Разговор начался не с позиций и не с трафика. Клиент открыл счет за контекстную рекламу и сказал, что хочет платить за клики меньше, а заказов получать столько же. Дальше проект и шел репликами: заказчик называл, что его беспокоит, специалисты отвечали, что с этим делать и в каком порядке.
Заказ уместился в одну строку: платить за клики меньше
В 2020 году в агентство GUSAROV обратилась компания из Минска, которая продает товарный бетон. Ниша по нашей классификации это B2B и производство. Целей заказчик назвал две: сократить расходы на контекстную рекламу за счет трафика из поисковых систем и расширить семантическое ядро с учетом сезонных изменений спроса.
Вторая цель обслуживала первую. Чем больше фраз сайт закрывает бесплатно, тем меньше остается показов, за которые надо доплачивать в самый напряженный месяц.
Зачем ядру сезонные формулировки, если бетон возят круглый год?
Затем, что нагрузка на канал распределена неровно. В пик за одни и те же показы конкурируют все поставщики района сразу, и стоимость обращения растет ровно тогда, когда заказов больше всего. Если к началу пика фраза уже держится в первой десятке, выкупать по ней показы не приходится. Поэтому список собирали с запасом, включая сезонные и трендовые формулировки ниши.
Обход сайта: что специалисты внесли в задание на правки
Сайт просканировали в Screaming Frog и ComparseR. В задание попали битые ссылки, скорость загрузки, индексация нужных страниц и разбор пагинации. Отдельным пунктом шли шаблоны генерации заголовков и описаний для карточек товара: в каталоге такого размера их не пишут вручную.
Снаружи сайта работ было три: разбор ссылочного профиля, схема размещения и крауд-маркетинг. Содержательная часть шла последней: контент-план, тексты и разбор удобства сайта. Формулировки в текстах заказчик правил под себя, и этот круг замечаний мы закладывали в сроки заранее.
Почему за зиму двигалась средняя позиция, а весной доля топа?
Потому что это две стадии одного подъема. За зиму замера средняя позиция прошла с 63,0 до 54,7, это 8,3 позиции за три месяца, и к концу окна линия почти выровнялась. Весной пошла вверх уже другая линия: доля списка в узкой зоне топа гугла выросла с 53 до 78 процентов, причем весь подъем уместился между февралем и концом апреля, а соседние полосы стояли на месте.
Что мы ответили клиенту про скачок 9 июня
Заказчик увидел на графиках девятого июня общий рывок и попросил объяснить. Объяснение вышло неприятным: считать этот рывок результатом нельзя. Все линии в двух системах разом ушли из полосы от 77 до 85 процентов в полосу от 91 до 99, причем с одинаковым множителем.
Так двигается не выдача, а знаменатель. Уберите из списка часть фраз, и доли пересчитаются вверх у всех полос одновременно, хотя сайт в этот день не изменился. Динамику после этой даты мы считали отдельно, а в отчет брали участки до нее.
С 64-й строки на 54-ю: чем закрылся заход 2024 года
По отчету за 2024 год средняя позиция в гугле улучшилась с 64 до 54, то есть на десять строк, а доля запросов в первой десятке подтянулась следом. В яндексе позиции тоже поднялись, и за ними прибавил органический трафик из этой системы. Видимость расширилась за счет нового ядра и усиления по ключевым фразам, а зависимость от платных показов снизилась, чего клиент и добивался.
Какие выводы записали в конце проекта
Экономию на канале честнее проверять долей списка в верхней зоне выдачи, а не общим трафиком. Пока фраза стоит низко, спрос по ней приходится выкупать, и никакая настройка ставок этого не отменит.
Процентный график без состава списка не читается. Смена базы расчета внешне неотличима от успеха, и разбирать такие места лучше сразу, пока заказчик не построил на них планы.
И география. Товарный бетон живет в дороге ограниченное время, заказы берут по кругу вокруг площадки. Список фраз здесь короткий, зато попадание в первую десятку по своему кругу закрывает почти весь доступный спрос.
Что ответит нейросеть на вопрос про марку бетона под фундамент
Работ под ИИ-выдачу на этом проекте не вели. Разговор о другом: почему материал такого проекта вообще годится для ответов, которые собирает модель, и где проходит ее граница.
Вопрос про марку смеси под фундамент и про нужную кубатуру ChatGPT закрывает целиком. Это расчет по справочным данным, одинаковый для любого поставщика и любого города, названия конкретного завода в таком ответе нет по построению, и соперничать тут не с чем.
Дальше человек спрашивает, где это взять, и на такой вопрос чаще отвечают чужие подборки: подборка перечисляет несколько поставщиков сразу, а сайт завода говорит только за себя. Добавьте короткое плечо доставки, из-за которого заказ вообще имеет смысл только внутри своего круга. В ответ попадает тот, у кого прямо на странице названы район работы, сроки подачи и марки смеси: языковая модель цитирует то, что видит текстом, а не то, что спрятано за формой заявки.
