УДК 339.133.4

Плотников Андрей Викторович,

кандидат экономических наук,

доцент кафедры менеджмента

ФГБОУ ВО «Пермский государственный аграрно-технологический университет имени академика Д.Н. Прянишникова», г. Пермь

Plotnikov A.V. plotnikov-av@mail.ru

КЛАССИФИКАЦИЯ ЗАПРОСОВ ПОЛЬЗОВАТЕЛЕЙ В ПОИСКОВОМ МАРКЕТИНГЕ

THE CLASSIFICATION OF USER QUERIES IN SEARCH ENGINE OPTIMIZATION

Аннотация

В работе дана классификация поисковых запросов: по географии: геозависимые и геонезависимые; по частотности: высокочастотные, среднечастотные, низкочастотные; по конкуренции: высококонкурентные, низкоконкурентные; по сезонности: сезонные и несезонные. Одновременно с этим, выделяют  витальные, навигационные, коммерческие, информационные и транзакционные запросы. Отдельный запрос может относится как к одной, так и к нескольким группам. В зависимости от классификации запросов важно проводить кластеризацию запросов для оптимизации семантического ядра и увеличения видимости сайта на поиске по запросам.

Summary

The paper considers a classification of search queries: by geography: geo-dependent and geo-independent; frequency: high-frequency, medium-frequency, low-frequency; on competition: highly competitive, low-competitive; seasonal: seasonal and off-season. At the same time, vital, navigational, commercial, information and transaction inquiries are singled out. A single request can refer to one or more groups. Depending on the classification of requests, it is important to cluster requests to optimize the semantic kernel and increase the visibility of the site on search by query.

Ключевые слова: классификация поисковых запросов, поисковый маркетинг, поисковая оптимизация, интернет-маркетинг.

Keywords: classification of search queries, search engine marketing, search engine optimization, Internet marketing.

Введение

В настоящее время существует повсеместная тенденция сильного роста аудитории сети Интернет. Растет аудитория мобильных пользователей, использующих для виртуальной связи как смартфоны, так и планшеты. Миллионы людей каждый день заходят в интернет для того, чтобы получить информацию в поисковой системе, поскольку это один из главных источников информации для развитого общества.

Поисковые системы сосредоточивают на себе информационные запросы , регулируют поисковую выдачу (категория предложение) на запросы (категория спрос) в этих поисковых системах, отправляя пользователей на релевантные запросам сайты. Таким образом, сайты, которые находятся на первых местах в выдаче на запросы привлекают больше всего органического трафика, если сайт не показывается на 1-х страницах выдачи, то соответственно трафика с поисковых систем получают меньше.

Согласно статистическому сервису LiveInternet [1] самые популярные слова в русскоязычном интернете: Одноклассники, Авито, Вконтакте, mail.ru – это витальные запросы, предполагающие существование официального сайта организации, товара, заведения, услуги или человека. Поведение человека в сети ориентировано на запоминание адреса своих любимых сайтов и сервисов. Намного проще напечатать эти слова в поисковую строку и перейти на сайт.

Обратимся к истории, в 1994 г появилась первая поисковая система. В 1997 г. появляется популярная в России поисковая система Яндекс, и самая популярная в мире Google сейчас крупнейшая поисковая система в мире.

Рисунок 1. Интерфейс Google в 1997 г.

Рисунок 2. Интерфейс Yandex в 1997 г.

В 1997 г. поисковые системы искали сайты, по ключевым словам, без учета морфологии. Поисковая система соотносила ключевые слова, расположенные на сайте с запросом в поисковой системе и ранжировала более релевантный запросам сайт. Как только количество пользователей сети Интернет начало расти, владельцы сайтов определили перспективы монетизации трафика. Задачей было продвинуть собственный ресурс, прибегая к разным хитростям. Например, владельцы сайтов, когда узнали, что поисковая система оценивала текст на наличие ключевых слов на сайте, то для того чтобы улучшить ранжирование сайта поисковыми системами, стали увеличивать частоту вхождения ключевых слов на странице, делая текст скрытым (микроразмер букв или цвет букв текста был идентичен фону). Таким методам дали название «серые» или «черные» методы оптимизации сайта.

