GAP Analiza w SEO i Pozycjonowaniu dla Zaawansowanych ?

Cześć wszystkim, Łukasz Żelezny z tej strony.

Miło mi bardzo was gościć. W tym odcinku, w tym kursie chciałbym powiedzieć troszkę więcej na temat tego, w jaki sposób wyszukać keywordy, które będą bardzo relewantne dla nas. Dadzą nam dużo trafficu, dadzą nam szybki wzrost. I w jaki sposób możemy je pozyskać, patrząc na konkurentów.

Więc o czym ja dzisiaj będę mówił? Będę mówił o GAP analizie. GAP analiza czyli sytuacja, w której mówimy tak: “gdzie są oni - nasi konkurenci? Gdzie rankują oni, a my jeszcze nie, a chcielibyśmy”.

Najprościej rzecz biorąc. Jako, że to dedykuję dla kolegów i koleżanek z Polski to chciałbym też tutaj przyjąć jakiś polski portal do tych naszych rozważań dzisiejszych. Tool, który będę wykorzystywać to

- tu już widać - Semrush. Ja tutaj troszkę zwiększyłem to, żeby to było dobrze widać na ekranie.

I tak sobie pomyślałem, że może mógłbym zacząć od jakiejś porównywarki cen.

Pomyślałem sobie na początku o Rankomacie, natomiast Rankomat jest liderem rynku. Więc pomyślałem sobie, że jednak odwróćmy trochę to. Wiem, że też jest taki portal, który nazywa się Total Money. No więc Totalmoney.pl.

Czyli wczujmy się w rolę teamu, in house teamu, który jest odpowiedzialny za SEO w Total Money. Albo agencji, która pracuje z Total Money. Albo obu tych grup.

Jeżeli zobaczymy sobie na Total Money, w jaki sposób oni się tutaj rozgrywają, to pojawiają się na

71 tysięcy keywordów. No nieźle.

Jak sobie to tutaj rozszerzyły, to też całkiem spoko wzrosty mają. Tutaj jakieś zawirowania były, ale generalnie przypuszczam, że nie mogą narzekać.

Natomiast wiadomo, że każdy jest zawsze głodny wzrostów i chce gdzieś tą granicę sobie podnosić. Więc w jaki sposób, pracując dla Total Money, to osiągnąć?

To jest przykład tylko. Też trochę dlatego, że ja mam dużo doświadczenia w pracy z porównywarkami cen na rynku brytyjskim. Dlatego tutaj postanowiłem sobie też w ten temat uderzyć.

Jak byśmy mogli tutaj pomóc naszym kolegom i koleżankom pracującym z Total Money albo w Total Money?

Więc przejdźmy od razu do tego naszego gwoździa programu, którym jest GAP analiza.

GAP analiza to jest taki sposób rozważania keywordów, gdzie musimy sobie podać konkurentów. Zwykle dochodzi do takiej sytuacji, że albo tych konkurentów mamy od naszego klienta albo biznesu, w którym pracujemy. Zwykle to działa bardzo dobrze dla bardzo niszowych tematów, jak te związane z sekwencją genów albo z odwiertami naftowymi.

To nie są zwykle portale ani strony, które operują na setkach tysięcy keywordów, tylko operują na bardzo wyspecjalizowanym trafficu dla bardzo wąskiej rzeszy odbiorców. No bo na tym ta zabawa polega. Więc tutaj bardzo pomocne będzie to, czego się dowiemy od naszego klienta bądź od właściciela biznesu, w którym pracujemy.

Natomiast przy większych portalach, przy większych, bardziej szerokich branżach skierowanych na B2C, możemy też posilić się tym co nam powie właściciel biznesu tudzież biznes, w którym pracujemy. Możemy też troszkę odwrócić to i posilić się danymi.

Czyli ja tutaj sobie wrócę. Jak się przyjrzycie to jest taka tabelka, która zaczyna się słowami “main organic competitors”. Jest ich 16 tysięcy.

Kiedy ja sobie wejdę w “view details” to będę miał tutaj taki fajny rozkład na wykresie. Teraz odświeżę, bo on się nie zawsze ładuje prawidłowo.

Zobaczcie co tutaj jest.

Tutaj się pojawiają konkurenci.

Tu jest “com” czyli “competition level” i tu jest “common keywords”. Common Keywords to bardzo, bardzo, bardzo mocny parametr według którego domyślnie ta tabela jest posortowana.

Jednak branie tego tak na zasadzie “o, dobra to pierwszych pięciu” też nie jest dobrym pomysłem. Tutaj pierwszych pięciu to Bankier Money, którzy są typowymi wydawcami. Potem mamy Rankomat, który może być rozważany jako bardzo mocny konkurent Total Money. Czerwona Skarbonka też, no ale Pekao BP to już jest bank.

I potem znowu mamy wydawcę Business Insider. Potem znowu mamy porównywarkę cen. Więc sam fakt, że mają zbieżne keywordy jest ważny. Ale nie można tak sobie go bezkrytycznie przyjmować jako jako coś, co jest w stu procentach obiektywne.

Niektórzy też mnie pytają dlaczego nie sortujemy tego po ilości keywordów?

Bo jak posortujecie po ilości keywordów to bardzo często na samej górze wyskakuje Facebook czy Amazon, bo akurat gdzieś tam te portale reagują gdzieś tam u dołu. Czy na przykład dla polskiego rynku może Allegro. A Allegro nie jest konkurentem dla Rankomatu czy Czerwonej Skarbonki.To, że jakaś tam ilość keywordów jest zbieżna to jest jedna rzecz.

Po tym jak tutaj zjedziecie w dół to też zobaczycie np. na setnej podstronie Chip czy Chocianów.

Aha! Bo to są wszystko, które mają 1 keyword zbieżny. Tutaj po prostu jest wszystko i idzie alfabetycznie. Nawet na podstronie 20 już będzie bardzo dużo, jak Mojeusługimyszków, Ogarniamprąd itd.

Także raczej tutaj patrzeć należy na początek tej tabeli, ale też mówię nie bezkrytycznie.

Więc ja tutaj sobie wybrałem kilku konkurentów i zaraz o nich będę opowiadał. No ,ale wróćmy do tej naszej GAP analizy właściwej. Jako “you domain” wpiszemy sobie Total Money, a tutaj będzie np. Czerwona Skarbonka, Rankomat, Najlepszekonto.pl i Pożyczkaportal.

Teraz zobaczcie co tu się dzieje.

Ja tutaj mam już wykres, który pokazuje nam gdzie mi Total Money rankuje. Tu, gdzie jest ten niebieski okrąg są wyłącznie te keywordy, gdzie tylko i wyłącznie Total Money rankuje.

Natomiast tutaj jest Rankomat, który rankuje najwięcej keywordów i ma większą tę część, w której rankuje sam.

Czy my chcemy rankować tam, gdzie Rankomat rankuje?

Jak najbardziej! Ale tutaj, w tym obszarze może się okazać, że jest bardzo dużo keywordów, które nas nie interesują. Że są bardzo specyficzne dla Rankomatu. Więc szukamy takich obszarów, gdzie na przykład trzy portale się krzyżują. Tutaj mamy 10 tysięcy keywordów: Czerwona Skarbonka, Rankomat i Najlepszekonto.pl. To jest super.

Najbardziej nas będą interesować takie, gdzie właśnie my jako Total Money nie rankujemy, a Najlepsze Konto i Rankomat rankują razem. Albo na przykład tutaj, gdzie Czerwona Skarbonki i Najlepszekonto rankują razem.

