Introduzione

Una responsabile SEO apre per la prima volta il registro delle conversazioni del chatbot di un cliente. Si aspetta di trovare un gran caos. Quello che trova è un elenco.

La domanda più frequente del mese scorso, posta 38 volte, era “effettuate spedizioni in Irlanda?”. Al secondo posto c’era “la camicia di lino veste piccola?”. Al terzo posto c’era una variante educata di “dov’è il mio ordine”, formulata in undici modi diversi.

Nessuna di queste domande era emersa nella sua ricerca per parole chiave. La maggior parte di esse mostra un volume pari a zero in tutti gli strumenti a pagamento che utilizza.

Questo è il caso dell’analisi dei chatbot come input per la SEO. Gli strumenti per le parole chiave stimano ciò che le persone potrebbero cercare. Un log di chat registra ciò che hanno effettivamente chiesto, con le loro stesse parole, nel momento in cui stavano decidendo se acquistare.

Gli strumenti per le parole chiave mostrano il volume. I log delle chat mostrano le domande.

Non siamo qui per sostenere che gli strumenti per le parole chiave siano sbagliati. Sono molto efficaci nel compito per cui sono stati creati. È solo che quel compito presenta dei limiti.

Cosa sfugge agli strumenti per le parole chiave

Gli strumenti per le parole chiave modellano la domanda a partire dai dati di ricerca, e lo fanno bene su larga scala. Quando una frase è troppo specifica, troppo nuova o formulata in modo troppo insolito, scende al di sotto della soglia e viene visualizzata come zero o non compare affatto.

È proprio lì che si trovano molte domande relative all’acquisto. “Spedite in Irlanda?” non è una query che la maggior parte delle persone digita su Google. È una domanda che pongono direttamente al negozio, una volta che il prodotto ha già suscitato il loro interesse.

Quindi la consueta ricerca delle parole chiave a coda lunga presenta un punto cieco. La coda più lunga di tutte non raggiunge mai un motore di ricerca. Va direttamente al widget della chat, ai messaggi diretti di Instagram e alla casella di posta dell’assistenza.

Perché le domande dei clienti rivelano l’intento dell’utente

Una query di ricerca è un’ipotesi sull’intento. Una domanda in una finestra di chat è l’intento stesso, con la pagina del prodotto ancora aperta.

Quando qualcuno chiede se una giacca è impermeabile, non sta cercando informazioni sulle giacche in generale. È a un passo dall’acquistare quella giacca. La maggior parte delle discussioni sull’intento di ricerca considera quella fase come qualcosa da dedurre dalla SERP. Qui invece è possibile leggerlo chiaramente.

Questo rende i log delle chat una delle fonti più chiare di intento a disposizione di un team SEO, e una delle meno utilizzate.

Cosa ti rivela effettivamente l’analisi dei chatbot

Apri il log delle conversazioni di qualsiasi negozio che abbia utilizzato un chatbot per un mese e tre cose saltano subito all’occhio.

Le domande che le persone pongono, con parole proprie

I clienti non scrivono come i professionisti del marketing. Scrivono “è adatto a un portatile da 13 pollici” piuttosto che “dimensioni compatibili con i portatili”. Chiedono “è sicuro per i gatti” piuttosto che “materiali adatti agli animali domestici”.

Queste domande dei clienti sono la materia prima per la ricerca conversazionale. Il modo di esprimersi che le persone usano con un chatbot è molto simile a quello che usano con gli assistenti vocali e gli strumenti di ricerca basati sull’intelligenza artificiale, ed è per questo che vale la pena mantenerlo così com’è piuttosto che modificarlo.

Le domande a cui nessuno ha risposto

Questa è la parte utile. Ogni domanda a cui il chatbot non ha saputo rispondere rappresenta una lacuna nel sito, non una lacuna nel bot. Un chatbot basato sull’intelligenza artificiale che risponde attingendo dalle pagine del tuo negozio può essere efficace solo quanto quelle pagine, quindi i suoi errori indicano chiaramente ciò che manca.

Se dodici persone hanno chiesto informazioni sulla consegna in Irlanda e il bot non ha saputo rispondere, significa che il negozio non dispone di una pagina chiara dedicata alle consegne in Irlanda. Si tratta di un’analisi delle lacune nei contenuti che non avete dovuto elaborare manualmente.

