Sökordanalys & Long Tail Sökord: Gratis verktyg för Google & Sökmotorer

Därför kan long tail sökningar öka konverteringsgraden

70% av alla sökningar som görs på Google och andra sökmotorer är long tail sökord. Dessa är mycket viktiga att inkludera i sin SEO-strategi och SEO-analys när det kommer till content SEO.

En vanlig missuppfattning är att företag inte tycker sökord med låga sökvolymer är lika viktiga som de med högre sökvolym. Kraften i att använda long tail sökord handlar primärt om att det finns en specifik sökintention bakom dessa sökord, som ofta går hand i hand med högre konverteringsgrad. Kvalitativ söktrafik leder till en högre konverteringsgrad och därigenom ökad försäljning. Detta är givetvis något att sträva efter om man t.ex. är en e-handlare och vill använda eller redan använder SEO (sökmotoroptimering) som marknadsföringskanal.

Sökintentionen en del av sökordsanalysen för long tail sökord

Olika sökord har olika sökintentioner som brukar delas upp inom: navigationsintention, informationsintention, transaktionell intention och kommersiell intention.

Sökord har olika intentioner, vilka är:

• Navigationsintention
  Personen bakom sökningen vill hitta till en specifik sida. T.ex. ”Företagsnamn + login”.

• Informationsintention
  Personen bakom sökningen vill få mer information. T.ex. ”Hur många dagar regnar det i London per år”.

• Kommersiell intention
  Personen bakom sökningen vill lära sig mer om något innan ett köp genomförs. T.ex. ”Bästa friluftsjackan herr”.

• Transaktionell intention
  Personen bakom sökningen vill ta specifik action på något, vilket vanligtvis handlar det om att genomföra ett köp. T.ex. ”Köpa Iphone 14”.

En förståelse för olika sökintentioner är av stor vikt när man både optimerar och skapar nya landningssidor. Det handlar helt enkelt om att veta vilka sökord som ska optimeras eller skapas mot vilka landningssidor. En webbplats har som bekant oftast olika sidor, vilka fyller olika syften. En bloggartikel ska med fördel innehålla informationsdriven sökintention, medan en kategori eller produktsida ska ha kommersiellt/transaktionellt innehåll. Genom att möta intentionen bakom sökningen minimeras risken att besökaren lämnar sidan. Läs gärna mer om SEO och kundresan i denna artikel.

Fördelarna med att använda long tail sökord

Eftersom long tail sökord ofta har en mycket lägre sökvolym, så är konkurrensen inte lika hård på Google och andra sökmotorer. Som företag skapar det här givetvis konkurrensfördelar, eftersom tiden till att nå uppsatta mål är kortare jämfört med om man jobbar mot generiska söktermer. Konverteringsgraden är då ofta är högre, som tidigare nämnt.

Verktyg för att göra en long tail sökordsanalys

Det finns två verktyg från Google som du kan använda dig utav, båda fyller lite olika syften.

Googles sökordsplanerare (Google Keyword Planner)

Det första är Googles sökordsplanerare (Google Keyword Planner) som finns att tillgå om du har ett Google Ads konto. Om du har aktiva kampanjer igång kan du se exakta sökvolymer, annars kommer du istället att se olika spann på antal sökningar per månad, vilka är 0-100 sök/mån, 100 – 1000 sök/mån, 1000 – 10000 sök/mån.

Genom att lägga in ett sökord kan du få upp förslag på relaterade sökord. Du kan också se vad det genomsnittliga budet för respektive sökord ligger på, vilket kan ge en indikation på hur lönsamt sökordet är.

Google Trends

Google Trends är ett användbart verktyg för att kunna analysera trender och se vilka ämnen och sökfrågor som är relaterade till det sökordet som man lagt in. Det går också att filtrera på land, tidsperiod, kategori, och välja sökkälla: webb/bild/nyhet/shopping och Youtube.

Det går också att välja ”Top” eller ”Rising”, vilket oftast ger helt olika resultat.

Så här förklarar Google ”Related topics”:

Google – Relaterade sökningar

Sektionen med relaterade sökningar på Google längst ner i sökresultatet är också en guldgruva för att hitta long tail sökord. För sökordet ”löparskor bäst i test” kommer följande förslag upp:

Vilket eller vilka sökord från denna sektion som man väljer att inkludera eller inte är självklart helt beroende på vilket mål man har med innehållet man tänker skapa.

AnswerThePublic

På AnswerThePublic.com kan du välja sökord och därefter välja land och språk. AnswerThePublic kommer sedan att generera olika data som inhämtas från Google autocomplete. När man gör en sökning på Google så brukar man få upp förslag direkt i sökrutan innan man genomfört sökningen, det är det som kallas Google autocomplete.

