1. Strategia treści na bazie intencji użytkownika.
Agenda
Wstęp (5 min):
- Czym jest “intencja użytkownika” ?
- Czego możemy się dowiedzieć od lidera badania intencji użytkowników?
Analiza i planowanie (15 min):
- Analiza intencji i zaangażowania użytkownika na podstawie własnych danych
- Ocena potencjału w oparciu o tematykę i konkurencję
Paweł Sokołowski
&
2
3. Czym jest “intencja użytkownika”?
User intent = Potrzeba i jej realizacja
Definicja intencji
Intencja w zapytaniu
Źródło: Search Quality Evaluator Guidelines
4
4. Zapytajmy Google - lidera analizy intencji i konwersji
Największa baza danych preferencji i interakcji, zbudowana w oparciu o:
● 6 miliardów zapytań dziennie
● 22 lata doświadczenia
● 120 tysięcy pracowników oraz tysiące zewnętrznych “rater’ów”
● dedykowana infrastruktura przetwarzania danych, TPU
● 3 tysiące otwartych stanowisk związanych z przetwarzaniem danych
(ML,AI)
Źródło: ai.google
5
5. Jak wygląda “intencja użytkownika” w praktyce u lidera rynku?
Intencja: Chcę wywiercić dziurę w ścianie, ale nie wiem gdzie są klucze od garażu w którym jest wiertarka
Zapytanie:
Realizacja intencji po obejrzeniu rekomendowanego materiału video:
Klucze są u
dziadka w kieszeni ...
6
6. Jak wygląda “intencja użytkownika” w praktyce?
To nie wyjątek, Google zmaga się z takimi zapytaniami każdej sekundy.
7
7. Jak Google odpowiada na intencje?
1. Przypisanie zapytania do preferowanego typu intencji
2. Określenie typu możliwych odpowiedzi, “result blocks”
3. Wytypowanie bloków i ułożenie szablonu SERP’ów, “SERP layout”
4. Wypełnienie bloków rekomendacjami (ranking)
Źródło: Search Quality Evaluator Guidelines
8
8. Mapowanie rekomendowanej “intencji użytkownika”
Intent boost factor = wyznaczenie siły danej intencji
Document boost factor = przypisanie siły intencji do dokumentu
Najlepsza rekomendacja = Intent boost factor * Document boost factor
Źródło: Google LLC Patent US8868548B2
9
9. Jak Google rekomenduje treści?
2000 2010 2020
# linków
anchor tekst
struktura dokumentu
autorytet linku
ranking domeny
słowa kluczowe
sygnały behawioralne
jakość informacji
dopasowanie intencji
E-A-T
Expertise | Authority | Trustworthiness
algorytmy stałe algorytmy płynne
logika
test
10
10. Procesowanie “intencji użytkownika”.
● Zapytanie (i jego typy)
● Strona (kopia w cache)
● Czas spędzony na danej stronie (The time on the document)
● Język użytkownika i kraj zapytania
● Negatywne informacje, wykluczenia (np: dokument był prezentowany, ale nie kliknięty)
● Rozkład pozycji i kliknięć
● Wewnętrzny ranking “klikniętych” rekomendacji i rezultaty jakie były wcześniej prezentowane
● Tytuły i snippety prezentowane ponad kliknięciem
● Dane użytkownika, IP, cookies, przeglądarka, itd
● Akcje przed i po kliknięciu na rekomendacje
● Autorytet użytkownika w danej tematyce
Źródło: Patenty Google oraz wypowiedzi inżynierów. Dla chętnych linki - proszę o kontakt.
11
11. Testy “intencji użytkownika”.
● Indeksacja (#3 - wysokie “domain authority”, średnia konkurencja)
● Testy A/B (kilka tygodni, mała liczba zapytań)
● Końcowy rezultat (#8 - niskiej jakości LP)
Źródło: Google Search Console
12
12. Podsumowanie: Czego możemy nauczyć się od Google i co omówimy?
● Intencja użytkownika jako podstawowy czynnik rekomendacyjny dla wyników
● UX, CRO, jakość jako elementy wpływające pośrednio na dopasowanie do intencji
● Większy udział semantyki (głównie istotność relacji intencji i konwersji)
● Testy A/B w procesie weryfikacji intencji i rekomendacji treści
13
13. Więcej informacji
● Dobre źródła informacji: patenty, wypowiedzi inżynierów, projekty Google Brain,
● Unikamy: PR, marketingu, etc (w razie wątpliwości -> Youtube SCIFUN “Krótki film o prawdzie i fałszu”)
● Dodatkowo: Behawiorystyka (SXO, UX), np https://www.nngroup.com/articles/how-people-read-online/
● Empirycznie: Praca jako “rater” (np uczenie AI)
14
15. Jak zastosować tę wiedzę w praktyce?
1.Posiadane zasoby
Ekspertyza
Najlepsze wyniki
ROI
2. Analiza potencjału
Intencje
Konkurencja
Zagospodarowanie tematyki
Strategia
16
16. Jak zaplanować działania?
Mała (< 300 URLi)
Jednostkowa, ręczna analiza
Porównanie na poziomie słowa kluczowego
Wiedza
Średnia i duża (> 300 URLi)
Analiza oparta o automatyzację
Porównanie na poziomie klastrów
Wiedza i narzędzia
Skala działania
17
17. Jak dobre są zasoby które posiadamy?
Pytania
Jakie treści przynoszą ruch?
