🤨 Примерно похоже чем? Если в предыдущей схеме ориентировались...

🤨 Примерно похоже чем?

Если в предыдущей схеме ориентировались на внешнюю базу, которая сама собирает все запросы абсолютно по всем тематикам в интернете, то в данном случае, целимся только в одну конкретную тематику.

Механика старая, но до сих пор актуальна. Тематика: любимые бесплатные сервисы. В данном случае информация по ситуациям на дорогах в разных странах и городах.

Понятно, что можно максимизировать источники для семантики, но тогда был упор только на вордстат. В КК парсили СЯ с учетом всех минус-слов тематики по двум главным маркерным запросам. Сам список в каждую итерацию парсинга пополнялся (осторожно, пошлятина) и, соответственно, семантика в след. итерации собиралась на автомате чище.

На скриншоте вся основная нужная нам информация: спаршенная фраза, частоты, позиция и релевантная страница. Учитывая, что основных запросов могло быть немало, то ориентировались на фразы с максимальной частотой, где нет топовых позиций (значит показывалась нерелевантная страница), либо позиции отсутствовали (не существует страница). Все, что около топ-1 уходит на ПФ.

Таким образом, в одну кучу сваливали все запросы без кластеризации, но быстро находили точки роста для создания новых страниц и охватывали малюсенькую тематику целиком.

Данный способ подходит только для неклиентских небольших проектов. Всё же, лучше держать семантику в порядке всегда, даже, если время сильно ограничено. 👌

#Семантика #ПарсингЗапросов #АнализДанных

@seosekretiki

Источник новости https://t.me/seosekretiki/1111...