Datan som AnswerThePublic hämtar in sammanställs sedan inom följande uppdelning: ”questions”, ”prepositions”, ”comparisons”, alphabeticals” och ”related”. Related ofta blandade sökfrågor, varför denna kan hoppas över.

Frågor

Questions (frågor) sammanställer alla frågor för ett specifikt sökord. För att ta några exempel för sökordet ”löparskor”, genereras bland annat dessa frågor och svar:

1. Löparskor hur ska de sitta
2. Hur ofta byta löparskor
3. Hur tvättar man löparskor

Dessa och liknande frågor kan vara relevanta att ha med i en ”Vanliga frågor och svar” – sektion på en webbplats, företrädesvis i form av artiklar som handlar om löparskor, eftersom det hjälper potentiella köpare att navigera sig i löparskor-djungeln. På dessa artiklar kan man även länka till sidor vars syfte är att konvertera besökaren.

Preferenser

Prepositions (preferenser) sammanställer sökfrågor utifrån olika situationer eller olika behov. Exempel:

1. Löparskor för smala fötter
2. Löparskor för asfalt
3. Löparskor för dåliga knän

Jämförelse

”Comparisons” (jämförelse) sammanställer alla sökfrågor som är jämförbara med andra sökfrågor. Exempel:

1. Sneakers eller löparskor
2. Vandringsskor eller löparskor
3. Löparskor eller walkingskor

”Alphabetical” (Bokstavsordning) sammanställer alla sökfrågor i bokstavsordning.

Google Search Console (Performance Report)

Om en webbplats är kopplad till Google Search Console och har data att tillgå, så kan man i Performance Report se alla sökord som ens webbplats syns för. Beroende på hur omfattande denna data är, kan man med fördel välja att ladda ner denna lista i Excel och sedan filtrera på sökord som t.ex. innehåller ett visst ord, t.ex. vem, vad, vart, när, hur, varför, bästa, guide, typer och omdöme. Detta kan skapa insikter om sökord man kanske inte ens visste att man rankades för, som med optimeringar kan driva in mycket trafik.

Betalverktyg för att göra en long tail sökordsanalys

På Beet jobbar vi med marknadsledande SEO-verktyg för att kunna utföra den bästa SEO-optimeringen åt våra kunder. Dessa verktyg inkluderar, men är inte begränsade till:

Ahrefs

Ahrefs är en SEO:ares bästa verktyg i många olika bemärkelser, men när det kommer till att hitta long tail sökord är detta verktyg otroligt användbart.

Ett sökord på ”löparskor” med funktionen word count inställd på siffran min. 4, kommer endast att generera sökord som innehåller fler än 4 st ord:

Sökorden ovan är väldigt specifika sökfrågor som har en tydlig sökintention. Lägg därtill det faktum att dessa har 0 – 1 i KD. KD står för ”keyword difficulty” och är en skala från 0-100, vilket är Ahrefs estimat på hur svårt ett sökord är att ranka på Googles förstasida är. Desto högre siffra, desto svårare. Vi ska inte avhandla teknisk SEO i denna artikel, men KD kolumnen ger en indikation på vilken konkurrens man har att göra med och hur omfattande ett eventuellt content SEO-arbete och/eller länkbygge som skulle krävas för att ta topplaceringar för respektive sökord.

För en e-handlare som säljer löparskor av märket New Balance och Asics, eller för en e-handlare som vill skapa en artikel om vilka löparskor som är bäst i test, ger detta värdefull data.

SEMRush

En annan tungviktare av SEO-verktyg är SEMRush, som också har filtreringsfunktionen att endast få fram sökord som innehåller fler än x-antal ord. SEMRush använder sig också utav benämningen ”KD” för att avgöra hur konkurrensutsatt ett sökord är. I denna översikt visas även ”Intent”, ”Average KD” och ”Results”. ”Intent”, visar intentionen bakom sökordet, ”Average KD” visar vilket genomsnittligt KD som alla dessa sökord har och ”Results” visar hur många URL:er som finns indexerade för respektive sökord.

Long tail sökord inte att förväxla med ”keyword stuffing”

En long tail strategi är inte synonymt med ”keyword stuffing”, dvs att skicka in sökord frekvent i text, meta taggar och andra on-page element bara för att få med så många sökord som möjligt i syfte att manipulera sökmotorer. Google avråder från detta i Google Webmaster Guidelines.

Optimera istället för ”entities”, (objekt), som är ett unikt identifierbart objekt eller en sak som kännetecknas av dess namn, typ(er), attribut och relationer till andra objekt.