Co wyróżnia zaangażowanych użytkowników?
Jakie wyszukiwania przynoszą rezultaty?
Reklamy (G ADS, FB): koszt konwersji?
Źródła danych do przeprowadzania analiz
Google Analytics: ruch, kanały, przychody
Google Analytics App+Web: zaangażowanie, eventy
Google Search Console: testy, ranking, konwersje
Reklamy (G ADS, FB): koszt konwersji
18
18. Jak dobre są zasoby które posiadamy?
Przykładowa analiza
Jakie wyszukiwania przynoszą rezultaty w danej niszy?
Tematyka związana z [lekkie buty do biegania]
Badana strona: adidas.com
Główna konkurencja: nike.com
19
19. Mapowanie behawiorystyki na poziomie naszych treści
Google Analytics | Google Search Console
WHO Keywords Search
volume
Conversion KPI Intent Data
SEE
Awareness
Largest addressable qualified
audience
broad High Low CTR, Unique visitors, Shares,
Organic reach
Searched queries, CTR,
Popular pages
THINK
Consideration
LAQA with commercial intent
(they need the product)
broad + “what/how”,
money
Average Average Specific page visits,
Newsletter, Time on page,
Return visits
Page value, Time on page,
Bounce rate, Brand
mentions
DO
Purchase
LAQA with buy intent (ready to
buy)
broad + “buy”,
branded
Low High Specific pages + behavioural
metrics, Sale/lead,
Conversion, Abandonment
Revenue, Bounce rate,
Time on page, “Brand +
product” queries
CARE
Loyalty
Current customers branded + product Low Average Conversation, Page visits,
Recommendation
Exact query, Time on page,
Page visits
Brand People searching for our brand branded + low high Specific pages (product) +
behavioural metrics
“Brand +” queries, CTR,
Page value
Competition People searching for
competition
competition name + high low Specific pages (comparison)
+ behavioural metrics
“Brand +” queries, CTR,
Page value
Hipotezy i praca z zespołem/klientem20
20. Jak dobre są zasoby które posiadamy?
Tematyka związana z [lekkie buty do biegania]
Zestaw interesujących nas metryk dla Think / Do na poziomie URLa:
Wartość strony,
Czas na stronie,
Odrzucenia,
Wyszukiwania wewnętrzne,
Przychód,
Zestaw interesujących nas metryk dla Think / Do na poziomie słowa kluczowego:
Impresje,
Kliknięcia,
Konwersje,
CTR,
Koszt CPC,
Koszt konwersji,
https://www.adidas.pl/blog/417675-co-to-jest-boost
https://www.adidas.pl/adizero-adios-pro-running-shoes/G55661.html
lekkie buty do biegania
najlepsze lekkie buty do biegania
lekkie buty do biegania damskie
lekkie buty do biegania dla mężczyzn
elastyczne buty do biegania
najlepsze lekkie buty startowe
lekkie buty do biegania męskie
21
21. Mapowanie behawiorystyki - APP+WEB
● Engaged session (10 sec)
● Engagement rate (% “engaged sessions”)
● Engagement time (actual time in foreground)
22
22. Mapowanie behawiorystyki - APP+WEB
● Raporty użytkownika (np. odwrócenie ścieżki konwersji, zaangażowanie)
● Big Query (łatwa integracja z SQL, od niedawna konektor do GDS)
● Większa ilość custom eventów (50+50)
