Кейс Реаспекта: как правильно собрать данные, чтобы увеличить продажи автодилеру

На примере исследования для компании ТрансТехСервис расскажем, какие данные помогут автодилеру зарабатывать больше и как их собрать.

Наше исследование разбито на 4 ключевых этапа:

1. Формирование списков стоп-слов
   чтобы собрать статистику только по запросам релевантным для бизнеса.
2. Определение спроса
   в разрезе общих запросов, марок, городов и регионов.
3. Измерение посещаемости
   на основание данных из Google Analytics.
4. Прогнозирование возможного прироста
   умножив спрос на средний CTR в выдаче и исключив текущую посещаемость.

Эффективная и выгодная реклама с сервисом от МегаФона

Широкий выбор рекламных каналов, более 100 параметров по интересам, подробная аналитика и другие возможности уже ждут в Личном кабинете. А еще кешбэк 100% за запуск рекламы в первый месяц и еще 10% — каждый месяц.

Узнать больше >>

Реклама. ПАО «МегаФон». ИНН 7812014560. ОГРН 1027809169585. ERID LjN8K1P7y.

Давайте разберём подробнее каждый пункт, чтобы вы смогли применить эту методику для продвижения своего проекта.

Примечание. С целью сохранения конкурентного преимущества для нашего клиента исследование опубликовано спустя год, и данные берутся за 2018.

Формирование списков стоп-слов

Мы создали список стоп-слов, чтобы исключить нерелевантные бизнесу запросы при определении спроса. Например, добавили стоп-слово «фото». Пользователь, который ищет фото красивого авто, вряд ли намерен его купить. Если запрос не связан с продажей, он нас не интересует.

Примеры неподходящих и подходящих запросов для марки KIA, Yandex Wordstat

Мы выделили 2 группы стоп-слов.

1. Связанные с названиями марок.
2. Связанные со словами «авто», «автомобили».

Для первой группы стоп-слов мы взяли самую популярную марку у клиента — KIA. Популярные стоп-слова повторяются, поэтому хватило одной марки. Получился список из 1600 слов.

Для второй группы собирали общие стоп-слова по запросам, содержащим слова «авто», «автомобили». Набрали список из 2500 слов.

Стоп-слова по маркам и автомобилям

Определение спроса

Зная, какие слова следует исключить, переходим к определению спроса.

Для расчёта спроса разобьём запросы на 2 группы.

1. Марки + Модели.
2. Общие автомобильные запросы.

Это основные направления, из которых строится спрос в продаже автомобилей. Но внутри каждой группы запросов есть свои особенности, которые следует учесть, чтобы правильно определить спрос. Давайте в них разберёмся.

Формируем запросы для определения спроса по Маркам + Моделям

Запросы по Маркам + Моделям мы разделили на 4 группы.

1. Все авто — запросы, связанные с автомобилями, но не имеющие явного интента новых или с пробегом.
2. Новые — запросы для новых автомобилей.
3. С пробегом — запросы для автомобилей с пробегом.
4. Неявный интент — запросы, из которых нельзя однозначно понять, что именно интересует пользователя. Далее мы разберём этот вариант запросов на конкретных примерах, чтобы было понятнее.

В подгруппу «Все авто» попадают запросы, по которым трудно понять, ищет пользователь новый автомобиль или с пробегом, например «КИА». Для удобства можете воспользоваться нашим шаблоном формирования запроса: (%название марки%|%название моделей без марок%) — список стоп-слов. Учтите, что название марок и моделей мы прописываем на английском, русском и с популярными опечатками. Всегда применяем общий список стоп-слов, при необходимости подключаем индивидуальный под марку или модель.

В подгруппе «Новые» собираем запросы, из которых однозначно понятно, что пользователи ищут новые автомобили, например «новый КИА». Шаблон формирования запроса: (%название марки%|%название моделей без марок%) (новый|2017|2018) — список стоп-слов.

В подгруппе «С пробегом» наоборот отбираем только запросы из которых явно следует, что пользователь ищет б/у авто, например «КИА с пробегом». Шаблон формирования запроса: (%название марки%|%название моделей без марок%) (пробег|+б+у|+бу|подержанные|1990|1991|1992|1993|1994|1995|1996|1997|
1998|1999|2000|2001|2002|2003|2004|2005|2006|2007|2008|2009|2010|2011|
2012|2013|2014|2015|2016|2016) — список стоп-слов

В подгруппе «Неявный интент» мы собираем запросы, которые могут иметь несколько трактовок. Например, если пользователь наберёт запрос «Рио», он может искать автомобиль, город, мультфильм, торговый центр, кинотеатр и ещё ряд заведений. Смотрите:

Запросы со словом «Рио» в сервисе Yandex.Wordstat

В случае с маркой KIA в подгруппу неявного интента попали запросы по моделям: сид, rio, рио, optima, соул, soul, stinger, стингер, venga, венга.

