Sådan laver I en søgeordsanalyse der holder i et år

En søgeordsanalyse bliver brugt hvis den fortæller hvad der skal laves på mandag. Ellers bliver den ikke brugt.

Den mest almindelige leverance vi overtager fra andre, er et regneark med tusindvis af søgeord, volumen og sværhedsgrad i tre kolonner. Alt sammen rigtigt, og alligevel ubrugeligt, fordi der ikke står hvilke sider der skal bygges, hvem der skriver dem, og hvad man gør ved de 200 sider der findes i forvejen.

Målet med en analyse er en liste over sider med en type, en ejer og en rækkefølge. Søgeordene er råmaterialet og ikke resultatet.

Her er hvordan vi gør det, og det tager typisk halvanden til to uger for en webshop med et par tusind varenumre.

Vi begynder aldrig i Keyword Planner. Vi begynder med at forstå hvad butikken tjener penge på.

Træk salget de sidste tolv måneder på kategoriniveau, og sæt dækningsbidrag på. Så ved I hvilke områder der skal have opmærksomhed, og hvilke der bare må ligge.

Spørg derefter kundeservice hvad folk ringer og skriver om. De formuleringer er guld, fordi de er kundens ord og ikke branchens. En butik vi arbejder med, kaldte en kategori "ergonomiske kontorstole", mens kunderne skrev "stol til dårlig ryg". Den ene har volumen, den anden har intention.

Vi havde brugt to år på at rangere på det forkerte ord, fordi det var det, vi selv sagde internt.

indkøbschef hos en dansk møbelbutik

Tag til sidst tre til fem konkurrenter. Ikke dem I møder i markedet, men dem der rangerer på jeres søgninger. Det er tit ikke de samme.

Først når det ligger fast, åbner vi et værktøj.

Vi henter fra fire kilder, og pointen er at ingen af dem er nok alene.

Search Console først, fordi det er jeres egne tal. Eksportér tolv måneder på forespørgsler og sider. Kig særligt efter søgninger hvor I har visninger og lav placering, for det er efterspørgsel I allerede kan se, men ikke fanger.

Derefter et søgeordsværktøj til volumen og til at finde det I ikke selv rangerer på. Vi bruger typisk Ahrefs eller Semrush, og hvilket af dem betyder mindre end folk tror.

Så den interne søgning i shoppen. Det er den mest oversete kilde overhovedet. Folk skriver præcis hvad de leder efter, og de nulresultater er en liste over produkter eller sider I mangler.

Og til sidst Google selv: autofuldførelse, "folk spørger også" og de relaterede søgninger nederst. Det er gratis, og det viser hvordan Google selv grupperer emnet.

Saml det hele i ét ark med kilde på hver række, så I kan se hvor et ord kommer fra.

Søgevolumen er et gennemsnit med stor usikkerhed, og det bliver brugt alt for firkantet.

Tre ting skal man vide. Tallene er afrundet i grupper, så 1.300 og 1.900 kan være det samme tal. Sæsonvarer ser små ud målt på et årsgennemsnit, selv om de er enorme i november. Og lange, specifikke søgninger bliver rapporteret som nul, selv om de tilsammen udgør en stor del af trafikken.

Derfor bruger vi volumen til at sortere inden for en klynge, og ikke til at vælge mellem klynger. Valget mellem klynger træffes på forretningen.

Et eksempel fra en kunde: klyngen om et nicheprodukt havde 90 søgninger om måneden og en dækningsgrad på over 40 procent. Klyngen om et populært produkt havde 4.000 søgninger og otte konkurrenter der solgte det med tab. Vi valgte nichen først, og det ville et regneark sorteret på volumen aldrig have foreslået.

Google rangerer sider på emner og ikke på enkeltord, så analysen skal grupperes på samme måde.

Vi samler ord i en klynge når de kan besvares af den samme side. Den praktiske test er at slå tre til fem af ordene op og se på de ti øverste resultater. Er det stort set de samme sider der går igen, hører ordene til samme klynge. Er det forskellige sider, skal der to sider til.

Den test tager tid, og der findes værktøjer der gør den automatisk. Vi gør det manuelt for de tyve vigtigste klynger og automatisk for resten, fordi automatikken tager fejl netop dér hvor det betyder mest.

Hver klynge får et navn, et hovedsøgeord, de varianter der hører til, og en samlet volumen. Det er den enhed vi arbejder videre med.

Nu bestemmer vi hvad hver klynge skal være for en side, og her afgøres halvdelen af resultatet.

