Кластеризация для чего нужна

Кластеризация запросов: что это, зачем нужно и как сделать

Время прочтения: 7 мин.

Кластеризация — это разделение списка ключевых фраз на группы. Каждая группа запросов должна соответствовать одной странице сайта, на которой будут продвигаться эти запросы. Рассказываем, для чего нужна кластеризация, как разбить запросы на группы, какие сервисы стоит использовать.

Для чего нужна кластеризация запросов?

Вы собрали ключевые фразы для продвижения сайта. Что делать дальше? Нужно распределить эти фразы по страницам сайта (если сайт уже существует), либо запланировать создание страниц под собранные запросы.

Создавать по отдельной странице под каждый запрос не имеет смысла. Обычно в сематическом ядре много фраз, близких по смыслу, поэтому ключевые фразы нужно сгруппировать. Это и есть кластеризация.

Виды кластеризации

1. Кластеризация по смыслу

Это самый простой вариант кластеризации. В этом случае ключевые фразы разбиваются на группы вручную. Цель — собрать в одну группу фразы со схожим смыслом.

Плюсы такого способа:

2. Кластеризация по близости поисковых выдач

Этот способ позволяет работать с большим объёмом ключевых слов и учитывает работу алгоритмов поисковых систем. Рассмотрим этот метод кластеризации на примере. Допустим, у нас в семантическом ядре есть три ключевые фразы:

Нужно ли их поместить в одну группу ключевых фраз и на одну страницу сайта или лучше отнести их к разным группам? По смыслу ключевые запросы кажутся схожими и при использовании метода кластеризации по смыслу, их вполне можно разместить на одной странице. Но будет ли это правильно с точки зрения поисковой системы?

Яндекс различает коммерческие и информационные запросы. В большинстве случаев продвижение коммерческих и информационных запросов на одной странице оказывается затруднительным, так как по мнению Яндекса страница должна быть заточена под один вид запросов.

В нашем примере запрос «Кипр» — информационный. Пользователь, который вводит этот запрос, скорее всего, хочет просто получить информацию о стране и не собирается ничего покупать.

«Туры на Кипр» и «купить тур на Кипр» — это коммерческие запросы. Если пользователь вводит такие запросы, высока вероятность того, что он планирует свой отдых и планирует покупку тура.

Исходя из этих предположений, ключевую фразу «Кипр» лучше разместить на одной странице, а запросы «туры на Кипр» и «купить тур на Кипр» — на другой. Но хорошо бы подтвердить эту гипотезу данными от поисковых систем. Как это сделать?

Предположим, что поисковые системы считают некоторые запросы схожими по смыслу и допускают их продвижение на одной странице, а некоторые — нет. Действительно, вряд ли на нормальном сайте на одной странице будут продвигаться запросы «туры на Кипр» и «купить лопату». Это больше похоже на дорвей, рассчитанный на обман поисковой системы.

Если предположение верно, то по схожим (по мнению поисковой системы) запросам в поисковой выдаче должны присутствовать одни и те же страницы сайтов. А по запросам, которые не могут продвигаться на одной странице, поисковая выдача не должна содержать одинаковых страниц сайтов.

Давайте сделаем выгрузку сайтов из топ-10 по трём запросам из нашего примера и сравним (выгрузка сделана при помощи инструмента: arsenkin.ru/tools/check-top:

Одинаковым цветом выделены одни и те же страницы сайтов. Из выгрузки видно, что у запросов «Туры на Кипр» и «Купить тур на Кипр» топ-10 поисковой выдачи совпадают на 100%, только немного отличаются позиции страниц. А по запросу «Кипр» совпадает только одна страница.

Такая картина подтверждает выдвинутую нами теорию: запрос «Кипр» нужно поместить на одну страницу, а «туры на Кипр» и «купить туры на Кипр» — на другую.

По этому принципу и работает кластеризация по схожести поисковой выдачи.

Как работают автоматические кластеризаторы?

Кластеризаторы (это могут быть, как онлайн-сервисы, так и программы) собирают топ-10 страниц по запросам, которые кластеризуются. Если поисковая выдача по ключевым фразам частично совпадает — эти фразы помещаются в одну группу.

Обычно в сервисах и программах можно задавать параметры кластеризации:

В большинстве случаев достаточно использовать алгоритм Soft. Но если вы работаете в высококонкурентной тематике, то стоит использовать алгоритм Hard.

