Как с помощью Кластеризации и Текстовой аналитики выйти в топ-3, уделив всего 2 часа — опыт Kazconference.kz

Вбил в поисковую строку Google самый типичный запрос по нише. В нашем случае семантику собирали для страницы синхронных переводов, поэтому запрос — «синхронный перевод».

Взял топ-5 URL (можно меньше) по фразе и собрал семантику конкретно по найденным страницам. Для этого в поисковую строку Serpstat ввел адрес страницы → выбрал постоянный регистр «URL» и региональную базу → зашел в отчет «Анализ сайта/ Анализ страницы/ Ключевые фразы» → выбирал фильтр по позиции «между 1 и 19» → экспортировал отчет:

Выгрузил отчеты по всем 5 страницам. В итоге получилось около 150 ключей.

Залил ключевые фразы в инструмент Кластеризация. Выбрал в настройках «Силу связи: Medium», а «Тип кластеризации: Soft». Serpstat разбил семантику на кластера, которые облегчили отсеивание коммерческих запросов от информационных.

Так как я собирал семантику для выведения в топ лишь конкретного лендинга синхронных переводов, я нашел кластер запросов, отвечающих за «курсы синхронного перевода». Вуаля! Есть практически идеальный набор ключей по одной посадочной странице.

Пара минут работы вручную по объединению между собой похожих кластеров и получилась подходящая разбивка ключевых запросов. Осталось не более 10 ключей для посадочной страницы.

По нужному кластеру запустил Текстовую аналитику. В соответствии с рекомендациями, которые дал сервис на основе анализа конкурентов, написал ТЗ. Более того, изначально ТЗ должно было идти копирайтеру, но, по итогу, я написал его для себя.