Мы не используем эти запросы для оценки спроса, потому что это невыгодно. Во-первых, чтобы исключить все неподходящие значения, придётся составить внушительный список минус-слов по каждой модели. Во-вторых, после исключения станет понятно, что доля людей заинтересованных в покупке авто по таким запросам незначительна и этим спросом можно пренебречь.

Получившиеся запросы для удобства объединим в таблицу.

Таблица для определения спроса по маркам

Таким образом, мы собрали запросы для определения спроса по всем маркам и моделям автодилера. Переходим к подбору общих автомобильных запросов.

Формируем запросы для определения спроса по общим автомобильным запросам

В общих запросах мы выделим две подгруппы. Запросы по автомобилям и по машинам. Это необходимо, так как у машин будет более широкий список стоп-слов, чтобы исключить все неподходящие типы машин, вроде стиральных, копировальных или швейных. Сам принцип формирования запросов сильно не меняется, поэтому сведём их в короткую таблицу:

Получившиеся запросы для удобства объединим в таблицу.

Таблица запросов для определения спроса по общим автомобильным запросам

Для запросов, по которым нельзя однозначно определить какой автомобиль ищет пользователь — новый или с пробегом. Потребуется определить, в каком соотношении поисковые системы выдают сайты обеих направленностей.

Вычисляем долю новых автомобилей и с пробегом в запросах с автомобильным интентом без маркеров

Нам нужен примерный процент, поэтому вычисления достаточно простые.

1. Определяем 10 самых популярных марок и моделей, представленных у автодилера.
2. Готовим общие запросы на русском и английском, например «КИА», «KIA».
3. Поочерёдно вбиваем их в Яндекс и Google.
4. Выписываем, сколько сайтов, представленных на первой странице, посвящены продаже новых автомобилей и сколько — подержанных.
5. Вычисляем долю тех и других для каждого запроса и поисковой системы.
6. Вычисляем общее среднее значением.

Таблица учёта количества сайтов, продающих новые и б/у автомобили

В нашем случае 70% сайтов посвящены продаже новых автомобилей, а 30% предлагают автомобили с пробегом. В таком соотношении мы будем делить спрос по запросам с неявным интентом новые или б/у.

Итоги первого блока исследования

Мы собрали списки стоп-слов, чтобы исключить их. Разбили запросы на группы и разнесли по таблицам. Отказались от запросов, где сложно определить интент. Вычислили соотношение для новых и б/у автомобилей среди общих запросов. Переходим к оценке спроса.

Определение спроса

Чтобы определить спрос, нам нужно собрать данные из наиболее популярных поисковых сетей. Тут есть свои сложности:

1. Инструмент Yandex.Wordstat, которым мы пользовались ранее, не подойдёт для оценки спроса. Он имеет ограничение длины поискового запроса в 7000 символов. А мы будем использовать комбинированные запросы большей длины. Поэтому для определения спроса в Яндексе используем инструмент подбора слов в Яндекс.Директ.
2. В Google дела обстоят чуть хуже. Инструмент Google Keyword Planner по части запросов определяет частотность с серьёзным отклонением от реальности. Поэтому от него проще отказаться и рассчитать усреднённые значения. Берём частотность по Яндексу и умножаем на процентное соотношение трафика в Google.

По статистике сервиса Яндекс Радар за июнь 2018, доля трафика по поисковым системам в России распределена следующим образом:

• Яндекс = 55,54 %;
• Google = 40,81 %;
• Другие поисковые системы = 3,65 %.

Данные сервиса Яндекс.Радар за июнь 2018 года о распределении трафика по поисковым системам в России

Следовательно, если мы разделим долю трафика Google на долю трафика Яндекс, получим процентное соотношение трафика в Google: 40,81/55,54=73,48%. На каждую 1000 запросов в Яндексе будут приходиться 735 запросов в Google.

Берём список запросов, который составили ранее, и определяем частотность по Яндексу, от неё считаем частотность в Google. Получаем 2 таблицы с данными по спросу.

1. Таблица со спросом по маркам.

