На YouTube-канале Михаила Шакина недавно прошел вебинар с Ремом Ахмаровым. Собеседники обсудили такие темы:
- Что такое векторная семантика;
- В чем преимущество векторной семантики;
- Как использовать векторную семантику для формирования долгосрочного интереса у ботов и накачки документального ПФ;
- Какие ошибки встречаются при накрутке ПФ.
О спикере
Рем занимается SEO более 15 лет. Начинал работать в соло, самостоятельно обучаясь оптимизации сайтов по блогам известных SEOшников. На данный момент парень владеет собственным SEO-агентством, в котором работают 25 сотрудников.
Сегодня команда Рема ведет более 150 проектов, в числе которых как клиентские ресурсы, так и собственные. Ребята оказывают услуги комплексного продвижения сайтов, маркетинга и накрутки ПФ.
Что такое векторная семантика?
Векторное представление слова — это старая модель машинного анализа семантики естественных языков (NLP). Основная ее фишка заключается в вычислении силы связи между словами или фразами в контексте. Все нейронные сети изначально обучались именно на этой модели.
Результат анализа в векторном представлении слова зависит от общей базы слов. Работу данного алгоритма можно пояснить на следующем примере. Предположим, что в обучающую модель загружены тексты всех русских народных сказок. Алгоритму ставится задача: найти слово, похожее на «король», «женщина» и не похожее на «мужчина». То есть виртуальная близость искомого слова должна быть как можно ближе к королю и женщине и как можно дальше от мужчины. Векторный анализ выдаст слова: королева, принцесса и тому подобное.
Преимущества векторной семантики
Главное преимущество векторной семантики — это независимость от топа выдачи поисковой системы. Также она дает возможность рассчитать силу связи ключевых слов и запросов по отношению к главному ключевику. Эти особенности помогают экономить рекламный бюджет. Рем рассказал об эксперименте, проведенном его командой с сайтом телемастерской.
Ставка в Директе по фразе «ремонт телевизора» составляла 4 000 рублей. В то же время менее популярные среднечастотные запросы, например, «моргает телевизор» или «красный экран у телевизора» стоили 400 рублей. Указанные фразы были получены благодаря векторной семантике. Они имеют меньшую конкуренцию в сравнении с ВЧ «ремонт телевизора», но при этом обладают высокой значимостью.
Еще к преимуществам векторной семантики спикер отнес получение важной связной лексики. Стандартные текстовые анализаторы ее не достанут, поскольку ориентируются исключительно на топ поисковой выдачи. Графически векторная семантика изначально представляла собой схему, изображенную на картинке ниже.
На данный момент она имеет вид паутины, как показано на следующем скриншоте.
Глобальная проблема рынка накрутки поведенческих факторов
Подавляющее большинство тех, кто занимается накруткой поведенческих факторов, обучаются работать с софтом, вместо того, чтобы понять сами факторы ранжирования. При этом большинство доступных на рынке решений для накрутки ПФ работают лишь с одним из факторов — это last click. То есть роботы с помощью конкретного ПО делают клик и закрывают сайт, тем самым создавая для него хорошую сессию, но это все. На самом деле поведенческих факторов ранжирования гораздо больше:
- CTR сниппета в поиске — соотношение показов к кликам;
- Социализация проекта — заходы из соцсетей профильных аккаунтов;
- Общее количество трафика;
- Глубина просмотра;
- Конверсия — различные сценарии поведения. Например, из поиска конверсия происходит сразу, с внешних источников спустя 3-4 страницы;
- Время нахождения юзера на сайте;
- Постоянная аудитория.
«Часто коллеги обращаются ко мне с вопросом: “Чем ты крутишь ПФ?”. Я считаю, что этот вопрос неправильный, важнее получить ответ на то, как я кручу ПФ. К слову сказать, у меня 6 софтов, с которыми я работаю для накрутки ПФ», — охарактеризовал вопрос с накруткой Рем.
Что на самом деле знает Яндекс?
Многие SEO-специалисты недооценивают то, что поисковик знает об их действиях в части оптимизации сайтов. В любой коммерческой нише Питера или Москвы у Яндекса стоит в топе свой собственный сервис. Это касается как услуг — Яндекс Такси и прочее, так и товаров — Яндекс Маркет.
