Як підвищити релевантність контенту 

Що таке аналітика тексту?

Припустимо, що цільова сторінка не знаходиться в топі за ключовими словами. У такому випадку є сенс змінити зміст сторінки, щоб підвищити її релевантність заданим пошуковим запитам. Мета — створити рекомендаційну базу для оптимізації контенту на сторінці.

Алгоритм дій

1. Поділяємо топ-15 сторінок у видачі за заданими пошуковими запитами на групи, наприклад: відеозаписи, інформаційні статті, каталоги, комерційні сторінки і т.д. і визначаємо до якої групи з них найближчий цільовий URL.

Візьмемо, наприклад, ключове слово «pool». Ось так виглядає пошукова видача Google за цим запитом:

Google пропонує як сторінки про басейни, так і про гру в більярд (з англ. «pool»). Ми ділимо ці результати на дві групи та даємо рекомендації на основі тих URL, які ви додали вручну або обрались автоматично (у «Кластеризації»). Відповідно, якщо сторінка присвячена лише басейнам, ми виключимо зі звіту нерелевантні результати про «pool», як гру в більярд.

Якщо ви не додасте при налаштуваннях цільову сторінку, то рекомендації будуть будуватися на результатах аналізу найбільшої групи конкурентів за фразою. Те саме працює з комерційними та інформаційними запитами. Якщо ви введете macbook у Google, то отримаєте:

Результати містять як інформаційні сторінки, і комерційні.

Якщо вас цікавить покупка макбуків, Serpstat проаналізує вміст вашої сторінки, відкине нерелевантних інформаційних конкурентів та надасть рекомендації на основі аналізу комерційних.

2. На основі аналізу інших сторінок у цій групі даємо рекомендації щодо покращення текстової складової сторінки та збільшення релевантності сторінки відносно фраз.

На цьому етапі ми налаштовуємо список ключових слів для кожної частини сторінки: Title, H1 та Body. Список ключових слів формується за допомогою трирівневої метрики TF-IDF-CDF (term frequency, inverse document frequency, cluster's document frequency). Її ми застосовуємо для ранжування слів, що визначають тематику цілого кластера.

• TF (Term Frequency) враховує кількість входжень ключа до тексту.
• IDF (Document Frequency) контролює малоінформативні слова — слова, що зустрічаються у великому відсотку текстів, стоп-слова.
• СDF (Cluster's Document Frequency) знаходить найбільш значущі кожному за кластера слова — LSI-слова.