Объединенная группа страниц сайта являются картой ссылочной структуры [2]. На рис. 3 описана структура интернета из 3-х страниц и принципы передачи веса от одной страницы к другой. Допустим, существует страница А, которая имеет вес 0,4 условной единицы, на этой странице расположено 2 исходящие внешние ссылки, одна ссылка на страницу B, другая ссылка на страницу C, стоит отметить, что вес делится поровну между ними и передается пропорционально 0,2 и 0,2. На странице B расположена 1 исходящая внешняя ссылка, которая передает свой вес на станицу C; со страницы C исходящая внешняя ссылка передает вес 0,4 странице А. Так определяется показатель Page Rank, который рассчитывает условный вес местонахождения пользователя на той или иной странице. Чем больше ссылок на странице, тем больше вероятность, что по этим ссылкам пользователи перейдут на другие страницы, тем самым управляя их вниманием. Ссылка – это источник перехода от одной страницы к другой. Сейчас ссылочный механизм намного сложнее, но общий принцип распределения веса остается.

Рисунок 3. Метод Page Rank

Как только стало понятно, что ссылки является одним из важных факторов ранжирования, то есть тех факторов, которые влияют на позиции сайта, то вебмастера начали манипулировать ссылочной массой: закупка ссылок, обмен ссылками, спам на форумах, размещения в каталогах. Следствием этого явления появились ссылочные биржи.

В настоящее время, для того, чтобы поисковая система посчитала ключевое слово и страницу, на которой встречается ключевое слово релевантными запросу пользователя, робот делит страницу на части (меню, область заголовка (H1), основной текст, подвал сайта и др.) и ищет области, в которых встречается ключевое слово или фраза. Стоит отметить, что чем выше расположено слово, тем больше вероятности в том, что поисковая система посчитает страницу релевантной запросу пользователя.

Далее играет роль фактор времени, в котором важно закладывать необходимое время ожидания изменений.

Матрикснет – это самообучающийся алгоритм Яндекса, который сделан на базе нейронных сетей. В нем асессоры проверяют выдачу на соответствие сайтов поисковым запросам пользователей, далее результаты оценок передаются в Матрикснет, который на основе машинного обучения строит формулу ранжирования поисковой системы Яндекс.[3]

Вопросы, касающееся запросов в поисковых системах рассматриваются в работах: в контексте информатики и поисковой оптимизации [4], [5], [6], [7]; в контексте платного трафика (англ. Pay per Click (PPC)) [8], [9], [10]; в контексте потребительского поведения при поиске [11].

Поисковая оптимизация (англ. Search Engine Optimization (SEO)) – это комплекс мер, направленный на улучшение позиций сайта в рейтингах поисковых систем. Для поисковой оптимизации важен основной комплекс мер:

-составление семантического ядра – списка слов, по которым оптимизатор планирует продвигать сайт;

– устранение ошибок на сайте – технические ошибки могут мешать продвижению;

– оптимизирование страницы под ключевые слова;

– проведение аудита коммерческих факторов и внесение изменений;

– наращение качественной ссылочной массы.

Подготовительный этап: перед составлением семантического ядра необходимо определить спектр слов и понять, к каким запросам относится данное слово и стоит ли его использовать для продвижения сайта, принесет ли оно пользу. Для этого существует классификация запросов:

по интересам пользователя и действиям на сайте:

– коммерческие (запросы, включающий в себя слова: купить, цена, стоимость и другие). Например, «iphone 7 купить в перми». По коммерческим запросам лучше продвигаться не только с помощью поисковой оптимизации, но и контекстной рекламы);

Рисунок 4. Контекстная реклама и органическая выдача в поиске

– некоммерческие (могут быть информационными запросами или запросами, включающие слова: «скачать», «бесплатно», «pdf» и другие);

-информационные (запросы, которые ищут пользователи в поисковой сети, например, «как написать курсовую работу», «как поехать автостопом до москвы», «как приготовить блины»);

Рисунок 5. Пример выдачи в результатах поиска по информационному запросу

– навигационные (запросы, вводя которые, пользователь хочет найти конкретный сайт – витальный ответ – витальный сайт). Запросы, предполагающие существование официального сайта компании, заведения, товара, услуги или человека. Иногда такие запросы называют витальными;

Рисунок 6. Пример выдачи в результатах поиска по навигационному запросу

-транзакционные (запросы, по которым должен продвигаться продающий, коммерческий сайт). Запросы направлены на конкретные действия (транзакции) «скачать», «купить».

