Clustering permintaan utama. Clustering dari kernel semantik dan mesin pencari

Daftar (Breaks) Queries Clustering kernel semantik (SIA), pada grup dengan yang serupa, yang memungkinkan untuk mengoptimalkan halaman situs untuk lebih mengoptimalkannya.

Bagaimana cluster permintaan?

Alat ini menganalisis penerbitan Yandex pada setiap permintaan dan membandingkannya dengan penerbitan permintaan lain dari daftar. Jika halaman yang sama yang sama berlokasi di 10 besar, permintaan ini didefinisikan sama dan ditempatkan dalam satu grup. Ini berarti Anda dapat mengoptimalkan satu halaman.

Meminta ambang batas cluster. Ini adalah jumlah halaman yang sama yang relevan dalam ekstradisi, pada permintaan yang berbeda. Sederhananya, jika Anda memasukkan dua permintaan ke yandex dan 10 teratas akan menjadi dua halaman yang identik (dua dari sepuluh), maka ketika mengatur "ambang batas 2" ", dua permintaan ini akan ditempatkan dalam satu grup.

Kontra dari pengelompokan permintaan manual

Mengelompokkan permintaan utama, juga dikenal sebagai gangguan, dilakukan Seo Optimizers. Segera setelah mengumpulkan.

Dengan sejumlah besar permintaan, sulit untuk mode manual Tentukan kesamaan mereka di antara mereka sendiri, perlu untuk memasukkan setiap permintaan dalam pencarian, atau mengandalkan intuisi / pengalaman, yang dapat memainkan lelucon yang tajam saat mempromosikan dan tidak memberikan hasil yang diperlukan.
Biaya tinggi, yang terbentuk karena durasi proses. Kerusakan semantik berkualitas tinggi dengan 500 permintaan di atas kapal rata-rata 4..16 jam. Perlu untuk mengurangi setiap permintaan, untuk menentukan kelompoknya (keberadaannya harus disimpan di kepala), jika perlu, ulang dengan mencari atau melayani ... BRRR.

Kelompok Penjeluasaan Kueri Otomatis

Kecepatan kerusakan kira-kira sama dengan kecepatan suara. Sistem akan memeriksa penerbitan setiap permintaan, membandingkannya dan akan memberikan kesempatan untuk memperbaiki kemungkinan pengecualian kecil secara manual, setelah itu hasilnya dapat diturunkan ke dalam File CSV. (Unggul).
Keakuratan hasilnya tersedia dengan menghilangkan faktor manusia. Seseorang dapat mengalihkan perhatian dan kehilangan pikiran, untuk melupakan, tidak menerima atau hanya tidak dapat membuat kerusakan dengan benar, dengan program kesulitan seperti itu tidak diamati.
Alat ini sepenuhnya disediakan berdasarkan; Itu tidak membutuhkan bulanan upah, hari libur, rumah sakit; Dia juga tidak memiliki jadwal pekerjaan: 24/7 bekerja.

Breakdown adalah proses yang sangat penting ketika mempromosikan, ia menetapkan tujuan untuk mengoptimalkan setiap halaman proyek dan seluruh situs secara keseluruhan.

Hari ini kita akan berbicara tentang proses penting dalam mempersiapkan penciptaan konten untuk situs, seperti pengelompokan kernel semantik. Pengelompokan permintaan utama dari nukleus dalam kelompok sehingga setiap kelompok sesuai dengan halamannya sendiri. Setelah mengumpulkan kata kunci. Untuk proyek, mereka adalah daftar tanpa struktur dan hierarki apa pun. Dalam daftar permintaan yang sangat mirip satu sama lain, dan yang berbeda secara signifikan dalam makna.

Clustering menyediakan untuk pengelompokan kueri untuk relevansi maksimal dengan satu halaman. Klasterisasi dilakukan baik dengan tangan dan secara otomatis menggunakan berbagai layanan yang ada di Internet. Mari kita pertimbangkan semua teknik yang dimungkinkan untuk menerapkan permintaan mendistribusikan dan mengelompokkan dari halaman situs.

