Sabem que a la recerca no totes les coses es creen iguals.
No totes les tàctiques donaran els mateixos resultats.
No tots els enllaços tenen el mateix valor.
No totes les paraules clau que classifiqueu són valuoses.
Tendim a passar una quantitat excessiva de temps pensant en classificacions estrictament a nivell de domini.
Mirem un lloc, esbrinem el seu lloc Autoritat de domini, intenteu avaluar si aquest lloc tindrà o no més fàcil o més difícil obtenir visibilitat.
Aquest principi és inestimable i encara es considera una bona pràctica fins als nostres dies.
El que potser no pensem tant és que els grups de pàgines d’un lloc poden tenir diferents capacitats de classificació. Això és especialment cert si sou un lloc de comerç electrònic amb una gran varietat de SKU.
Per exemple, Walmart ofereix una gran varietat de productes a la seva botiga, des de roba fins a graelles i llits elàstics.
És poc probable que tots aquests grups de productes tinguin les mateixes possibilitats de classificar-se bé només perquè Walmart té una forta autoritat a nivell de domini.
Publicitat
Continueu llegint a continuació
És possible que alguns d’aquests productes tinguin més enllaços d’entrada a nivell de pàgina.
Alguns poden estar en indústries menys competitives.
Google podria considerar Walmart com una autoritat més a nivell de tema per a alguns d’aquests.
Un tipus d’anàlisi interessant que hem fet per a clients amb un gran nombre de grups de pàgines està dissenyat per respondre a la pregunta: “Quines de les nostres pàgines tenen més probabilitats de classificar-se bé?”
Respondre a aquesta pregunta pot ajudar-vos a orientar la vostra campanya de contingut o SEO.
Us pot mostrar oportunitats de guanyar ràpidament per a categories on podeu crear contingut nou i tenir més possibilitats de classificar-vos.
Us pot ajudar a identificar agrupacions de baix rendiment i a veure on calen més temps i inversions.
Llavors, com ho fas? Us mostraré el nostre procés de resposta a aquesta pregunta mitjançant la segmentació de paraules clau.
Tingueu en compte que, tot i que aquí fem servir els llocs de comerç electrònic, amb un etiquetatge adequat, aquest tipus d’anàlisi es pot realitzar per a molts tipus de llocs diferents.
Publicitat
Continueu llegint a continuació
Què és la segmentació de paraules clau?
Un dels meus refranys preferits d’un venedor digital prové del llegendari Avinash Kaushik, qui un cop proclamat “Totes les dades agregades són una merda”.
Mentre es referia a l’anàlisi web, molt bé podria haver estat parlant de rànquings web.
Tot i que sens dubte és útil examinar les dades de classificació generals, la possibilitat de segmentar-les en agrupacions més significatives us pot ajudar a proporcionar-vos molta més informació.
Tot i que sovint pensem en els segments de Google Analytics, sovint no apliquem la mateixa lògica a les nostres dades de classificació.
Per a aquest tipus d’anàlisi, haurem d’esbrinar una manera de segmentar les paraules clau en diferents grups.
Afortunadament, hi ha eines que fan que sigui molt fàcil de fer. STAT és una de les eines de classificació més robustes disponibles i us permet crear fàcilment segments de paraules clau personalitzats.
Altres eines com Moz Pro i Ahrefs també us poden ajudar a segmentar les vostres paraules clau.
Per a aquest article, utilitzaré exemples de STAT.
1. Pengeu les vostres paraules clau
El primer pas és penjar paraules clau a STAT.
Necessiteu una manera d’associar les dades de les paraules clau amb l’URL assignat.
Com que STAT trobarà automàticament l’URL que classifica una paraula clau determinada, hauria de fer-ho per vosaltres.
Captura de pantalla de STAT, octubre de 2021
Un cop vegeu aquestes dades, és bo anar-hi.
Publicitat
Continueu llegint a continuació
2. Segmenteu les paraules clau en grups rellevants
El següent pas és fer el vostre llista de paraules clau i segmentar-los en grups rellevants.
La majoria dels llocs de comerç electrònic voldran segmentar per categoria de productes (roba, exteriors, electrònica, etc.). Aquest és l’exemple que farem servir aquí.