Что делать после кластеризации?

К сожалению, использование автоматических кластеризаторов полностью не избавляет от необходимости ручной работы. Кластеризаторы на выходе выдают готовые группы ключевых фраз. Тем не менее, часть фраз попадают в группу «несгруппированные».

Несгруппированные ключевые фразы нужно перебрать вручную. Их придётся самостоятельно отнести к одной из уже созданных групп, удалить или создать для них новые группы.

Также стоит пересмотреть все созданные кластеризатором группы. Иногда имеет смысл объединить несколько групп с низкой суммарной частотностью ключевых фраз в одну. Или добавить ключевые фразы из низкочастотной группы, под которую делать отдельную страницу нет смысла, к ключам более частотной группы.

После ручной доработки групп можно переходить к распределению групп по существующим страницам сайта, созданию новых страниц и составлению технических заданий на написание статей под созданные группы ключевых фраз.

Инструменты для кластеризации ключевых фраз

Рассмотрим популярные сервисы и программы для кластеризации.

Key Collector

Эта программа есть практически у каждого специалиста по SEO. Она платная, сейчас стоит 1 800 рублей за одну лицензию.

Помимо множества функций, полезных при работе над продвижением сайта, в этой программе есть встроенный кластеризатор запросов.

Чтобы воспользоваться им, нужно собрать или загрузить в программу ключевые фразы для кластеризации. Затем выбрать пункт «SERP — Получить все данные для Яндекс» или «Получить все данные для Google», если в приоритете поисковая система Google.

Далее — ждём окончания сбора данных и переходим в меню «Данные — Анализ групп».

Выбираем настройки группировки:

Затем нужно выбрать поисковую систему, по которой будет выполняться кластеризация и сколько сайтов из выдачи нужно сравнивать по каждому запросу: топ-10 — топ-50. обычно достаточно топ-10.

Нажимаем кнопку «Вычислить группировку» и ожидаем окончания процедуры:

В итоге, получаем сформированные группы ключевых слов, которые можем редактировать и экспортировать в формате Excel.

Результаты кластеризации в Key Collector

Онлайн-сервис кластеризации Topvisor

Изначально topvisor.com был предназначен для отслеживания позиций сайта в поисковых системах, но потом оброс функциями, в том числе и кластеризатором.

Для использования этого сервиса нужно зарегистрироваться и пополнить баланс. Кластеризация платная. Стоимость — от 0,3 рубля за один поисковой запрос. Стоимость будет снижена, если выбрать один из тарифов с ежемесячной оплатой.

Для кластеризации запросов нужно создать новый проект и перейти в раздел «Ядро/Запросы», импортировать запросы в новую группу.

Затем нажимаем кнопку «Кластеризация ядра» и выбираем «Кластеризация по топ-10», делаем нужные настройки и жмём кнопку «Начать».

Настройки кластеризации Topvisor

В результате получаем группы запросов, которые можем дальше использовать в системе Topvisor, либо экспортировать.

Результаты кластеризации в сервисе Topvisor

KeyAssort — программа для кластеризации больших семантических ядер

Эта программа удобна для работы с любыми семантическими ядрами, но лучше всего она показывает себя при работе с ядрами большого объёма. Она отлично кластеризует ядра с миллионом и более запросов.

В KeyAssort удобно работать с запросами и их группами: сортировать, удалять, объединять. Программа платная, стоимость лицензии — 1 900 рублей.

Для работы программы нужны XML-лимиты. XML-лимиты — это механизм, созданный Яндексом, чтобы владельцы сайтов могли получать информацию о позициях сайтов, а также другую информацию о поисковой выдаче, не перегружая поисковую систему запросами. Один XML-лимит позволяет сдалать один запрос к поисковой системе.

Их можно получить двумя способами:

У KeyAssort есть демо-версия, в которой работают все функции, кроме экспорта результатов. Перед принятием решения о покупке программы можно протестировать её работу.

Результаты работы программы KeyAssort

Magento Кластеризатор — бесплатный кластеризатор поисковых запросов

Magento Кластеризатор похожа на очень упрощённую версию KeyAssort. Но зато пользоваться ей можно бесплатно. Для работы программы нужны XML-лимиты.

В окне программы нужно вставить ссылку на XML-лимиты в соответствующее поле, затем вставить список ключевых фраз для кластеризации в поле «Queries for clustering», выбрать метод кластеризации и задать степень группировки. После выполнения этих настроек нажимаем кнопку «Cluster» и ждём завершения операции. Результаты можно экспортировать в формате csv.

