LSI-фразы: что это такое и как их собрать
Алексей Солдат Редактор «Текстерры
Делюсь самым эффективным алгоритмом поиска LSI-фраз, который постоянно использую в своей работе. В конце концов, вы также научитесь за полчаса рассчитывать необходимое количество LSI и находить нужные.
Что такое LSI-копирайтинг
«Пиши для людей», — говорят они. Как поисковая система понимает, что содержание моей страницы удовлетворяет потребности пользователя? Эта задача выполняет копирование LSI.
LSI-копирайтинг («скрытое семантическое индексирование») — это механизм, помогающий повысить релевантность веб-страницы с помощью поисковых фраз.
Если пользователь вводит в поисковике словосочетание «консультация гинеколога», он как минимум хочет увидеть информацию о ценах, задать уточняющий вопрос и заполнить регистрационную форму. То есть фразы «гинеколог задать вопрос», «гинеколог цены», «запись к гинекологам» и «гинеколог онлайн» являются синонимами запроса.
Поисковик запоминает, на каких страницах установка держится прожектов и, отткавиваяс содержанием этой страницы, спасибо пристой LSI-фраз. Далее при поиске он использует не только конкретный запрос, но и фразы LSI.
Поисковая система классифицирует страницу как коммерческую или информационную, также начиная с LSI.
Усиленно продвигать коммерческую страницу, если ее текстовый контент извлекает фразы, потребляет информационному провосу, и выбору. То есть LSI важен для корректной классификации страницы.
Ранжирование документов с LSI-оптимизацией и без
Между внутренними страницами сайта и внешними документами рассчитывается связь. Это похоже на ссылку при перелинковке и получении ссылок с других доменов, но состоит только из слов. Чем надежнее ссылка, тем лучше ранжируется страница. Напрямую об этом горовить патент Google (ранжирование документа с дополнительными словесными зыбы). Чем обширнее представлена семантика LSI в документе и на сайте в целом, тем проще продвигать страницы.
Без применения LSI в конкурентных сферах делать нечего: поисковая система воспринимает контент сайта как недостаточно качественный, то есть неудовлетворяющий запросы.
Откуда взять LSI-семантику
Проблема 1. Как придумать синонимы и родственные словосочетания? Вы можете использовать мозговой штурм и поисковые подсказки. В этом случае возникает другая проблема.
Проблема 2. Как понять, какие LSI фразы из полученного массива имеют наибольшее значение для поисковика?
У обеих проблем есть простое решение.
Шаг 1. Сбор маркерных запросов
Маркерные запросы составляют основу семантического ядра. Например, для коммерческого сайта по продаже кирпича — «купить кирпич», «кирк с доставкой» и т.д.
Запросы на маркировку не могут быть сокращены. Если убрать одно из слов из словосочетания «купить кирпичи», то запрос не останется. Купить можно что приятно, а программы сам по себе не комерческий. Это может быть фото кирпича или самодельный кирпич.
Базовая частота – это сколько раз фраза «купить кирпич» встречается во всех возможных вариациях: «купить силикатный кирпич», «купить красный кирпич дешево» и т д).
Точная частость — количество конкретных запросов «купить кирпичи» без уточнения.
Чем больше разница между базовой частотой и точным входом, тем больше возможностей составить фразу из запроса маркера, добавляя другие слова и фразы LSI.
Запросы на маркировку имеют свою особенность большую числовую разницу между базовой частотой и точным вводом фразы. Поэтому мы специально ищем маркерные запросы для конкретного кластера (семантической группы) для 1 лендинга.
Форма и пост-семантическое ядро для дальнейшей работы Экономьте время. Я пойду налю чай — вода уже кипит.
Шаг 2. Поиск конкурентов для изъятия LSI-фраз
открываем Arsenkin Tools, ищем инструмент «Выгрузка топ-10 сайтов». Вбиваем туда все запросы маркеров для одной страницы, выставляем регион (делаем это всегда, даже если сайт не геотегирован) и нажимаем «Начать проверку».
В качестве альтернативы Арсенкину можно использовать сервисы Key Collector, PR-CY, Serpstat, Pixeltools, Топвизор.
Мы получили по каждому запросу из списка, введенного нами по колонке. В каждой колонке по 10 сайтов из топа «Яндекса» по этому запросу. Рекламные объявления, конечно же, не в колонках. Столбики разноцветные: одинаковые адреса, разбросанные по разным столбикам, выделенные одним оттенком:
Наша задача прокрутить вниз до этого блока:
Как видите, я уже зачеркнул агрегаты и выделил первые 10 релевантных ссылок. Эти страницы чаще всего встречаются в результатах скачивания, а значит, находятся в топе по количеству запросов, чем остальные. Делаем вывод, что запросы маркеров на этих страницах широко разбросаны, охватывают множество LSI и страницы имеют хорошие поведенческие факторы.