Konten artikel:

Pengelompokan manual permintaan inti situs

Meskipun itu cukup memakan waktu dan membutuhkan banyak waktu, adalah pengelompokan kualitas tertinggi. Cocok untuk proyek kecil ketika jumlah tombol tidak terlalu besar. Jika tombolnya beberapa ribu, maka lebih baik melakukan pengelompokan otomatis, dan kemudian memperbaiki hasil dengan tangan Anda.

Itu dilakukan dengan sederhana. Tombol dikumpulkan dalam kelompok yang terpisah dalam makna. Menjadi lebih jelas, saya akan memberikan contoh. Ada kata kunci yang dikumpulkan untuk proyek informasi pada bayi. Anda perlu membagi seluruh kernel semantik pada kelompok-kelompok pada penyakit individu untuk menulis tentang mereka dan tentang metode memperlakukan artikel tertentu.

Memilih dari massa kunci yang dikumpulkan atas permintaan "Bayi", mereka yang mengandung kata "tremor", kami akan mengumpulkan cluster kunci, di mana semua permintaan yang berkaitan dengan tremor pada bayi. Mereka yang perlu digunakan dalam menulis artikel tentang penyakit.

Dalam pengelompokan manual, Excel atau Google Table yang biasa akan membantu mengurutkan, memfilter, dan menyoroti garis-garis yang diinginkan dan kata-kata di dalamnya. Juga ada layanan gratisMemfasilitasi pengelompokan manual. Ini, misalnya, layanan kata kunci yang memungkinkan Anda menyoroti tombol yang diinginkan dari beberapa klik. daftar Umum Dan menempatkan mereka dalam grup.

Clustering Permintaan Otomatis - Layanan Online

Clustering otomatis berkinerja sesuai dengan algoritma tertentu. Dia melakukan hal yang sama dengan seseorang. Dari keunggulan, perlu menyoroti kecepatan kerja ribuan kali lebih cepat daripada manual, serta analisis kata kunci dan posisi mereka dalam hasil pencarian.

Dari minus - kurangnya pemikiran logis dari algoritma, karena yang seringkali tidak benar untuk dimasukkan dalam kelompok dalam kelompok. Juga, permintaan yang jelas mungkin tidak dimasukkan dalam satu kelompok. Contoh, permintaan "Bagaimana cara mengenakan anak pada suhu rendah di jalan" dan "suhu 39 pada anak" adalah pertanyaan yang berkaitan dengan kelompok yang berbeda, tetapi algoritma lebih sering disatukan dalam satu.

Semua sama, setelah pengelompokan otomatis, kernel semantik harus disempurnakan dengan tangan, memimpinnya ke bentuk yang sempurna. Dari kualitas pengelompokan langsung tergantung pada optimalisasi situs lebih lanjut.

Untuk pekerjaan otomatis, saya merekomendasikan layanan ini Rush Analytics.yang merupakan alat yang ampuh untuk membantu pengoptimal. Cukup untuk menambahkan semua permintaan utama dan program ini mengelompokkannya secepat mungkin. Satu-satunya minus - layanan ini cukup mahal dan jika Anda memerlukan penggunaan satu kali, lebih baik untuk menemukan pengoptimal dengan berlangganan. Untuk seratus dan rubel lainnya, ia menambahkan kunci untuk menjalankan layanan.

Sumber daya berikut relevan: SEO Intellect, Keyassistant.

Fitur Semantik Clustering untuk Situs Komersial

Jika semuanya jelas dengan permintaan proyek informasi. Di sini kita memiliki hentikan kata-kata adalah semua frasa komersial dengan kata untuk membeli, memesan, dll., Kemudian dengan komersial tidak semuanya sangat tidak ambigu. Perlu sedikit untuk memperhatikan bagaimana lebih baik mengelompokkan kunci, misalnya, untuk toko online.