Источник

Кластеризация

Кластеризация (англ. cluster analysis) — задача группировки множества объектов на подмножества (кластеры) таким образом, чтобы объекты из одного кластера были более похожи друг на друга, чем на объекты из других кластеров по какому-либо критерию.

Задача кластеризации относится к классу задач обучения без учителя.

Содержание

Постановка задачи кластеризации [ править ]

Множество [math]Y[/math] в некоторых случаях известно заранее, однако чаще ставится задача определить оптимальное число кластеров, с точки зрения того или иного критерия качества кластеризации.

Решение задачи кластеризации объективно неоднозначно по ряду причин:

Теорема невозможности Клейнберга [ править ]

Для формализации алгоритмов кластеризации была использована аксиоматическая теория. Клейнберг постулировал три простых свойства в качестве аксиом кластеризации и доказал теорему, связывающую эти свойства.

Первая аксиома интуитивно понятна. Она требует, чтобы функция кластеризации не зависела от системы счисления функции расстояния и была нечувствительна к линейному растяжению и сжатию метрического пространства обучающей выборки.

Третья аксиома требует сохранения кластеров при уменьшении внутрикластерного расстояния и увеличении межкластерного расстояния.

Примеры преобразований с сохранением кластеров
Исходное расположение объектов и их кластеризация	Пример масштабной инвариантности. Уменьшен масштаб по оси ординат в два раза.	Пример допустимого преобразования. Каждый объект в два раза приближен к центроиду своего класса. Внутриклассовое расстояние уменьшилось, межклассовое увеличилось.

Исходя из этих аксиом Клейнберг сформулировал и доказал теорему:

Типология задач кластеризации [ править ]

Типы входных данных [ править ]

Вычисление матрицы расстояний по признаковому описанию объектов может быть выполнено бесконечным числом способов в зависимости от определения метрики между объектами. Выбор метрики зависит от обучающей выборки и поставленной задачи.

Цели кластеризации [ править ]

Методы кластеризации [ править ]

Меры качества кластеризации [ править ]

Подробнее про меры качества можно прочитать в статье оценка качества в задаче кластеризации.

Применение [ править ]

Биология и биоинформатика [ править ]

Медицина [ править ]

Маркетинг [ править ]

Кластеризация широко используется при изучении рынка для обработки данных, полученных из различных опросов. Может применяться для выделения типичных групп покупателей, разделения рынка для создания персонализированных предложений, разработки новых линий продукции.

Интернет [ править ]

Компьютерные науки [ править ]

Псевдокод некоторых алгоритмов кластеризации [ править ]

Метод K-средних (Алгоритм Ллойда) [ править ]

Основная идея заключается в том, что на каждой итерации перевычисляется центр масс для каждого кластера, полученного на предыдущем шаге, затем объекты снова разбиваются на кластеры в соответствии с тем, какой из новых центров оказался ближе по выбранной метрике. Алгоритм завершается, когда на какой-то итерации не происходит изменения внутрикластерного расстояния.

DBSCAN [ править ]

Основная идея метода заключается в том, что алгоритм разделит заданный набор точек в некотором пространстве на группы точек, которые лежат друг от друга на большом расстоянии. Объекты, которые лежат отдельно от скоплений с большой плотностью, будут помечены как шумовые.

На вход алгоритму подаётся набор точек, параметры [math]\epsilon[/math] (радиус окружности) и [math]m[/math] (минимальное число точек в окрестности). Для выполнения кластеризации потребуется поделить точки на четыре вида: основные точки, прямо достижимые, достижимые и шумовые.

Основная точка вместе со всеми достижимыми из нее точками формирует кластер. В кластер будут входить как основные, так и неосновные точки. Таким образом, каждый кластер содержит по меньшей мере одну основную точку.

На выходе получаем разбиение на кластеры и шумовые объекты. Каждый из полученных кластеров [math]C_j[/math] является непустым множеством точек и удовлетворяет двум условиям:

DBSCAN находит практическое применение во многих реальных задачах, например, в маркетинге: необходимо предложить покупателю релевантный товар, который подойдет под его заказ. Выбрать такой товар можно, если посмотреть на похожие заказы других покупателей — в таком случае похожие заказы образуют кластер вещей, которые часто берут вместе. Похожим образом с помощью DBSCAN можно исследовать и находить общие интересы людей, делить их на социальные группы, моделировать поведение посетителей сайта. Алгоритм также может использоваться для сегментации изображений.