Teraz pojawia się problem. Tutaj mamy bardzo dużo scenariuszy i teraz chciałbym opisać bardzo krótko przynajmniej kilka z nich. Oczywiście “you domain” sobie przyjmujemy jako Total Money i staramy się im pomóc rankować wyżej.

I teraz co się dzieje?

Akurat ja mam w tej chwili najwyższe konto na Semrushu i tutaj mogę maksymalnie wyeksportować

50 tysięcy keywordów. To jest sporo, ale jeżeli bardzo się uprzecie, to możecie wyeksportować więcej, dzieląc te grupy na sekcje.

Zanim do tego dojdziemy to chciałem pokazać tutaj kilka scenariuszy. Tu jest scenariusz “shared”. To jest “keyword for which each of the entered domains has rankings”. Więc to są tylko te keywordy. 6,7 tysiąca z 183 tysięcy.

To są nasze 183 tysiące, ten obszar. Natomiast te 6,7 to jest sytuacja, gdzie wszystkie portale rankują. To jest tutaj. Widzicie? Na tym wykresie. W samym środku.

Mamy też “missing”. To jest sytuacja, gdzie my nie rankujemy, a oni wszyscy rankują. Ktoś może powiedzieć: “to weźmy te”.

No niby tak, ale tutaj zwykle jest bardzo niewiele tych keywordów. Ze 183 1543 to jest jakiś tam ułamek procenta. Więc może to jest trochę jakbyśmy wydali dziecko z kąpielą, a nie chcemy tego robić.

To co nas najbardziej będzie interesować to jest “untapped”. 114 tysięcy keywordów w “untapped”. Untapped czyli sytuacja, gdzie my nie rankujemy, a przynajmniej jeden lub więcej naszych konkurentów rankuje. Jak kliknięcie w eksport to oczywiście on Wam tylko wyeksportuje tylko pierwsze 50 tysięcy. One są domyślnie segregowane po “search volume”. I to jest spoko.

Ale jest bardzo ciekawa rzecz. Zapamiętajcie tę wartość - 114 tysięcy. Jeżeli weźmiemy sobie i zaczniemy sobie dzielić to na “search volume” od 10 do 80 i zrobimy “apply” to tu jest 37 tys. Jak weźmiemy od zera to jeszcze będzie ich więcej. No nie, akurat się tutaj nie zmienia: 37 600.

Czyli prawie 30% keywordów jest w grupie bardzo niewielkiej ilości wyszukań.

A jak weźmiemy sobie dalej 90 do 250 to mamy 50 tysięcy keywordów. To jest prawie 50%

wszystkich keywordów. Potem od 260 do miliona, albo nawet do 10 milionów - mamy tutaj mamy iPKO czy Alliexpress. Ale one nie są ważne. Powinniśmy to sobie wyrzucić bo i tak nie będziemy się na nie próbowali pozycjonować.

Więc przy takim podziale możecie sobie eksportować te pliki do CSV. Jak będziecie ich mieli dużo albo jakby jakikolwiek inny problem powstał to zawsze można potem to merge’ować tym oto super świetnym mini programem, który nazywa się CSV Merger.

Jeżeli wasz układ ma tak samo wszystkie kolumny to po prostu te wszystkie pliki zostaną zmerge’owane. Potem należy je tylko załadować do Excela. Tutaj, w momencie ładowania do Excela, może powstać problem z kodowaniem polskich znaków, szczególnie dla polskich eksportów. Więc należy użyć opcji “import” i importujemy te pliki do naszego spreadsheetu, zmieniając kodowanie na UTF-8.

Ja sobie już przygotowałem trzy kolumny, ale normalnie dostaniecie to w ten sposób. Mamy “keyword”, mamy “search volume”. Mamy rankingi dla każdego. Total Money jest zero. Ja sobie to zaznaczyłem na czerwono, żeby nie było wątpliwości - tutaj zawsze będzie zero.

No i teraz powstaje pytanie: co dalej?

Bo to jest taki dump i teraz nie wiadomo co z nim dalej zrobić. Chciałbym pokazać Wam w jaki sposób możemy sobie zacząć grupować te keywordy, a przede wszystkim zmierzyć ich priorytet.

Więc dodaję sobie tutaj trzy kolumny: “match”, “average” i “priority”. Teraz dla każdej z tych kolumn podam Wam wzór, jak się je oblicza i co tak naprawdę znaczą. Pierwsza z tych kolumn to jest “match”. Ona oznacza Ilu konkurentów symultanicznie rankuje dla keywordu w kolumnie A. Jeżeli widzimy tutaj 38 i 56, 0 i 0 to wiemy że dwóch z nich nie rankuje, a dwóch z nich rankuje.

W jaki sposób to obliczyć?

No bardzo prosto. Możemy zrobić “count if” (“zlicz jeżeli”). Z tego obszaru są zera. Teraz jakbym to zrobił sobie tak, to on mi poda dwa. Ale teraz jakby Rankomat rankował i mamy trzy rankujące, a jeden nierankujący to on mi podaje jeden nierankujący. A ja chcę mieć ilość rankujących. Więc muszę zrobić czterech istniejących konkurentów minus ci, którzy zwracają zera. Czyli cztery minus jeden, w tym wypadku Pożyczkaportal, to jest trzy.

Tutaj było zero, jest dwa. Czyli jeszcze raz: maksymalna ilość konkurentów minus ilość konkurentów zwracających zera. Teraz jak sobie to dalej dam to jest 1:1.

Dlaczego?

Bo tutaj jest 0, 0, 0, 72, 0, 48, 0, 0. Czyli jeden rankuje i jeden rankuje. No i super.

Dlaczego potrzebujemy “match”? Ano dlatego, że musimy policzyć średnią ale tylko z tych, którzy rankują. Ci, którzy nie rankują nas nie interesują.

Gdybyśmy mieli “average” policzyć normalnie to tutaj wyszłoby nam 23,5 i to jest bzdura. My chcemy mieć 47, bo to jest średnia z tych dwóch.

No więc co my robimy dalej?

Robimy sobie sumę wszystkich rankingów, które są tutaj u konkurencji, podzieloną przez ilość tych konkurentów, którzy rankują. I mamy 47, a nie jak nam podawał na początku 23,5.

To jest dosyć złudne bo jeżeli byśmy mieli np. 1 i 0 to zobaczcie. Average jest 1, ale nam podaje jakąś 0,25, bo bierze 1, 0, 0, 0 i dzieli przez 4. Ma podzielić przez 1 bo tylko 1 rankuje.

I teraz dalej idziemy na liczenie priorytetu. To jest taki mój wzór, który jakiś czas temu sobie opracowałem. Chodzi o to, żeby zebrać tutaj średnią pozycję konkurenta, search volume i cost per click. I teraz tak: “search volume dzielone na kwadrat pozycji konkurenta”, “dodać search volume dzielone na kwadrat pozycji konkurenta”, “pomnożone przez cost per click”.

Teraz ktoś może powiedzieć: co tu się w ogóle odjaniepawliło?

Ja już biegnę i tłumaczę. “Cost per click” 09. Jeżeli “cost per click” jest wysoki to znaczy, że ten keyword jest w jakiś sposób kaloryczny i w chcemy na niego rankować.