Misalnya, toko elektronik akan menjual televisi. Ada banyak permintaan dengan kata TV dan kita perlu mengkelompokkannya. Semua permintaan milik komersial, ketik "beli televisi Samsung."," Beli TV Diagonal 43 ", kami mendistribusikan cluster Anda: sesuai dengan merek, diagonal atau properti lainnya.

Tetapi permintaan informasi seperti "bagaimana memilih tV yang bagus"Atau" TV mana yang baik pada 2017 "Kami mengurutkan secara terpisah dan dalam struktur situs yang kami sediakan untuk bagian blogging, di mana kami akan memberi tahu pengguna tentang memilih atau keunggulan dari teknik ini atau itu. Jadi kami dapat menarik lebih banyak lalu lintas karena dan permintaan informasi.

Seperti yang Anda lihat, pengelompokan kernel semantik itu mudah, hanya membutuhkan waktu yang cukup. Tetapi itu adalah salah satu pilar dalam mempersiapkan peluncuran proyek.

Baca artikel tentang topik ini:

Diriim 200 membatasi akun untuk mencoba!

Clustering Kata Kunci. - Ini adalah distribusi query otomatis pada kelompok penerbit mesin pencari.

Algoritma clustering rush analytics akan mengumpulkan top10 yandex atau Google url untuk setiap kata kunci Anda, membandingkan hasil untuk setiap permintaan kata kunci dan persis bagaimana mereka akan berhasil maju di mesin pencari, dan bagaimana itu akan nyaman dan secara logis membuat halaman pada situs.

Dalam analitik terburu-buru, pengelompokan dapat diadakan dalam dua metode: lunak dan keras

Setelah pemrosesan permintaan, Anda akan mendapatkan hampir siap dan terbentuk dengan benar, dari sudut pandang mesin pencari, struktur situs. Dan berdasarkan data frekuensi untuk setiap kelompok kata kunci, Anda dapat dengan mudah memutuskan untuk membuat halaman tambahan di situs.

Lihat Panduan Video Tutorial Video

FAQ pada Clustering: Pertanyaan paling sering dari pengguna kami

Clustering - Pengelompokan Kata Kunci berdasarkan Perbandingan Mesin Pencari. Algoritma akan merakit URL TOP10 sesuai dengan kata kunci Anda, membandingkan hasil untuk setiap kata kunci dan permintaan groule persisbagaimana mereka akan berhasil maju di mesin pencari, dan bagaimana itu akan nyaman dan secara logis membuat halaman di situs

Anda perlu mengunduh daftar kata kunci dalam rush analytics dan frekuensinya (apapun) atau untuk memposting kata kunci sebagai utama (permintaan penanda) dan yang lainnya.
Untuk menggunakan algoritma clustering gabungan, Anda juga akan membutuhkan frekuensi dan penandaan marker. Baca sedikit lebih rendah tentang itu.

AKURASI CLASSING menunjukkan berapa banyak URL umum yang harus ada dalam hasil pencarian untuk dua permintaan sehingga kami menggabungkan permintaan ini ke grup.
Dengan kata lain, semakin besar keakuratan pengelompokan (pengelompokan), semakin banyak frasa yang sama jatuh ke dalam satu kelompok (cluster).
Untuk sebagian besar topik akan cukup akurasi \u003d 5.

SEBUAH: Setiap topik memiliki ambang batas sendiri, perlu dan cukup untuk mengindahkan penerbitan untuk mendapatkan kernel semantik berkualitas tinggi. Misalnya, ketika mempromosikan toko online, akan ada masalah besar jika ketika permintaan pengelompokan, kata kunci "multivarka redmond rx500" dan "Redmond RX500-1 Multivark" akan jatuh ke dalam satu cluster - karena Ini adalah produk yang berbeda dan mereka harus pindah ke kartu barang yang berbeda. Di sini kami sarankan menggunakan akurasi \u003d 5

