sertihomirov

Основные преимущества использования средств автоматизации интернет маркетинга

1 0
13:44 29 мая 2013 — опубликовал Tikhomirov Sergey
Автоматизация маркетинга позволяет увеличить операционную эффективность и увеличить прибыль. Она позволяет настроить всю кампанию сразу, заранее. То есть значительно сократить затраты времени и сил на проведение маркетинговых кампаний. Так, например, при использовании программного обеспечения для автоматизации маркетинга Вам не придется выгружать листы лидов из одной системы, загружать их в другую, а затем, в обратном порядке, загружать результаты кампании в CRM систему. Синхронизация позволяет избежать всех вышеперечисленных шагов. Данные проблемы не являются серьезными в случае, если у компания не обладает обширной базой лидов или проводит небольшое число кампаний. Но с увеличением их количества внедрение программного обеспечения для автоматизации интернет маркетинга становится критичным.

Основные преимущества использования программного обеспечения для автоматизации маркетинга:
Хиврин Николай

Рубрикация поисковых запросов

5 1
17:43 19 апреля 2013 — опубликовал Хиврин Николай
В базе запросов MegaIndex на сегодня 23 000 000 фраз. В это количество входят все фразы из подсказок Яндекс и Google, все запросы с wordstat больше 0 и запросы наших пользователей.

1. Если рассматривать это как простой список запросов, то эти данные фактически бесполезны.
Использовать этот массив можно в том случае, если сделать его полную рубрикацию. Под полной рубрикацией я понимаю разделение запросов на категории, в рамках которых конкурируют отдельные продукты или услуги.
Например нам не нужна в базе категория «Банки», а нужны «Ипотечный кредит», «Автокредит», «Потребительский кредит» и т.д…

2. Кроме этого, нужно сделать так, чтобы категории были выстроены в виде иерархической структуры. Что это значит? А то, что на каждом уровне пользователь увидит не более 15 вариантов, при этом он однозначным образом сможет добраться до интересующей его категории. Например, Бизнес -> Финансы -> Forex

Например, в Яндекс Каталоге уже есть достаточно неплохая рубрикация, но есть две проблемы:
— она недостаточно разделена. Следовательно, внутри одной категории могут быть совсем неконкурирующие товары или услуги
— их категоризация не удовлетворяет первому пункту

Создать алгоритм, который мог бы составить такое дерево, по моему убеждению невозможно. Однако можно сделать подготовительные вычисления, которые помогут людям легко найти все возможные категории.

Что можно сделать?
1. Выявить популярные слова в запросах
2. Выявить кластеры запросов автоматически

С первым пунктом все понятно. Подключаем морфологический анализатор и делаем прогон всей базы запросов, а потом делаем группировку по фразам.
А вот вторая задача значительно сложнее. Её решение лежит в плоскости того, что по запросам одной тематики (кластера), поисковыми системами ранжируются одни и те же сайты. Остается собрать позиции, что мы и так делаем регулярно, и сделать анализ базы на поиск кластеров.
Сам алгоритм поиска кластеров не такой простой, как кажется. Есть тематики, где ограниченное количество сайтов ранжируется почти по всем запросам этой категории. А есть тематики, где распределение запросов по сайтам-конкурентам достаточно размазанное. Это как правило большие тематики (с большим количеством запросов). Например, у интернет-магазина плитки может различаться ассортимент по коллекциям и фабрикам. Для этого приходится придумывать алгоритмы автоматического обучения для подбора параметров кластеризации.

На выходе получают почти готовые тематики.

Кроме того, есть и базовый метод поиска запросов по маске. Например, все запросы, которые включаются слова «окна» и «пластиковый» в различных морфологических формах.

По факту, реализация этих методов позволяет разобрать базу запросов на 5000-10000 тематик за вполне разумное время.

Скоро обновление базы по категоризации запросов появится в MegaIndex.