Slå hovedsøgeordet op og se hvad der faktisk ligger på side ét. Er det kategorisider, skal I lave en kategoriside. Er det guides, kan I ikke rangere med en kategoriside uanset hvor god den er.

Vi sorterer i fire typer. Kategori og filtrerede kategorisider til dem der vil købe noget bredt. Produktsider til dem der ved præcis hvad de vil have. Guides og artikler til dem der er ved at finde ud af det. Og sammenligninger eller "bedste i test" til dem der er tæt på at vælge.

Den hyppigste fejl vi retter, er en flot guide der blev skrevet på et søgeord hvor Google kun viser kategorisider. Den kan være bedre end alt andet og stadig aldrig komme ind.

Før noget bliver bygget, holder vi klyngerne op mod de sider der findes.

For hver klynge er der fire mulige svar. Der findes en side og den rangerer, så lad den være. Der findes en side og den rangerer ikke godt nok, så den skal forbedres. Der findes to eller flere sider der konkurrerer om samme klynge, så de skal slås sammen med en redirect. Eller der findes ingen side, og så skal den bygges.

Den tredje er den mest oversete og tit den mest værdifulde. Vi finder næsten altid sider der spænder ben for hinanden, typisk en kategoriside og en gammel blogartikel om samme emne. At slå dem sammen koster en formiddag og flytter ofte mere end tre nye artikler.

Skriv resultatet som en tabel med klynge, sidetype, eksisterende URL og handling. Det er den tabel folk faktisk bruger.

Nu bliver analysen til en plan, og her bruger vi en simpel score.

For hver klynge sætter vi tal på fire ting: forretningsværdi fra et til fem ud fra dækningsbidrag og strategi, efterspørgsel ud fra samlet volumen i klyngen, hvor svært det ser ud at komme ind målt på hvem der ligger der nu, og hvor meget arbejde der skal til.

Så deler vi i tre bunker.

Den sidste bunke er vigtig. En analyse uden fravalg er ikke en prioritering, og den skal skrives ned med en begrundelse, så I ikke tager diskussionen igen om tre måneder.

Læg så de første seks til ti opgaver i et kvartal med navn på hvem der gør det. Resten ligger i backloggen.

Kunderne spørger i stigende grad en assistent i stedet for at google, og de formuleringer ligner ikke søgeord.

Derfor lægger vi en promptanalyse ved siden af. Vi skriver tredive til halvtreds spørgsmål som kunderne reelt stiller, formuleret som hele sætninger, og kører dem gennem ChatGPT, Gemini og Perplexity. Så noterer vi om butikken bliver nævnt, hvilke kilder der bliver citeret, og hvad de kilder har som I ikke har.

Det flytter to ting i analysen. Klynger hvor I aldrig bliver nævnt, men hvor konkurrenterne bliver det, rykker op i prioriteringen. Og sidetypen ændrer sig, fordi det der bliver citeret, typisk er sider med et klart svar højt oppe, tal der kan efterprøves og en dato.

Det er stadig et ungt håndværk, og målingen er grov. Men det er den eneste måde jeg kender til at se den efterspørgsel, og den forsvinder ikke igen.

En analyse forfalder, og det er derfor de fleste kun bliver lavet én gang.

Hver måned tager vi en halv time i Search Console og kigger på nye forespørgsler med visninger og dårlig placering. Det er ny efterspørgsel, og den skal ind i klyngerne.

Hvert kvartal går vi planen igennem: hvad blev bygget, hvad flyttede sig, og hvad skal prioriteres om. Her flytter vi også opgaver fra backloggen op.

En gang om året laver vi klyngearbejdet forfra på de vigtigste områder, fordi sortimentet og resultatsiderne ændrer sig.

Og løbende: hver gang kundeservice hører en ny formulering, ryger den i arket. Det er den billigste kilde I har.

Fire ting koster mest tid, og de er alle sammen til at undgå.

At bygge en side på et søgeord uden at have set på hvad der ligger der. Fem minutters opslag sparer en uges skrivearbejde.

At sortere på volumen. Det giver en plan hvor I kæmper mod hele branchen om ord der ikke tjener penge, mens nichen ingen skriver om, ligger urørt.

At springe kortlægningen mod eksisterende sider over. Så bygger I nummer tre side om samme emne og gør jeres egen placering værre.

Og at aflevere analysen som et regneark uden ejere og datoer. Den bliver rost på mødet og aldrig åbnet igen.