Jika lalu lintas ke situs sebagian besar Rusia dan dari Yandex - secara optimal membuat clustering di Yandex, memilih wilayah tempat situs itu bergerak.
Anda juga dapat menggunakan kedua mesin pencari, dan kemudian membandingkan hasilnya. Seringkali hasilnya sangat mirip antara mesin pencari.
Jika Anda mempromosikan situs untuk pasar lain - Clustering sudah tersedia untuk semua wilayah dan bahasa penerbitan dunia.
Dalam waktu singkat, kami akan menambahkan fungsionalitas pilihan negara dan kota untuk pengelompokan untuk penerbitan Google.com. Jika Anda tertarik dengan fitur ini - Pilih di komunitas kami dan akan muncul jauh lebih cepat - tautan ke pemungutan suara

Ya kamu bisa. Dan kadang-kadang perlu.
Kapan Anda bisa menggabungkan dua cluster dalam satu?
Seringkali, kata kunci seperti "Beli Multicookers Redmond" dan "Redmond Multivarka Multivarka dapat jatuh ke cluster yang berbeda karena kualitas yang buruk dari penerbitan Yandex dan Google pada permintaan ini.
Dalam hal ini, Anda perlu menggabungkan cluster ini dalam satu dan mempromosikan ke halaman redmond multicual.. Ini adalah situasi yang sepenuhnya normal.
Kapan Anda bisa menyatukan dua cluster dalam satu?
Ketika dalam satu permintaan informasi cluster, dan di iklan lain. Misalnya, cluster "membeli multicookers redmond" dan "ulasan multividual redmond" tidak dapat digabungkan karena Permintaan ini harus secara fundamental maju halaman yang berbeda.
Saya ragu untuk menyatukan dua cluster atau tidak apa yang harus dilakukan?
Kami memberi tahu secara rinci apa yang harus dilakukan dalam hal ini dalam manual ini.

Karena kata-kata dari tab "nelluster" tidak menemukan beberapa untuk cluster. Sayangnya, tidak semua kata kunci dapat dikelompokkan - karena Tidak semua dari mereka saling berhubungan.
Kami dibimbing pertama-tama bagaimana kata kunci akan canggih (peringkat) dan grup berdasarkan yang serupa hasil Pencarian.
Misalnya: Meminta "Ponsel" dan " handphone"Harus pindah ke halaman yang berbeda. Satu permintaan adalah informasi, dan iklan kedua dan mereka tidak akan pernah datang ke satu halaman.
Apa yang harus dilakukan dengan permintaan yang tidak tergusur?
Jika Anda menemukan kata kunci yang berharga untuk Anda - mereka dapat ditambahkan ke manual untuk menambah grup yang sudah ada (tidak dapat bingung karena penerbitan yang buruk) atau membuat halaman terpisah di situs di bawah kata-kata ini.

Sebelum mengelompok dari daftar, semua frasa yang berisi kata-kata berhenti akan dikecualikan. Itu. Kata kunci Dubbown tidak akan digunakan dalam pengelompokan dan akan dibuang bahkan sebelum membandingkan permintaan.
Kami menyarankan untuk menggunakan opsi ini jika Anda mengunduh daftar kata kunci "kotor" dalam proyek Clustering. Fungsi ini membantu menghemat anggaran untuk pengelompokan dan memecahkan masalah manual, pembersihan kata-kata berhenti yang membosankan di Excel. Kami menawarkan untuk menggunakan daftar berhenti kata-kata pada permintaan geografis dan berbagai mata pelajaran, atau membuat daftar kata-kata stop Anda sendiri.

Algoritma langkah demi langkah untuk bekerja dengan layanan:

Membuat proyek.Untuk membuat proyek, Anda harus pergi ke tab Clusterization dan klik "Buat proyek baru"

Langkah Satu: Mesin Pencari dan Wilayah.
Di sini Anda perlu memasukkan nama proyek (bidang wajib diisi). Anda dapat memasukkan nama apa pun, sering kali nyaman untuk memasukkan nama situs sehingga di masa depan mudah untuk menemukan proyek yang diinginkan.
Selanjutnya, kami menentukan mesin pencari, yang menurutnya grup akan dieksekusi. Anda dapat memilih atau Yandex atau Google.
Untuk google. saat ini Semua wilayah dan bahasa di dunia tersedia.
Langkah Dua: Pengaturan Koleksi

