Scrollen, skalieren, speichern: SEO-Daten für eine intelligentere Suchanfragenanalyse verwenden

Dieser Gastbeitrag wird Ihnen von Kim Jones, PPC Team Lead bei Seer Interactive, zur Verfügung gestellt.

Kommst du zur Hero Conf 2019? Ebenso unser EVP of Digital, Larry Waddell, und er wird Ihnen in seinem 10-minütigen Mittagsvortrag am 23. April eine Möglichkeit bieten, intelligentere Suchanfragenanalysen durchzuführen.

Nach seinem Chat haben wir eine Handvoll Seer-Datenstrategen vor Ort, die Ihnen beim Heimwerken helfen.

Aber um mitzumachen, musst du 10 Minuten Hausaufgaben machen:

1. Laden Sie Ihren organischen (SEO) Ranking-Bericht von einem Keyword-Corpus-Tool wie ahrefs oder SEMRush und einen Bericht zu Suchbegriffen von Google Ads für den Vormonat herunter
2. PowerBI Desktop installieren
3. Sehen Sie sich Wils 10-minütiges Tutorial-Video an und fügen Sie Ihre organischen und bezahlten Daten zu Keyword/Suchbegriff hinzu:

Dann kommen Sie zu Larrys Präsentation, schnappen Sie sich danach einen Datenstrategen und machen Sie sich bereit, all die verborgenen Einblicke zu genießen, die Sie gemeinsam entdecken werden!

Mit einer Gesamtzeitinvestition von 30 Minuten können Sie also skalierbare Spar- und Erweiterungsmöglichkeiten aufdecken.

Zu aufgeregt, um zu warten?

Wir haben unten einige detailliertere Informationen darüber, wie diese Methodik funktioniert und wie sie unsere Branche verändert:

In den letzten 5 Jahren haben wir ein exponentielles Datenwachstum erlebt. Mit der Entwicklung und dem Wachstum der bezahlten Suche konnten wir viel mehr Daten zu unseren Werbekampagnen und Tests sammeln. Bei einem unserer Kunden stieg die Anzahl der einzigartigen Suchanfragen, die wir jeden Monat analysierten, zwischen 2011 und 2018 um 140 % (von etwa 24.000 auf 58.000 eindeutige Suchanfragen).

Das ist eine Menge Daten, die regelmäßig manuell analysiert werden müssen! Ick!

Um diese Daten in großem Maßstab zu analysieren, ohne wertvolle Erkenntnisse zu verlieren, die normalerweise durch manuelle, herkömmliche Filtermethoden gewonnen werden, haben wir Folgendes in unserem bevorzugten Big-Data-Tool Power BI kombiniert:

Signalisierte Absicht hinter den SERP-Funktionen

(dh die Rich-Suchergebnisse, die Google in Ergebnisseiten einfügt)

+

NGrams

(dh eine Methode zum Gruppieren von Wörtern zur Analyse)

Wir werden durchgehen, was diese SERP-Funktionen sind, was die Absichten des Benutzers sind, wie Sie die Daten dieser SERP-Funktion analysieren können und nach welchen Maßnahmen Sie suchen sollten, damit Sie bereit sind, den wachsenden Berg zu durchsuchen von Suchbegriffdaten. Wir werden auch behandeln, was NGrams sind und wie sie für diese Arten von Analysen genutzt werden können.

Scrollen Sie in den SERP nach unten, um intelligentere Möglichkeiten zur Suche nach einer Gelegenheit zu finden

Geben Sie ein, SERP-Funktionen. Auf Suchseiten gibt es eine Menge Informationen, die uns sagen können, warum Begriffe nicht konvertiert werden, oder uns dabei helfen, herauszufinden, was Google glaubt, dass die Absicht hinter Suchanfragen auf den angezeigten SERP-Funktionen beruht. Wenn wir über unsere Anzeigen hinaus verstehen, was Nutzer sehen und womit sie interagieren, können wir Nutzer dort treffen, wo sie sich befinden. Es gibt viele Arten von SERP-Funktionen, und Google testet ständig neue.

Einige der Funktionen, die wir verwenden können, um intelligentere Suchanfragenanalysen mithilfe von User Intent durchzuführen, sind:

Ausgewählte Snippets

User Intent Signal: Informationen suchen

Analyseelement: Filtern Sie nach Keywords, die dies auslösen, filtern Sie nach NGrams mit niedrigen Conversion-Raten

Aktionselement: Suchen von Abfragen, die aufgrund von Informationsabsichten nicht konvertiert werden

Personen stellen auch („PAA“) und verwandte Fragen

User Intent Signal : Suche nach detaillierteren Informationen, unterer Trichter oder tangential bezogen

Analyseelement : Filtern Sie, um Schlüsselwörter zu finden, die dies auslösen, Filtern Sie nach NGrams mit niedriger CTR, filtern Sie separat, um nach einer niedrigen CVR zu suchen.

