Раскрутка: секреты эффективного продвижения сайтов
Шрифт:
На какую денежную компенсации пристойно претендовать неофиту от SEO? «Претендовать» не надо. Надо начинать с умеренных денег, умножая их вместе с профессионализмом. Средняя месячная ставка для человека без какого бы то ни было опыта, но с навыками составляет приблизительно 30 тыс. руб. По мере того как имярек обтесывается в индустрии, зарплата его постепенно растет вплоть до 500 тыс. руб.: именно таков экстремум, который мне удавалось зафиксировать на рынке. Зарплаты в сотни тысяч рублей нашему брату платят – при том условии, что мы исключаем из рассмотрения владельцев фирм и топ — менеджеров, – но это штучные примеры. После года в хардкорной раскрутке подающий надежды сеошник с легкостью выйдет на уровень дохода 80 тыс. руб. и выше. Поделюсь своими наблюдениями за выпускниками курсов «ТопЭксперт». Один мой подопечный по итогам удачного собеседования
Если вы какое — то время поработали в оптимизации и за плечами у вас не разочарованные «раздачей слонов», а довольные клиенты, то вы наверняка имели на входе в бизнес или воспитали в себе навык самообучения, поэтому советую вам пойти в какой — нибудь проект штатным специалистом. «В проект» – значит «к потребителю услуг SEO». Заработки здесь солиднее. Как правило, именно штатным специалистам платят больше, потому что в таких компаниях вынуждены искать способы мотивировать сотрудников работать не спустя рукава. Совсем зеленый сеошник на стороне клиента рискует зачахнуть без питательной среды и, уж простите, удобрений в виде откровенной критики: вокруг нет коллег, проектов мало, отдел аналитики отсутствует как класс, процессы слабо автоматизированы. Идти работать в порталы или в интернет-магазины мало кто хочет, но материальный аргумент часто перевешивает. Если вы сам себе сатрап, наставник и тайм — менеджер, то это вариант для вас: вы не потеряете квалификацию и ваше знание не устареет. Зато, работая с одним — двумя, максимум тремя проектами, вы получите очень интересное преимущество, поскольку сумеете гораздо глубже погрузиться в выбранную вами нишу и показать куда более впечатляющие результаты, чем если бы вы «стаханили» в SEO — агентстве, где один специалист разрывается по меньшей мере между 20 – 30 проектами.
В мире SEO, само собой, больше двух красок. Есть точки приложения усилий и вне координат «агентство – клиентский бизнес». Например, окопаться в рекламном агентстве, у которого нет специализации на SEO, имеет смысл тому, кто хочет выстрогать из коры своего головного мозга ум SEO — маркетолога.
Могло сложиться впечатление, что до сих пор речь шла исключительно об офисной работе, причем преимущественно в столице России, где сосредоточены главные «мартеновские печи» нашей с вами индустрии. Однако для тех, кто живет за пределами Москвы, в SEO на удивление много вакансий, и часто компании согласны взаимодействовать с частью персонала дистанционно. Лично мне известны примеры благополучной работы таких сотрудников в компании «ВебПроекты». Я также слышал, что в компании «Ашманов и партнеры» удаленно трудится немало специалистов. Эта схема подразумевает двойную выгоду: можно получать очень высокий доход по меркам своего города, работая через Интернет на крупные московские компании. В свою очередь, серьезные столичные фирмы нашего профиля стремятся иметь дело с исполнителями не из Первопрестольной, потому что для них это экономически оправданно: в самой Москве очень высокие зарплаты и не все компании могут позволить себе их выплачивать.