Sökordsanalys med entities (objekt) i åtanke

Google är en semantisk sökmotor som strävar efter att ge det bästa möjliga svaret för den som söker på Google. Innehåll på webben kan primärt delas in i tre kategorier: ostrukturerat innehåll (t.ex. bloggar), semi-strukturerat innehåll (t.ex. Wikipedia) och strukturerad data (t.ex. Wikidata och JSON Schema).

För att göra det så enkelt som möjligt för Google att förstå ens innehåll, så underlättar det om man använder sig av SEO schema, strukturerad data.

Google har ett patent för entities som avhandlar metoder inom den semantiska webben för att förstå ”semantiken”, dvs samband mellan entities (objekt).

Google använder sig utav språkmodeller (natural language processing) däribland BERT för att förstå entities. Dessa grundar sig bland annat på källorna Wikipedia och Wikidata, vilka också sedan lanseringen av Google Knowledge Graph – things, not strings) år 2012 används för att skapa Google Knowledge Graph.

Så kan du använda entities från Wikipedia i sökordsanalysen

Mot bakgrunden i att Google använder Wikipedia för inhämtning av data så finns det två användbara verktyg att använda sig utav, vilka är:

Google Cloud Natural Language

Google Cloud Natural Language används för att analysera text med hjälp av Googles maskininlärning och få svar på vad som är i en text. Genom att analysera text (läs: konkurrenters text), som rankar högt på en specifik sökfråga, så kan det ge insikter i om ens egna text saknar viktiga entities för att göra innehållet komplett för att tillfredsställa både användare och sökmotorer.

I Googles egna exempel kan vi se att Google använder Wikipedia som källa för att förstå att Google är en organisation, att dess fysiska plats är Mountain View, att Android är en konsumtionsvara och att Sundar Pichai är en person.

Salience analyserar från en skala 0-1 hur viktig en entity är för ett textdokument. I bildexemplet syns inte salience för $799 som finns med i texten, men Google gör bedömningen att det inte är relevant för innehållet och har därför inte tilldelats någon siffra. Ordet Keynote som finns med i texten, vars salience inte heller syns, har fått siffran 0.03.

Sentiment är en skala från -1.0 (mycket negativt) till 1 (mycket positivt), som analyserar hur positivt, neutralt eller negativt laddat en entity är. Det här är viktigt ur ett användarperspektiv, för att få texten att matcha med sökintentionen.

Entitieschecker.com – ”The Entities Swissknife”

Entitieschecker.com gör verkligen skäl för sin slogan. Verktyget är gratis och kan extrahera entities från den URL som man anger. Verktyget har tre olika alternativ: ”URL Analysis”, ”SERP Explorer” och ”Entities GAP Analysis”. Förstnämnda kräver inget inlogg, men för att analysera SERP och göra en Entities GAP Analysis, för att upptäcka entites som t.ex. konkurrenter använder sig utav, så krävs att man registrerar sig.

Så fungerar Entitieschecker.com:

Det går också att väja ”About”, ”Mentions” och ”Knows about” schema om syftet hade varit att skapa strukturerad data med hjälp av JSON-LD, som det går att läsa mer om i den här artikeln om strukturerad data med hjälp av JSON-LD. Verktyget är inte perfekt i detta avseende, därför att den schema @type som detta verktyg genererar alltid är ”Thing”. Hade syftet varit att bygga schema utifrån exemplet med sneakers, så hade @type istället behövt vara ”ProductModel”, eftersom att sneakers är en specifik typ av sko.

Entities som extraheras listas på följande sätt, där det går att filtrera på kolumnerna name, Wikidata Id, Confidence Score, Frequency, Relevance Score och Wikipedia Link. I exemplet är det filtrerat på Relevance Score, vilket då kommer att lista alla entities utifrån hur relevanta de anses vara för det ämne som finns på den URL som man lagt in, (i detta fallet skor).

Verktyget kommer också extrahera en lista med alla ämnen och där ”score” är det som verktyget anser är mest relevant. Det innebär inte per automatik att det är det som för en verksamhet är mest relevant, utan endast från ett maskininlärnings-perspektiv.

Behöver ni hjälp med sökordsanalys och long tail sökord?

Förhoppningsvis så har denna artikel givit en del insikter i hur viktigt det är att göra en gedigen sökordsanalys med fokus på long tail sökord och entities för att skapa innehåll både för användare och för sökmotorer.

Ta hjälp av en digital marknadsföringsbyrå som hjälper er lyckas online. Vi har specialister inom samtliga digitala marknadsföringskanaler och sätter ihop ett team baserat på era behov.

Tveka inte att kontakta oss idag.