Le pagine che hanno fornito una risposta e quelle che non l’hanno fatto

Quando un chatbot cita la pagina alla base di ogni risposta, si capisce anche quali pagine funzionano davvero. Una guida alle taglie che risponde a quaranta domande a settimana si sta guadagnando il proprio posto. Una pagina sui resi che non viene mai citata potrebbe essere poco chiara, nascosta o semplicemente non corrispondere a ciò di cui le persone hanno bisogno.

I buoni strumenti di analisi dei chatbot ti mostrano tutte e tre le cose: le domande, le mancate risposte e le fonti. Se il tuo mostra solo il numero di conversazioni, stai guardando una metrica di vanità.

Quando le domande cambiano

L’elenco non è statico. Il lancio di un nuovo prodotto, una promozione o un post di un influencer possono cambiare ciò che le persone chiedono nel giro di un giorno. Un improvviso picco di domande del tipo «è di nuovo disponibile?» ti rivela qualcosa che un report mensile sulle parole chiave non potrà mai dirti.

È qui che l’analisi dei chatbot si guadagna un posto accanto al monitoraggio del posizionamento. Le classifiche ti dicono quanto sei visibile. Il registro delle conversazioni ti dice cosa avevano ancora bisogno di sapere le persone che ti hanno trovato.

Trasformare i log delle chat in ricerca di parole chiave per l’e-commerce

Questa è la parte che trasforma un log interessante in un elenco di parole chiave utilizzabile. Ci vuole un pomeriggio.

Passo 1: esporta un mese di conversazioni

Estrai tutte le conversazioni degli ultimi 30 giorni, da ogni canale su cui opera il bot. La sola chat del sito web fornirà un conteggio inferiore alla realtà, perché molte domande pre-vendita arrivano tramite Instagram e WhatsApp.

Non pulirle ancora. Gli errori ortografici e le formulazioni strane fanno parte del valore, perché mostrano come parlano le persone quando nessuno sta ottimizzando nulla.

Passo 2: Raggruppa le domande in base all’intento dell’utente

Classificale in categorie: consegna, taglie, resi, disponibilità, dettagli del prodotto e fiducia. In questa fase ignora la formulazione e concentrati su ciò che la persona stava cercando di scoprire.

Fase 3: Analizza le parole chiave con uno strumento di ricerca

Ora analizza ogni categoria con il tuo solito strumento per le parole chiave. Alcune domande corrisponderanno perfettamente a termini con un volume di ricerca. Altre non mostreranno nulla.

Conserva entrambe. Quelle con volume rappresentano opportunità di posizionamento. Quelle senza sono opportunità di conversione e tendono ad essere le domande che si frappongono tra un visitatore e una vendita. La maggior parte degli strumenti ti aiuta a trovare le parole chiave. Questo passaggio ti aiuta a trovare quelle che i clienti utilizzano effettivamente.

Fase 4: Abbina ogni domanda a una pagina

Per ogni domanda, annota la pagina che dovrebbe fornirne la risposta. Se esiste, verifica che lo faccia effettivamente. Se non esiste, hai trovato una pagina da scrivere.

Sii rigoroso in questa fase. Una pagina che menziona la consegna in Irlanda in una sola riga di una lunga informativa non costituisce una risposta. Se il chatbot non è riuscito a trovarla, nemmeno un acquirente che sfoglia rapidamente il sito sul cellulare ci riuscirà.

Passo 5: Scrivi le risposte alle domande che non hanno una pagina dedicata

Inizia dalle domande senza risposta più frequenti, perché sono sia le soluzioni più facili da realizzare sia la prova più evidente che manca qualcosa. Una pagina breve e specifica sulla consegna in Irlanda sarà più utile per quel negozio rispetto a un’altra guida generica sulle camicie di lino.

Si tratta di una ricerca di parole chiave per l’e-commerce costruita a ritroso. Invece di partire dal volume di ricerca sperando che si traduca in conversioni, si parte dalle domande già poste dagli acquirenti e si verifica quali di esse abbiano anche un volume di ricerca.

Un’analisi delle lacune nei contenuti basata su conversazioni reali

La classica analisi delle lacune nei contenuti confronta le tue pagine con le posizioni in classifica di un concorrente. Questa versione confronta le tue pagine con i tuoi stessi clienti.

