SEO-метрики + качество контента = продажи? Анализируем карточки или листинги и выстраиваем стратегию продвижения

Каким образом контент влияет на конверсию (и влияет ли)? Что происходит с SEO, которое дает от 30 до 50% онлайн-продаж в екомерс, согласно исследованию DataInsight? Качество контента дает возможность «убить двух зайцев одним выстрелом»: и повысить конверсию, и получить больше органики.

Но какие метрики использовать для оценки и каким образом аналитика поможет повысить продажи? 

Давайте разбираться.

UGC: что такое контент с отзывами и без

UGC (user generated content) – созданный пользователями контент, влияющий на конверсию. Чтобы понять, как сильно, создаем 2 группы страниц:

• стандартные (без UGC);
• с отзывами (с UGC).

После этого давайте отследим конверсию страницы и ее видимость в ПС.

Аналитика показывает, что страницы с размещенными на них отзывами покупателей обеспечивают увеличенную в 1,5-2 раза конверсию. Интернет-магазину внедрение данной опции обеспечит дополнительные продажи.

С конверсией разобрались, теперь необходимо сравнить видимость в поисковых системах. Графики говорят лучше слов: видимость в ПС страниц с отзывами в 4 раза выше: 48% против 12%.

Делаем вывод, что использование UGC оценят и посетители, и поисковые системы. Осталось только внедрить контент в екомерсе.

Полнота описания товаров

Снова стоит отследить, как полнота описания товарной позиции в екомерсе влияет на выбранные для анализа факторы – конверсию и видимость страницы. 

Эксперимент проводит с 3-мя группами страниц, на которых возле описания товара указано «В наличии»:

• «1 фото»;
• «2-4 фотографии»;
• «5-7 снимков».

Результат – карточки с 5-7 фотографиями товара обеспечивают конверсию в 1,5-2 раза лучше по сравнению с теми, где только 1 фотография. Особенно заметна разница по трафику из Яндекса.

Теперь отследим видимость в поисковых системах. Оказывается, она тоже растут пропорционально увеличению количества фотографий товара.

Из графика можно понять, что особенно «чувствителен» к количество фотографий Google. Страницы с размещенными на них 5-7 фотографиями товара, получают в 3 раза лучшую видимость (по сравнению с карточками, в которых 1 фото). 

Для бизнеса это может стать отличной точкой роста. Но важно соблюсти баланс и не переборщить с количеством снимков.

Метрики контента как способ понять, в какой контент вкладываться

Примеры выше наглядно дают понять, как конверсия и видимость зависят от оптимизации контента. Но появляется закономерный вопрос: как это использовать бизнесу?

На основе анализа можно обнаружить взаимозависимости между конверсией, видимостью и контентом. На основе этого бизнес определяет, куда лучше инвестировать.

К примеру, можно прийти к выводу, что в «категории 1» мало фотографий товара, из-за чего снижается конверсия. А в «категории 2» UGC контент продуман, ее можно не трогать. На основе данных создают так называемые карты (они же матрицы) качества. Маркетологи могут использовать их не только для работы с отдельными категориями: можно анализировать товарную структуру.

Имея информацию о взаимозависимости контента, видимости и конверсии, можно сформировать стратегию работы контент-отдела и приоритезировать задачи.

К примеру, мы видим, что компании нужно улучшить характеристики карточек:

1. > 5 фотографий;
2. > 3 отзывов не старше 6 мес.;
3. > 0 видеообзора не старше 12 месяцев;
4. > 1000 описания & >10 параметров.

Что дают метрики контента в екомерсе: как их получить, оценить, применить

Атрибуты по карточкам в интернет-магазине или на маркетплейсе можно «схлопывать», чтобы видеть объективные данные:

• в каких категориях все в порядке с видимостью и конверсией;
• где нужно поработать с фотографиями товара;
• в каких категориях наблюдается отставание по числу отзывов;
• где придется проработать технические характеристики и так далее.

Ценность метрик еще и в том, что отслеживать изменения контента и эффект от них можно в динамике.

Один из вариантов – расширять воронки метрик для того, чтобы понять приоритет инвестиций (куда нужно вкладывать в первую очередь, а какие направления работы с заполнением страниц можно отложить). К примеру, можно дополнить существующую информацию данными о спросе на маркетплейсах или о спросе в Яндекс и Google.

Само собой, ценность метрик еще и в том, что отдел маркетинга и бизнес могут оценить отдачу (эффективность инвестиций). На основе аналитических данных составляют прогнозы по продвижению: как будет расти видимость, что будет с конверсией, какие действия необходимо предпринять, в какие виды контента вкладываться.