Semua tentang algoritma klusterisasi kami
Metode Clusterization.:
- Klaster lunak: Dalam metode pengelompokan ini, algoritma menentukan permintaan pusat (marker) dan membandingkan dengan mereka semua permintaan lainnya. Algoritma sangat bagus untuk pengelompokan kata kunci untuk proyek lalu lintas: toko online, situs informasi, situs layanan non-komunikasi.
- Clustering keras: Permintaan digabungkan ke dalam grup hanya jika ada URL umum yang ditetapkan untuk semua permintaan. Pada saat yang sama, jenis pengelompokan dikelompokkan lebih sedikit kata kunci, tetapi dengan akurasi yang sangat besar. Ideal untuk kueri frekuensi tinggi yang kompetitif.
Sebuah tipe - Pilihan algoritma clustering.
Kami memiliki 3 algoritma clustering:
- Clustering dengan spidol manual
- Clustering pada WordStat.
- Gabungan algoritma clustering (spidol manual + wordstat)
Mereka bekerja sama prinsip dasar - Membandingkan kesamaan bagian atas mesin pencari, tetapi dimaksudkan untuk menyelesaikan beberapa tugas yang berbeda.

Algoritma menggunakan spidol manual:

Algoritma ini paling efektif untuk digunakan ketika Anda memiliki struktur situs (direktori) yang sudah selesai dan agak bercabang, dan Anda perlu tahu semua spidol dan Anda hanya perlu memahami jenis apa yang akan Anda promosikan halaman yang ada, dan tugas-tugas tersebut dari ekspansi struktur situs seharusnya tidak. Dalam hal ini, Anda mengambil spidol Anda (nama kategori / halaman), mengumpulkan kiat pada mereka, menempatkan penanda sebagai 1, merakit cloud sebagai 0 dan mengirim pada klusterisasi. Di pintu keluar Anda akan menerima semantik jadi untuk kategori Anda, dan kata-kata yang tidak terpasang pada struktur Anda akan tetap tidak tergusur.
Format Unduhan Data: Kata kunci | Marker (1/0) - Unduh contoh file input

Algoritma klusterisasi WordStat.

Algoritma ini agak terpecah membalikkan algoritma Tugas penanda tangan: Anda masih belum tahu struktur situs Anda dan tidak dapat menyorot spidol - Anda hanya mengumpulkan wordstat, tips dan frekuensi ujung. Sekarang Anda perlu menyusun semantik ini untuk mendapatkan kelompok permintaan di bawah halaman situs masa depan atau kategori di masa depan dari situs yang ada. Dalam hal ini, algoritma clustering pada WordStat cocok karena tidak mungkin, ini berfungsi sebagai berikut.
Seluruh daftar kata kunci diurutkan dalam urutan frekuensi yang menurun, algoritma mencoba untuk mengikat semua kata yang mungkin dari daftar ke kata yang paling sering dan membentuk cluster, maka semuanya diulang secara iteratif untuk kata kunci berikut.
Jangan khawatir tentang fakta bahwa kata kunci pada awalnya lulus algoritma untuk dilampirkan ke cluster yang salah - kami menggunakan algoritma pembelajaran mesin yang dibangun di atas pohon biner untuk mencegahnya :)
Format Unduhan Data: Kata kunci | Frekuensi (Any) - Unduh contoh file input

Algoritma gabungan (spidol manual + WordStat) - menggabungkan pendekatan dari dua metode sebelumnya.