To nie jest znowu w 100% obiektywne patrzenie na to. Akurat tutaj, w tym przykładzie, mamy 09 dla Pekao 24, więc to nie jest do końca być może keyword dla którego chcemy się rankować. Ale ten współczynnik jest ważny. Nie można go po prostu wyrzucać.

I teraz jeżeli “cost per click” pójdzie na 5 to “priority” nam się zwiększyło. Jeżeli się wyzeruje to “priority” nam się zmniejszyło, ale nie wyzerowało. To też jest ważne.

Zerowy “cost per click” to nie znaczy, że keyword jest beznadziejny. Jeżeli “search volume” nam się zmniejszy to priorytet też nam się zwiększy i odwrotnie.

Teraz najważniejsze. Jeśli konkurenci rankują bliżej topów - czyli np. 5,5 - to priorytet też idzie w górę. Bo skoro oni tam rankują to znaczy, że jakiś powód ku temu jest, żebyśmy my też tam rankowali.

No i popullujemy to w dół, to chwilę może zająć. No i jest. I mamy to.

Teraz przechodzimy do sortowania. “Data” i “sort”. Teraz sobie sortujemy w ten sposób, że dla nas najistotniejszy jest ten “match”. Czyli “match” od największego do najmniejszego.

A następnie bierzemy sobie priorytet od największego do najmniejszego i sortujemy. Teraz mu to chwilę zajmie bo to jest 114 tysięcy rekordów, a ja w tym czasie łyknę sobie wody.

Już jest gotowe. Nawet jakoś szczególnie się na mnie nie zagrzał. I teraz o co chodzi?

Zobaczcie, mamy tutaj u samej góry naszego spreadsheetu te, które mają czwórkę. To są keywordy, dla których wszystkich czterech konkurentów rankuje współbieżnie. Czyli wszyscy czterej pojawiają się w Top 100 wyników w Google.pl.

W tej grupie z czwórkami priorytety będą maleć, aż dojdziemy do sytuacji, w której nie ma już keywordów z czwórkami. I tutaj się pojawiają nam keywordy z trójkami. Czyli, że trzech z tych konkurentów nam rankuje. I priorytet będzie też malał.

Powiedziałem, że tutaj jest 114 tysięcy keywordów. Żeby to w jaki sposób ogarnąć, możemy stwierdzić, że wszystko to, gdzie średni ranking jest powyżej 60 już nas nie będzie interesować.

Czy to już jest za nisko. Jeżeli jest trzech, czterech konkurentów, których średni ranking jest gdzieś tam… . Zobaczcie co tutaj jest: Cinkciarz.pl, Euro, darmowe konto pocztowe, jak sprawdzić konto w Plusie, Skok Stefczyka, bankowość elektroniczna, www.GetinBank.pl logowanie itd.

Ile on nam tych keywordów wyselekcjonował? 30 tysięcy! Więc można w ten sposób do tego tematu podejść, żeby powiedzieć: dobra to wszystko co jest poniżej albo usuniemy sobie teraz.

Tylko ja odradzam takie usuwanie, bo to są tak poszatkowane dane, że usunięcie tego niestety w Excelu zajmie bardzo dużo czasu. Więc odwróćmy ten proces i powiedzmy sobie tak: my chcemy tylko te keywordy, które mają średnią mniejszą niż 60.

I on nam w tym momencie pokaże tylko te keywordy, gdzie średni ranking jest na pozycji 60 lub bliżej topów. Czyli te wszystkie keywordy, które ja Wam pokazałem, odpadną.

No i druga rzecz jest też taka, że możemy sobie od razu powiedzieć, że nie interesują nas te keywordy, gdzie tylko jeden konkurent rankuje. Bo to też jest bardzo ważne.

“Czy można wystawić zwolnienie do przodu?” “Czy bratanica ma prawo do spadku?” “Czemu na banknotach nie ma kobiet?” No ja rozumiem, że Rankomat wiedzie prym w tych keywordach, ale np. “Czy abonament RTV jest podatkiem” na 59 pozycji… .

Być może te keywordy są ważne, ale może nie są najważniejsze, więc ja tutaj też pozwolę sobie to wyekskludować. Czyli po prostu sobie to wyłączam i zostaje mi grupa tego, co jest najbardziej istotne. I tutaj będziemy mieli teraz 7 100 keywordów, które mają jakiś tam mniejszy lub większy sens.

Ja teraz kopiuje to i wklejam to do nowego spreadsheetu, jako “values”. Czyli żadnych tutaj nie ma już funkcji. I zrobiłem to celowo żeby zacząć na świeżo. Tu jest 7 186 keywordów. Ja sobie ten spreadsheet, który mam wyrzucę, żeby on mi nie blokował pamięci.

I teraz przechodzimy do tzw. unigramów, czyli w jaki sposób dalej możemy priorytetyzować te keywordy. Czym są unigramy?

Unigramy to są po prostu jednowyrazówki. Przy takiej ilości 7 tysięcy to już bardzo spoko, będziemy mogli to ogarnąć. Przy 100 tysiącach byłoby to dosyć trudne.

Więc bierzemy sobie te 7 tysięcy keywordów i wrzucamy je sobie gdzieś tutaj w kolumnę, powiedzmy ósmą albo nawet dziesiątą. W ten sposób. Potrzebujemy miejsca, żeby tutaj iść w ten sposób.

I teraz pokażę Wam jak bardzo łatwo rozbić to na unigramy. Bierzemy sobie “text to columns” i bierzemy sobie, żeby spacja była tym wyróżnikiem. Po kliknięciu “OK” każdy nowy wyraz będzie w nowej kolumnie. No i teraz chodzi o to, żeby policzyć, jak często każdy z tych wyrazów występuje.

Nie będziemy lecieć po każdej kolumnie, kopiować to i przyklejać do dołu. Zrobimy taki trik: w pierwszej kolumnie jesteśmy u dołu. Wiemy, że ona musi być cała pełna, bo tam mogą być jednowyrazówki lub dłuższe. Czyli tu są dłuższe, ale może też być jednowyrazowe.

Teraz podświetlamy sobie. Na Macu to jest “command”, “shift”, strzałka do góry i powiedzmy - to jest dziesiąta kolumna czyli 9 razy - i kopiujemy.

Teraz będziemy to wstawiać poniżej, przesuwając się o jeden w lewo. I mamy tutaj w tej chwili, w tej kolumnie. Poniżej tej kolumny oryginalnej pojawi się ta kolumna, a poniżej ta kolumna, ta kolumna itd.

Mieliśmy 7 187 keywordów. Zobaczmy ile tutaj nam wyjdzie jak to jest skopiujemy i posortujemy.

25 232. No to znaczy, że bardzo dużo słów było jako drugie, trzecie, czwarte w keywordzie. I teraz bierzemy sobie zaznaczamy to i robimy “pivot”. To, że to się nazywa zero to jest nieważne. Robimy sobie “pivot”. W “values” bierzemy ilość każdego z tych słów pojedynczych i sortujemy je sobie malejąco.

I teraz zobaczcie.

To nie jest niespodzianka, że “bank” i “jak” są na samej górze. Tu bym jeszcze dodał z palca: “czy” i “kiedy”. Teraz weźmiemy sobie tutaj powiedzmy te pierwsze trzydzieści.

“Bank”. “Jak” już mamy. “W” jest bez sensu; “na” jest bez sensu; “logowanie” jest bez sensu. Santander? Na razie wyrzućmy sobie te brandowe, bo ja chcę się bardziej na generychach skupić.

