滚动、缩放、保存：使用 SEO 数据进行更智能的搜索查询分析

这篇客座文章是由 Seer Interactive 的 PPC 团队负责人 Kim Jones 带给您的。

来参加 Hero Conf 2019？ 我们的数字执行副总裁 Larry Waddell 也是如此，他将在 4 月 23 日的 10 分钟午餐时间演讲中为您介绍一种进行更智能的搜索查询分析的方法。

在他的聊天之后，我们将在现场有一些Seer数据策略师来帮助您DIY。

但是为了参与，您有 10 分钟的功课要做：

1. 从关键词语料库工具（如 ahrefs 或 SEMRush）下载您的自然 (SEO) 排名报告，以及从 Google Ads 上个月的搜索词报告
2. 安装 PowerBI 桌面
3. 观看 Wil 的 10 分钟教程视频，并加入关于关键字/搜索词的自然和付费数据：

然后来参加 Larry 的演讲，然后找一位数据策略师，准备好沉浸在您将一起发现的所有隐藏见解中！

因此，通过总共 30 分钟的时间投资，您将能够发现可扩展的节省和扩展机会。

太激动等不及了？

我们在下面提供了一些关于此方法如何运作以及它如何改变我们行业的更详细信息：

在过去的 5 年中，我们看到数据呈指数级增长。 随着付费搜索的发展和壮大，我们已经能够收集到更多关于我们的广告活动和测试的数据。 对于我们的一位客户，我们每月分析的唯一搜索查询数量在 2011 年到 2018 年之间增长了 140%（从大约 24K 到 58K 唯一搜索查询）。

这是大量需要定期手动分析的数据！ 哎呀！

为了在不丢失通常通过手动传统过滤方法识别出的宝贵见解的情况下大规模分析这些数据，我们将以下内容合并到我们最喜欢的大数据工具 Power BI 中：

SERP 功能背后的信号意图

（即 Google 注入到结果页面的富媒体结果）

+

NGrams

（即对词进行分组分析的一种方法）

我们将介绍这些 SERP 功能是什么，用户的意图是什么，您如何分析该 SERP 功能的数据，以及您应该寻找什么操作，以便您准备开始筛选不断增长的山搜索词数据。 我们还将介绍什么是 NGrams以及如何利用它们进行这些类型的分析。

向下滚动 SERP，以更明智的方式寻找机会

输入，SERP 功能。 搜索页面上有大量信息可以告诉我们为什么术语没有转换，或者帮助我们拼凑出 Google 认为查询背后的意图是基于它们显示的 SERP 功能。 比我们的广告更深入地了解用户看到的内容和与之互动的内容，使我们能够在用户所在的位置与他们会面。 SERP 功能有多种类型，Google 也在不断测试新功能。

我们可以使用用户意图进行更智能的搜索查询分析的一些功能包括：

精选片段

用户意图信号：寻求信息

分析项目：过滤以查找触发此的关键字，过滤转换率低的 NGrams

操作项：查找由于信息意图而未转换的查询

人们也问（“PAA”）和相关问题

用户意图信号：寻求更详细的信息，漏斗下方或切线相关

分析项目：过滤以查找触发此的关键字，过滤低 CTR 的 NGram，单独过滤以查看低 CVR。

操作项：分析查询的漏斗阶段以考虑使用 RLSA 进行否定或定位。

图像包

用户意图信号：寻求灵感或探索

分析项目：过滤以查找触发此的关键字，过滤具有低 CTR 和低 CVR 的 NGram。

操作项：以较低的出价或较低的 ROAS 目标对 Google 图片上的可购物广告进行出价，知道这些用户可能仍处于探索阶段。 还可以考虑为那些来自触发图像的查询的人创建受众，并在您认为他们将沿着漏斗向下移动的时间范围内重新定位他们。

视频轮播

用户意图信号：以视频格式寻求更长格式的信息

分析项目：过滤查找触发此的关键字，查看 NGram 主题

行动项目：在赢得有机视频轮播展示位置的 YouTube 频道上投放前贴片广告。

地图包

用户意图信号：寻求本地解决方案

分析项目：过滤以查找触发此操作的关键字，查看 NGram 主题中的意图（面对面/在线）

操作项：确保您已启用附加地址信息并且 Google Ads 已链接到 GBM。 考虑在本地包上测试出价策略。

PLA/购物广告

用户意图信号：购买或比较意图

分析项目：过滤以查找触发此的关键字

行动项目：考虑测试文本和 PLA 之间的预算分配，分析消息传递以确保它们相互支持。

结交朋友拯救本杰明

当我们通过将付费数据和 SERP 数据结合在一起来全面了解用户在搜索时的体验时，真正的价值就来了。

当我们了解用户在向下滚动 SERP 时的体验以及它如何影响我们的广告效果时，我们可以找到大规模节省的成本或在其他渠道上做广告的新机会。

“这听起来很棒，但你基本上只是让我添加更多要查看的内容。” 是的，但我们现在还有 7 种以更智能的方式过滤数据的方法，这有助于我们专注于特定目标（保存或扩展）。 也就是说，一旦我们完成了智能过滤，我们经常采用的一种方法来寻找要大规模执行的主题，那就是 NGrams。

NGrams 将搜索词分成词组并计算它们的频率。 例如，unigram 是 1 个单词，bi-gram 是 2 个总是彼此相邻的单词，tri-gram 是三个单词的短语。 它可以帮助我们识别单词趋势的一起使用，其订购他们的，这也就是说他们与如何字的选择会影响使用性能使用。

这些有助于我们识别搜索词中的主题，当我们在成本和转化率的镜头下查看 Ngram 时，我们可以很容易地看到比广告组级别的主题趋势更深的一层。

当您将您在 Ngram 中看到的主题与 SERP 功能中隐含的意图理解结合起来时，您将获得高效、强大的搜索查询分析。 您可以自己按照完整的分步说明进行操作，也可以在 4 月 23 日在 HeroConf 上找到我们，亲自指导如何找到这些节省和扩展机会。

想要了解有关如何使用 Power BI 和大数据来推动数字营销的更多信息？ 这里有一些资源：

• Power BI 指南：数字营销人员的大数据
• YouTube 系列：数字营销人员的 Power BI 基础知识