Объем данных, имеющихся у Яндекса, огромный, и весь этот массив обучает внутреннюю нейронную сеть. Благодаря собственным проектам, находящимся в топе, поисковик имеет максимально точные данные об идеальном поведении пользователей. При этом накрутчики ПФ выставляют настройки по различным мануалам, например:
Самые высокие ставки по RU, BY, KZ от прямого рекламодателя FONBET PARTNERS!
К заливам!
- Глубина — 5 страниц, чтобы повысить документный ПФ;
- Время вхождения — 180 секунд.
Такие шаблонные действия искажают модели реального поведения юзеров, и Яндекс легко их вычисляет, уверен Рем.
Перед проведением накрутки спикер посоветовал изучить Метрику качественного источника живого трафика. Необходимо понять поведение юзеров и на основании этого анализа построить какие-то сценарии накрутки ПФ.
На этом палится большинство накрутчиков
Большинство накрутчиков палятся не при запуске ботов, а на этапе прогрева аккаунтов. Есть очень много софта, который позволяет задавать индивидуальные настройки для разных ботов. Различные параметры входа, действий на сайте и времени нахождения на нем позволяют нивелировать риск обнаружения поисковиком ботов одной группы.
При этом мало кто из SEOшников заморачивается индивидуализацией поведения ботов на этапе нагуливания куков. При этом на этапе сбора куков Яндекс устанавливает, что имеет дело с ботом.
«Для нейронки Яндекса вычислить ботов на этапе нагула — дело нескольких миллисекунд», — заверил спикер.
Выстраивание отдельного индивидуального сценария для сбора истории посещений сайтов при прогреве аккаунтов также не гарантирует того, что поисковик не спалит бота. Риск есть и на этапе работы робота с продвигаемым сайтом. На рынке существуют 5-6 сервисов, которые могут запускать различные сценарии для каждого бота. У каждого из этих софтов примерно по 1 000 пользователей. Каждый из них крутит по несколько десятков сайтов. Соответственно, существуют десятки тысяч одинаковых паттернов, характерных для группы указанных сервисов. Отсюда Рем сделал вывод, что все находящиеся в свободном доступе к покупке сервисы уже спалены Яндексом.
Применение векторной семантики при накрутке ПФ
В личном кабинете Яндекс Метрики есть такой показатель, как долгосрочный интерес аудитории. Он показывает индекс соответствия контента сайта интересам юзеров. Применение векторной семантики позволяет формировать нужный интерес у ботов. Использовать это нужно как до посещения целевого сайта, так и после, поскольку будет странным, если юзер неделю интересовался какой-то темой, затем сделал last click и потерялся.
Идеальная связка, по мнению спикера, — это нагул куков по околотематическим информационным запросам. На примере медицинской тематики это можно представить так: редко кто из юзеров сразу ищет таблетки. Реальные люди сначала гуглят симптомы — «болит голова», «крутит живот» и так далее. Погуляв по таким информационным запросам, пользователи принимают решение, что им нужен «Ибупрофен». Они задают в поиске «купить “Ибупрофен” Москва» и попадают на нужный сайт.
Кейс: сценарий бота телемастерской
Накручивая ПФ для сайта мастерской по ремонту телевизоров, команда Рема запустила ботов по разным информационным поисковым запросам: «мерцает изображение на телевизоре», «почему на экране появляются красные точки» и тому подобные. Боты гуляли по таким запросам 7-10 дней. После этого они заходили по запросу «ремонт телевизора» на продвигаемый сайт, затем совершали микроконверсию — оставляли контактные данные в форме обратной связи.
Еще спустя неделю после целевого действия боты ходили по информационным статьям «как выбрать цифровую антенну к телевизору», «усилитель ТВ-сигнала» и подобным дальним запросам семантики. Только после этого итерация накрутки считалась завершенной.