Tu jest “ile” - bardzo spoko keyword. “Konto”. “Co” też by mogło wejść, chociaż nie do końca bo jest za krótkie i to będzie nam trochę bruździć.

Ale “brutto”, “opinie”, “karta”, “kurs” są dobre. Tutaj może być więcej tych takich ciekawych keywordów. Jeszcze sobie polecimy “kod”, “konta”. Jak już szaleć to na całego! Ważne, żeby te słowa nie były krótsze niż 3 znaki.

Konto-konta, karta-karty różnią się tylko ostatnią literą, więc wyrzućmy powtórzenia i zostawmy “kont” i “kart”. “Wpłatomat”, “kantor”, “kalkulator”. Znowu pytanie “gdzie”, “ile”, “jak”, “czy”, “kiedy”. “Maklerskie” jest to weźmy “makler”. Jeszcze możemy sobie zrobić “ranking”.

No i OK.

Kiedy mamy już to wdrożone, to musimy zobaczyć ile tego żeśmy tego nastukali. Nastukaliśmy 18. Całkiem spoko, więc ja już sobie te poprzednie ukryje, bo one na mnie już do niczego nie będą potrzebne.

I wracamy do naszego super-hiper master spreadsheetu. Tutaj teraz ja muszę niestety zmniejszyć to. Żeby Wam to dobrze pokazać, dodamy 19 kolumn.

Dlaczego 19?

Też o tym zaraz powiem. Dodajemy 19 kolumn: czystych, pustych, świeżutkich.

I wracamy do naszych unigramów. Kopiujemy je, ale w poziomie, na leżąco. Czyli “wartości”, “transpose” i jesteśmy w domu. A ta jedna, co nam została, będzie “clusterem”.

Teraz wyobraźcie sobie, że to jest taki trochę filtr. To jest bardzo istotny moment. Będę próbował to tak wytłumaczyć, żeby każdy mógł sobie to zreplikować, a nie po prostu brał spreadsheet. Spreedsheet też Wam udostępnię.

“Find”. Tutaj jest ten “gdzie”. Szukamy słowa “gdzie” w tym keywordzie, który jest w A. No i tutaj już tam się pojawiły hashe, że “value”. Czyli, że nie ma tego “gdzie”. No i to się zgadza. Bo jakby np. napisać sobie “Getin Bank gdzie” to tam zwrócił 12, czyli na 12 znaku zaczyna się słowo “gdzie”.

Tutaj go nie ma. Będziemy jechać z tym w bok i w dół, więc musimy przyblokować sobie kolumnę A dolarem i wiersz pierwszy dolarem. Oczywiście to nam niczego nie zmienia.

I teraz robimy obsługę błędu i piszemy tak “If error” z tego wyrażenia “find”, “to zwróć pusto”.

Widzicie? Jest pusto, a jak teraz dodamy to “gdzie”.... I teraz też nie możemy tego dodać kapitalikami, bo on rozróżnia wielkość liter…. “Gdzie” jest 12.

Ale nas to 12 nie urządza. Nas interesuje, żebyśmy to oklastrowali sobie.

Czyli chcemy, żeby w momencie kiedy to słowo “gdzie” występuje w keywordzie to tutaj, w tym miejscu, żeby też wpisał słowo “gdzie”.

Więc teraz zróbmy sobie tak: jeżeli to wyrażenie zwróciło “pusto” czyli było błędne, to ma zostać puste. W przeciwnym wypadku, jeżeli nie zwróciło “pustego” (czyli był jakiś numer), ma je zastąpić słowem z wiersza 1. I też znowu ten dolar sobie wpisujemy tutaj.

Coś nie tak zrobiłem. Jeszcze raz.

Teraz zobaczcie. “Gdzie” już nam się pojawia.

Czyli jeszcze raz. Najpierw wyszukujemy sobie to, co jest w C1, a potem w D1. Dla każdej kolumny to będzie inne. Jeżeli jest to słowo w keywordzie to pojawi się numer, który oznacza znak, na który się to słowo zaczyna. W przeciwnym wypadku zwróci nam błąd.

Jeśli jest błąd to ma wyzerować tą komórkę, a następnie sprawdza. Jeżeli jest wyzerowana to ma ją trzymać wyzerowaną, a jeżeli nie była wyzerowana (czyli był tam jakiś numer), to w tym momencie ma zamienić ten numer na to, co jest w C1.

I teraz zobaczcie. Lecimy do końca. Ha-ha!

“Bank” otagowało. Tutaj jest słowo “bank”, więc nam od razu je otagowało. Teraz jeszcze jest klaster “text join”. Rozróżnik będzie “myślnik”, “ignore empty” czyli “1” i z tego obszaru ma połączyć te wszystkie słowa w klastrze.

Teraz replikujemy to w dół. 3, 2, 1... Go! Poszło!

Teraz zobaczcie, co się będzie działo. Coś tutaj nie zadziała się dobrze. Tutaj nie dałem dolara.

Jeszcze raz.

I jest. I mamy to.

I teraz zobaczcie. Jeżeli zostawicie sobie te formuły u góry, to możecie zawsze sobie zmienić na przykład na “Getin”. I on Wam to będzie automatycznie tagował.

No dobrze! To co dalej możemy z tym zrobić? Możemy sobie dalej zrobić “pivot”.

Może zanim przejdziemy do pivotu to jeszcze pokaże, że możemy sobie elegancko teraz łączyć te klastry. Czyli chcemy “gdzie” i słowo “bank”.

Zobaczcie.

“Identyfikator Eurobank gdzie znajdę?”, “PIT 37 gdzie wpisać numer konta bankowego? “

To są wszystko słowa, na które przynajmniej dwóch konkurentów rankuje. I teraz oczywiście nie będziemy tego tak tutaj manualne ogarniać.

Ale możemy zrobić sobie to tak mega, mega fajnie. Zaznaczymy sobie całą tabelę i wstawimy “pivot”, tabelę przestawną. Teraz znowu zrobię tutaj większe. Teraz zobaczcie co robię.

Robimy sobie klaster i od razu wyrzucimy ten pusty, czyli to co nam się nie sklastrowało. Czyli te wszystkie keywordy, które nie były oklastrowane. Poniżej wrzucamy sobie keyword.

I teraz tak. Zamkniemy to na chwilę, żebyście mogli zobaczyć ładnie jak to wygląda.

Keyword tutaj do “values” będzie nam liczył ile jest keywordów w każdym klastrze. Następnie możemy sobie wrzucić kolejne rzeczy, na przykład “search volume”, “keyword difficulty” i “cost per click”. Wrzucimy sobie jeszcze oczywiście nasz “priority”, “match” i “average”. Ilość keywordów robi nam “count” czyli mierzy ilość. Możemy sobie nawet zmienić na “ilość keywordów”.

“Sum of search volume” czyli robi nam sumę. “Sum w keyword difficulty” zdecydowanie nie powinna być to suma tylko powinna być to średnia.

“Sum of cost per click” to tak samo - to powinna być średnia.

Zobaczcie, żeby było wiadomo skąd to się bierze. Jeżeli weźmiemy sobie “match” to jest albo 2 albo

3 albo 4, bo wyrzuciliśmy te keywordy dla których tylko jeden konkurent rankuje. Więc tu też suma zupełnie jest bez sensu i bierzemy sobie średnią.

Priorytet powinien być sumowany i średnia, inaczej “average ranking”, to też średnia, a nie suma.