Что анализировать?

Анализ контента дает возможность прослеживать и динамику конверсии, и изменения в видимости поисковой системы. Но дальше появляется закономерный вопрос: какие данные необходимо анализировать и как на их основе строить гипотезы?

Пошаговая инструкция, как собирать информацию для анализа метрик контента:

• сведения по спросу и видимости, конкурентам, СРС;
• контент страниц (используем краулер);
• сведения из CRM, касающиеся продаж (лиды, процент выкупа); 
• данные из стандартным инструментов аналитики от Яндекса и Google – сессии и конверсии;
• фиды про список товарных позиций и про структуру категорий;
• технические параметры: индексация, доступность, а также другие.

Список данных, указанный выше, нужно собрать под конкретный вид («карточка» или «листинг»). 

Реальный кейс, как собрать и проанализировать метрики

В рамках кейса взяли 30 контентных фич, которые условно разделили на 4 макрогруппы:

• коммерческие – доставка, наличие или отсутствие товара, скидки и акции;
• пользовательские – отзывы на товар. отзывы с фотографиями и / или видео, рейтинг и так далее);
• медиа – фотографии, видеоролики и так далее;
• описательные – все особенности товара с техническими характеристиками, преимуществами и так далее.

На самом деле анализировать можно и гораздо больше параметров.  Все зависит от целей и особенностей конкретного проекта.

Расчет метрик

Когда собрали информацию, осталось преобразовать ее в необходимые для анализа контента типы данные. Результат – понятная таблица, где представлены все особенности конкретной позиции.

Объединяем фичи по 4-м макро-группам, чтобы из числового массива данных вывести метрики качества контента, размещенного в екокомерсе. Но появляется другой вопрос: все сведения разнородные, как их сравнивать? Ответ уже есть.

Нормирование для анализа качества контента

Составляем список фич, после чего нормируем их от 0 до 1 (можно использовать процентное соотношение – т.е. от 0% до 100%).

Дальше все зависит от особенностей атрибута:

1. Бинарные (или «да», или «нет»). К примеру, «в наличии» – 1, «нет в наличии» – 0.
2. С градацией (к примеру, касаются количества отзывов и их свежести, числа вопросов и ответов, числа технических характеристик и так далее). Если взять фичу со свежестью отзывов, можно использовать шаг в 10%. Т.е. используем шаг 10% = 1 месяц.

Вы можете использовать и другие схемы. Но в данном кейсе удобно, что мы привели массив данных к единой размерности от 0 до 1. Дальше с ними уже можно работать.

Расчет метрик

Выше в материале указывали, что выделили 4 макрогруппы. Теперь необходимо рассчитать для каждой из выделенных метрик и объединить.

Самый простой вариант – посчитать среднее значение по каждой внедренной фишке в группе с равными весами. Но можно пойти чуть дальше и попробовать понять, насколько высоко значение каждой фичи. Дальше значение метрики будет умножаться на коэффициент важности. Последний определяется после создания карты корреляций (в ней все фичи сравниваются с целевой). Если аналитику важно получить максимально детальные и точные сведения, можно подобрать коэффициенты по каждой вертикали.

Давайте попробуем сделать и так, и так.

Расчет метрик качества контента без развесовки

Принимаем решение, что анализируем только 3 из 4 групп (исключаем технические характеристики, т.к. они не показали значимых взаимозависимостей).

Но внедряем метрику «Итого», которая может рассчитываться по-разному:

• по средней (без развесовки);
• с развесовкой по коэффициентам.

Если дополнить таблицу информацией по конверсии, то можно будет обнаружить определенные закономерности.

Если карточек много (а это типичная ситуация для маркетплейсов и интернет-магазинов), анализировать матрицу из 1000+ строк сложно. В таком случае стоит подумать над изучением качества контента, но уже в разрезе категорий в интернет-магазине или на маркетплейсе (как и в любом екомерц).

Анализ категорий товаров в ecommerce

Отследим, как ведут себя категории. Необходимо сравнить показатели полученных метрик со средними значениями по проекту. Это даст возможность понять, где наблюдаются существенные отклонения в большую или в меньшую сторону.

Из таблицы уже видно, что user experience отличный в категориях «благоустройство» (33%), «инструменты» (33%) и «стройматериалы» (44%). Но есть и те категории, с которыми нужно проработать пользовательский опыт. В частности, это «инженерные системы» (-33%),, «крепеж» (-33%), «электрика» (-33%). Неплохо было бы подумать, что делать с категориями «Сантехника» и «Интерьер и отделка» — у них по 0%.

Точно по такой же схеме можно посмотреть, где необходимо оптимизировать медиаконтент, а где – поработать с коммерческими метриками.