Пример кода [ править ]

Пример на языке R [ править ]

Источник

Кластеризация запросов

Следующим шагом после сбора семантического ядра является кластеризация. По своей сути это процесс разбиения ключевых запросов на группы для определения будущих целевых страниц для продвижения.

Правильная группировка запросов позволит занять высокие позиции и хорошо ранжироваться поисковыми системами по всем подобранным запросам. Для этого нужно придерживаться определенных правил.

Каждая группа содержит свой интент. Допустим, у вас есть ряд запросов и нужно их объединить по одной потребности:

В данном примере логично 1 и 3 запрос объединить вместе, а также 2 и 4.

Важно понимать, что запросы «Доставка грузов из Китая» и «Доставка грузов из Китая на самолете» не удастся продвинуть на одной целевой странице.

Сложность кластеризации может возникнуть для таких запросов, как слова-синонимы вида «грузоперевозки из Китая» и «доставка из китая», или же «таможенное оформление грузов» и «растаможка товаров из китая». В таком случае ориентироваться лучше на результаты поисковой выдачи.

Каждая группа ведется на отдельную ключевую страницу. Она вытекает из пункта выше, и необходимо это для успешного продвижения.

В процессе кластеризации может возникнуть вопрос, а можно ли объединить два кластера в один, если их логично продвигать на одну страницу?

Ответ — да. Это нормальная ситуация, когда логично объединить группы запросов, имеющие одинаковый смысл и вылезающие страницы. Например, «искусственные елки 2 метра купить» и «новогодние елки 2 м цена».

Но не стоит объединять информационные и коммерческие запросы на одну страницу.

В зависимости от объема семантического ядра можно применять ручной, автоматический и смешанный способы группировки.

Ручной метод удобен для небольшого ядра в пределах 500 запросов — просто группируем запросы с одинаковым интентом. Для запросов, которым трудно определить кластер, анализируем поисковую выдачу. Если в ТОП выдачи отображаются одинаковые страницы одного сайта по разным запросам, то следует их вести на одну страницу.

Для ускорения этого процесса можно использовать сторонние сервисы, например «Выгрузка ТОП-10 сайтов». Его принцип заключается в следующем — вводим интересующие нас запросы и получаем список вылезающих страниц. Одинаковые страницы выделяются цветом.

На скриншоте выше как раз подтверждается та гипотеза объединения попарно запросов «Доставка грузов из Китая» и «Доставить груз из Китая», а также «Доставка грузов из Китая на самолете» и «Доставка товаров из Китая авиа».

Автоматическая кластеризация происходит с помощью специальных инструментов. В основе их алгоритмов также лежит группировка по ТОПу. Наиболее популярные онлайн-сервисы:

После автоматической группировки рекомендуется вручную проверить итоговые кластеры на наличие несоответствий.

Разбиение ключевых запросов на группы — один из важных этапов на пути продвижения. По своей сути, он является фундаментом, с которого начинается развитие сайта. От результатов кластеризации зависит объем требуемого контента, его содержание, распределение внутренней и внешней ссылочной массы внутри сайта и прочие факторы. А самое главное — позиции сайта по подобранным запросам!

Ждите новые заметки в блоге или ищите на нашем сайте.

Источник

Что такое кластеризация или кластерный анализ

Примеры кластеризации в маркетинге.

Если у вас есть большой массив данных, то наиболее эффективный способ понять, что с ними делать — рассортировать их в группы для первичного анализа. Группировать можно при помощи — сегментации (вы сами задаете критерии, например, возрастные и ценовые группы) или кластеризации (математический алгоритм сам выявляет “связующий” критерий или признак, который объединяет данные). Ценность data-driven подхода и основное отличие кластеризации заключается в том, что алгоритмы выявляют и объединяют параметры с похожими чертами из первичного массива данных.

Маркетинг и продажи — одно из направлений применения кластерного анализа. В частности для прогнозирования будущего поведения покупателя — персонализации и таргетирования. Кластерный анализ использует математические модели для обнаружения групп схожих клиентов, основываясь на наименьших различиях среди покупателей в каждой группе.