Tot i això, podeu segmentar per moltes variables diferents. Categories, volum de cerques, potencial d’ingressos, tot està sobre la taula.
Aquí podeu veure un exemple d’on hem agrupat les pàgines de llit d’un lloc web en diferents segments de paraules clau:
Captura de pantalla de STAT, octubre de 2021
Això ens permet aprofundir en classificacions per a cada grup específic.
Publicitat
Continueu llegint a continuació
Per exemple, fent clic a coixí de plomall ens pot mostrar classificacions per a pàgines de coixins de ploma:
Captura de pantalla de STAT, octubre de 2021
Tanmateix, fent clic a nòrdic group ens proporcionarà dades de classificació per a un grup de paraules clau independent:
Captura de pantalla de STAT, octubre de 2021
Aquí podem veure que al mateix lloc web hi ha dues històries completament diferents que passen aquí.
Els rànquings de “coixins de ploma” han anat pujant mentre que els “nòrdics” han anat caient. La segmentació ens permet veure-ho fàcilment.
Publicitat
Continueu llegint a continuació
Creació de segments a escala
Si treballeu en un lloc de comerç electrònic gran, podríeu pensar que només crear segments només crearà una setmana de feina. Si feu un seguiment de més de 10.000 paraules clau, la creació de grups significatius sembla una tasca monumental.
Afortunadament, molts llocs de comerç electrònic ja tenen pàgines taxonomitzades correctament mitjançant enllaços interns de pa de navegació.
Aquests enllaços interns de pa ratllat ja han fet la classificació per vosaltres, de manera que tot el que heu de fer és extreure el fitxer pa ratllat del vostre lloc web i associeu-los a les paraules clau que vulgueu segmentar.
Captura de pantalla de Rei.com, octubre de 2021
Podeu treure tot això fàcilment a escala fent servir Extracció personalitzada de Screaming Frog del teu Esquema BreadcrumbList.
Publicitat
Continueu llegint a continuació
Com que el pa ratllat classifica els productes del vostre lloc en categories, hauríem de poder utilitzar les mateixes categories per als nostres segments STAT.
L’objectiu aquí és crear segments de paraules clau basats en les convencions de denominació de les pautes de navegació del vostre lloc web.
Obriu l’extracció personalitzada de Screaming Frog i canvieu el menú desplegable per “Regex”. Haureu d’afegir la següent expressió regular (un crit enorme a Brian Gorman per crear-ho):
"position":(d+)(,)"item":{"@id":"(.*?)"(,)"name":"(.*?)"}Això hauria d’extreure la posició, l’element i el nom de les pa ratllades associades a cada URL del vostre lloc.
Per exemple, en rastrejar el lloc REI, obtenim un exemple com aquest:
Captura de pantalla de Screaming Frog, octubre de 2021
Haureu de fer una mica de format mitjançant Text a columnes i concatenació.
Publicitat
Continueu llegint a continuació
Però hauríeu de poder fer arribar el full de càlcul on cada URL estigui associat a les categories adequades:
Captura de pantalla de Screaming Frog, octubre de 2021
Això és realment potent, ja que ara teniu pa ratllat per a cada URL.
Tot i això, per penjar-lo, haureu d’associar cada pa ratllat al nivell de paraula clau.
Podeu fer-ho exportant les vostres dades de classificació de paraules clau existents.
Voldreu exportar les dades de les vostres paraules clau i assegureu-vos que exporteu l ‘”URL de classificació” de cada paraula clau.
Publicitat
Continueu llegint a continuació
Des d’allà podeu utilitzar un VLOOKUP per enllaçar el pa de ratlla correcte per a cada paraula clau. La sortida final hauria de ser la vostra paraula clau associada al pa ratllat.
Captura de pantalla de Screaming Frog, octubre de 2021
3. Torneu a penjar les vostres paraules clau amb etiquetes associades
Al fitxer CSV nou, ara hauríeu de tenir una llista de totes les paraules clau en una columna i totes les etiquetes associades en una altra columna.
Torneu a penjar aquesta llista de paraules clau a STAT per importar les etiquetes noves a la base de dades. Us recomano utilitzar STAT’s funció de càrrega massiva.