Mancanza di risposta significa mancanza di informazioni

Se il chatbot non è riuscito a rispondere a una domanda, l’informazione è assente dal sito oppure è scritta in modo così vago da risultare inutilizzabile. In entrambi i casi, quella pagina va migliorata.

“Risposta ma ripetuta” significa “introvabile”

Alcune domande ricevono sempre una risposta corretta, eppure continuano a essere poste. Questo di solito significa che la risposta esiste, ma le persone non riescono a trovarla da sole. La soluzione in questo caso è rappresentata dai link interni, dalla navigazione o da un titolo più chiaro, non da nuovi contenuti.

Come sarà la SEO delle pagine FAQ dopo il 2023

Nell’agosto 2023, Google ha annunciato che i risultati arricchiti delle FAQ sarebbero stati mostrati solo per siti web governativi e sanitari ben noti e autorevoli. Per la maggior parte dei negozi, lo snippet delle FAQ nei risultati di ricerca è scomparso.

Questo cambia lo scopo di una pagina delle FAQ. La pagina non serve più a ottenere un risultato arricchito. Serve a rispondere alle domande che le persone pongono realmente, in modo sufficientemente chiaro da poter essere utilizzate sia da chi effettua la ricerca che dal tuo chatbot. I log delle chat ti indicano quali sono queste domande.

Cosa non vi dirà l’analisi dei dati del chatbot

Sarebbe facile esagerare, quindi non lo faremo.

Vede solo le persone che hanno posto una domanda

Un log di chat rappresenta un campione di visitatori che si sono dimostrati abbastanza coinvolti da digitare una domanda. Coloro che se ne sono andati senza porre domande rimangono invisibili. Quel gruppo è solitamente più numeroso, quindi considera il log come un segnale forte di ciò che manca piuttosto che come un quadro completo della domanda.

Non sostituisce il volume di ricerca

Una domanda posta 38 volte in una finestra di chat ti dice che è importante per gli acquirenti. Non ti dice quante persone la cercano su Google. Per questo hai ancora bisogno di uno strumento per le parole chiave, e i due numeri rispondono a domande diverse.

La sua efficacia dipende dall’onestà del bot

Se un chatbot tira a indovinare invece di ammettere di non sapere, le sue analisi nasconderanno le lacune che stai cercando. Una risposta errata data con sicurezza sembra un successo nel log. Questo è un motivo in più per scegliere un bot che risponda “non so” quando la risposta non è presente nel tuo materiale.

La formulazione, però, aiuta comunque. Anche un piccolo campione di vero linguaggio colloquiale di ricerca è più utile di un elenco di frasi che nessuno ha mai pronunciato ad alta voce.

Dove si inserisce tutto questo in una strategia SEO per l’e-commerce

Nulla di tutto ciò sostituisce il resto del lavoro. Semplicemente rende il resto del lavoro più mirato.

Parole chiave a coda lunga per la SEO che vengono fornite con una prova della domanda

Il problema tipico del targeting a coda lunga è che si scommette su numeri esigui. I log delle chat eliminano in parte questa incertezza, perché si sa che clienti reali hanno posto la domanda prima ancora che si scrivesse una sola parola.

Consigli SEO per l’e-commerce che partono dalla casella di posta

La maggior parte dei consigli SEO parte dalla SERP. Noi ne aggiungeremmo uno che parte dalla casella di posta: leggi le domande prima di pianificare il calendario dei contenuti.

Questo mantiene anche onesto un ampio sforzo di SEO per l’e-commerce. Se le pagine che state creando non rispondono alle domande poste dai clienti, il posizionamento non le salverà.

Come Agentency gestisce l’analisi dei chatbot

Ne abbiamo creato uno, quindi ecco cosa mostra la nostra analisi dei chatbot.

La vista delle conversazioni mostra le domande reali

La vista delle conversazionidi Agentencymostra le domande che le persone pongono effettivamente, quali sono rimaste senza risposta e dove una pagina mancante vi sta costando delle vendite. Quest’ultima parte è l’elenco delle lacune nei contenuti, generato dagli acquirenti reali piuttosto che da un confronto con la concorrenza. È il report che consegneremmo per primo a un team SEO.

Ogni risposta mostra la propria fonte

L’agente risponde attingendo dal tuo catalogo, dalle guide alle taglie, dalle regole di spedizione e dalla politica sui resi, e ogni risposta mostra la fonte da cui proviene. In questo modo puoi vedere quali pagine sono più consultate e quali non vengono mai utilizzate.