Кластерный анализ (англ. cluster analysis) — многомерная статистическая процедура, выполняющая сбор данных, содержащих информацию о выборке объектов, и затем упорядочивающая объекты в сравнительно однородные группы.

Боль: кампании, как маркетинговая инвестиция, должны быть направлены на конкретную целевую группу.

Стандартный пул данных в датасете:

Более глубокое понимание клиентских сегментов достигается путем разработки 3D-модели кластеров на основе ключевых бизнес-показателей, таких как размещенные заказы (покупки), частота заказов, заказанные товары или изменение цен. Актуальность результатов кластеризации для бизнеса позволяет лицам, принимающим решения, выявлять проблемные кластеры, которые вынуждают продавца использовать больше ресурсов для достижения целевого результата. Затем можно сосредоточить свои маркетинговые и операционные усилия на правильных кластерах, чтобы обеспечить оптимальное использование ресурсов, включая:

Хотя возможности прогнозирования, предлагаемые кластеризацией, могут трансформировать результаты целевого маркетинга, кластеризация наиболее эффективна при использовании вместе с другими решениями для розничной аналитики. Ценность кластеризации продуктов особенно видна в очень разреженном датасете (наборе данных). В дополнение к повышению рентабельности маркетинговых инвестиций (ROMI) с точки зрения прибыльности клиентов, кластеризация продуктов может помочь ритейлерам таргетировать и активизировать клиентов из категории с невысокой платежеспособностью.

Подробнее о функционале модуля “Кластеризация” смотрите в обучающем видео.

Источник

Как быстро кластеризовать семантику для интернет-магазина

Полная и точная семантика лежит в основе эффективного SEO. Но собрать обширное семантическое ядро — это еще не все. Для успешного продвижения нужно грамотно сгруппировать запросы и распределить их по посадочным страницам. Лучше сделать это на основе анализа поисковой выдачи, а именно — при помощи кластеризации.

Покажем на примере регионального интернет-магазина, как автоматизировать процесс кластеризации и что делать с результатами.

Что такое кластеризация и почему она важна для SEO

Кажется, что сгруппировать собранную семантику в тематические группы вполне можно, полагаясь на здравый смысл. В самом деле, нетрудно сообразить, что запросы «купить квартиру в новостройке» и «купить новую квартиру» относятся к одной группе, а «купить вторичку» — к другой. Но так бывает не всегда.

Сравним выдачу по двум запросам, которые по смыслу можно отнести в одну группу:

Здесь можно возразить, что первый запрос («станок чпу») с неясным интентом, который Яндекс интерпретирует скорее как информационный. А во втором («купить станок чпу») транзакционное слово «купить» меняет выдачу на коммерческую. Но начинающему SEO-специалисту, а тем более владельцу бизнеса такие нюансы могут быть не всегда очевидны.

Иногда товар или услугу можно назвать по-разному (моторная лодка и моторный катер, фитнес-браслет и смарт-браслет, химчистка ковра и стирка ковра) и поисковая выдача по этим запросам-синонимам тоже может отличаться.

Как раз в таких случаях и поможет кластеризация — объединение запросов в группы (кластеры) по принципу схожести результатов поисковой выдачи (SERP).

Методы кластеризации и различия между ними

SEO-специалисты используют два метода кластеризации семантического ядра:

Soft-кластеризация — поисковая выдача по нужным ключевым запросам сравнивается попарно. Если в топ-10 есть заданное количество одинаковых результатов, то ключи объединяются в один кластер. Число результатов по запросу зависит от настроек кластеризации и может быть от 1 до 10. Чаще всего используется диапазон 3-5.

Hard-кластеризация — при этом методе результаты SERP сравниваются не только попарно, но и между всеми запросами, входящими в кластер. Ключи, по которым нет определенного количества одинаковых результатов в выдаче, не включаются в кластер.

Кластеризация по методу Hard более точная. Кластеры, сформированные по методу Soft, объединяют ключи зачастую существенно различные по смыслу. Это слишком широкая семантика, с которой еще нужно много работать — вычищать нерелевантные запросы, дробить и перегруппировывать.

Для продвижения по коммерческим конкурентным запросам используется Hard-кластеризация, ведь в таких проектах важна высокая релевантность посадочной страницы группе ключевых слов.

Инструменты для кластеризации семантики

Разумеется, проводить кластеризацию вручную методом анализа топов по каждому запросу неэффективно, а в случае с обширным семантическим ядром попросту нереально.