Publicitat
Continueu llegint a continuació
Si ja teniu aquestes paraules clau afegides a STAT, no us preocupeu. STAT no els afegirà com a entrades duplicades i simplement aplicarà les etiquetes noves a les paraules clau que ja feu un seguiment.
A més, si ja feu un seguiment de les vostres paraules clau des de fa un temps a STAT, podeu utilitzar-ne el potent Funció “Emplenament”.
Això us demanarà a STAT que mostri les dades històriques de totes les etiquetes noves que acabeu d’afegir, de manera que no cal que espereu que l’eina recopili dades noves.
Us recomanem que ho feu si ja teniu dades de classificació per a les paraules clau de les etiquetes.
4. Analitzeu les classificacions per categories
Ara que ja tenim totes les nostres dades importades i segmentades correctament a STAT, comencem a analitzar-les per obtenir informació sobre el rendiment de les nostres categories de productes en comparació entre si.
Creeu un full de càlcul nou.
Etiqueu la columna de l’esquerra com a “Categoria” i afegiu totes les categories de productes que voleu analitzar.
Publicitat
Continueu llegint a continuació
Etiqueu la segona columna com a “Rang mitjà”.
Haureu d’obtenir la classificació mitjana de cada categoria. Podeu obtenir-ho fent clic a cada etiqueta i mirant la mètrica “Rànquing mitjà” a la pestanya “Tauler”.
Captura de pantalla de STAT, octubre de 2021
Finalment, voldreu calcular la classificació mitjana de totes les vostres categories de productes. Creeu una tercera columna anomenada “Diferència respecte al rang mitjà”.
Aquesta columna mostrarà el rendiment d’aquesta categoria en relació amb la classificació mitjana del lloc.
Publicitat
Continueu llegint a continuació
Per exemple, si estiguéssim revisant les categories de productes a la secció “Llar i mobles” de Walmart i sabéssim que el rang mitjà de les pàgines és de 18, és possible que obtinguem un resultat així.
Captura de pantalla de STAT, octubre de 2021
En aquesta visió, podem veure que Walmart està realment bé per als productes de Bany, Decoració i Accents i Cuina i Menjador.
Si afegiu pàgines i productes de categories nous a aquestes categories, és possible que tingueu més possibilitats de tenir un bon rendiment.
Publicitat
Continueu llegint a continuació
Per contra, Walmart no té un bon rendiment per a Wall Art, matalassos o catifes en comparació amb altres pàgines del lloc.
Si es tracta de SKU d’alta prioritat, és possible que Walmart vulgui revisar la seva estratègia de SEO a aquestes pàgines i donar prioritat al suport al voltant d’aquest contingut.
Si us interessa més les dades de la competència, també podeu veure les vostres agrupacions de productes mitjançant aquest objectiu. Podeu penjar les mateixes paraules clau i etiquetes a STAT i fer un seguiment dels rànquings d’un lloc de competidors en lloc de fer-ho del vostre.
Això us pot proporcionar informació sobre com es classifica cada grup de productes en comparació amb el seu.
Per exemple, aquí teniu un exemple d’aquesta mateixa anàlisi, però analitzem com es classifiquen les categories de Walmart en relació amb Bed Bath & Beyond.
Captura de pantalla de STAT, octubre de 2021
Conclusió
En general, l’objectiu d’això és ajudar-vos a aprofundir més específicament en segments de productes per trobar el que funciona bé i el que no funciona bé en comparació amb la resta del vostre lloc.
Publicitat
Continueu llegint a continuació
Això us ajuda a proporcionar més informació sobre la visibilitat en lloc de només una visió general de les dades de classificació.
Aquesta anàlisi serà especialment útil per a llocs amb grans inventaris o grups de pàgines on pot ser necessària una segmentació per avaluar adequadament el rendiment de la classificació.
Una anàlisi com aquesta no només us pot proporcionar informació a curt termini, sinó que us pot ajudar a orientar les vostres decisions a llarg termini cap a on invertir en recursos de contingut i SEO.
Més recursos:
Imatge destacada: TeraVector / Shutterstock
