Продвижение за счет анализа текстов конкурентов

Здравствуйте, друзья!

Сегодня я принес настоящую бомбу, какой в свое время стал спайвордс, который сейчас юзают все повсеместно.

Сегодня у нас на разделочном столе сервис seocillin.ru, который позволяет осуществлять мощнейщую текстовую аналитику и на её основе корректировать свои тексты. Изобрел его простой оптимизатор Кулик Константин (можете писать ему напрямую, если что), который кодил его в свободное от работы время. Но поверьте мне, скорее всего, скоро начнем слышать это имя гораздо чаще на всяких конференциях и т.д. Уж больно полезный и актуальный получился сервис.

И так, что же умеет seocillin.ru?

Есть две фичи, которые следуют одна из другой, это анализ выдачи и составление ТЗ на основе этого анализа. Штука очень интересная и полезная. Давайте разберем подробнее:

Анализ конкурентов

Если простым языком, то алгоритм работы примерно такой:

1. Мы задаем запрос и продвигаемую по этому запросу.

2. Сервис анализирует текстовое содержание топ 50 страниц по запросу (как серп, так и сами сайты), при этом исключая сквозные элементы сайта (навигацию, шапку и тд).

3. Мы получаем отчет с рекомендациями по количеству вхождений слов, исходя из текстов конкурентов.

Я анализировал слово "простатит". Получился примерно такой отчет (кликабельно):

Грубо говоря мы получаем среднеарифмитческое сглаженное значение примерного количество вхождений, которые нужны в тексте, чтобы попасть в топ. Даются рекомендации не только по прямым вхождениям, но и разбавленным и сопутствующим словам. Сам отчет очень большой и выкладывать скриншотами его неудобно, поэтому вот ссылка на его полную версию. Причем даются ещё рекомендации по объему текста (как по мне, так это один из самых важных параметров, особенно для гугла):

Как видите, мои тексты явно слабоваты по объему.

Ещё можно пронаблюдать корреляцию точных вхождений по каждому месту в топе:

Да и вообще, по каждому моменту отчета, включая IDF слов.

TF-IDF слова = TF слова в документе * IDF слова
TF в документе (частота употребления слова в документе) = кол-во вхождений слова в документе/общее кол-во слов в документе

Например, для слова "окна":
TF в документе = 15 раз в документе/500 слов в документе = 0,03
IDF слова = log(2 500 000 000/ 60 000 000) = 1,42

TF-IDF слова = 0,03*1,42 = 0,0426

Общая релевантность документа = сумма релевантности каждого слова (в анализе выделяются отдельно по группам слов - точные вхождения, словоформы, связанные).

Короче информации для анализа выдается тонна, причем по каждому пункту можно увидеть корреляцию и динамику. Частным оптимизаторам и тем, кто делает контентники это must have. В моем постоянном арсенале этот инструмент точно займет место.

ТЗ для копирайтера

Дальше, проанализировав все это дело, можно сформировать из него ТЗ для копирайтера, в котором будут указаны все необходимые цифры (количество вхождений, объем текста и тд). По сути, это такой же отчет, только в нем минимум лишней инфы. Только сухие цифры. Поэтому не вижу смысла останавливаться на нем подробнее.

+ бонус ежедневный мониторинг показателей Яндекс

Ещё одна отличная штука, как мне кажется, которую можно смотреть совершенно бесплатно.

Так можно следить за настроениями всех вебмастеров, ну и оставаться в тренде текстовой оптимизации. 🙂

Итого

Лично я считаю, что это определенный мастхев для всех, кто продвигает сайты осмысленно, а не методом тыка. Да, есть аналоги (правда их не много), но seocillin.ru гораздо удобнее. Так же стоит отметить, что это ещё beta, и дальше будет только лучше. Если найдете какие ошибки, то можно написать про них вот тут - seocillin.ru/feedback , да и просто свое предложение по улучшению оставить.

Я буду юзать определенно + показал это товарищам в нашем приватном чате, они тоже дали крайне положительные оценки. Рекомендую и Вам попробовать, хотя бы просто заглянуть.