Un’unica base di conoscenza su tutti i canali

Lo stesso agente risponde sul tuo negozio online, su WhatsApp, nei messaggi diretti di Instagram e su Messenger, attingendo da un’unica base di conoscenza. Le domande provenienti da ogni canale finiscono nello stesso posto, invece di essere sparse in caselle di posta che nessuno controlla. Risponde anche nella lingua dell’acquirente, quindi il registro mostra anche da quali mercati provengono le richieste.

Le richieste di rifornimento diventano dati sulla domanda

Quando un cliente desidera ricevere un avviso di rifornimento, un modulo pre-chat raccoglie il suo indirizzo e-mail o il suo numero di telefono e lo aggiunge alla lista dei clienti. Per un team SEO, un gran numero di richieste di rifornimento relative a un prodotto è un chiaro segnale di ciò che le persone desiderano trovare.

Le eccezioni relative ai rimborsi vengono inoltrate con il contesto

Qualsiasi questione che richieda l’intervento di una persona, come un’eccezione di rimborso, viene inoltrata con allegati la trascrizione della conversazione, il numero di riferimento dell’ordine e i dettagli dell’acquirente. Il chatbot non fa supposizioni, il che garantisce anche l’accuratezza delle tue analisi.

Domande frequenti

Come trovare le parole chiave a coda lunga

Inizia con uno strumento per le parole chiave e filtra le frasi più lunghe e specifiche con un livello di difficoltà inferiore. Aggiungi poi le domande che i clienti pongono al tuo chatbot e al team di assistenza. Queste spesso hanno un volume di ricerca limitato, ma provengono da persone che sono vicine all’acquisto.

Che cos’è un’analisi delle lacune nei contenuti?

È il processo di individuazione degli argomenti di cui il tuo pubblico ha bisogno e che il tuo sito non copre adeguatamente. Di solito confronta le tue pagine con le classifiche dei concorrenti, ma può anche confrontarle con le domande poste dai tuoi stessi clienti.

Come effettuare la ricerca delle parole chiave per l’e-commerce

Cerca i termini relativi alle categorie e ai prodotti in uno strumento per le parole chiave, quindi confrontali con ciò che gli acquirenti chiedono effettivamente sul tuo sito e nella tua casella di posta. Dai priorità ai termini che hanno un volume di ricerca e che corrispondono anche a ciò che gli acquirenti chiedono effettivamente.

Come utilizzare le parole chiave a coda lunga

Dedica a ciascuna parola chiave importante una pagina o una sezione chiara che risponda direttamente alla domanda. Usa le parole stesse del cliente nei titoli, dove il testo risulta naturale, e inserisci un link a quella risposta dalle pagine dei prodotti in cui viene posta la domanda.

In sintesi

Gli strumenti per le parole chiave ti dicono cosa le persone potrebbero cercare. L’analisi dei chatbot ti dice cosa hanno chiesto quando erano già sul tuo sito.

Il miglior elenco di parole chiave utilizza entrambi. Inizia con le domande presenti nel log, verifica quali hanno un volume di ricerca e crea le pagine che nessuno ha ancora scritto.

È un modo sorprendentemente semplice per trovare il prossimo contenuto che vale la pena scrivere. I clienti te lo hanno già detto. Basta solo che qualcuno legga il log.

Quindi, prima della prossima riunione di pianificazione dei contenuti, apri l’analisi del chatbot e leggi le conversazioni di una settimana. È la ricerca più economica che farai in tutto il trimestre, e probabilmente la più onesta.

Agentency è uno strumento per la creazione di chatbot basati sull’intelligenza artificiale, pensato per il servizio clienti e le vendite. Le aziende addestrano l’agente IA di Agentency sul proprio sito web, sui propri documenti e sul proprio catalogo prodotti, e questo risponde alle domande dei clienti indicando la fonte. Quando la risposta non è disponibile, l’agente rifiuta la richiesta e la trasferisce a una persona, fornendo la trascrizione completa. Un unico agente copre il sito web, WhatsApp, Instagram, Messenger, Telegram, Slack e oltre 10 canali, nella lingua del cliente, per e-commerce, settore immobiliare, ristoranti e team di assistenza.