Keyword clustering: sådan grupperer du søgeord, så én side ligger på mange

SERP-baseret vs. semantisk clustering: de to metoder

Der er to måder at afgøre, om søgeord hører sammen, og de svarer på hver sit spørgsmål.

Semantisk clustering grupperer søgeord efter betydning, som regel med sprogbehandling, der sammenligner, hvor beslægtede ordene er. Den er hurtig, virker offline på enorme lister og er god til at finde emner: den laver 5.000 rå søgeord om til en håndfuld brede emnespande.

Svagheden er blindhed over for intention. En semantisk model kan gruppere »sådan rister du kaffe« med »køb ristet kaffe«, fordi de læser ens, selvom den ene er en guide og den anden et køb.

SERP-baseret clustering grupperer søgeord efter det, Google rent faktisk viser. Du henter de øverste resultater for hvert søgeord og grupperer dem, hvis resultatsæt overlapper.

En typisk grænse er omkring 3 til 4 fælles URL'er i top 10 (cirka 40% overlap), før to søgeord tæller som ét cluster.

SERP-baseret clustering er mere til at stole på, når sider skal kobles, fordi den fanger tilfælde, som betydning alene ville misse.

Hvilken skal du bruge?

Begge. Brug semantisk clustering til hurtigt at lave det brede emnekort, og tjek så hver gruppe mod den live SERP, før du binder dig. Søgeord, hvis resultater går hver sin vej, bliver skilt fra.

Sådan clusterer du søgeord manuelt: et gennemarbejdet eksempel

Hele processen er fem trin. Lad os sige, at du arbejder på et site om løbesko.

1. ›Saml en bred liste. Hent søgeord fra dine analyseværktøjer, fra huller hos konkurrenterne og fra de søgninger, du allerede ligger på. Filtrer ikke for hårdt endnu; grupperingen sorterer selv.

Lad os sige, du starter med: sådan rengør du løbesko · vaske løbesko · kan man komme løbesko i vaskemaskinen · sådan tørrer du løbesko · bedste løbesko til flade fødder · løbesko til overpronation · hvor ofte skal løbesko skiftes · hvornår skal løbesko skiftes.

2. ›

   Sæt intention på hvert af dem. Marker hvert søgeord som informationelt, kommercielt eller transaktionelt. »Bedste løbesko til flade fødder« er kommercielt (nogen sammenligner produkter); »sådan rengør du løbesko« er informationelt (nogen med sko, de allerede ejer).

3. ›

   Gruppér efter betydning først. Grove spande dukker hurtigt op: en rengøringsgruppe, en udskiftningsgruppe og en pasform/pronation-gruppe.

4. ›

   Tjek mod SERP'en. Søg på to søgeord fra samme udkastgruppe, og sammenlign top 10. Hvis »sådan rengør du løbesko« og »vaske løbesko« giver stort set de samme sider, bliver de sammen. Tjek grænsetilfældet: »sådan tørrer du løbesko« deler ofte de samme resultater, så det ryger ind i rengøringsclusteret i stedet for at blive sin egen side.

5. ›

   Del op, hvor SERP'en er uenig. »Bedste løbesko til flade fødder« og »løbesko til overpronation« føles beslægtede, men er deres resultater produktoversigter med lidt overlap, så hold dem adskilt (eller gør den ene til en pillar med støttesider). Det er det trin, der forhindrer kannibalisering længere fremme.

Du ender med noget i retning af:

• ›Cluster A (informationelt): sådan rengør du løbesko · vaske løbesko · kan man komme løbesko i vaskemaskinen · sådan tørrer du løbesko → én how-to-guide
• ›Cluster B (informationelt): hvor ofte skal løbesko skiftes · hvornår skal løbesko skiftes → én guide
• ›Cluster C (kommercielt): bedste løbesko til flade fødder · løbesko til overpronation → tjek SERP-overlappet, og lav så en eller to sammenligningssider

Otte søgeord falder sammen til tre eller fire sider, hver med ét klart primært søgeord og et sæt støttetermer.

Sådan clusterer du søgeord med værktøjer (og i stor skala)

Værktøjer automatiserer de to tunge trin: at hente de øverste resultater for hvert søgeord og regne overlappet ud.

I stor skala er det effektive flow det hybride: semantisk for-clustering, der skrumper en liste på titusinder ned til nogle få hundrede spande, og derefter SERP-validering kun på det repræsentative hovedsøgeord i hver spand.

Du kan også bruge ChatGPT (eller Claude) til den semantiske runde. Giv den din søgeordsliste, og bed den gruppere efter fælles intention og sætte navn på hvert clusters primære søgeord. Behandl det output som et udkast til et emnekort, ikke et endeligt: en LLM grupperer efter betydning, så du skal stadig tjekke de tvivlsomme clusters mod den rigtige SERP, før du udgiver.

Der, hvor clustering for alvor betaler sig på lang sigt, er når dine clusters ligger lige ved siden af dine performancedata i stedet for i et regneark, du smider væk.