Ну а куда же устроиться, держа в уме личностные перспективы? Если вы хотите бурно развиваться, то, вне всякого сомнения, оптимальное для вас – влиться в компанию, где это развитие будет для вас более или менее ясно очерчено. Перед тем как сделать выбор, вам следует вычислить, сколько времени в среднем проводят сотрудники, которые только устроились в эту организацию, до момента перевода на более высокую должность, на позицию с более интересными задачами. Вам важно быть осведомленным о том, как в компании построены процессы обучения, нужен ли на присмотренной вами позиции человек, который просто будет выполнять все инструкции, или ищут того, кого будут «прокачивать» до ранга специалиста, способного продвигать сложные проекты. Наконец, рекомендую вам изучить в подробностях оргструктуру компании. Если в фирме существует, к примеру, отдел аналитики, если она в полной мере задействует автоматизацию, то в ней априори куда больше возможностей для вашего роста, да и, вероятно, в ней гораздо более высокий уровень качества работы с клиентами, чем у компании без таких особенностей. Также заслуживает внимания сама модель накопления знаний, стратегия повышения квалификации сотрудников: откуда они черпают новые знания, есть
SEO и алгоритмы поисковых систем: ключи, отмычки, кувалды
Их служба и опасна, и трудна, и бессонна. SEO-аналитики – белая кость и красные глаза оптимизации. Вопреки расхожему мнению, они не «взламывают “Яндекс”», а пробуют разгадать механизмы его работы, его «предпочтения». Они не пифии — предсказательницы, а кадровые разведчики, занимающиеся тяжелой исследовательской работой в поле чистой эмпирики. Из скудных данных им нужно выцедить ответы на тьму вопросов: какие факторы ранжирования сайтов доминируют сегодня и в какой пропорции, могут ли алгоритмы «Яндекса» выйти из — под контроля, что происходит с технологией машинного обучения MatrixNet, противоречат ли отдельные требования «Яндекса» и Google друг другу? Свою точку зрения на эти и прочие вопросы в дискуссии с авторами книги высказал Сергей Людкевич, начальник отдела аналитики системы WebEffector.
Как продвигать сайты при ныне действующем алгоритме «Яндекса» MatrixNet? Ведь если степень влияния того или иного фактора меняется в зависимости от региона и запроса, нельзя точно знать, как действовать. Неужели только методом проб и ошибок?
Сергей Людкевич: Нужно учитывать следующие свойства запроса:
• коммерческий или некоммерческий характер;
• регион;
• геозависимость или геонезависимость.
Именно по перечисленным параметрам алгоритмы существенно разнятся. Например, для коммерческих запросов все еще вполне неплохо работают коммерческие ссылки. Для некоммерческих они практически бесполезны. Но сайты все — таки, как правило, продвигаются именно по коммерческим запросам.
Гораздо острее ситуация в случае с региональностью запросов. В разных регионах
– различные алгоритмы (формулы) для геозависимых запросов. Отдельно для Москвы, отдельно для Санкт — Петербурга, отдельно для каждого из городов релиза «Арзамас+16», отдельно для всех остальных – так называемая общероссийская выдача с бонусом для сайтов из данного региона. А все геонезависимые запросы ранжируются общероссийским алгоритмом. Он очень сильно отличается от алгоритма для Москвы и от алгоритмов для городов релиза «Арзамас+16». Все это, естественно, вносит дополнительные сложности в продвижение. Ну а метод проб и ошибок всегда был на вооружении у оптимизаторов.
Формула для остальных регионов не учитывает множества факторов или их значимость очень мала, правильно? Это сделано скорее потому, что в регионах еще не настолько сильная конкуренция и сами сайты недостаточно хороши или же просто невозможно за всеми уследить?
С. Л.: Я не думаю, что формулы для регионов не учитывают каких — то факторов, которые, к примеру, есть в формуле для Москвы. Скорее всего, они строятся по другой обучающей выборке с преобладанием сайтов данного региона.
За несколько лет существования в MatrixNe добавилось множество новых факторов. А поменялся ли сам алгоритм? Если да, то как?
С. Л.: Суть текущего подхода «Яндекса» к построению алгоритма ранжирования – машинное обучение. MatrixNe был революционным в том смысле, что позволил без больших вычислительных затрат учитывать в ранжировании существенно больше факторов, чем предыдущий алгоритм машинного обучения. Вместе с тем факторы добавляются, но машинное обучение как таковое остается. Гораздо более значимая революция совершилась во времена релиза «Магадан» (или чуть раньше), когда произошел переход от аналитической формулы к машинному обучению.
Но, кроме построения формулы с помощью машинного обучения, есть куча предфильтров и постштрафов: создаются новые, модифицируются старые. Развитие алгоритма на текущий момент, с моей точки зрения, заключается преимущественно в создании «костылей» и «подпорок» к тому, что выдало машинное обучение. Дело в том, что в результате машинного обучения получается формула, не имеющая физического смысла. И трудно понять, что нужно подправить на входе, чтобы на выходе получались осмысленные результаты. Поэтому кое — что приходится править с помощью надстроек – фильтров и штрафов.