В помощь SEO-специалистам есть специализированные сервисы для кластеризации семантики на основе поисковой выдачи (например, SEMparser, s:toolz). Также инструменты кластеризации есть в Key Collector, Rush Analytics, Just-Magic, Топвизоре и других комплексных SEO-сервисах.

Покажем процесс кластеризации семантического ядра для интернет-магазина в инструменте «Кластеризация запросов» от PromoPult. Он кластеризует семантику по методу Hard на основе сравнения топов выдачи Яндекса и Google. Точность кластеризации задается числом или диапазоном от 1 до 10. Результаты хранятся в системе неограниченное время, есть возможность выгрузить их в XSLX-файл. Кроме собственно кластеризации инструмент бесплатно соберет частотности, подсветки, количество главных страниц в топе выдачи и URL сайтов конкурентов.

Кластеризуем семантическое ядро интернет-магазина step-by-step

У нас есть сайт регионального интернет-магазина товаров без упаковки. В нем можно купить еду, косметику и товары для дома в свою или многоразовую тару.

Шаг 1. Регистрируемся и заполняем данные проекта

Сначала авторизуемся или регистрируемся в PromoPult. Это нужно, чтобы результаты кластеризации сохранялись в системе.

Сначала можно заполнить необязательные поля — адрес сайта и название проекта.

Если укажете домен, в файле с результатами будут указаны рекомендованные посадочные страницы для каждого кластера. Название поможет идентифицировать выполненные задачи в системе.

Шаг 2. Загружаем запросы

Загрузить запросы для кластеризации можно двумя способами — XLSX-файлом и списком. Минимальное количество запросов — 20.

Если с загрузкой ключевых фраз списком все понятно, то в случае с XLSX-файлом есть нюансы:

инструмент обработает фразы только с первого листа файла;

сбор информации происходит по принципу одна ячейка — одна фраза;

не оставляйте в файле посторонние данные (например, частотности), иначе система определит их как ключевые слова и спишет за эту работу деньги.

Фрагмент XLSX-файла для загрузки в инструмент кластеризации

Шаг 3. Выбираем режим кластеризации

В инструменте кластеризации доступно два способа — «Сравнение ТОПов» (подходит для новичков) и «Профессиональная настройка».

Выбор режима кластеризации

Расскажем подробнее о каждом.

Сравнение ТОПов

Этот режим стоит использовать, если вам нужно быстро сгруппировать ядро и не нужна высокая точность настроек. Для этого нужно:

Задать точность числом или диапазоном. Точность — это количество совпадений URL в топе, при котором запрос добавляется в кластер. Советуем задать точность в диапазоне 3-5. При значении меньше 3 кластеры будут слишком большими, и в них попадут далекие по смыслу и интенту запросы. При значении от 6-ти образуется слишком много кластеров.

Выбрать поисковую систему (Яндекс или Google), на основе выдачи которой будет произведена кластеризация.

Выбрать регион (или несколько регионов) для учета локальной выдачи (это особенно критично для коммерческих запросов).

Настройка инструмента для режима «Сравнение ТОПов»

Профессиональная настройка

Для кластеризации семантики нашего магазина воспользуемся профессиональной настройкой.

Здесь также есть возможность выбрать приоритетную поисковую систему, регион и задать точность кластеризации. Отличия следующие:

Точность задается только числом. Это базовый уровень точности, при котором запрос добавляется в кластер.

Далее вы можете задать одно или несколько условий в зависимости от количества фраз в кластере.

Например, мы понимаем, что не сможем продвинуть на одной посадочной странице группу запросов больше 10-ти. Задаем условие, увеличивающее количество совпадений URL в топе до 6-ти, чтобы разбить ядро на более мелкие кластеры:

Настройка кластеризации

Можно добавить еще условия в зависимости от нужного максимума слов в кластере. Таким образом, в режиме «Профессиональная настройка» получаем более точную кластеризацию с учетом особенностей семантики проекта.

Перед запуском процесса система покажет сумму, в которую обойдется кластеризация. Она зависит от трех составляющих:

количества обработанных ключевых запросов;

количества поисковых систем;

Тариф зависит от стоимости 1 ТЗ — условной единицы, которая означает кластеризацию одного запроса на основании выдачи одной поисковой системы в одном регионе.

Стоимость одного ТЗ уменьшается при увеличении их количества:

Источник

• ← Кластер это что такое
• Кластеризация запросов что это →