23
23. Jak dobre są zasoby które posiadamy?
Tematyka związana z [lekkie buty do biegania]
Zestaw interesujących nas metryk dla “Care / Do” na poziomie URLa:
Wartość strony,
Czas na stronie, Engagement time
Odrzucenia, Engaged users
Wyszukiwania wewnętrzne,
Przychód,
Zestaw interesujących nas metryk dla “Care / Do” na poziomie słowa kluczowego:
Impresje,
Kliknięcia,
Konwersje,
CTR,
Koszt CPC,
Koszt konwersji,
https://www.adidas.pl/blog/417675-co-to-jest-boost
https://www.adidas.pl/adizero-adios-pro-running-shoes/G55661.html
lekkie buty do biegania
najlepsze lekkie buty do biegania
lekkie buty do biegania damskie
lekkie buty do biegania dla mężczyzn
elastyczne buty do biegania
najlepsze lekkie buty startowe
lekkie buty do biegania męskie
24
24. Łączenie danych z różnych źródeł
Eksportujemy wszystkie dane do formatu CSV, XLS
Excel: filtry, sortowanie, funkcje
Narzędzia: Pluginy do Google Sheets, Clusteric
Dostępne bezpłatnie
25
25. Wyniki łączenia danych
Pozyskane informacje: potencjał sprzedażowy, zmiany w czasie, zaangażowanie, kanibalizacja, itd
lekkie buty do biegania
najlepsze lekkie buty do biegania
lekkie buty do biegania damskie
lekkie buty do biegania dla mężczyzn
elastyczne buty do biegania
najlepsze lekkie buty startowe
lekkie buty do biegania męskie
26
26. Dalsza analiza intencji
Grupowanie dużych ilości danych:
ocena strategii komunikacyjnej, zagospodarowanie tematyki, zaangażowanie
Oznaczone
Bez oznaczeń
CLASSIFICATION CLUSTERING
27
27. Klasyfikacja danych
Grupowanie dużych ilości danych:
Python + Google Colab.
Skrypt dostępny dla wszystkich chętnych.
Ocena zagospodarowania danej tematyki w klastrach
28
Parent Keywords (grupy)
lekkie buty
buty do biegania
buty do biegania damskie
buty do biegania dla mężczyzn
buty startowe
28. Wyniki analizy intencji
Klastry danych w oparciu o:
● “dopasowanie intencji” - kalkulowana istotność informacji dla użytkownika
● ROI - wartość podstrony, kategorii, itd
● Strategia - zagospodarowanie danej tematyki
Dobre dopasowanie
Średnie dopasowanie
Brak dopasowania
Ocena wydajności tematyki w oparciu o dane behawioralne (engagement)
29
29. Podsumowanie pozyskanych danych
Dane behawioralne
● performance treści (URL, kategoria, grupa)
● grupy intencji (edukacja, sprzedaż, lojalność)
● pokrycie lejka sprzedażowego (jak dobrze
komunikujemy na poszczególnych poziomach)
Dane biznesowe
● potencjał sprzedażowy
● wpływ marki na intencje
30
30. Podsumowanie planowania zadań
Następne kroki - strategia działań
● zagospodarowanie nowych tematów
● optymalizacja treści
● usunięcie/połączenie tematów o niskiej
wydajności
● testy
31
32. Potencjał w praktyce
Intencja w Google
Typ zapytania
Typ odpowiedzi
Konkurencja
Nasze treści
Typy dokumentów
Posiadane informacje
Jakość
Analiza intencji
33
33. Jak wygląda proces analizy SERP’ów?
Dla danego zapytania wykonujemy analizę, z wariantami:
● SERP’y, sprawdzenie preferowanych typów rezultatów (bloki)
● Określenie typów treści w blokach i rekomendacji
● Mapowanie preferowanych typów treść do tych posiadanych
● Ocena elementów u konkurencji (powiązanie intencji z zapytaniem)
Czy warto tworzyć treści do tego zapytania? (ROI?)
Jakiego typu treści należy tworzyć?
FOLD
#1 organic
#4 organic
34
34. Analiza dokumentów konkurencji
● Ekspertyza tematyczna (semantyka)
● Określenie pokrewnych elementów HTML (np video)
● Podobieństwa statystyczne (np ilość nagłówków)
35
35. Ręczne mapowanie treści i intencji - repozytorium podstron
Typy dokumentów | Keyword | Pozycja | Ocena | Persona | Przeznaczenie | Ścieżka sprzedażowa
Sprawdza się przy małych stronach i wewnętrznych zespołach
36
36. Ręczne mapowanie treści i intencji - repozytorium słów kluczowych
Sprawdza się przy małej ilości słów kluczowych. Najlepiej bez podziału na języki.
Keyword | Typ | Intencja zakupowa | Istotność | Dopasowanie intencji do treści | Potencjał | Koszt
37
37. Automatyzacja procesu w oparciu o
Bezpłatne beta testy dla pierwszych osób na https://cont.ai
Treści pod kontrolą
Analiza Konkurencji Analiza strategii
Optymalizacja treści
38
39. Testowanie treści, dla geeków
Testy A/B: Google Optimise (+GTM)
Optymalizujemy:
zainteresowanie,
zaangażowanie,
wykonanie celu (sprzedaż)
… z poszczególnych kanałów
Testujemy:
struktura dokumentu,
treści paragrafów
media
CTA
40
41. Wiemy jak ...
42
●Mierzyć i analizować intencje użytkownika
●Używać dopasowania do intencji podczas planowania i optymalizacji treści
●Analizować semantycznie duże zestawy danych
●Używać testów A/B podczas pracy z treściami
Beta testy, skrypty, pytania - zapraszam do kontaktu
hello@cont.ai lub pawel@clusteric.com