Czym jest analiza n-gram słów kluczowych i jak ją wykorzystać?

Analiza n-gram słów kluczowych polega na rozbiciu zapytań wyszukiwanych przez użytkowników na pojedyncze słowa, pary słów albo dłuższe sekwencje. Dzięki temu w danych z Google Ads widać nie tylko pojedyncze frazy, ale także powtarzalne wzorce intencji, kosztów i konwersji.

To przydatna metoda przy kampaniach Search, szczególnie wtedy, gdy konto korzysta z dopasowania przybliżonego, Smart Bidding albo ma dużo zapytań z długiego ogona. Klasyczny raport wyszukiwanych haseł pokazuje pełne zapytania. Analiza n-gram pokazuje, które fragmenty tych zapytań regularnie generują wartość, a które tylko zużywają budżet.

W skrócie

• N-gram to sekwencja n kolejnych słów w zapytaniu, np. unigram, bigram albo trigram.
• Analiza n-gram pomaga znaleźć wspólne wzorce w setkach lub tysiącach wyszukiwanych haseł.
• Najczęstsze zastosowania to: słowa wykluczające, nowe grupy reklam, porządkowanie intencji i lepsze zrozumienie dopasowania broad match.
• Same n-gramy nie zastępują analizy rentowności. Każdy wniosek warto zestawić z kosztem, liczbą konwersji, wartością konwersji i marżą.
• W e-commerce metoda sprawdza się szczególnie przy dużych katalogach, kategoriach produktowych i zapytaniach long-tail.

Co to jest n-gram?

N-gram to ciąg kolejnych elementów tekstu. W analizie słów kluczowych zwykle chodzi o kolejne słowa w zapytaniu:

Jeżeli wiele różnych zapytań zawiera ten sam fragment, można sprawdzić, czy ten fragment ma wspólną charakterystykę biznesową. Przykładowo zapytania z elementem „za darmo” mogą mieć inny potencjał niż zapytania z elementem „cena”, „sklep”, „hurtownia” albo nazwą konkretnego modelu.

Dlaczego analiza n-gram jest przydatna w Google Ads?

Raport wyszukiwanych haseł może zawierać wiele pojedynczych zapytań, które wystąpiły tylko raz albo kilka razy. Patrzenie na każde z nich osobno prowadzi do chaosu: pojedyncza fraza często ma za mało danych, żeby podjąć decyzję.

Analiza n-gram agreguje podobne fragmenty. Dzięki temu można zobaczyć, że:

• grupa zapytań zawierających konkretny atrybut produktu ma wysoki współczynnik konwersji,
• zapytania z określonym słowem regularnie generują koszt bez sprzedaży,
• nazwy marek, modeli albo problemów użytkowników wymagają oddzielnych grup reklam,
• dopasowanie przybliżone wchodzi w obszary tematyczne, które nie są zgodne z ofertą.

Google opisuje trzy główne typy dopasowania słów kluczowych: broad, phrase i exact. Dopasowanie broad ma największy zasięg i może uwzględniać kontekst zapytania, landing page oraz inne sygnały, dlatego przy tej strategii regularna analiza wyszukiwanych haseł i n-gramów jest szczególnie ważna.

Jak wykonać analizę n-gram krok po kroku

1. Eksport danych

Punktem wyjścia jest raport wyszukiwanych haseł z Google Ads. Eksport powinien zawierać przynajmniej:

• wyszukiwane hasło,
• kampanię i grupę reklam,
• koszt,
• kliknięcia,
• konwersje,
• wartość konwersji,
• typ dopasowania,
• datę lub zakres dat.

Zakres danych powinien być na tyle długi, żeby ograniczyć przypadkowość. Dla kont z dużym ruchem wystarczy krótszy okres, dla mniejszych kont lepszy będzie dłuższy przedział.

2. Oczyszczenie zapytań

Przed analizą warto ujednolicić tekst:

• zamienić wielkie litery na małe,
• usunąć nadmiarowe spacje,
• rozdzielić znaki specjalne,
• zostawić liczby tylko wtedy, gdy mają znaczenie, np. rozmiar, model, pojemność,
• rozważyć połączenie odmian, jeśli narzędzie na to pozwala.

Nie zawsze warto usuwać wszystkie krótkie słowa. W języku polskim przyimki i partykuły potrafią zmieniać sens zapytania, np. „dla dzieci”, „bez cukru”, „do firmy”.

3. Rozbicie na n-gramy

Najczęściej analizuje się unigramy, bigramy i trigramy. Dłuższe sekwencje są użyteczne przy bardzo dużych zbiorach danych, ale szybko stają się zbyt szczegółowe.

W praktyce najlepiej zacząć od:

• unigramów, żeby znaleźć pojedyncze słowa problemowe,
• bigramów, żeby znaleźć konkretne intencje,
• trigramów, żeby zidentyfikować frazy bliższe rzeczywistemu zapytaniu.

4. Agregacja metryk

Dla każdego n-gramu należy zsumować podstawowe metryki:

Wnioski nie powinny opierać się na samym koszcie ani samym współczynniku konwersji. N-gram z jedną konwersją może wyglądać dobrze przypadkowo, a n-gram bez konwersji może nadal mieć sens, jeżeli dotyczy długiego cyklu decyzyjnego.

5. Interpretacja wyników

Najważniejsze pytanie brzmi: czy dany fragment zapytania pasuje do oferty i intencji kampanii?