I teraz zobaczcie, co się dzieje. Mamy to wszystko elegancko klastrowane. Mamy to skolapsowane. Jeszcze tutaj, żeby zupełnie to nam ładnie wyglądało to ja lubię powyrzucać te wszystkie rzeczy, które są po przecinku.

Może z tym wyjątkiem, że “cost per click” lubię sobie zostawić do dwóch miejsc po przecinku.

Inaczej to wszystko się, kurcze, miesza w głowie i jest tego za dużo. Po priorytecie sortujemy malejąco, a tutaj w środku tego też ustawiamy sobie myszkę na pierwszym z tego, co jest w środku i też sortujemy malejąco. I teraz możemy sobie to zamknąć.

I teraz widzimy jak te grupy się ładnie rozkładają. Jeszcze lubię sobie czasami wrzucić kolorki.

Elegancko. Tak jeszcze jak klientowi to wysyłam np. to lubię też zrobić sobie te klastry. Tylko musicie to umiejętnie zaznaczyć, czyli nie do końca. I tutaj te klastry możemy sobie zrobić np.osiemnastką. Wtedy jak klient to otwiera to widzi keywordy, które są nieco mniejsze bo to jest jakby niższy poziom hierarchii.

No i jest elegancko.

I niby tu już wszystko mamy, ale czy możemy pójść dalej?

No bo teraz co, “wpłatomat”? Otwieramy ten “wpłatomat” i teraz co?

Mamy tutaj Santander itd. Ale czy jeden klaster to jest konkretny artykuł? Nie do końca, bo tu jest za dużo tych keywordów. Teraz możemy sobie jeszcze dodać jeszcze jeden parametr, który będzie nam określał wielkość grupy, w taki sposób abyśmy mogli sobie filtrować tą wielkość grupy.

Więc wracam do naszego “raw data”. Ja to sobie w ogóle zmienię nazwę to “raw data”, a tutaj już będzie nasz super-hiper extra “pivot”. I mamy ten klaster. I tutaj widzimy że ten “bank” się nam powtarza; “kont” się powtarza . Więc dodamy sobie tutaj parametr “wielkość klastra”. Najlepiej to zrobić w taki sposób, że zaznaczamy tą kolumnę “pivot”, bierzemy sobie ten klaster do “raws”. Możemy to sobie posortować.

Wiemy, że “bank” jest największy; potem “jak”. Co za niespodzianka? Kto by się spodziewał?

Mówiłem o tym na początku, że właśnie bardzo dużo pytań - tak jak w języku angielskim dla “how”; tak w języku polskim dla “jak”; po rosyjsku pewnie dla “kak” itd.

Wracamy do “raw data” i tutaj robimy sobie “vlookup”, “cluster”, ”2”. No i elegancko.

I teraz sobie wracamy do naszego hiper pivotu. Wracamy do “pivot analyze”, “refresh”.

“Wielkość klastra” nam się pojawiło. Wrzucamy ten “wielkość klastra” do filtra i robimy tak: pokaż mi tylko te, które mają w klastrze po jednym keywordzie.

To jest znowu trochę w drugą stronę odwrócone. Mamy “ile”, “jak”, “kont”.

“Jak założyć konto na Allegro i ile to kosztuje?”, “Ile kosztuje rachunek maklerski?”

Teraz możecie powiedzieć: A który z naszych milusińskich się pozycjonuje na tego typu keywordy?

No to ja już biegnę z odpowiedzią. Wiemy, że Total Money jest czysty, bo dla nich próbujemy to określić. Więc bierzemy sobie: Czerwona Skarbonka, Rankomat, Najlepszekonto, Pożyczkaportal.

I co się tutaj dzieje? Patrzcie.

Na keyword “jak założyć konto na Allegro ile to kosztuje?” mamy Najlepszekonto na 18 miejscu i Pożyczkaportal na 33.

Tutaj też bym unikał sumowania tych rankingów tylko dałbym “average”. Ale to już jest takie małe piwo.

Teraz mamy tę wielkość klastra, ale może nie róbmy tak, że bierzemy te, które mają jeden. Zróbmy takie, które mają przynajmniej 3, 4, 5, 6, 7, 8, 9 keywordów. 10 nie ma, ale jest 11.

Teraz zobaczcie co tu się dzieje. “Kont”, “makler”, “ranking”.

“Ranking kont maklerskich”. “Konto maklerskie ranking”. “Ranking konta maklerskiego.” “Konta maklerskie ranking 2019, 2017”.

Wiadomo, że nie będziemy pisać dla 2019. Zmienimy to na 2021 albo w ogóle wyrzucimy.

Ale to, to już jest nasz artykuł!

To już może być nasz artykuł. Wtedy po prostu zakładamy najlepsze papucie i biegniemy do szefostwa Total Money powiedzieć mu: Panowie, Panie! Musimy napisać ranking kont maklerskich, bo my na to nie rankujemy z jakiegoś powodu. A nasi milusińscy konkurenci rankują.

I to Najlepszekonto rankuje na pozycji pierwszej cały czas, a Czerwona Skarbonka też nie zasypuje gruszek w popiele i też próbuje mieszać w serpach.

A Total Money, oczywiście dla wszystkich tych keywordów Total Money nie będzie rankował, ale ja go sobie dodam, żeby było jasne.

Popatrzcie:Total Money i zero. No dobrze, a co mamy dalej?

Mamy na przykład “opinie makler”, “dom maklerski Pekao BP opinie”, “dom maklerski”.

Tu znowu są różne domy maklerskie, więc być może to nie jest aż taki dobry dobry topik. Ale tu jest na przykład “jak kont makler?”, “jak założyć konto maklerskie?”, “jak założyć konto maklerskie Pekao?”, “jak założyć konto w domu maklerskim?” Znowu jest elegancko!

Macie kawa na ławę: Czerwona Skarbonka, Rankomat, Najlepszekonto. To już są sytuacje, w których dwóch, dwóch i trzech konkurentów rankuje współbieżnie, symultanicznie czy jakby tam to nazywać. Tutaj jest kolejne: “jak”, “czy”, “brutto”. “Jak obliczać VAT z kwoty brutto?”, “jak obliczyć VAT z kwoty brutto?”, “jak wyliczyć VAT z kwoty brutto?”, “brutto czyli jak?”.

To jest kolejny artykuł, który mógłby się pojawić jako taki artykuł informacyjny, edukujący.

Zobaczcie, Czerwona Skarbonka gdzieś tam blisko topów. Rankomat też próbuje namieszać. No i mamy znowu sytuację, że dwóch konkurentów rankuje. To są takie SEOwe klocki LEGO. Z tego można zbudować wiele różnych, innych scenariuszy.

Teraz zobaczcie co sobie zrobię następnego. Znowu wrzuciłem wszystkie keywordy, wszystkie klastry. Ale zrobiłem to celowo, bo teraz mogę zarzucić sobie że “match” ma być tylko 3 i 4.

Jeszcze do tego wrzucimy sobie filtr ze słowem “jak”. Zobaczcie co się dzieje.

Chcę mieć tylko słowa, w których występuje słowo “jak” i przynajmniej trzech lub czterech rankuje.

“Jak kupować akcje?”, “jak kupować akcje?”, “jak działa wpłatomat?”, “jak wypełnić przelew na mikro rachunek Pekao?”, “jak przelać pieniądze na paypal?”, “jakie obligacje warto kupić w 2020?”.

Teraz zobaczcie co możemy zrobić.

Mamy na przykład: “jak wpłatomat?” albo “jak wpłacić pieniądze blikiem?”.