Algoritma ini cocok untuk tugas pemilihan kata kunci secara simultan untuk struktur situs yang ada dan ekspansi. Ini berfungsi sebagai berikut: Pertama kami mencoba untuk mengikat semua permintaan yang mungkin untuk permintaan spidol Anda dan membentuk struktur jadi yang terpasang pada spidol Anda. Selanjutnya, semua permintaan yang tidak terikat pada spidol diurutkan dengan frekuensi turun dan dikelompokkan bersama. Akibatnya, Anda dapatkan:
a) Semantik siap untuk kategori situs yang ada
b) Perpanjangan semantik untuk situs Anda.
Kami sangat merekomendasikan menggunakan algoritma gabungan - Dia memberikan hasil terbaik.
Format Unduhan Data: Kata kunci | | Marker (1/0) | Frekuensi - Unduh contoh file input
Yang perlu Anda ketahui tentang akurasi clustering
Ketepatan- Semakin besar keakuratan pengelompokan (pengelompokan), semakin banyak frasa yang sama jatuh ke dalam satu kelompok (cluster).
Dengan kata lain, opsi ini bertanggung jawab atas berapa banyak URL umum yang dibutuhkan dalam 10 teratas dari mesin pencari, sehingga kata kunci jatuh ke dalam satu cluster.
Setiap topik memiliki ambang batas sendiri, perlu dan cukup untuk mengindahkan penerbitan untuk mendapatkan kernel semantik berkualitas tinggi. Misalnya, ketika mempromosikan toko online, akan ada masalah besar jika, ketika permintaan pengelompokan, kata kunci "Redmond RX500" Multicooker dan Redmond RX500-1 Multicooker akan jatuh ke dalam satu cluster - karena Ini adalah produk yang berbeda dan mereka harus pindah ke kartu barang yang berbeda. Di sini kami sarankan menggunakan akurasi \u003d 5
Untuk info-subjek, misalnya, untuk situs diskon atau resep, akurasi seperti itu tidak diperlukan - di sini tugasnya adalah untuk mendapatkan jumlah maksimum cluster yang dikelompokkan untuk menulis artikel. Untuk situs tersebut, kami merekomendasikan keakuratan 3 atau 4. dan untuk situs dalam mata pelajaran yang sangat kompetitif, di mana perjuangan untuk atas terutama pada permintaan RF yang kompetitif - kami sarankan menggunakan akurasi pengelompokan yang meningkat - 6 atau 7, dan untuk membuat halaman terpisah. untuk kueri non-pengunci.
Disarankan untuk memilih opsi 3-6 dan pada hasil menonton pengelompokan yang akan memiliki kelengkapan dan akurasi yang cukup untuk semantik Anda. Semakin besar nilai akurasi, kelompok terkecil akan.
Pengaturan Clustering lainnya
Bukan cluster jika frekuensinya kurang dari - Opsi ini memungkinkan Anda untuk tidak mengkluster kata kunci dengan frekuensi kurang dari yang ditentukan. Ini akan membebaskan Anda dari pembersihan manual dari kueri populer yang rendah - kata-kata seperti itu akan ditempatkan di tab "Not Clustering".
Definisi URL yang relevan Untuk cluster dari situs yang ada
Cukup bagi Anda untuk memasukkan nama domain yang diinginkan dan algoritma kami akan mencoba menentukan URL yang relevan untuk cluster yang diterima.
Opsi berfungsi sebagai berikut: Jika situs Anda sudah berada di 10 teratas - kami akan menunjukkan URL ini dan menyorotnya dengan warna hijau. Jika tidak, kami akan memilih URL untuk permintaan penanda menggunakan situs :.
PENTING: URL yang relevan dipilih untuk permintaan cluster marker (utama) dan ditugaskan ke seluruh cluster (semua kata kunci cluster).
Langkah Tiga: "Kata kunci dan harga".
Unggah file dengan permintaan.
Format yang didukung: XLS, XLSX. Format entri data: permintaan; penanda atau frekuensi. Untuk pengelompokan menggunakan spidol manual WordStat +. Format data: Kueri; penanda; frekuensi.
Kami memperkenalkan kata-kata Stop
Sebelum mengelompok dari daftar, frasa yang berisi kata-kata berhenti akan dikecualikan. Fungsi ini membantu menghemat anggaran untuk pengelompokan dan memecahkan masalah pembersihan manual Hentikan kata-kata. Fungsionalitasnya sangat berguna jika Anda mengkluster daftar kata kunci "kotor", pra-tidak dibersihkan.
Kami menawarkan untuk menggunakan daftar berhenti kata-kata pada permintaan geografis dan berbagai mata pelajaran, atau membuat daftar kata-kata stop Anda sendiri. Dan jangan lupa tentang "Opsi Pakar" - Kepatuhan Simbol Default digunakan - I.E. Entri parsial akan menghapus semua kata / frasa, jika Anda perlu mencocokkan secara akurat kata stop-word - pilih kepatuhan Frasa..

tekan "Buat proyek baru" - Semua proyek Anda dikirim ke Clustering!