Przykłady interpretacji:

• wysoki koszt, brak konwersji: kandydat do słów wykluczających albo do osobnej analizy landing page,
• wysoki ROAS lub niski CPA: kandydat na osobną grupę reklam, nowe słowo kluczowe albo dedykowany landing page,
• dużo zapytań informacyjnych: sygnał, że potrzebne są treści edukacyjne lub osobna kampania na wcześniejszy etap lejka,
• dużo zapytań z marką konkurencji: temat do decyzji strategicznej, nie automatyczne wykluczenie.

Jak wykorzystać n-gramy w optymalizacji?

Słowa wykluczające

Najbardziej oczywiste zastosowanie to budowa list wykluczających. Warto jednak zachować ostrożność. Wykluczenie pojedynczego słowa może przypadkowo zablokować wartościowe zapytania.

Przed wykluczeniem należy sprawdzić:

• czy n-gram rzeczywiście nie pasuje do oferty,
• czy problem dotyczy całego konta, kampanii czy tylko jednej grupy reklam,
• czy lepsze będzie wykluczenie broad, phrase czy exact,
• czy fraza nie ma konwersji wspomaganych lub długiego cyklu decyzyjnego.

Nowe grupy reklam i landing page

N-gramy o dobrej skuteczności mogą wskazywać tematy, które warto obsłużyć dokładniej. Jeżeli wiele zapytań dotyczy tej samej cechy produktu, usługi lub problemu, sensowne może być stworzenie:

• osobnej grupy reklam,
• dedykowanych nagłówków RSA,
• osobnego landing page,
• sekcji FAQ na stronie,
• wpisu poradnikowego pod SEO.

Lepsze dopasowanie treści do intencji

Analiza n-gram nie służy tylko do Google Ads. Te same dane pomagają w SEO i content marketingu, bo pokazują język użytkowników. Jeżeli w kampaniach płatnych regularnie pojawiają się pytania, porównania albo konkretne problemy, warto uwzględnić je w strukturze treści organicznych.

Jak to działa w e-commerce?

W sklepach internetowych n-gramy często ujawniają wzorce związane z:

• marką,
• modelem,
• rozmiarem,
• kolorem,
• materiałem,
• zastosowaniem,
• problemem użytkownika,
• ceną i dostępnością.

Przykładowo w kategorii obuwia inny potencjał mają zapytania z elementem „skórzane”, inny z „do biegania”, a jeszcze inny z „tanie”. W kategorii elektroniki mocne znaczenie mogą mieć numery modeli, generacje urządzeń i kompatybilność.

Wnioski z n-gramów warto połączyć z jakością feedu produktowego, nazwami produktów i strukturą kategorii. Jeżeli użytkownicy szukają cechy, której nie ma w tytułach produktów ani opisach kategorii, reklamy i SEO mogą tracić dopasowanie.

Najczęstsze błędy

• Wyciąganie wniosków z małej próbki danych.
• Wykluczanie pojedynczych słów bez sprawdzenia kontekstu.
• Analiza tylko unigramów, bez bigramów i trigramów.
• Brak rozróżnienia między zapytaniami brandowymi, generycznymi i konkurencyjnymi.
• Pomijanie wartości konwersji i marży.
• Traktowanie n-gramów jako automatycznej listy działań, a nie jako źródła hipotez.

FAQ

Czy analiza n-gram jest potrzebna przy dopasowaniu exact?

Jest mniej krytyczna niż przy broad match, ale nadal może być pomocna. Dopasowanie exact obejmuje bliskie warianty, więc analiza zapytań nadal pokazuje, jak Google interpretuje intencję słowa kluczowego.

Jak często wykonywać analizę n-gram?

Częstotliwość zależy od skali konta. Przy małym wolumenie wystarczy analiza miesięczna. Przy dużych kontach i szerokim dopasowaniu warto robić ją częściej, zwłaszcza po zmianach w budżecie, strukturze kampanii lub strategii stawek.

Czy n-gramy są przydatne w Performance Max?

W Performance Max dostęp do danych o zapytaniach jest bardziej ograniczony niż w klasycznym Search, dlatego analiza n-gram ma największą wartość w kampaniach Search. W PMax można traktować ją jako uzupełnienie pracy nad sygnałami, feedem i strukturą zasobów.

Jakie narzędzia są potrzebne?

Do podstawowej analizy wystarczy arkusz kalkulacyjny. Przy większych kontach wygodniejsze są Google Ads Scripts, Looker Studio, BigQuery, Python albo narzędzia PPC z gotową analizą zapytań.

Najważniejsze

Analiza n-gram pomaga przejść od ręcznego przeglądania pojedynczych zapytań do wykrywania powtarzalnych wzorców. Największą wartość daje wtedy, gdy łączy dane reklamowe z oceną intencji i realną ofertą firmy. Dobre n-gramy mogą prowadzić do nowych słów kluczowych, lepszych landing page'y i treści SEO. Słabe n-gramy pomagają ograniczyć koszt zapytań, które nie pasują do celu kampanii.

Analizę n-gram i wycinanie nierentownych zapytań stosujemy w bieżącej optymalizacji kampanii Google Ads.

Źródła i dalsza lektura

• Google Ads Help: About keyword matching options
• Google Ads Help: About search terms reports
• Google Ads Help: About negative keywords