Шаг 3. Таблица для исследования и веб-анализа LSI-семантики конкурентов
У меня было два варианта — прочитать все вручную для каждой страницы или вставить формулы и сохранить шаблон для использования по мере необходимости. Я изготовил шаблон, который мне это пазиболи выходы Excel. Я эксперт в Excel. Это выглядит так:
Обратите внимание на верхний блок и строки в нем: количество символов, тошнота, максимальная тошнота и минимальная тошнота. Мы вычисляем эти значения для каждой из 10 страниц, а таблица вычисляет среднее арифметическое. Таким образом, мы можем видеть тенденции в зависимости от того, какие страницы находятся в топе. Например, объем текста или плотность ключевых фраз.
Ниже расположены два поля – бежевое и серое. Колонка формул слева от этих полей представляет собой переход от средней максимальной тошноты к средней минимальной тошноте, умноженной на 100 для удобства расчетов.
В желтом поле будет 5 страниц, ведущих верхние, а в сером поле – нижние пять. Разница между первой и второй пятеркой заключается в их рейтинге. Первые пять имеют в несколько раз больший вес.
Все цифровые значения, которые мы получим в процессе работы, будут умножены на коэффициент. Для желтого поля это будет 1, а для серого поля — 0,5.
Справа, внизу списка 1 — результаты нашего отбора, где каждому слову присвоен ранг. Чем выше ранг, тем ближе к максимальной тошноте должна быть плотность вхождения этого слова в тело документа. Чем ниже, тем ближе к минимуму, но все же равен интервалу не меньше минимума.
Шаг 4. Парсинг LSI-фраз и обработка результатов
Заходим в сервис SeoLik (или его аналог p2pi) и находим инструмент «Анализ контента»:
Берем первую из десяти ссылок и вставляем их в окно анализа содержимого страницы. В результатах ищу поле с картинками ниже и выписываю значения из них в таблицу в соответствующие ячейки:
Что такое LSI и как получить LSI-фразы, анализируя спрос #4.1
На второй картинке мы видим список слов. Запишите первые 20 в желтое поле таблицы в столбик. 20-го слова: «запой», «лечение», «прач», «пациент» и так далее
Чем лучше всего собирать LSI фразы?
Повторяем ту же процедуру с остальными девятью страницами, постепенно заполняя желтые и серые поля:
Теперь остановимся на желтом поле.
Нам нужно найти одинаковые фразы в каждой из пяти колонок, умножить каждую на соответствующее ей число из колонки слева от желтого поля. Подсчитываем сумму полученных значений, записываем слово и полученный результат в соответствующие ячейки справа. В столбце «Число» введите количество совпадений.
Такую же процедуру проделываем отдельно с серым полем, но результаты расчета заносим в столбец с коэффициентом 0,5:
Колинки «Фраза», «Количество» и «Ранг» скопированы. Создаем в документе новый список, кликаем по ячейке B2 правой кнопкой мыши и выбираем «Специальная вставка» > «Вставить только значения»:
Удаляем столбец «Значения», фильтруем столбец «Ранг» от большего к менешему. Получаем семантику LSI. Расставляем слова по их важности и знаем плотность вхождений, которые они должны иметь:
Шаг 5. Сравнение
Теперь у нас есть два пути.
- Ситуация первая – у нас нет страниц. Просто сроздаем посадочную страницу, отталиваясь от мредности комплектов комплектов, пробных фраз и долности их хождений.
- Ситуация вторая – у нас уже есть страница. Делаем анализ на сервисе SeoLik и выписываем в графу «Acceptor» фразы»:
Шаг 6. Итог
Заключительный этап состоит из сравнения двух списков слов и «подтягивания» LSI фраз, редко встречающихся в теле нашей страницы, до необходимого уровня. Проверку проводим в SeoLik (или в p2pi), добавляйте нужные фразы или удаляйте лишние до тех пор, пока столбцы «Донор» и «Акцептор» не сравняются.
Мы сравниваем семантику LSI донора с семантикой LSI нашей страницы. Красным маркером отметим фразы, плотность вхождения которых нужно увеличить, а зеленым — слова, которые нужно удалить:
Мы получили список: «клиника», «реабилитация», «центр», «нарколог», «кодирование», «помощь», «запой». Вписываем слова в страницу текста-акцептора. Проводим проводной анализ накопления, полчаем результаты, которые показывают, что список и ранг LSI-фраз донора и акцептора примерно равны, что и требовалось.
В Google и «Яндекс», социальных сетях, рассылках, на видеоплатформах, у блогеров
Мы рады приветствовать вас на страницах нашего сайта quality21.ru — надеемся вам понравилась эта статья и вы поделитесь ею в социальных сетях!