Sekarang Anda dapat melacak status proyek di tab "antrian" atau dalam daftar proyek clustering.
Saat ini, Rush Analytics memiliki 5 status:
Antre - Data belum dikumpulkan, proyek sedang menunggu gilirannya untuk mengumpulkan data
Pengumpulan data - Penghitung menunjukkan berapa banyak kata kunci yang diproses
Kekelompokan - Data proyek sudah dikumpulkan, sistem menghitung semua metrik yang diperlukan untuk memberi Anda hasilnya.
Pada pause. - Anda dapat secara manual meletakkan jeda proyek, jika Anda tidak yakin apa yang ingin Anda kumpulkan. Atau, proyek dapat memiliki jeda itu sendiri. Anda telah mengakhiri uang pada neraca.
Siap - Proyek siap - Anda dapat melihat hasilnya di antarmuka web atau mengunduh dalam format XLSX

File Output Clustering - Deskripsi Kolom

Hasil clustering dalam format XLSX adalah sebagai berikut:

Sedimen permukaan - Permintaan Marker - Anda ditentukan secara manual, atau ditentukan oleh sistem
Nama Cluster. - Nama permintaan penanda diambil
Ukuran kelompok -jumlah kata kunci dalam grup
Frekuensi kata kunci - Frekuensi yang Anda minta pada langkah "kata kunci". Tergantung pada mana Anda telah mengambil frekuensi - dasar, dalam kutipan atau dengan tanda seru, hasil pengelompokan mungkin sedikit berbeda
Frekuensi cluster total - jumlah frekuensi semua kata kunci dari cluster
Kebetulan atas.- jumlah URL umum dalam pencarian permintaan ini Dengan penerbitan Permintaan Referensi (Marker)
Lampu latar - Lampu latar dari penerbitan mesin pencari yang dikumpulkan oleh kata kunci Anda
Lampu latar untuk Cluster. - Lampu latar tanpa duplikat, dalam semua kata cluster ini
URL atas - URL pesaing yang paling terlihat pada semua permintaan cluster. Di sini kami mengevaluasi frekuensi terjadinya URL pesaing dalam ekstradisi untuk setiap permintaan dan posisi setiap URL pesaing dalam ekstradisi
URL yang relevan. - Menemukan URL yang relevan untuk cluster, jika opsi "Cacat URL yang relevan telah dipilih
Opsi berfungsi sebagai berikut: Jika situs Anda sudah berada di 10 teratas - kami akan menunjukkan URL ini dan menyorotnya dengan warna hijau. Jika tidak, kami akan memilih URL untuk permintaan penanda menggunakan operator situs:

Contohnya file siap pakai Setelah Clustering, Anda dapat melihat dalam portofolio kami

Clustering Kata Kunci. - Ini adalah distribusi otomatis kueri pada cluster tematik (grup) berdasarkan kesamaan hasil pencarian Yandex atau Google. Clustering dilakukan untuk menyelesaikan tugas-tugas berikut:

Untuk memahami permintaan mana yang perlu dipromosikan bersama dan satu halaman, dan yang secara terpisah
Untuk mengubah sejumlah besar permintaan dari kernel semantik dari Kashi dengan struktur yang jelas dan logis
Untuk segera mengikat seluruh kelompok permintaan ke halaman yang sudah ada di situs dan membuat promosi seefisien mungkin.

Metode ini Kueri pengelompokan muncul di pasar baru-baru ini, tetapi sudah mendapatkan popularitas besar. Apa kelebihan dari metode ini?