Jeżeli nas ten blik interesuje jakoś bardziej niż te, które mamy, to możemy sobie wrócić i np. “kod” zmienić na słowo “blik".

Cześć.

W tym odcinku chciałbym Wam troszkę powiedzieć na temat tego, w jaki sposób przygotować sobie taki plik do analizy, na przykład nie mając dostępu do Semrusha.

Ta analiza, którą Wam pokazałem, będzie działać, jeśli używacie Semrush, Ahrefs, Searchmetrics, Systrics, Senuto, Semstorm, SpyFu - czegokolwiek chcecie.

Możecie też mi miksować eksporty z różnych źródeł.

Tutaj warto powiedzieć, że niektóre z tych wymienionych mają wbudowaną GAP analizę, a niektóre nie mają. Więc można ją sobie przygotować samemu.

Chciałbym odejść na chwilkę od tematu porównywarek cen i wejść w tematy około dentystyczne. To, co ja tutaj mam to jest Fabdent.pl, a tutaj mam np. Optimdent.pl.

Znowu to, co widzicie to jest Searchmetrics Research Cloud. Widzimy tutaj, że Optimdent ma tych tutaj konkurentów, jak Qdent, Dentalux itd. Więc załóżmy, że teraz chcielibyśmy sobie zrobić taką GAP analizę i wziąć tych najbardziej - że tak powiem - poczytnych konkurentów.

Ja tutaj zacznę już otwierać sobie eksporty. Weźmiemy sobie kilka tych eksportów.

I mamy tak: Fabdent, Fachowy Dentysta. Tutaj można bardzo dużo się dowiedzieć też, jak oni sobie radzą. Na wykresie w tzw. widoczności, gdzie macie czas na osi X i na osi Y widoczność. To jest mierzone tygodniowo.

Tutaj jest kolejne.

Tu jest kolejny, który w miarę się trzyma.

Tutaj jest kolejny, który za jakieś zawirowania przeszedł.

Ale my nie o tym mieliśmy mówić, więc ja już odchodzę od tematu. Kończę tą dygresję. Co my musimy zrobić?

Musimy wejść w opcję “show long tail”. Tu jest 817 keywordów i my sobie je od razu tutaj wydłubiemy.

“Export”. Ten tool operuje na kredytach. Ten eksport będzie mnie kosztował 8 710 kredytów. Mam tutaj miesięcznie 100 tysięcy, więc jak najbardziej chcę to eksportować.

Teraz tutaj mamy kolejnego konkurenta MCS-przychodnia. My sobie tutaj też ten eksport wyciągniemy. 699 keywordów to znaczy, że 6 990 kredytów będzie zabranych, bo każda linia eksportu kosztuje 10 kredytów.

I eksportuję.

I teraz mamy kolejne 719 keywordów. Dobrze, niech będzie. Eksportujemy.

Tu jest Fabdent, mi się coś tutaj powtórzyło. Tu jest 911 keywordów. I tutaj powiedzmy jeszcze ten Odent sobie wyeksportujemy.

No i poszły eksporty. Powinny się tutaj odłożyć. Mam już je tutaj wszystkie wyciągnięte, gotowe do pobrania.

Więc cóż robię?

Pobieram. Teraz mogę je pobrać jako pliki Excela, a mogę je pobrać jako pliki CSV. W tym wypadku one są niewielkie. Będę mógł je skopiować do jednego spreadsheetu, więc pobiorę je jako Excela. To też czynię.

I tu już mi się odkłada elegancko.

Teraz co ja muszę zrobić?

Muszę je zestawić ze sobą, więc otwieram sobie pierwszy. Teraz otwieram sobie drugi. Otwieram trzeci. Czwarty. I piąty.

Teraz zobaczcie, co będzie się działo.

Muszę sobie przekopiować to wszystko, przede wszystkim, do jednego spreadsheetu. Może tak to zrobimy. Teraz będziemy już widzieć, gdzie jesteśmy.

Teraz bierzemy sobie tego gościa, MCS-przychodnia i przekopiujemy sobie do Impladentu. Nazwiemy sobie to “MCS-przychodnia”, a tutaj nazwiemy to sobie “Impladent”.

Tego już nie potrzebujemy, to wyrzucamy.

Tu jest nasz Fachowy Dentysta. Nazwijmy to sobie “Fachowy”. Są tylko takie nazwy dla nas. Tu jest “Fabdent”. I też to wyrzucamy.

I na końcu zostaje nam Odent.

Teraz robimy taką rzecz. Musimy je zestawić, czyli np. tutaj sobie zrobimy taki spreadsheet, który się będzie nazywał “all in one”.

I teraz musimy, przede wszystkim, zrozumieć jedną rzecz. Połączenie tych wszystkich ekspertów pięciu to jest połączenie w taki sposób, że każdy z tych graczy, każda z tych stron na jakieś keywordy będzie rankować. To będzie rankować współbieżnie z innymi graczami.

Ale będzie też dużo keywordów, które będą np. zarezerwowane tylko dla Impladentu albo tylko dla Fachowego, albo tylko dla Fabdentu. Albo na przykład będą keywordy, na które Odent i Fabdent będzie rankował, a MCS, Fachowy i Impladent nie.

Więc my musimy pozyskać listę wszystkich keywordów, które tutaj mamy. Jak to zrobić?

Najprościej skopiować wszystko tak, jak leci ponieważ my mamy wszystkie kolumny zbieżne. Czyli te wszystkie eksporty są takie same. Wszystko przekopiować do jednego spreadsheetu, jedno pod drugim. Tak, jak ja to w tej chwili robię.

Teraz, jak to robicie to już nawet z tego można by otrzymać dane. Tylko, że wtedy ten GAP nie byłby jeszcze taki, jak chcemy. Jeżeli bardzo komuś zależy na czasie, to może sobie tutaj w ten sposób poradzić.

Skopiowaliśmy jedno pod drugim i teraz zobaczcie, co ja z tego mogę sobie wykminić. Mogę wykminić taką rzecz, że jeżeli zaznaczę sobie tą całość i zrobię “pivot” tego “all in one” to zobaczycie, co się będzie działo.

Wrzucam keyword i ja już bez patrzenia widzę że “ortodonta dla dzieci” 40 razy występuje. “MCS nowy zajazd” występuje 19. Prawdopodobnie się powtarza ten keyword dla wielu URL.

Teraz, jeżeli dodam sobie URL to zobaczcie, co się dzieje. To jest taki uproszczony GAP. Jeszcze tutaj zmienię kolorystykę, żebyście to lepiej widzieli.

To jest taki uproszczony GAP, w którym widać takie rzeczy, że na przykład “leczenie zębów pod narkozą cennik” 9 razy występuje. Tutaj widzimy że są tu Odent, MCS i MCS Clinics.

Możemy jeszcze to wrzucić raz, pod spodem.

Właściwie to jest aż dziwne, że aż tyle razy to występuje.Możemy sobie sprawdzić dlaczego tak jest i wrzucić tutaj do tego “raw data” wrzucić, że “contains leczenie zębów”.

Zobaczcie, jest 9 razy? No jest.

Tutaj z jakiegoś powodu nam się Searchmetrics podaje dwukrotnie te wyniki dla Odentu, na pozycji

15 i 18. Ale my nie chcemy ich brać. Nas nie interesuje to, że ten Odent rankuje dwukrotnie, trzykrotnie czy pięciokrotnie.

To co nas interesuje to jest coś zupełnie innego.