Примерный план работ уже есть. Но важно распределить приоритетность работ и инвестиций, понять, над какими фичами нужно работать в первую очередь (что влияет на конверсию на маркетплейсе или в интернет-магазине)?

Каким образом качество контента улучшает или ухудшает конверсию в екомерс

Берем категории «стройматериалы», «сантехника» и «инструмент». Они конверсят выше средних значений по сайту. 

Чего нельзя сказать про «инженерные системы», «крепеж» и «электрику» – они работают хуже среднего.

Эти данные напрямую связаны с метрикой «Итого».

Что видно из таблиц и какие позиции уже проседают? Мы можем не делать поспешных выводов, а достать прошлые метрики качества контента, чтобы убедиться в правильность выводов или опровергнуть их.

Нас интересуют те категории, где конверсия и метрика «Итого» выше среднего. К примеру, такой расклад отчетливо виден в разделах:

• «стройматериалы» – за счет отличного user experience (в 44%);
•  «сантехника» – за счет высоких показателей по категории «медиа» (67%); 
• «инструмент» – за счет высоких показателей сразу в нескольких зонах (user experience, медиа, коммерция).

Давайте посмотрим, что не так с категориями, в которых «Итого» хуже среднего. Из таблицы можно сделать вывод:

• «инженерным системам» нужно улучшить user experience;
• «крепеж» придется проработать и в плане пользовательского опыта, и в плане медиаконтента;
• «электрика» нуждается в проработке user experience и коммерческих метрик.

Это один из вариантов, как быстро найти потенциальные точки роста. Но на самом деле не единственный. Если есть необходимость, можно использовать эту же схему, но только для работы внутри категорий.

Анализируем качество контента категорий 

Карточки, которые лучше оптимизированы, дают более высокую конверсию. Это отслеживается как по категориям, так и по всему сайту.

Можно заметить, что разные категории товаров реагируют на уровень оптимизации по-разному. К примеру, есть категории, где проработанные карточки дают отличную конверсию (по сравнению со средними значениями). Но какова сила влияния качества контента?

Чтобы ответить на этот вопрос, нужно взять слабо проработанные и хорошо проработанные карточки. Дальше остается определить, есть ли между ними разница в конверсии и видимости + какой профит мы получаем в разрезе категорий.

На графике четко видно, что самыми чувствительными к уровню проработки оказались карточки из категории «инженерные системы». 

Для нас это значит, что инвестиции в работу с данной категорией будут максимально эффективными (соотношение слабо проработанных и хорошо проработанных карточек составляет 2,5). В то же время из графика четко видно, что пока нет смысла заниматься категориями «инструмент» и «интерьер и отделка».

Эту схему можно масштабировать, чтобы проанализировать сотни категорий интернет-магазина или маркетплейса.

Инвестиции в контент: что окупится, а что нет

По результатам работы мы получаем таблицу, которая может использоваться бизнесом для построения стратегий развития и продвижения.

На основе данных из таблицы можно:

• отслеживать в динамике, как изменяются метрики по мере улучшения контентной части;
• выводить и проверять гипотезы продвижения;
• просчитывать показатели эффективности;
• выделять направления улучшения контента и просчитывать бюджет.

Чтобы повысить точность аналитики и минимизировать риски ошибок, можно использовать дополнительные инструменты (на усмотрение интернет-маркетолога):

• добавить информацию по поисковому спросу;
• проверить сведения по сезонности;
• добавить информацию по конкурентам и так далее.

Само собой, анализировать эффективность контента в сравнении с конкурентами сложно (к примеру, у аналитика точно не будет данных по конверсиям). Но косвенно вывести какие-то показатели можно при сравнении поисковой видимости.

Чтобы просчитать потенциал по трафику, нужно знать спрос. К примеру, в кейсе выше четко видно, что максимальная доля спроса приходится на категории«инженерные системы» и «интерьер и отделка». Именно их проработка способна дать максимальный результат (само собой, с учетом сезонности спроса).

Работа с товарами сезонного спроса – отдельное направление интернет-маркетинга. Нам важно спланировать работы по улучшению контента таким образом, чтобы к моменту наступления сезона контент был уже на 100% готов и проработан.

Выводы из статьи

Качество контента карточек товаров можно и нужно анализировать, чтобы:

• найти потенциальные точки роста (как по конверсии, так и по видимости);
• расставлять приоритеты в работе отдела контента;
• достигать максимальной ценности SEO;
• использовать только те инструменты, которые приносят максимальную отдачу здесь и сейчас.

Забирайте контентные фичи и внедряйте!