Таблица с данными о спросе по маркам автомобилей

Она позволяет фильтровать данные по любым полям. Например, можно посмотреть спрос на новые автомобили в Казани по всем маркам или спрос на автомобили Ауди с пробегом во всех городах.

2. Таблица со спросом по общим автомобильным запросам.

Таблица с данными о спросе по общим автомобильным запросам

Из этих таблиц формируем дополнительные в разрезе интересных нам направлений:

Спрос на новые и б/у авто по городам		Спрос на новые и б/у авто по регионам
Спрос на новые и б/у авто по маркам		Комбинированные: марка+город

Итоги второго блока исследования

Мы вычислили спрос в Яндексе, экстраполировали эти данные на Google, основываясь на общий процент популярности этих поисковых систем у России. Тем самым выявив спрос по всем ранее собранным запросам. Теперь нам нужно измерить, какую часть этого трафика мы уже получаем.

Измерение посещаемости

Эти данные потребуются для дальнейшего расчёта возможного прироста трафика. Чтобы их собрать, воспользуемся дополнением Google Analytics для Google Таблиц. Оно позволяет быстро получать из Google Analytics данные по выбранным сегментам и фильтрам.

Для удобства разделим данные на 2 группы.

1. Страницы с марками (новые и с пробегом).
2. Страницы с общими автомобильными запросами (новые и с пробегом).

Для примера мы воспользуемся данными за июнь 2018 года — в этот месяц не было сильных всплесков посещаемости.

Сбор данных о посещаемости страниц по маркам

Разберём пример сбора данных о посещаемости по новым автомобилям KIA в городах присутствия офисов нашего автодилера.

По запросам, связанным с новыми автомобилями КИА, пользователи приходят на страницы, которые начинаются с:

• https://www.tts.ru/brands/kia/
• https://www.tts.ru/auto/?brand=58
• https://www.tts.ru/contacts/autocenters/detail.php?brand=95

Из этих URL выделяем основные конструкции для новых автомобилей КИА:

• Новый КИА = /brands/kia/
• Новый КИА (canonical на страницу выше) = /auto/?brand=58
• автоцентр КИА = /contacts/autocenters/detail.php?brand=95

Объединяем URL через регулярное выражение:

.*(\/brands\/kia\/|\/auto\/\?brand\=58|\/contacts\/autocenters\/detail\.php\?brand\=95).*

Далее мы воспользуемся им в качестве фильтра.

Строим таблицу данных для парсинга через дополнение Google Analytics. Как пользоваться дополнением, написано в блоге Netpeak.

Основные данные указываем при создании отчёта:

• название;
• представление в GA, из которого будем собирать данные;
• показатели, которые хотим вытащить, в нашем случае это визиты;
• параметры;
• сегмент (SEO).

В полях «Start Date» / «End Date» нужно указать период, за который мы будем собирать данные.

В поле «Filters» задаём регулярное выражение, в котором указываем:

ga:city=~Kazan|Ufa|Izhevsk|Naberezhnye Chelny;ga:pagePath=~.*(\/brands\/kia\/|\/auto\/\?brand\=58|\/contacts\/autocenters\/detail\.php\?brand\=95).* ,где «ga:city=» — это города присутствия автодилера, а «ga:pagePath=» — это путь, который мы собирали ранее.

Этот фильтр позволит нам импортировать данные о посетителях страниц, связанных с новыми автомобилями КИА, в разрезе городов, где у клиента есть офисы.

Заполненная таблица для импорта данных о посетителях страниц, связанных с новыми автомобилями КИА в городах присутствия

Строим отчёт и проверяем, чтобы данные совпадали со значениями в Google Analytics. Если всё ок, масштабируем на остальные марки.

Так выглядят готовые для импорта данные о посетителях страниц, связанных с марками автомобилей

Для каждой марки мы создаём отдельную колонку и формируем фильтр с соответствующими значениями. Остаётся только запустить отчёт, и мы получим данные по каждой марке в отдельной вкладке.

Новые вкладки, которые появились после генерации отчёта

На вкладке нас ждёт вот такой отчёт (данные изменены):

Данные о посещаемости страниц новых автомобилей КИА в разрезе городов

Аналогичным образом собираем данные о посещаемости страниц автомобилей с пробегом в разрезе по маркам, для регионов присутствия автодилера. После чего сводим все данные в удобный для работы вид.

Данные о посещаемости по маркам в городах присутствия (цифры изменены)

Сбор данных о посещаемости страниц по общим автомобильным запросам

Методика аналогичная, но после сбора посещаемости страниц по общим автомобильным запросам, важно вычесть трафик по брендовым запросам. В отличии от страниц марок, на этих страницах он имеет значимый процент.