To jest to ile jest tych keywordów w ogóle. Ale unikalnych, występujący jeden raz. Teraz jest kilka sposobów aby to uzyskać. Pierwszym sposobem jest zaznaczenie kolumny A, “advanced”, “unique records only”, “OK”.

I wtedy on wyrzuci już te rekordy, które się powielają. Dla małych setów jest to jak najbardziej OK.

Dla dużych setów, przynajmniej na Macu - niezależnie od tego jak macie powerful Maca - a przypuszczam że i ten problem wystąpi na pecetach - niestety, ale Excel potrafi zamulić.

Potrafi zamulić tak, by ten algorytm selekcji był tak napisany nie po bożemu. Więc jest na to metoda. Metoda polega na tym, że robię taki “trigger”. Sortujemy to i robimy tak: “1” jeśli “to co jest poniżej równa się to co jest powyżej o 1, to zwiększa licznik o 1. W przeciwnym razie wróć do 1”.

On teraz nam będzie liczył czy powtarzają się wyrazy, a jeżeli tak to ile razy. Na przykład tutaj się nam trzy razy powtarzają: “aparat damon cena”; “aparat damon cena”; “aparat damon cena”.

My tego nie potrzebujemy.

Teraz nie możemy posortować, bo jak tu posortujemy, to nam się od razu zmieni to, jaki jest układ tutaj. Ten “trigger”, albo nazwijmy to “licznik”, nie będzie już nam liczył tego prawidłowo.

Ja Wam to mogę zademonstrować. Co się stanie jeżeli, na przykład, teraz wezmę to posortuję. Widzicie, posortowałem, ale co z tego.

To już są same jedynki teraz. A potem tutaj zaczyna liczyć wszystkie.

Żeby tego uniknąć sortujemy to alfabetycznie. Przy dużych setach to jest potrzebne, gdzie macie na przykład 200 tys. keywordów.

“Paste special”, “values” - czyli tylko wartości. Już nie mamy komórek.

I teraz, już mamy przyblokowane te wartości, że one nam już się nie zmienią. Bo tu już niczego nie oblicza. Teraz możemy sobie to posortować. Sortowanie jest w miarę dobrze napisane i teraz zobaczcie co się dzieje.

Górna część tego setu to wszystko unikalne słowa kluczowe. Później dojdziemy do dwójek i trójek i czwórek i piątek. To wszystko są duplikaty.

Widzicie?

Tutaj dochodzi do jedynki, kończą się nam jedynki.

“Znieczulenie wand”; “znieczulenie zęba”; “zwapnienie zębów” i dziękuję, lecimy od nowa.

Tylko, że teraz już są dwójki. Czyli te, które się dwa razy powtórzyły. Potem będą trójki i czwórki itd. Zobaczcie, jak łatwo zrobić taki motyw, że dojedziemy do końca tych jedynek.

I tu już tego nie będziemy brali pod uwagę, bo to nam nie jest do niczego potrzebne.

Pamiętacie, jak robiliśmy export to tam było około 700, 800, 900 keywordów? Unikalnych jest prawie

2 tysiące. Więc znowu nie jest to jakiś szalenie wielki set, ale taki set, przy którym można już coś tam sobie podziałać.

I teraz kolejna rzecz.

Dlaczego myśmy to tak skopiowali? Bo w tym secie teraz nie będziemy mieli dobrze poukładanych pozycji i URL. Więc te wyrzucamy. “Traffic index” tak samo. Ale już “search volume” i “cost per click” będzie OK. Bo te wartości by się powtarzały na dole. Przy dwójkach te same i przy trójkach te same i przy czwórkach te same itd.

Więc teraz mamy ten set i teraz tylko musimy zrobić tak: “Impladent”, “Fachowy”, “Fabdent”, “Odent”, “MCS”. Teraz “vlookup”. Keywordy bierzemy z Impladentu.

Wyszło nam “N/A” czyli, że nie ma tego keywordu “100 koron ile to złotych”. Bez sensu keyword, ale ktoś tam musi na niego rankować. A jeżeli nie ma, to nie możemy zostawić takiego ulepa tutaj “N/A”, tylko sobie go obsłużymy błędem.

“If error” to wtedy jest “0”.

Teraz to sobie kupujemy tutaj. Ten nasz spreadsheet to jest już “Fachowy”. Ha-ha!

Fachowy już rankuje. Wiemy, że na 43 pozycji. Potem mamy “Fabdent”.

Potem mamy “Odent”. Potem mamy “MCS”.

I niby już mamy wszystko, ale jeszcze bym chciał tutaj dodać URL. W tym celu robimy sobie coś takiego. Sprytnie wykorzystujemy funkcję Excela. Też tak, żeby to wyglądało.

Bierzemy sobie te funkcje. One nam w ten sposób nie będą pomocne. Musimy je przekopiować niestety. Tutaj było w dwójce, czyli może ja to rozpiszę raz.

“Vlookup”, ta kolumna, “Impladent”, “ 2”, “false”.

Czasami trzeba jeszcze przyblokować to małpką, żeby się nam nie zbuntował.

Znowu jest error, bo - tak samo jak było poprzednio w Impladencie w szukaniu pozycji - ten keyword nie czyni Impladent rankującym w Top 100. Jeśli mogę tak powiedzieć. Trochę to nielogicznie zabrzmiało, ale już jest późno, jak to nagrywam.

Zobaczcie, to jest to.

Resztę skopiuję, bo nie będę tutaj robić jakichś takich wielkich fikołków.

43 pozycja, tu Fachowy Dentysta na “protetyka”. Keyword jest bez sensu, ale w tej chwili na tym etapie jeszcze nie oceniamy, czy ma sens czy go nie ma.

A to, że oni tam rankują to akurat nie jest ich wina. To jest wina algorytmu. Tu jest Fabdent, Odent.

I jeszcze będzie MCS.

I teraz jak już mamy to wszystko przekopiowane to musimy zrobić populację w dół.

Wszystko OK. Teraz liczymy te nasze znane z poprzednich odcinków trzy wartości, czyli: “match”, “average” i “priority”. Jeszcze szybko je powtórzę: “Match”, “AVG”, “Prio”.

Teraz musielibyśmy też przyjąć powiedzmy taki konkretny scenariusz. Bo tutaj wzieliśmy 4-5 konkurentów, ale nie określiliśmy dla którego pracujemy.

No ale dobrze. Zróbmy sobie “5”, “minus“, “count if”. Teraz weźmiemy sobie całość, bo jest ich pięciu. Dodajemy “przecinek”, “0”. Tu jest jeden. “Sum” z tych wartości pozycji “podzielone przez match”. I “priority” to jest to “podzielone na kwadrat średniej pozycji”, “plus”, “razy”, “cost per click”.

I teraz z tym lecimy w dół. Tutaj zrobimy sobie “sort”. Zrobimy tak “match”, “largest to smallest”. “Priority”, “largest to smallest”. Teraz strzelam, że będzie trochę keywordów, które będą miały match 5.

Gdyby ich nie było, to byłoby to bardzo podejrzane. Znaczyłoby, że coś żeśmy namieszkali z tymi formułami. Bo wzięliśmy konkurentów którzy są bardzo blisko siebie. Zobaczcie, co się dzieje.

“Ortodonta Warszawa”. Surprise, surprise. Kto by się spodziewał, że taki keyword będzie dawał wszystkim im rankingi.

Najlepiej Odent rankuje i MCS, potem Fabdent, Fachowy i Impladent.