По географии:

– геозависимые;

– геонезависимые.

По частотности:

-высокочастотные (запросы, количество которых за месяц может достигать до нескольких тысяч. Все зависит от общей тематики запросов. Для одной тематики запрос может быть высокочастотным, а для другой низкочастотным. Как правило являются высококонкурентными);

-среднечастотные (запросы, количество которых за месяц может достигать до тысячи);

-низкочастотные (запросы, количество которых за месяц варьируется от 1 до 50. Обычно бывают низкоконкурентными).

По конкуренции:

-высококонкурентные (имеется статистика по запросам в поисковой системе, а также большое количество ответов для удовлетворения спроса пользователей);

-низкоконкурентные (имеется статистика по запросам в поисковой системе, а релевантных ответов недостаточно удовлетворения спроса на запрос).

По сезонности:

-сезонные (частотность повышается в определенное время года. Определять сезонность можно в wordstat.yandex.ru);

-несезонные (запросы, не зависимые от времени года).

Каждый запрос может относится к различным типам классификации, например, может быть информационным и геозависимым для региона, а также низкочастотным и низкоконкурентным. Например, «как поступить в пнипу на бюджет». Важно понимать, что не каждый запрос одинаково полезен для сайта, например, для коммерческих сайтов транзакционный запрос с вхождением слова в ключевой запрос «бесплатно» бесполезен.

Один запрос может включать несколько типов запросов по смысловому содержанию, например, может быть навигационно-информационным транзакционным поисковым запросом, пример такого запроса: «урал-мастер цены прайс скачать».

Когда пользователь ищет по информационным запросам, в сети Интернет, то часто пользователям не особо важно на каком сайте расположена информация, например, запрос «как приготовить блины», в принципе, ему главное получить ответ на свой вопрос. Иногда для пользователя является важным авторитетность сайта, например, при поиске нужного закона. При транзакционных запросах в поисковой системе, пользователь планирует совершить какое-либо действие, например, посмотреть или скачать фильм, прочитать онлайн или скачать книгу, скачать прайс-лист, скачать софт, купить онлайн с оплатой. Коммерческие запросы по своей природе являются транзакционными, но не все транзакционные запросы могут быть коммерческими («скачать бесплатно»).

Существует группа общих или нечетких поисковых запросов, когда по смыслу самого запроса не очень понятно, что имел в виду пользователь, например, запрос «баня в перми», где пользователь, возможно, хотел купить баню в Перми, построить баню в Перми, арендовать баню, получить разрешение на строительство, продать свою баню, скачать проект бани и т.п. По коротким запросам сложно понять, что имел в виду пользователь и поисковой системе приходится догадываться о недосказанности в запросе. В этом случае появляется понятие релевантности, то есть насколько адекватны ответы в выдаче поисковой системой на запрос пользователя. Именно от этого зависит качество поисковой системы и выбор человека в пользу Google или Яндекс (и других поисковых систем). Чем дольше пользоваться какой-нибудь одной поисковой системой, тем достовернее и релевантнее будут ответы в выдаче на поисковый запрос, введенный этим пользователем на основе персонализированной выдачи, настроенный под личные предпочтения.

На релевантность в поисковой выдаче влияют определённые факторы:

• персональный поиск, в Яндексе им можно управлять, перейдя по ссылке: https://yandex.ru/search/customize
• частота запроса в регионе;

Рисунок 7. Результат выдачи по запросу «вк.ру»

Поисковый запрос «вк.ру» согласно поисковой системе Яндекс соответствует социальной сети vk.com, а не сайту кондитерской фабрики vk.ru .

Как было отмечено выше, большинство запросов являются короткими и по своему содержанию не понятно, что пользователь имел в виду, поисковой системе приходится догадываться о его реальной потребности, о том содержании, которое осталось недосказанным. Соответственно существуют разные категории пользователей с различными интересами, например, интересы автолюбителя, строителя, домохозяйки, и т.п. будут сильно отличаться по своему содержанию и пересекутся лишь в одном слове «ремонт», смотри рис. 8, рис. 9. Для борьбы с недоказанностью поисковые системы разработали полезный сервис – поисковые подсказки.