Накачка документального ПФ с помощью векторной семантики
Суть метода состоит в том, чтобы найти менее конкурентные запросы, но имеющие такую же высокую значимость, как и ВЧ. Например, вывести страницу в топ по запросу «красный экран ТВ» будет гораздо проще, чем «ремонт ТВ». Интент и конкуренция в них разная, однако важность первого запроса не меньше.
Имея сотню запросов с низкой конкуренцией, которые связаны с основным ключом, можно разнообразить заходы, чтобы выйти из паттернов, спаленных поисковиком. Кроме того, это позволяет накачать last click сразу по нескольким нетипичным запросам. К тому же накрученные длиннохвостовые низкочастотные запросы тянут за собой СЧ и ВЧ-ключи.
Ответы на вопросы
Вторая часть вебинара Рема Ахмарова была посвящена ответам на вопросы по векторной семантике и накрутке ПФ. Самые интересное публикуем в завершении этой статьи.
С чего рекомендуешь начинать накрутку ПФ?
Начинать нужно с сайта: качественно сделать техничку, наполнить его полезным контентом, налить трафик. После этого можно накручивать ПФ по отдельным запросам. Крутить поведенческие на некачественный сайт не имеет никакого смысла.
То есть изначально нужно протестировать, насколько высокой будет конверсия на платном трафике. При высоком конверте накрутка позволит выйти в топ и, что самое важное, удерживать позиции.
Какие частые ошибки допускают начинающие накрутчики ПФ?
Основная ошибка — это то, что SEOшники пытаются изучить софт, а не поведенческие факторы, с которыми он работает. Перед накруткой нужно разобраться с самими факторами и определить, какие моменты влияют на ПФ.
Сколько стоит накрутка ПФ? Скажи хотя бы примерные цифры.
Я ориентируюсь на частотность запроса, делю ее на 60 и понимаю необходимое количество ботов в сутки. Из этого можно просчитать, сколько нужно денег для накачки конкретного количества ботов.
Если говорить о конкретных цифрах, то у новичков накрутка будет стоить 10 000-12 000 рублей, у более прошаренных специалистов — 15 000-20 000 рублей в месяц. Если нужна быстрая накрутка, стоит ориентироваться на ценник от 50 000 рублей.
Как понять, какими векторами весомее всего крутить ПФ?
Лучше использовать те, которые ближе всего стоят к основному ключу.
Как ты определяешь, какой граф использовать, если есть несколько векторов по смыслу? Например, для слова «продвижение», в смысле оптимизации сайта или наступления войск.
Результат анализа напрямую зависит от изначально подаваемой базы. У нас есть свои алгоритмы отсечки — 10 парсеров, каждый из которых работает в своем источнике. Одни вытягивают тексты, другие — ключи, третьи — подсказки и так далее. Если в одном из направлений какая-то фраза не соответствует контексту, то алгоритм ее отсекает. Соответственно, на обучение идет релевантный контент для постройки вектора.
Сильно ли отличается продвижение сайта в Яндексе и Google с помощью ПФ?
Да, сильно отличается. Из наших проектов только 30% выстрелили с накруткой поведенческих. Основная причина этого связана с тем, что Google слишком умный. У него гораздо больше информации о поведенческих факторах людей, поскольку более 75% всех устройств на планете — это Android. Поэтому обмануть Google сложнее, чем Яндекс, где ПФ является основным фактором ранжирования.
За какой срок реально накрутить сайт поведенческими из топ-20 в топ-1?
Если говорить о медленном ПФ, то для накрутки достаточно двух переучетов. Сейчас переучет документов ПФ длится в среднем 4-5 дней. Если говорить о быстрой накрутке, можно и за час поставить на первую строчку выдачи. Но, опять же, на это влияет очень много факторов — конкуренция в нише, как жестко крутят ПФ конкуренты и так далее.
Как долго будет работать накрутка ПФ в Яндексе? Будет ли поисковик в ближайшем будущем бороться с накрутчиками?
Я думаю, что, если бы Яндекс захотел, то очень быстро переобучил алгоритм и отсек 90% накрутчиков. Видимо, у него есть свой интерес в том, чтобы этого не делать. Можно предположить, что боты положительно влияют на статистику посещаемости, что позволяет поисковику выдерживать конкурентную борьбу с Google.
