Mijn lijst met negatieve woorden voor SEO en Yandex.Direct

Bij het werken met de semantische kern voor commerciële projecten rijst vaak de vraag hoe informatiezoekwoorden die niet geschikt zijn voor een bepaalde SL massaal kunnen worden gefilterd. Als diensten als OverLead kunnen worden gebruikt om zoekopdrachten automatisch op te schonen, is het moeilijk om zonder menselijke tussenkomst de nieuwe semantiek te controleren.

In dit artikel zal ik vertellen hoe ik dit proces benader en eindigen met een link naar mijn zwarte lijsten voor zoekopdrachten en enkele best practices voor het gebruik ervan.

Het opschonen van de semantische kern:

- Minwoorden

- Parameters (volledigheid, frequentie, geo, etc.)

Ik zal mijn criteria niet per parameter bekendmaken, maar ik ben bereid lijsten met uitsluitingszoekwoorden te delen, aangezien deze zinnen voor iedereen beschikbaar zijn en in feite een collectief product zijn.

Wereldwijde zwarte lijst met zinnen

Deze lijst bevat voornamelijk informatieverzoeken die doorgaans niet relevant zijn voor typische commerciële projecten. Voordat u deze lijst gebruikt, is het belangrijk om deze zorgvuldig te bestuderen, omdat ondoordacht gebruik schadelijk kan zijn. De lijst bevat bijvoorbeeld zoekopdrachten zoals 'installeren', wat handig kan zijn in de context van software, maar voor een bedrijf dat zich bezighoudt met de installatie van kunststof ramen, zouden dergelijke zinnen ongepast zijn.

Lijst met steden in de Russische Federatie met meer dan 100 duizend inwoners:

Deze lijst is samengesteld op basis van gegevens van Wikipedia (ten tijde van zijn creatie - steden met meer dan 100 duizend inwoners). Bij het verzamelen van semantiek voor het bedrijfsleven, bijvoorbeeld in Yaroslavl, bevatten zoekopdrachten vaak trefwoorden waarin grote steden worden genoemd, zoals Moskou. Om dergelijke sleutels niet aan de noodsituatie toe te voegen, gebruik ik deze lijst en sluit ik onnodige steden uit.

Steden in Oekraïne en Wit-Rusland met een bevolking van meer dan 100 duizend mensen:

Het principe van het werken met deze lijst is vergelijkbaar met de vorige. Als u semantiek voor Oekraïne of Wit-Rusland verzamelt, zorg er dan voor dat u de steden uitsluit die niet bij u passen.

Vrouwelijke (1072 st.) en mannelijke (2196 st.) namen:

Lijsten met vrouwelijke en mannelijke namen zijn handig als de namen van mensen vaak voorkomen in zoekopdrachten, vooral als het merk een naam heeft. Dit kan bijvoorbeeld relevant zijn als u in de dienstverlenende sector voor fotografen werkt.

Waar te downloaden?

Alle bovenstaande en andere lijsten met uitsluitingszoekwoorden kunnen worden gedownload via mijn Yandex.Disk, waarvan de link hieronder wordt gegeven.

Lifehack voor het werken met een zwarte lijst

UPD1:

In Yandex.Direct kunt u niet meer dan 2048 tekens toevoegen aan uitsluitingszoekwoorden. Mijn lijsten zijn echter slechts 3 - 5682 tekens lang, wat de limiet overschrijdt. Om dit probleem op te lossen, gebruik ik de volgende methode: ik plaats de hele lijst in de verzamelaar, selecteer mijn regio en ontleed de frequentie op basis van de basisfrequentie. Zo kunt u onbelangrijke verzoeken afsnijden en de lijst tot de gewenste limiet beperken.

UPD2:

Om een ​​lijst met uitsluitingszoekwoorden voor een specifieke advertentiecampagne te maken, kunt u de volgende techniek gebruiken:

  • Voor de doelaanvraag nemen we de linkerkolom uit Wordstat (de handigste manier is via de sleutelverzamelaar).
  • Kopieer het naar Kladblok.
  • We verwijderen de sleutelvraag en zijn afgeleiden, evenals plussen.
  • We onderzoeken zorgvuldig de resterende staarten.
  • We verwijderen de conversiesleutels en de resterende lijst kan veilig worden gebruikt in de uitsluitingszoekwoorden van de advertentiecampagne.

Als u vragen heeft over SEO-promotie, kunt u met eventuele vragen per e-mail contact opnemen met de SEO COMPUTER studio: info@seo.computer.

Identiteitskaart 7205

Stuur een aanvraag en wij zorgen voor een adviesgesprek op SEO promotie van uw website