Рисунок 8. Пересечение запросов разных сегментов аудиторий в Яндекс

Рисунок 9. Пересечение запросов разных сегментов аудиторий в Google

При поисковом запросе появляются готовые заготовки – поисковые подсказки, и пользователю не нужно печатать весь запрос в поисковую строку. При появлении подсказки, пользователю нужно выбрать релевантную.

Персональные ответы могут появляться как в списке результатов поиска, так и в подсказках. Поисковые системы формируют их на основе пользовательского поведения, это значит, что подсказки для разных людей будут разными и, чем дольше и чаще пользователь вводит запросы одной тематики, тем персональный поиск для него будет более релевантным и точнее определять поисковые подсказки.

Технология Спектр [12] от Яндекс формируют поисковые неоднозначные запросы, например, по запросу «ремонт» один пользователь планирует найти место приема стиральных машин, второй – автосервис, третий – строительную компанию. Технология Спектр по нечетким или общим ключевым словам формирует в выдаче разнообразные ответы со ссылками на коммерческие, информационные сайты. Например, если сегмент пользователя определен (ремонт iphone), то ему будут показаны как ответы коммерческого характера с адресом сервис-центра, так и информационные, с рекомендациями о самостоятельном ремонте телефона.

Рисунок 10. Технология Спектр от Яндекса

Например, в запросе «колдрекс инструкция» название лекарства «Колдрекс» — объект, который попадает в категорию «лекарства». А объект «Пушкин» относится к двум категориям — «поэты» и «города».[12]

Рисунок 11. Реализация технологии Спектр

Обратите внимание, на то, что при запросе «лук» в поисковой выдаче превалирует лук репчатый, а при добавлении в запрос слова «купить» в поисковой выдаче релевантным ответом будет лук для стрельбы, игнорируя лук репчатый. Это обусловлено пользовательским поведением в ретроспективе, когда реальным спросом запрос «лук» оценивается как неточный запрос, означающий в большинстве случаев лук репчатый и в минимуме случаев лук для стрельбы, то «лук купить» – это коммерческий запрос, который соответствует ответу лук для стрельбы.

 

Заключение

Поисковые запросы необходимо разделять для понимания потребительского поведения в поиске и подготовки целевой страницы в качестве ответа на его запрос. Данная классификация не исчерпывающая, и может дополняться в зависимости от задачи оптимизатора сайта. Каждая группа запросов может быть более приоритетной и зависящей от цели сайта. Поисковые запросы в дальнейшем могут быть кластеризированы в зависимости от тематики запросов и распределены по посадочным страницам для лучшего видения сайта поисковыми системами.

Литература

1. Сервис Liveinternet www.liveinternet.ru
2. Method for node ranking in a linked database http://www.google.com/patents/US6285999
3. Матрикснет https://yandex.ru/company/technologies/matrixnet/
4. Fonseca B. M. et al. Discovering search engine related queries using association rules //Journal of Web Engineering. – 2003. – Т. 2. – №. 4. – С. 215-227.
5. Brin S., Page L. Reprint of: The anatomy of a large-scale hypertextual web search engine //Computer networks. – 2012. – Т. 56. – №. 18. – С. 3825-3833.
6. Strohman T. et al. Indri: A language model-based search engine for complex queries //Proceedings of the International Conference on Intelligent Analysis. – 2005. – Т. 2. – №. 6. – С. 2-6.
7. И. Ашманов, А. Иванов. Оптимизация и продвижение сайтов в поисковых системах (3-е издание, 2011)
8. Pan B. et al. The dynamics of search engine marketing for tourist destinations //Journal of Travel Research. – 2011. – Т. 50. – №. 4. – С. 365-377.
9. Paraskevas A. et al. Search engine marketing: Transforming search engines into hotel distribution channels //Cornell Hospitality Quarterly. – 2011. – Т. 52. – №. 2. – С. 200-208.
10. Ghose A., Yang S. An empirical analysis of search engine advertising: Sponsored search in electronic markets //Management Science. – 2009. – Т. 55. – №. 10. – С. 1605-1622.
11. Jerath K., Ma L., Park Y. H. Consumer click behavior at a search engine: The role of keyword popularity //Journal of Marketing Research. – 2014. – Т. 51. – №. 4. – С. 480-486.
12. Технология Спектр https://yandex.ru/company/technologies/spectrum