Google Search Console har ingen måde at gruppere søgninger efter emne på; den tilbyder regex- og »indeholder«-filtre, men ingen gemt taksonomi, så de fleste teams eksporterer og tagger i hånden hver uge. SEOcrawl AI's Rank Tracker lægger det manglende lag på: du tagger søgeord og inddeler dem i dine egne clusters oven på dine rigtige klik og visninger fra Search Console, og en Top Tags-visning viser samlet performance pr. cluster, så du kan se, hvilke emner der vinder eller taber.

Fordi data kommer fra din egen GSC og ikke fra et scrapet panel, er der ingen grænse for antallet af søgeord.

Kobl clusters til indhold: pillar-sider og støttesider

Et clusterkort er også en indholdsplan. Hvert cluster bliver til én brief: et primært søgeord (som regel termen med størst volumen i gruppen), de støttesøgeord, det også skal dække, og den søgeintention, der sigtes efter.

Ved brede emner deler du arbejdet op i en pillar-side og støttesider. Pillar-siden går efter hovedtermen og linker ud til fokuserede artikler, der hver ejer et subcluster; støttesiderne linker tilbage.

I løbesko-eksemplet kunne en pillar om »pleje af løbesko« linke til rengøringsguiden og udskiftningsguiden og dermed binde clusteret sammen og styrke emneautoriteten.

To regler holder det rent: brug det primære søgeord i titlen og hold én side pr. cluster, og læg støttesøgeordene ind som underoverskrifter og naturlige varianter inde på den side i stedet for at rulle en ny URL ud til hvert af dem.

Almindelige fejl i keyword clustering

• ›At proppe søgeord med forskellige intentioner ind på én side for at »dække mere« giver en oppustet artikel, der ikke ligger godt på nogen af dem. Er SERP'erne uenige, så del op.
• ›At holde næsten identiske søgninger på hver sin side, hvilket er sådan kannibalisering starter.
• ›At gruppere efter ord alene i stedet for efter det, den søgende vil have, blander købere og researchere på samme side.
• ›At stole på det semantiske output uden SERP-tjek: samme betydning, forskellige resultater. Tjek det, før du bygger.
• ›At clustere én gang og så glemme det. SERP'er flytter sig. Gå clusters efter med jævne mellemrum, især efter større Google-opdateringer.

Saml trådene

Clustering kan gøre forskellen mellem en bunke tynde sider og en håndfuld sider med autoritet. Gruppér efter intention, brug semantisk clustering til udkastet og SERP-overlap til at tjekke det, og kobl hvert cluster til én side (eller en pillar plus støttesider).

Vil du have dine clusters koblet til rigtige performancedata i stedet for et regneark? Gruppér og tag dine Search Console-søgeord i SEOcrawl AI, og følg hvert clusters klik, visninger og position over tid.

FAQ

Hvad er keyword clustering?

Keyword clustering er at gruppere søgeord, der deler samme søgeintention, og gå efter hele gruppen med én side i stedet for at bygge en side pr. søgeord.

Et velbygget cluster har ét primært søgeord og flere støttetermer, der alle peger på det samme informationsbehov. Gevinsten er stærkere emneautoritet og færre sider, der konkurrerer med hinanden, så én side kan ligge på snesevis af beslægtede søgninger i stedet for én.

Hvad er forskellen på SERP-baseret og semantisk clustering?

Semantisk clustering grupperer søgeord efter betydning ved hjælp af sproganalyse. SERP-baseret clustering grupperer dem efter, hvor meget deres faktiske Google-resultater overlapper. SERP-baseret er mere pålidelig, når du skal afgøre, hvad der hører til på én side, fordi den afspejler Googles reelle adfærd.

Kan jeg bruge ChatGPT til at clustere søgeord?

Ja, til den semantiske runde. Giv ChatGPT eller Claude din søgeordsliste, og bed den gruppere termer efter fælles intention og navngive hvert clusters primære søgeord. Det går hurtigt, og den er god til at få øje på relationer i betydning, hvilket gør det til et solidt førsteudkast.

Husk, at LLM'er grupperer efter betydning, ikke efter live søgeresultater, så tjek de tvivlsomme clusters mod den faktiske SERP.

Hvor mange søgeord skal der være i et cluster?

Et cluster kan være to søgeord eller tyve, så længe de deler én intention og kan besvares godt af en enkelt side.

Er en gruppe så stor, at siden skulle dække flere forskellige intentioner, så del den op. Ville to »clusters« give næsten identiske sider, så slå dem sammen. Lad SERP-overlappet og intentionen sætte grænserne, ikke et måltal.

Kan jeg clustere de søgeord, jeg allerede ligger på i Search Console?

Det er et af de bedste steder at starte, for det er søgninger med dokumenterede visninger. Search Console har selv ingen emnegruppering (kun regex- og »indeholder«-filtre), så man eksporterer og tagger normalt i hånden. SEOcrawl AI lader dig tagge og clustere dine rigtige GSC-søgeord på stedet, manuelt eller med auto-tag-regler, og endda fra Claude eller ChatGPT gennem sin MCP.