Gulir, Skala, Simpan: Menggunakan Data SEO untuk Analisis Kueri Pencarian yang Lebih Cerdas
Diterbitkan: 2021-10-23Pos tamu ini dipersembahkan oleh Kim Jones, Ketua Tim PPC di Seer Interactive.
Datang ke Hero Conf 2019? Begitu juga EVP Digital kami, Larry Waddell, dan dia akan memberi Anda cara untuk melakukan Analisis Kueri Penelusuran yang lebih cerdas selama ceramah makan siang 10 menitnya pada tanggal 23 April.
Setelah obrolannya, kami akan memiliki beberapa ahli strategi data Pelihat di situs untuk membantu Anda DIY.
Tetapi untuk berpartisipasi, Anda memiliki 10 menit pekerjaan rumah yang harus dilakukan:
- Unduh laporan peringkat organik (SEO) Anda dari alat korpus kata kunci seperti ahrefs atau SEMRush, dan Laporan Istilah Penelusuran dari Google Ads untuk bulan sebelumnya
- Instal PowerBI Desktop
- Tonton video tutorial 10 menit Wil dan gabungkan data organik dan berbayar Anda pada Kata Kunci/Istilah Penelusuran:
Kemudian datanglah ke presentasi Larry, ambil ahli strategi data sesudahnya, dan bersiaplah untuk menyerap semua wawasan tersembunyi yang akan Anda temukan bersama!
Jadi dengan total investasi waktu 30 menit, Anda akan dapat menemukan peluang penghematan dan ekspansi yang terukur.
Terlalu bersemangat untuk menunggu?
Kami memiliki beberapa info lebih detail di bawah ini tentang cara kerja metodologi ini dan bagaimana metodologi ini mengubah industri kami:
Dalam 5 tahun terakhir, kami telah melihat data tumbuh secara eksponensial. Dengan evolusi dan pertumbuhan penelusuran berbayar, kami dapat mengumpulkan lebih banyak data tentang kampanye dan pengujian iklan kami. Untuk salah satu klien kami, jumlah kueri penelusuran unik yang kami analisis setiap bulan tumbuh 140% antara 2011 dan 2018 (dari sekitar 24 ribu menjadi 58 ribu kueri penelusuran unik).
Itu banyak sekali data untuk dianalisis secara manual secara berulang! Ick!
Untuk menganalisis data ini dalam skala besar tanpa kehilangan wawasan berharga yang biasanya diidentifikasi melalui metode pemfilteran manual dan tradisional — kami telah menggabungkan yang berikut ini ke dalam alat big data favorit kami, Power BI:
Niat yang ditandai di balik Fitur SERP
(yaitu hasil kaya yang disuntikkan Google ke halaman hasil)
+
NGrams
(yaitu metode pengelompokan kata untuk analisis)
Kami akan membahas fitur SERP ini, apa maksud pengguna, bagaimana Anda dapat menganalisis data fitur SERP itu, dan tindakan apa yang harus Anda cari sehingga Anda siap untuk mulai menyaring gunung yang sedang tumbuh. dari data istilah pencarian. Kami juga akan membahas apa itu NGram dan bagaimana mereka dapat dimanfaatkan untuk jenis analisis ini.
Gulir ke Bawah SERP untuk Cara Cerdas Menemukan Peluang
Masuk, fitur SERP. Ada banyak sekali informasi di halaman pencarian yang dapat memberi tahu kami mengapa istilah tidak berkonversi, atau membantu kami mengumpulkan apa yang Google yakini maksud di balik kueri didasarkan pada fitur SERP mana yang ditampilkan. Memahami apa yang dilihat dan berinteraksi dengan pengguna lebih jauh dari iklan kami memungkinkan kami untuk bertemu pengguna di mana mereka berada. Ada banyak jenis fitur SERP, dan Google terus menguji yang baru.
Beberapa fitur yang dapat kita gunakan untuk melakukan Analisis Kueri Penelusuran yang lebih cerdas menggunakan User Intent meliputi:
Cuplikan Unggulan
Sinyal Niat Pengguna: Mencari informasi
Item Analisis: Filter untuk menemukan kata kunci yang memicu ini, filter untuk NGram dengan tingkat konversi rendah
Item Tindakan: Temukan kueri yang tidak dikonversi karena maksud informasi
Orang Juga Bertanya (“PAA”) dan Pertanyaan Terkait
Sinyal Niat Pengguna : Mencari informasi yang lebih detail, corong yang lebih rendah, atau terkait secara tangensial
Item Analisis : Filter untuk menemukan kata kunci yang memicu hal ini, filter untuk NGram dengan CTR rendah, filter secara terpisah untuk melihat CVR rendah.
