这些已经存在多年了,并且在网上有数百篇博客文章在讨论这些。
但是在 2021 年还可以再用这三种搜索类型进行判断吗?同时你又应该如何精确定位它们呢?
在这篇文章中,我们将对此进行更深入的研究。
但是首先,我们先从一些基础概念开始…
让我们先用“传统的”定义解释这些搜索类型:
导航类搜索是指正在寻找特定网站的搜索。例如,如果有人在谷歌中输入“ netflix”,那便是导航搜索。因为他们肯定是在寻找 Netflix 的主页。
交易搜索是某人希望购买特定商品,但尚未决定从何处购买商品的搜索类型。例如,如果有人搜索 “buy treadmill”,那就是交易搜索。这个搜索很明显的表示他们正在寻求购买。他们不是在寻找信息。
信息搜索是某人想要查找信息的搜索的形式。例如,如果某人搜索 “what is a meta tag in SEO”,则这是一个信息搜索,因为他们显然正在寻找某个定义。
在讨论如何定位每种类搜索型之前,让我们先讨论一下用户通常如何区别它们的。
从历史上看,SEO专业人员一直在搜索词中寻找某些单词或短语以推断它的搜索类型。这些被称为关键词修饰符。例如,如果搜索词种包含特定修饰符,例如 “buy” 或 “purchase”,则几乎可以肯定是交易类搜索。
下面是各类中常见修饰符的清单:
例如,“ideal protein” 这样的关键词。单凭词本身是不可能知道用户在寻找什么。他们是要购买一种叫做 “ideal protein”(交易类),还是要每天需要消消耗 “ideal protein” 的量的信息(信息类),还是一家名为 “ideal protein” 的公司(导航类)
这些都有可能。
同时,通过关键词修饰符区分有时甚至会产生错判的结果。
例如这样的词 “best buy laptops”。你可能认位这是一个交易搜索,因为其中包含 “buy” 一词。但是 Best Buy 是一家美国消费电子商务公司,其实用户在找的是这个特定网站中的东西。
因此,如果仅查看搜索词本身并没有帮助,那么解决方案是什么?
你可能还记得,在本文的引言中,我们问了三种传统区分搜索类型的方法在2021年是否仍然有用。我们也非常希望这一问题的答案很简单。
问题在于,实际上这三种 “搜索类型” 无法提供足够的可操作的信息来帮助我们定位关键词。
例如,我们已经确定 “laptops” 是一个交易类关键词,但这并不意味着我们可以抛弃所有的旧页面就有机会参与排名,我们需要更多地了解用户的需求。
对于 “best laptop” 这样关键词也是相同的情况。
如果我们查看搜索结果,很显然这是一个信息类关键词,因为所有结果都是博客文章,而不是产品页面…
…但是你不太可能通过撰写任何旧博客文章来进行排名。
一些SEO专业人员会将此类搜索归类成另外一种搜索类型(例如 “交易调研”)来解决此问题。
交易调研类关键词是指用户确定要购买某种产品、但不确定要购买哪种的搜索词。因为用户正在寻找相关信息进行比较。
再次查看 “best laptop”的结果,你将看到它就符合这一点。所有结果都是博客文章,它们对笔记本电脑进行了测评和比较。因此,很明显,你需要撰写此博客才能对这个搜索词进行排名。
该解决方案的问题在于它仍然百分百准确,你甚至需要创建多个的搜索类型对每个关键词进行正确分类。
SEO行业中的许多人已经问了这个问题。如果你正在寻找一种更好的大规模分类关键词的方法,那么Kane Jamison的这篇文章非常值得一读。他建议使用SERP功能将关键词分为九种类型。SEO行业中的许多人都问了这个问题。如果你正在寻找一种更好的大规模分类关键词的方法,那么 Kane Jamison 的这篇文章非常值得一读。他建议使用SERP特性将关键词分为九种类型。
但是,如果你只是想了解几个关键词背后的搜索意图,以便知道如何定位它们,该怎么办?
在这种情况下,可以从分析搜索结果出发,即 “搜索意图的3C法则”。
内容类型是指搜索结果中内容的整体类型。通常为以下之一:
在2016年,我们发布了有关页面SEO的博客文章。我们研究了页内的排名因素。这是一篇很有启发的文章,因为根据大多结果,我们将其归类为信息类搜索。但是,它从来没有真正的参与任何核心词的排名。
在2018年,我们决定重新审核该页面,看到底出了什么问题。在仔细研究了搜索结果之后,我们意识到了自己的错误:人们不希望进行深入研究;他们需要分步的指南。我们弄错了内容格式。
尽管在处理大量数据时将关键词分为导航、交易、信息会有一定的帮助。但是如果你不查看 SERP 并进行更深入的研究,可能无法真正理解如何定位关键词。
因此,我们认为在 2021 年将关键词分组到 “传统的” 三个类别是远远不够的。你不能仅使用 “修饰符” 分组关键词并假设它们都属于某个特定的分类。你要么需要手动分析 SERP、要么像 Kane 一样建立一个更好的分类模型。
赞同我的观点码?请在 Twitter 上找我吧。
本网信息来自于互联网,目的在于传递更多信息,并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益,请及时联系我们,本站将会在24小时内处理完毕,E-mail:xinmeigg88@163.com
本文链接:http://www.glev.cn/tnews/334.html