Сбор и кластеризация семантического ядра e-commerce витрины

Сбор и кластеризация семантического ядра e-commerce витрины

Семантическое ядро e-commerce витрины кардинально отличается от семантики контентных блогов или сайтов услуг. Здесь покупательский спрос дробится на сотни тысяч вариаций: от широких общих фраз до микрозапросов с указанием конкретных артикулов, вольтажа, объема бака, цвета или габаритов.

Фундаментальный принцип успеха партнерского агрегатора заключается в том, чтобы точно классифицировать весь спектр поисковых интентов и сопоставить каждую группу запросов с соответствующим типом посадочной страницы в каталоге.

Классификация поисковых запросов в товарной электронной коммерции

Поисковый спрос в товарной нише делится на пять основных уровней:

Тип запросаПримеры запросовЧастотностьЦелевая страница на витрине
Высокочастотные витальные (ВЧ)«генераторы», «инструменты», «мебель»ВысокаяГлавная страница сайта
Среднечастотные категорийные (СЧ)«купить бензиновый генератор», «диваны книжка»СредняяЛистинг раздела / категории
Брендовые (Brand intent)«генераторы Huter», «перфораторы Makita»СредняяСтраница производителя (бренда)
Низкочастотные фасетные (НЧ)«купить инверторный генератор 2 квт для дачи тихий»НизкаяСтраница умного фильтра / выборка
Артикульные и модельные (Микро-НЧ)«Huter DY6500LX цена характеристики»ЕдиничнаяДетальная карточка товара
Информационные (Info intent)«как рассчитать мощность генератора», «ремонт своими руками»РазнаяСтатья в блоге / обзор

Инфографика пирамиды e-commerce семантики и посадочных уровней товарного каталога

Закон чистоты интента

Никогда не объединяйте на одной странице коммерческий (транзакционный) интент («купить инверторный генератор») и информационный интент («как устроен инверторный генератор»). Для коммерческих запросов создаются листинги каталога с ценами и кнопками «В магазин», а для информационных — аналитические статьи блога с обучающим контентом.

Технология сбора и расширения e-commerce семантики

Для построения полного семантического ядра используется комбинация трех источников:

  1. Базовый парсинг Яндекс Wordstat: сбор частотности основных категорийных маркеров («купить + категория», «категория + каталог / цены»).
  2. Поисковые подсказки (Search Suggest) Яндекса, Google и Ozon: именно подсказки в поисковой строке маркетплейсов и поисковиков раскрывают живой покупательский язык — устойчивые сленговые термины, популярные сочетания характеристик и ходовые связки свойств.
  3. Анализ структуры каталогов конкурентов: изучение дерева разделов ведущих агрегаторов и маркетплейсов (ВсеИнструменты, Озон, Яндекс Маркет), позволяющее выявить неочевидные подразделы и группы фильтрации.

Алгоритм кластеризации запросов

Собранный массив фраз проходит кластеризацию по методу поисковой совместимости (Hard/Soft clustering):

  • Фразы, по которым в топ-10 выдачи Яндекса ранжируются листинги интернет-магазинов, направляются в коммерческий кластер.
  • Внутри коммерческого кластера запросы группируются по признаку привязки: запросы с упоминанием одного свойства идут в фильтр «Свойство» (например, «инверторные»), запросы с маркой — в фильтр «Бренд», а запросы с двумя свойствами — в сложносоставную фасетную выборку («инверторные 2 кВт»).
  • Запросы со словами «отзывы», «рейтинг», «как выбрать», «инструкция» отправляются в контент-план информационного блога для последующей нативной перелинковки.
Риск каннибализации запросов

Если две разные категории или страницы фильтра оптимизированы под одинаковые ключевые слова, они начинают конкурировать друг с другом в поисковой выдаче. Это приводит к постоянным колебаниям позиций («миганию») и снижению трафика. Каждая посадочная страница должна иметь строго уникальный поисковый кластер.

Эмпирическое правило охвата

Более 75% суммарного объема продаж в CPA-сетях обеспечивают именно низкочастотные фасетные запросы. Чем точнее свойства в фильтре соответствуют поисковым подсказкам из Wordstat, тем быстрее витрина собирает первый конверсионный трафик.