Item Tindakan : Analisis tahap corong kueri untuk mempertimbangkan penolakan, atau penargetan dengan RLSA.
Paket Gambar
Sinyal Niat Pengguna : Mencari inspirasi atau eksplorasi
Item Analisis : Filter untuk menemukan kata kunci yang memicu hal ini, filter untuk NGram dengan CTR rendah dan CVR rendah.
Item Tindakan : Menawar iklan yang dapat dibeli di Google Gambar dengan tawaran yang lebih rendah atau sasaran ROAS yang lebih rendah, karena mengetahui bahwa pengguna ini berpotensi masih dalam tahap eksplorasi. Pertimbangkan juga untuk membuat pemirsa untuk orang-orang yang datang dari kueri yang memicu gambar, dan menargetkan ulang mereka dalam kerangka waktu yang Anda yakini akan dipindahkan ke corong.
Video Korsel
Sinyal Niat Pengguna : Mencari informasi yang lebih panjang, dalam format video
Item Analisis : Filter untuk menemukan kata kunci yang memicu ini, lihat tema NGram
Item Tindakan: Jalankan iklan pra-putar di saluran YouTube yang memenangkan penempatan carousel video organik.
Paket Peta
Sinyal Niat Pengguna : Mencari solusi lokal
Item Analisis : Filter untuk menemukan kata kunci yang memicu ini, lihat niat (secara langsung/online) dalam tema NGram
Item Tindakan: Pastikan Anda mengaktifkan ekstensi lokasi dan Google Ads ditautkan ke GBM. Pertimbangkan untuk menguji strategi penawaran pada Paket Lokal.
PLAs/Iklan Belanja
Sinyal Niat Pengguna : Niat pembelian atau perbandingan
Item Analisis : Filter untuk menemukan kata kunci yang memicu ini
Item Tindakan : Pertimbangkan untuk menguji pemisahan anggaran antara teks dan PLA, analisis pesan untuk memastikan keduanya saling mendukung.
Mencari Teman untuk Menyelamatkan Benjamins
Nilai sebenarnya datang ketika kami menciptakan pemahaman holistik tentang apa yang dialami pengguna saat mereka mencari dengan menggabungkan data berbayar dan data SERP bersama-sama.
Ketika kami memahami pengalaman pengguna saat mereka menggulir ke bawah SERP dan bagaimana hal itu memengaruhi kinerja iklan kami, kami dapat menemukan penghematan biaya dalam skala besar atau peluang baru untuk beriklan di saluran lain.
“Kedengarannya bagus, tetapi pada dasarnya Anda hanya meminta saya untuk menambahkan LEBIH BANYAK hal untuk dilihat.” Ya, tetapi sekarang kami juga memiliki 7 cara lagi untuk memfilter data dengan cara yang lebih cerdas, yang membantu kami fokus pada tujuan tertentu (menyimpan atau memperluas). Yang mengatakan, satu metodologi yang sering kami gunakan untuk menemukan tema untuk dieksekusi dalam skala besar setelah kami melakukan pemfilteran cerdas kami adalah NGrams.
NGram memecah istilah pencarian menjadi pengelompokan kata dan menghitung frekuensinya. Misalnya, unigram adalah 1 kata, bi-gram adalah 2 kata yang selalu bersebelahan, tri-gram adalah frasa tiga kata. Ini membantu kami mengidentifikasi tren dalam kata-kata yang digunakan bersama-sama, yang memesan mereka digunakan dalam, yang dengan kata lain mereka digunakan dengan dan bagaimana kinerja dampak pilihan kata.
Ini membantu kami mengidentifikasi tema dalam istilah penelusuran, dan ketika kami melihat Ngram di bawah lensa biaya dan konversi, kami dapat dengan mudah melihat lapisan yang lebih dalam daripada tren tematik tingkat grup iklan.
Saat Anda menggabungkan tema yang Anda lihat di Ngram Anda, dan pemahaman maksud tersirat dari fitur SERP, Anda mendapatkan Analisis Kueri Pencarian yang efisien dan kuat. Anda dapat mengikuti petunjuk langkah demi langkah lengkap sendiri, atau Anda dapat menemukan kami di HeroConf pada tanggal 23 April untuk panduan langsung dan langsung tentang cara menemukan peluang penghematan dan perluasan ini.
Ingin info lebih lanjut tentang cara menggunakan Power BI dan data besar untuk mendorong pemasaran digital Anda? Berikut adalah beberapa sumber daya:
- Panduan untuk Power BI: Big Data untuk Pemasar Digital
- Seri YouTube: Dasar-Dasar Power BI untuk Pemasar Digital