Teraz, jak już mamy to, to ja czasami lubię sobie po prostu wyrzucić te formuły. Ale zostawię je, żeby było wiadomo potem, jak to wstawię na stronie. Żebyście mogli sobie na to zerknąć.

Co możemy zrobić z tym dalej?

Już mamy tego GAPa.

Załóżmy teraz, że będziemy peachować Impladent mówiąc mu: Hej, chcecie być naszym klientem? Zrobimy Wam po prostu takie SEO, że mucha nie siada. Zobaczcie, tutaj macie taką sytuację, że już widać wyraźnie gdzie są takie klastry, które by mogły przynieść dobry ruch.

Nie będziemy tego klastrować, bo to już widzieliście w poprzednim odcinku.

Ale spróbujemy zrobić takie manualne otematowanie.

Jeszcze tylko wyrzucę, bo mnie strasznie ale to strasznie nie dają spokoju przecinki przy średniej pozycji. To jest “average position”. I tu, żeby było wiadomo, “priority”.

I teraz znowu mówimy tak: Hej, Impladent. Czy chciałbyś zostać moim klientem? Bo ja wiem, że jest bardzo dużo keywordów.

Ja teraz już to wezmę i wrzucę tutaj. Nazwijmy to sobie “ofertowanie Impladent”. To teraz już ładnie jest.

Zobaczcie, teraz tutaj kolory są ważne.

To od razu tego tutaj co ma zera - a ma zera jeden - dajemy na czerwono. I mówimy tak: co możemy zrobić? W jaki sposób możemy tutaj dać topiki?

No najlepiej, najprościej zrobić tak: włączyć filtr i kliknąć tutaj na listę. Macie tutaj alfabetyczną listę i widać od razu, że słowa “aparat”; “aparat na zęby”; “aparat ortodontyczny” bardzo mocno się powtarzają. Są też “ból zęba”, też jest “ból stawu żuchwowego”. Całkiem ciekawa dyscyplina.

Znowu odchodził bym od tego, że teraz zrobimy Panu/Pani artykuł albo stronę na temat: “Warszawa dentysta”; “Warszawa cennik”, bo Państwo nie rankują.

Ale tutaj te “ile kosztuje” są ciekawe. Teraz zróbmy sobie tak.

“Contain”, “koszt”, “and”, “kana”.

I topik: “wszystko co chcesz wiedzieć o cenie leczenia kanałowego zęba, a boisz się zapytać”. I cyk, mamy elegancko już. Zobaczcie, co się dzieje.

Mamy tu konkurentów. Wiemy, że te pierwsze pozycje: “leczenie kanałowe koszt”; “koszt leczenie kanałowego”; “leczenie kanałowe koszt”; “ile kosztuje leczenie kanałowe”; “ile kosztuje leczenie kanałowe zęba” to byłyby fajne topiki.

Można wtedy dobrze ukręcić trafficu. Tutaj jest z czego kręcić go. Tu jest 2 tysiące wyszukiwań. I tutaj nasi milusińscy już też dosyć mocno się rozpychają w serpach, a Impladentu nie ma.

Teraz to byłby jeden topik.

Drugi topic to na przykład możemy sobie zrobić “aparat”. Tylko, tam było ich kilka.

Więc my tutaj robimy sobie “aparaty ortopedyczne”; “aparaty estetyczne”; “przezroczysty”. Spoko.

Topik: “Aparat ortodontyczny przezroczysty”. I tu mamy te keywordy, które znowu nam nasi konkurenci już rankują. Odent to rankuje naprawdę wyśmienicie.

I teraz to jest.

Może jeszcze dwa i może coś o implantach. O nie, zróbmy sobie inaczej.

“Abrazja”.

Nie ma za dużo tej abrazji. Dobrze, nawet nie wiem, co to znaczy do końca. To nie będziemy tego robić. Zróbmy sobie coś innego, np. “wybielanie”.

“Wybielanie”. I “lampa”.

I teraz ja nie wpisuję “lampa”, tylko “lamp”. Ani “lampą”, tylko “lamp”. Potem ta końcówka się będzie zmieniać.

Więc teraz mam “wybielanie zębów lampa”. Od razu lecimy w dół i powiedzmy, że to jest przedostatni. Jeszcze zrobimy jeden.

“Narkoza”. To jest spoko temat. “Narkoza”. “Dentysta narkoza”. Bardzo dużo ludzi preferuje zabiegi pod narkozą, także tutaj to też będzie dosyć mocno poczytny temat.

Teraz tu jest “narkoza” sama to może to wyrzućmy.

Tutaj też jest “narkoza u dzieci”; “narkoza przeciwwskazania”; “narkoza dentystyczna”.

Dobrze, niech będzie tak. Bo jak wzięliśmy “narkoza” to nam wyszło “narkoza”, “przeciwwskazania”, a my chcemy narkozę dentystyczną.

“Dentysta narkoza”. I jest OK. Mamy to.

Teraz możemy albo zrobić tak, że weźmiemy sobie jeszcze raz posortujemy. Tylko zrobimy tak: “topics”, a dopiero potem “match” i na koniec “priority, largest to smallest”.

I mamy elegancko porobione tak, jak to powinno być. Po bożemu. Jeszcze możemy zrobić to tak, że sobie tutaj wstawimy ten nasz “pivot”. zrobimy tak, że będzie “topic”, “ilość keywordów”. Te keywordy w dół tutaj. Żeby tutaj za bardzo nie cudować, to “search volume” sobie tylko zrobimy. Aha, jeszcze zróbmy sobie priorytet bo po co go liczyliśmy.

Zrobimy sobie “average”. Nie, “sum”.

I teraz sobie to posortujemy.

Już nam się to posortowało elegancko. Ten “blank” musimy wyrzucić, bo to są te, których nie otagowaliśmy. Musimy też zmienić kolory, bo tutaj nic nie widać.

Patrzcie, “aparat ortopedyczny przezroczysty” ma 9 keywordów. Suma wyszukiwań to 2314. “Wszystko co chcesz wiedzieć o cenie leczenia kanałowego zęba” - 2039. Wybielanie zębów lampa”; “dentysta narkoza”.

Otwieracie to. Kopiujecie to w ten sposób i wysyłacie to do content writera. Najlepiej wysyłacie to najpierw do ludzi, którzy pracują w tym zakładzie i mówicie: Czy wy to oferuje?

Bo mogą powiedzieć: Ej, my my nie robimy zębów pod narkozą! To po co mamy o tym pisać?

Wtedy mówicie tak: a, to trzeba było tak od razu.

Pokażę Wam. On tam elegancko siedzi na dole i teraz my go sobie tutaj wyłączymy “dentysta narkoza”. “Aparat ortodontyczny przezroczysty” też nie, to zostawiamy sobie te dwa.

Tutaj też jest ryzyko. W momencie rozmowy z klientem czasami klient zaczyna troszkę być takim klientem… nie tyle awanturującym się, co wybrednym. I tutaj trzeba bardzo mocno uświadomić klienta, że niestety, ale trzeba pisać o tym, co ludzie wyszukują. W przeciwnym wypadku dupa zbita.

W sumie to tyle.

Teraz już wiecie, jak zrobić sobie te nasze GAPy od początku do końca.

Jeszcze jako taki mały bonus, pokaże Wam coś co nazywam “multivektor”. Ale może to pokażę w osobnym odcinku, żeby się nie mieszało. To na razie tyle.

Cześć!