В виду того что я достаточно часто собираю СЯ для коммерции, нередко вставал вопрос как массово отсеивать информационные ключи что в данном случае будут мусором в данном СЯ. О методах сейчас и расскажу.
Чистка семантического ядра:
- Минус словами
- Параметрами ( полнота , частотность, гео итд )
Если свои критерии по параметрам я раскрывать не буду, то списками минус слов я могу спокойно поделиться, потому как, во первых это больше коллективный продукт чем личный, да и фразы что там используются в принципе доступны всем без исключения.
Скачать все списки минус слов + обновления
12 списков минус-слов мы вышлем на указанный Email, а так же все свежие обновления.
Глобальный черный список фраз
В нем во основном инфо-запросы, собраны по принципу ненужности для типичного комерса.
Данный список рекомендую перечитать перед началом работы с ним. Бездумное использование может больше навредить чем помочь!
Причина проста, для каждого отдельно взятого бизнеса есть свои запросы которые фактически пусть и являются информационными но будут конверсионными. Например, в нем есть ключ «установить» , добавлен он туда в контексте ПО. Но в Вашем случае вы можете рекламировать установку пластиковых окон и тут можете себя подставить.
Список городов РФ с численностью свыше 100 тысяч человек:
(кажется 100+, сейчас уже не помню. Взято из википедии по аналогичному запросу)
Все просто, когда собирается ся и используется достаточно больше количество источников ( я использую — подсказки, spywords, вордстат, база Пастухова и ) К примеру когда я собираю семантику для бизнеса из Ярославля — часто из вордстата подхватываются ключи с упоминанием Москвы или крупных городов из ближайших областей. Потому у я использую данный список, просто не добавляю в ЧС Ярославль и выпиливаю все остальное.
Города Украины и Белоруссии с населением более 100 тысяч человек:
(собраны по аналогии с РФ)
Принцип тот же что и у списка Выше, если собираете для Укр или Блр то не забывайте удалять из списка нужные города.
Женские (1072шт) и мужские (2196шт) имена:
Женские имена и Мужские имена могут вам понадобиться для чистки в том случае если в запросах часто бренд — это имя человека, с таким я например столкнулся при работе в тематике фотографов.
Как не навредить черным списком семантике
После публикации этих списков в твиттере Павлуцкий Александр правильно откомментировал предостережением:
Работая со списком в кей коллектор обращайте внимание на настройки выделения минус слов.
Если у Вас есть свои списки минус слов которые могут быть универсально использованы для контекста или сбора семантики — публикуйте их, это сильно облегчит работу Вам и Вашим коллегам.
Лайвхак для работы с черным списком
UPD1:
В минус слова Яндекс.Директ можно добавить только 2048 символов, а во всех 3х списках минус слов имеется 5682 символов (перебор на 3634 символов).
Выходим из ситуации так — загоняем весь список в коллектор, выставляем регион своей РК и парсим частотности по базовой частоте. выкидываем не существенное и сокращаем до лимита в 2048 символов — профит, имеем актуальный для региона черный список.
UPD2:
Для формирования списка минус слов под конкретное объявление в контекстной рекламе рекомендую использовать простые манипуляции в блокноте:
- Берем всю левую колонку из wordstat по целевому запросу ( удобней всего через кей коллектор )
- Копируем в блокнот
- Удаляем ключевой запрос и его производные, а так же плюсы
- Пристально смотрим на оставшиеся хвосты
- Удаляем конверсионные ключи, а список оставшихся запросов смело засовываем в минус-слова рекламной компании