Для этого мы определяем процент брендовых запросов по общим автомобильным запросам отдельно для страниц с новыми автомобилями и авто с пробегом и вычитаем их из итогового значения.

Чтобы вычислить процент трафика по брендовым запросам, открываем отчёт по страницам входа в сервисе Google Analytics: «Источники трафика → Search Console → Страницы входа».

Задаём условия, чтобы показывались запросы для страниц по общим автомобильным запросам для новых автомобилей, за исключением страниц марок и моделей.

• Включить → Страница входа → Содержит: /auto/
• Исключить → Страница входа → Поиск соответствующего регулярного выражения: brand|model|detail

Условия для показа запросов для страниц по общим автомобильным запросам для новых автомобилей

Записываем количество кликов по всем запросам на этих страницах. У меня получилось 15 000 (цифра изменена).

Количество кликов по запросам для страниц по общим автомобильным запросам для новых автомобилей

Добавляем условие, чтобы показывались только запросы с названием бренда.

• Включить → Поисковый запрос → Поиск соответствующего регулярного выражения: ееы|стех|ттс|ttc|nnc|tts

Условия для показа брендовых запросов для страниц по общим автомобильным запросам для новых автомобилей

Записываем количество кликов по запросам с названием бренда на этих страницах. У меня получилось 12 000 (цифра изменена).

Количество кликов по брендовым запросам для страниц по общим автомобильным запросам для новых автомобилей

Считаем процент трафика по небрендовым запросам:

100 % - (Количество кликов по брендовым запросам / Количество кликов по всем запросам * 100 %)

100 % - (12 000 / 15 000 * 100 %) = 20 %

По общим автомобильным запросам для новых автомобилей 20 % трафика идёт по небрендовым запросам.

Берём данные о трафике из Google Analytics и высчитываем итоговое значение трафика по небрендовым запросам.

В итоге вы получите вот такую таблицу:

Данные о посещаемости страниц, посвящённых новым автомобилям, в городах присутствия автодилера (цифры изменены)

Итоги третьего блока исследования

Воспользовавшись дополнениями к Google Analytics мы собрали данные данных о посещаемости страниц нашего автодилера в городах присутствия. Вы всегда сможете обновить эту информацию, изменив значение «Start Date» / «End Date» в таблице данных для парсинга. Для проведения расчетов осталось только определить прогнозируемый CTR.

Прогнозирование возможного прироста

Формула для расчёта:

Возможный прирост = Спрос * Прогнозируемый CTR в выдаче - Текущая посещаемость

Спрос и Текущую посещаемость мы определили в предыдущих пунктах.

Определяем прогнозируемый CTR в выдаче

Для прогнозирования CTR в выдаче используем средний CTR по группе в Яндекс.Вебмастере. Запросы для марок у нас разбиты на группы:

Группа запросов KIA в Яндекс.Вебмастер

Выбираем нужную группу и смотрим средний CTR по группе. Обратите внимание, что в данном примере из групп исключены брендовые запросы.

Средний CTR по группе KIA в Яндекс.Вебмастер

Теперь у нас есть все необходимые компоненты для вычисления возможного прироста. Используем формулу и сведём полученные ранее данные в таблицы:

Основные данные по городам присутствия (цифры изменены)

Основные данные по маркам в городах присутствия (цифры изменены)

Основные данные по популярности марок в разрезе городов (цифры изменены)

Итоги четвертого блока исследования

На основании данных о возможном приросте, % прироста и бизнес-приоритетах клиента — даём рекомендации, как перераспределить ресурсы на направления, которые смогут дать больший прирост посетителей за короткий срок. Это позволит получить больше покупателей из городов, где есть салоны. Остаётся вопрос: что делать с городами, в которых нет салонов нашего автодилера, но есть спрос на предлагаемые авто?

Привлекаем покупателей из городов, где нет автосалонов

Часть покупателей приезжает в автосалоны из городов, где нет салонов. Мы точно знаем это, так как при покупке автомобиля клиенты заполняют анкету. Однако многие автодилеры не берут такие города в расчёт при распределении бюджета на поисковую оптимизацию. Оговоримся, что небольшое количество посетителей из этих городов естественным образом попадут на сайт, но в целом их мало. Так автодилеры недополучают потенциальных покупателей, которые могли приехать в их салоны из других городов.