После прочтения материала может возникнуть вопрос, зачем столько усилий для решения обычной прикладной задачи?
Все дело в том, что такая категоризация позволит решить целый пласт аналитических и необходимых для продвижения задач:
— точное определение тематик сайтов (необходимо для использования в закупке ссылок)
— анализ динамики продвижения сайтов в каждой категории
— быстрый поиск основных конкурентов
— эффективных подбор семантического ядра
и т.д.

Безусловно стоит ждать и появление новых сервисов, которые будут использовать эти данные.
Хиврин Николай

Построение рейтинга видимости

2 0
12:11 12 мая 2013 — опубликовал Хиврин Николай
Довольно важной задачей для любого маркетолога является оценка того, на сколько эффективно задействован тот или иной канал продвижения? Какая часть Ваших потенциальных клиентов узнает о Вашей компании или продукте? В рамках поискового продвижения эти показатели можно оценить с достаточно высокой точностью, выбрав соответствующую модель. Далее я хочу поделиться той моделью, которую мы сейчас реализуем для нового рейтинга MegaIndex.

Ранее я писал о том, как мы делаем рубрикацию поисковых запросов. В результате неё мы получаем множество тематик, которые представлены в виде дерева. Данная модель позволяет рассматривать как широкие тематики (пример «Товары и услуги»), так и вполне конкретные (пример «такелажные работы»)

Теперь рассмотрим математическую модель для построения рейтинга видимости сайтов внутри каждой тематики. Для начала нужно определить, что такое «видимость сайта».
Видимость сайта — это вероятность того, что пользователь увидит ссылку на сайт в результатах поиска по конкретному запросу или группе запросов. Если мы говорим о группе запросов, соответствующих тематике, то это вероятность того, что по случайному запросу в тематике сайт будет замечен случайным пользователем.

Видимость сайта по запросу

Если мы рассматриваем один запрос, то определить видимость по нему довольно просто. Безусловно она зависит от формата отображения выдачи в поисковых системах и типа устройства, на котором пользователь просматривают саму поисковою выдачу. Однако эти параметры можно усреднить, получив незначительную погрешность результатов.

В рамках модели примем следующие значения:
Позиции 1-3: 100%
Позиции 4-5: 70%
Позиции 6-10: 50%
Позиции 11-20: 10%
и т.д.

Фактически мы задаем функцию, которая определяет значение видимости в зависимости от позиции сайта по запросу Vid(word[pos])

Если у нас имеется несколько поисковых систем, то видимость по одному запросу можно представить как:
Vid(word) = Vid(word[pos][1]) * (rate[1]) + Vid(word[pos][2]) * (rate[2]) +… + Vid(word[pos][N]) * (rate[N])
word[pos][i] — позиция сайта по запросу в поисковой системе i
rate[i] — популярность поисковой системы i от 0 до 1.

Например, если взять две поисковые системы Яндекс и Google с соответствующими долями 67% и 33%, то формула будет иметь следующий вид:
Vid(word) = Vid(word[pos][yandex]) * 0.67 + Vid(word[pos][google]) * 0.33

Например, мы анализируем сайт и запросу «пластиковые окна», который занимает 3 место в Яндекс и 10 место в Google:
Vid(word) = Vid(3) * 0.67 + Vid(10) * 0.33 = 100% * 0.67 + 50% * 0.33 = 83.5%

Видимость сайта по группе запросов

Теперь поставим задачу анализа видимости сайта по группе запросов, которые образуют тематику. Каждый запрос имеет определенную статистику, выраженную в среднем количестве запросов в месяц по соответствующей фразе. Необходимо посчитать взвешенную видимость по группе запросов в соответствие с популярностью каждого запроса.
Vid(group) = (Vid(word1) * wordstat(word1) + Vid(word2) * wordstat(word2) +… + Vid(wordN) * wordstat(wordN)) / (wordstat(word1) + wordstat(word2) +… + wordstat(wordN))
Рассмотрим простой пример тематики, состоящий из двух запросов:
— пластиковые окна (63035 запросов в месяц, видимость сайта 83.5%)
— пластиковые окна цены (16199 запросов в месяц, видимость сайта 50%)
Vid(group) = (83.5% * 63035 + 50% * 16199) / (63035 + 16199) = 76.65%