Keuntungan dari pengelompokan dengan metode puncak

Definisi permintaan yang tidak ambigu yang harus dipindahkan ke satu halaman dan sebaliknya - pertanyaan yang tidak akan pernah maju untuk satu halaman, meskipun kesamaan mereka
Akuntansi Sinonim dan Reformulasi - Saat mengelompokkan dengan metode puncak permintaan seperti "Overall", "Pakaian untuk Pekerja", "Workwear" untuk mematuhi dan mengklarifikasi dengan benar, tidak hilang

Kecepatan besar pengelompokan kueri kernel semantik. Tidak seperti parsing manual atau parsing menggunakan template dalam Excell, pengelompokan dengan metode atasan membutuhkan waktu beberapa menit, dan bukan jam, hari, atau minggu

Kerugian dari pengelompokan dengan metode puncak

Dengan penerbitan kualitas rendah atas permintaan atau secara umum dalam subjek (banyak jawaban yang tidak relevan, banyak forum, keberadaan dorvel dll.) Kualitas pengelompokan secara proporsional menurun
Kesulitan menerapkan metode pengelompokan ini: diperlukan algoritma multistage yang kompleks, Anda perlu mengumpulkan banyak data dari penerbitan

Permintaan Clustering di Rush Analytics

Dengan membuat modul clustering di Rush Analytics, kami mencoba membuatnya paling fleksibel dan nyaman untuk keputusan kami untuk memenuhi tugas apa pun dan subjek apa pun, yaitu:

Koleksi dan pengelompokan kecepatan tinggi. Pengelompokan kernel semantik, tergantung pada volumenya akan mengambil dari beberapa detik hingga beberapa menit
Menyesuaikan akurasi pengelompokan - tergantung pada kualitas penerbitan dalam subjek dan faktor lain Anda, Anda dapat memilih akurasi clustering yang sesuai - dari 3 hingga 8
Tiga algoritma clustering:

A) oleh wordstat - Simpul dari cluster (permintaan yang sisanya akan dilampirkan) menjadi kueri frekuensi terbanyak. Bagus untuk topik informasi.

B) pada spidol- Anda sendiri memilih permintaan penanda yang akan menjadi bagian atas cluster. Bagus untuk toko-toko dengan permintaan komoditas yang berlaku.

C) algoritma hybrid - Marker ditentukan secara manual, pengelompokan permintaan dibuat. Untuk permintaan yang gagal mengikat metode pertama, bagian atas kluster WordStat dipilih secara otomatis dan pengelompokan berulang dilakukan. Metode ini memungkinkan Anda untuk mencapai akurasi dan kelengkapan maksimum. Cocok untuk semua proyek

Sederhana I. antarmuka yang dapat dimengerti.yang akan dapat mengetahui baik pendatang baru dan spesialis berpengalaman.
Layanan dukungan respons. Jika kamu punya beberapa masalah Teknis. Atau hanya perlu bantuan pada masalah pengelompokan, mengumpulkan tips atau WordStat, dukungan kami akan dengan senang hati membantu Anda.

Pengelompokan kata kunci (atau dalam pengelompokan kueri lain) adalah pemisahan kata kunci untuk kelompok homogen pada fitur-fitur tertentu. Diproduksi untuk meningkatkan relevansi antara kata kunci dan pengumuman iklan. Akibatnya, kualitas kampanye periklanan ditingkatkan dan biaya mengklik pengumuman berkurang.

Saat menyiapkan kampanye iklan, pengelompokan kata kunci membutuhkan waktu yang cukup lama. Beberapa ahli menggunakan pendekatan "1 Keyword - 1 Grup Advertisement", yang membuang perlunya pengelompokan dan menghemat waktu. Tetapi tidak selalu nyaman untuk digunakan, terutama ketika jumlah besar Kata kunci frekuensi rendah. Jika pengelompokan kata kunci telah dibuat, yaitu divisi menjadi semantik kelompok, kemudian strukturnya kampanye iklan Itu menjadi lebih mudah dimengerti dan lebih mudah daripada dianalisis.