Чтобы продемонстрировать возможные перспективы получения трафика из этих городов, мы свели данные по отдельным маркам в таблицу с разбивкой по всем территориям, регионам, городам, которые есть в инструменте подбора слова в Яндекс.Директе. Голубым пометили города, в которых у нас есть салоны.

Данные о спросе и возможном трафике для новых автомобилей Audi

Направляем эти данные бренд-менеджерам марок. Так они смогут принять взвешенное решение о необходимости увеличения трафика с определённых регионов или даже открытии автосалонов в новых городах.

Полезные находки в процессе исследования

В ходе проведения этого исследования мы также пронаблюдали за конкурентами, которые уже продвигаются по городам, в которые нет их автосалонов. Вот успешные примеры автодилеров, которые имеют салон только в Москве, но привлекают клиентов из регионов (указано количество посетителей пришедших из поисковых систем за месяц, из городов, где нет салонов):

• masmotors.ru — 780 000 посетителей;
• saloncentr.ru — 207 000 посетителей;
• adom.ru — 121 000 посетителей;
• riaavto.ru — 83 000 посетителей.

Итоговая таблица с количеством посетителей на поддоменах.

На их примере мы выяснили, что наиболее оптимальной будет стратегия продвижения на поддоменах вида gorod.site.ru.

Выводы

1. Если вы SEO-специалист, то легко повторите по нашему примеру исследование для своих клиентов. На основании полученных данных вы сможете перераспределить бюджет на продвижение так, чтобы получить больше клиентов.
2. Если решите создавать страницы для привлечения трафика из других городов, используйте поддомены вида gorod.site.ru.
3. Эту методику можно переложить на сферы, не связанные с продажей авто. Только учтите, что предлагаемый продукт должен быть достаточно ценным, чтобы потенциальный клиент поехал за ним из другого города.

Комментарии эксперта (диалог с автором статьи)

Алексей Степанов, руководитель SEO-подразделения в АлаичЪ и Ко:

— При формировании списка стоп-слов вы ориентируетесь только на коммерцию, однако в автомобильной тематике некоторые пользователи, перед тем как совершить покупку, сначала ищут информацию об авто. Даже пришедший по запросу со словом «фото», посетитель может с некоторой долей вероятности сконвертиться в продажу. Не задумывались ли вы о том, чтобы в дальнейшем расширить аналитику и на «информационный» сегмент аудитории?

Рустем (автор):

— По данным Google Consumer Barometer, средний срок принятия решения о покупке автомобиля в России составляет 5 месяцев.

В сферах, где долгий срок принятия решения, информационные запросы работают лучше, чем в сферах, где быстрый срок принятия решения.

Расширить аналитику на информационный сегмент аудитории — хорошая идея. Но в первом приоритете — проработка основных моментов по коммерческим запросам.

Алексей:

— В своих расчётах вы используете средний CTR на выдаче для прогноза трафика сразу и из регионов присутствия и из тех регионов, где у вас нет офисов. Однако, чаще всего встречаются ситуации, когда сайт отлично ранжируется в «родном» регионе и не очень хорошо в остальных. Соответственно, CTR для этих регионов будет сильно отличаться, а итоговый прогноз трафика станет неточным. Верно ли это утверждение и если да, то как бы вы изменили формулу для того, чтобы повысить точность данных?

Рустем:

— Предполагаю, что это верное утверждение. Для регионов, в которых нет офисов, мы использовали CTR примерно в 2 раза ниже, чем в регионах, где есть офисы. Примерно в 2 раза ниже взяли по ощущениям на основе схожих проектов.

Алексей:

— Если не секрет, то расскажите сколько примерно времени у вас ушло на разработку самого принципа сбора данных о спросе и реализацию задумки на практике?

Рустем:

— Точного времени нет, так как часть задач реализовывалась в рамках ежемесячных работ. На разработку принципа ушло суммарно примерно 76 часов всех специалистов: 1 встреча со всей командой проекта, 3 встречи с коллегами из SEO-отдела, какое-то время на проработку нескольких ошибочных гипотез.

Алексей:

— Вы показали пример расчёта трафика для одного месяца, но если вам необходимо освежить данные, то что вы для этого делаете?

Рустем:

— Обновляем частотность по имеющимся сформированным запросам. Это 10–15 минут эффективного времени специалиста и 1 час на получение обновленных данных.

Мнение редакции может не совпадать с мнением автора. Ваши статьи присылайте нам на 42@cossa.ru. А наши требования к ним — вот тут.