Понятно, что любая тематика состоит не из двух запросов, а из значительно большего количества. В базе MegaIndex есть тематики в которых даже более 100 000 запросов.
Также понятно, что нельзя собрать все запросы тематики для анализа.
Однако опыты показывают, что если тематика состоит из большого числа запросов, то видимость по двум различным подгруппам запросов из одной тематики совпадает с высокой точностью.
Например, если в тематике 1000 запросов, то видимости сайта по случайным 500 запросам и другим 500 запросам практически совпадают. Таким образом можно утверждать, что для определения видимости сайт достаточно выбрать несколько запросов из тематики. Как правило достаточно 100-200 запросов для получения погрешности в 2-3% от полученного значения по сравнению с расширением тематики до 1000 и 10000 запросов.

Для того, чтобы посчитать видимость сайта в категории верхнего уровня (в такой категории вложено несколько тематик), нужно взять все запросы из вложенных тематик этой категории.

Пример построения рейтинга в тематике «Грузовые автоперевозки»:
Рейтинг сайтов грузовые автоперевозки
interlimited

Запросность документа в SEO

2 0
00:32 2 апреля 2015 — опубликовал Угниченко Дмитрий
Одна из причин, почему страниц нет в индексе Яндекса и Google — запросность документа сайта.

Запросность документа (SEO)
interlimited

200 факторов, которые влияют на позицию сайта в выдаче Google (инфографика)

0 0
19:05 18 января 2014 — опубликовал Угниченко Дмитрий
Любому владельцу сайта важна позиция его проекта в поиске, в частности — в поиске Google. Команда SeoProfy подготовила огромную инфографику, в которой постаралась учесть абсолютно все факторы, влияющие на ранжирование в Google.
interlimited

Как выгодно отличаться от конкурентов в поисковой выдаче

0 0
01:45 23 ноября 2014 — опубликовал Угниченко Дмитрий
Отличаться от конкурентов в поисковой выдачи можно используя микроразметку.

Типы микроразметок

Organizations: Информация об организациях.

Events: Информация о мероприятиях, например, дата и места проведения мероприятий.


Music: Информация об альбомах, песнях.


People: Разметка профайлов, которая помогает Google лучше распознавать и отображать информацию в результатах поиска


Products: Отображения подробной информации про товар.


Recipes: Информация о рецептах, которая отображается в результатах SERP.


Reviews: Используется для разметки оценки продаваемого товара.


Video: Используется для разметки видео.

Создавать здесь: http://schema-creator.org/
interlimited

Как повысить оценку приложения пользователями в App Store, Google Play

4 0
03:48 26 декабря 2014 — опубликовал Угниченко Дмитрий

Почему положительные отзывы важны

Рейтинг приложения может положительно или отрицательно влиять на аспекты того, как пользователи находят приложения. В App Store рейтинг влияет на поисковую выдачу и место в топе. Приложения, имеющие большое количество положительных отзывов находятся в топе выше и сохраняют эту позицию дольше. В поисковой выдаче приложения с положительными отзывами находится выше.
Личное наблюдение — видя рейтинг приложения 3,5 звезды и выше, я с большей вероятностью его открою.

По причинам, перечисленным выше, иметь хороший рейтинг в App Store так важно.

Оценка приложения в App Store, Google Play пользователями
frostimperia

Как эффективно раскрутить ролик на YouTube?

1 1
14:44 29 мая 2013 — опубликовал Зырянов Максим
smmОдин рекламный ролик способен в кратчайшие сроки облететь просторы интернета и привлечь внимание именно тех людей, которые заинтересованы в Вас. Можно «поливать видео-очередями» во все стороны, полагаясь на удачу, или же, прицелившись, точно Люк Скайуокер в IV эпизоде Звездных войн, сделать один судьбоносный выстрел.