Aktionselement : Analysieren Sie die Trichterphase von Abfragen, um eine Verneinung oder ein Targeting mit RLSA in Betracht zu ziehen.

Bildpakete

User Intent Signal : Suche nach Inspiration oder Erkundung

Analyseelement : Filtern Sie nach Schlüsselwörtern, die dies auslösen, filtern Sie nach NGrams mit niedriger CTR und niedriger CVR.

Aktionselement : Bieten Sie mit niedrigeren Geboten oder niedrigeren ROAS-Zielen auf einkaufbare Anzeigen in Google Bilder, da Sie wissen, dass sich diese Nutzer möglicherweise noch in der Erkundungsphase befinden. Ziehen Sie auch in Betracht, Zielgruppen für Personen zu erstellen, die über Suchanfragen eingehen, die Bilder auslösen, und richten Sie sie in dem Zeitrahmen neu aus, in dem Sie glauben, dass sie den Trichter nach unten verschoben haben.

Videokarussell

User Intent Signal : Suche nach längeren Informationen im Videoformat

Analyseelement : Filtern Sie, um Schlüsselwörter zu finden, die dies auslösen, sehen Sie sich NGram-Themen an

Aktionspunkt: Schalten Sie Pre-Roll-Anzeigen auf den YouTube-Kanälen, die die Platzierungen im organischen Videokarussell gewinnen.

Kartenpakete

User Intent Signal : Suche nach einer lokalen Lösung

Analyseelement : Filtern Sie, um Schlüsselwörter zu finden, die dies auslösen, schauen Sie sich die Absicht (persönlich/online) in NGram-Themen an

Aktionselement: Stellen Sie sicher, dass Standorterweiterungen aktiviert sind und Google Ads mit GBM verknüpft ist. Testen Sie die Gebotsstrategie für das Local Pack.

Produktinformationen/Shopping-Anzeigen

User Intent Signal : Kauf- oder Vergleichsabsicht

Analyseelement : Filtern Sie, um Schlüsselwörter zu finden, die dies auslösen

Aktionspunkt : Erwägen Sie, die Budgetaufteilung zwischen Text- und Produktinformationen zu testen, analysieren Sie die Nachrichten, um sicherzustellen, dass sie sich gegenseitig unterstützen.

Freunde finden, um Benjamins zu retten

Der wahre Wert entsteht, wenn wir ein ganzheitliches Verständnis dafür schaffen, was Benutzer bei der Suche erleben, indem wir bezahlte Daten und SERP-Daten miteinander kombinieren.

Wenn wir die Erfahrung eines Nutzers beim Herunterscrollen in den SERP verstehen und wie sich dies auf unsere Anzeigenleistung auswirkt, können wir Kosteneinsparungen in großem Umfang oder neue Möglichkeiten für die Werbung auf anderen Kanälen finden.

"Das klingt großartig, aber Sie haben mich im Grunde nur gebeten, noch MEHR Dinge hinzuzufügen, die Sie sich ansehen sollten." Ja, aber wir haben jetzt auch 7 weitere Möglichkeiten, die Daten intelligenter zu filtern, die uns helfen, uns auf ein bestimmtes Ziel (Speichern oder Erweitern) zu konzentrieren. Eine Methode, die wir jedoch häufig anwenden, um Themen zu finden, die nach unserer intelligenten Filterung in großem Maßstab ausgeführt werden können, sind NGrams.

NGrams unterteilen Suchbegriffe in Wortgruppen und zählen ihre Häufigkeit. Ein Unigramm besteht zum Beispiel aus 1 Wort, ein Bigramm besteht aus 2 Wörtern, die immer nebeneinander stehen, ein Trigramm ist eine Phrase mit drei Wörtern. Es hilft uns, Trends bei Wörtern zu erkennen, die zusammen verwendet werden, in welcher Reihenfolge sie verwendet werden, mit welchen anderen Wörtern sie verwendet werden und wie sich die Wortwahl auf die Leistung auswirkt.

Diese helfen uns, Themen in Suchbegriffen zu identifizieren, und wenn wir Ngrams unter dem Blickwinkel von Kosten und Conversions betrachten, können wir leicht eine tiefere Ebene als die thematischen Trends auf Anzeigengruppenebene erkennen.

Wenn Sie die Themen, die Sie in Ihren Ngrams sehen, und das implizierte Absichtsverständnis der SERP-Funktionen kombinieren, erhalten Sie eine effiziente, leistungsstarke Analyse von Suchanfragen. Sie können die vollständige Schritt-für-Schritt-Anleitung selbst befolgen oder uns auf der HeroConf am 23.

Benötigen Sie weitere Informationen zur Verwendung von Power BI und Big Data, um Ihr digitales Marketing voranzutreiben? Hier sind ein paar Ressourcen:

• Ein Leitfaden für Power BI: Big Data für digitale Marketer
• YouTube-Serie: Power BI-Grundlagen für digitale Marketer