clés est nécessaire dans presque tous les cas.

Quand j'étais webmaster-théière, je créais un site internet où il y avait un article séparé pour chaque demande. Bien sûr, il n’a reçu aucun trafic – ce n’était qu’un échec. Et c'est un problème pour de nombreux débutants : requêtes incorrectes ou clustering incorrect.

Méthodes de clustering

Lors du regroupement de requêtes, une incertitude surgit dans la méthodologie permettant de les combiner en fonction des sommets. En pratique, il existe deux méthodes principales : le clustering « soft » et « hard ».

Le soft clustering repose sur la formation d’un groupe à partir d’une requête « centrale ». Tous les autres sont comparés à lui en fonction du nombre d'URL communes dans le top 10 de Yandex. Le clustering logiciel forme des groupes d'une taille assez importante, mais des erreurs se produisent souvent lors de la détermination de la possibilité de promouvoir conjointement des requêtes sur une page.

Le clustering dur se caractérise par la combinaison de requêtes dans un groupe lorsqu'il existe un ensemble commun d'URL pour toutes les requêtes, qui apparaît dans le top 10 pour toutes ces requêtes.

Il existe deux critères pour évaluer le clustering :

exhaustivité– le nombre de requêtes dans le groupe qui ont la même « intention ». Si toutes les demandes ayant la même intention appartiennent à un seul groupe, le taux d’exhaustivité est de 100 %.
Compatibilité requêtes entre elles qui entrent dans le même groupe. Le cas où toutes les requêtes incluses dans le cluster sont compatibles entre elles est considéré comme 100 %.

Un paramètre tel que « seuil de regroupement" Il s'agit du nombre minimum d'URL communes pour former un groupe. Un grand nombre signifie une grande précision des groupes, mais en même temps, leur taille diminue naturellement. L'expérience de l'utilisation des clusterers sémantiques montre que le seuil de fonctionnement minimum pour le clustering « dur » est de 3 URL, pour le clustering « soft » de 4 URL.

Même avec un seuil de 3 URL, le clustering dur offre une précision supérieure à 90 %. A titre de comparaison : sans utiliser d’outils, la précision du travail d’un optimiseur expérimenté sera, au mieux, de 70 %, et pour un débutant – pas plus de 30 %. Malgré sa grande précision, la méthode « dure » ne fournit qu’un taux d’exhaustivité d’environ 40 %.

Le clustering logiciel a un indice d'exhaustivité élevé, mais perd considérablement en précision. Ainsi, les méthodes « douces » et « dures » sont inversement proportionnelles l’une à l’autre. L'utilisation d'une méthode ou d'une autre dépend des objectifs du processus d'optimisation.

Pour la promotion du « trafic », lorsqu’il est important d’afficher un maximum de requêtes sur la page, le soft clustering est mieux adapté. Si une promotion « positionnelle » est réalisée, alors le plus dur a le dernier mot.

Le clustering dur est également utilisé dans l'analyse du texte d'une page. Toute analyse de texte pour un groupe de requêtes sur une page est assez strictement corrélée à la qualité de ce groupe. Seule la méthode « dure » permet d'obtenir des groupes de la qualité requise.

Comment regrouper le noyau sémantique

Je fais généralement du clustering en deux étapes. Dans la première étape, je lance le noyau dans un service/programme de clustering automatique, et dans la deuxième étape, je termine le noyau manuellement. Via Excel. Voici quelque chose comme ces gars-là :

Dans ces vidéos, il est fondamentalement clair comment effectuer une finition manuelle, mais en ce qui concerne les clusterers automatiques, chacun choisit ce qu'il préfère.

Semparseur

Le groupeur de requêtes automatique de Topvisor est une alternative à Rush Analytics et Semparser, et son interface est similaire à cette dernière. Il existe un certain degré de regroupement et d'enregistrement du projet dans un fichier Excel.

Le clusterer Topvisor a une opération de « regroupement ». Après son application, le nombre de groupes augmente et le nombre de demandes y diminue sensiblement. Cette fonction est utile pour ceux qui ne sont pas satisfaits du clustering logiciel et préfèrent utiliser l'option matérielle.

Le « regroupement » ici est payant, même s'il ne coûte pas plus de quelques roubles.

L'avantage de Topvisor repose sur sa vitesse de regroupement élevée. Le clusterer distribuera le noyau sémantique de 1000 requêtes en quelques minutes. Inconvénients : coût de regroupement élevé et, bien sûr, nécessité d'une édition manuelle.

Regroupement via Key Collector

Un autre exemple de clusterer automatique est présenté sous forme d'outil en ligne sur le site coolakov.ru. Les demandes sont divisées en groupes en fonction de la similitude du top 10 Yandex.

Le plus : service en ligne gratuit.
Inconvénients : faible précision de regroupement, manque de téléchargement vers un fichier.

Pour résumer, vous pouvez opter en toute confiance pour les clusterers automatiques proposés par différents services en ligne. Mais malheureusement, le fonctionnement de tout clusterizer nécessite une modification manuelle.