Shop::Wildberries::Suggest - Parser für Wildberries-Suchvorschläge
Übersicht über den Parser
Parser für Suchvorschläge nach Keywords bei Wildberries. Dank des Parsers Shop::Wildberries::Suggest können Sie automatisch Keyword-Datenbanken aus den Vorschlägen der Suchleiste des Wildberries-Marktplatzes auf Anfrage sammeln. Mit dem Parser Shop::Wildberries::Suggest lassen sich Wildberries-Vorschläge einfach und schnell auf Anfrage extrahieren.
Der Wildberries-Vorschlag-Parser löst eine der Hauptaufgaben der SEO, nämlich den schnellen automatisierten Erhalt eines erweiterten semantischen Kerns. Wildberries-Suchvorschläge ermöglichen es, die maximale Anzahl an Phrasen abzudecken, insbesondere bei Verwendung der Funktion Parse to level.
Dank der Multithreading-Arbeit von A-Parser kann die Verarbeitungsgeschwindigkeit von Anfragen bis zu 10000 Anfragen pro Minute erreichen, was im Durchschnitt den Erhalt von etwa 20000-50000 Ergebnissen pro Minute ermöglicht.
Sie können die automatische Abfragevervielfachung, die Einsetzung von Unterabfragen aus Dateien, das Durchlaufen von alphanumerischen Kombinationen und Listen verwenden, um die größtmögliche Anzahl an Ergebnissen zu erhalten. Mithilfe der Ergebnisfilterung können Sie das Ergebnis sofort bereinigen, indem Sie unnötigen Müll entfernen (unter Verwendung von Minus-Wörtern oder Filterung nach Vorschlagstyp).
Die Funktionalität von A-Parser ermöglicht es, die Datenerfassung-Einstellungen des Parsers Shop::Wildberries::Suggest für die spätere Verwendung zu speichern (Presets), Zeitpläne für die Datenerfassung festzulegen und vieles mehr.
Das Speichern der Ergebnisse ist in der Form und Struktur möglich, die Sie benötigen, dank der integrierten leistungsstarken Template-Engine Template Toolkit, die es ermöglicht, zusätzliche Logik auf die Ergebnisse anzuwenden und Daten in verschiedenen Formaten auszugeben, einschließlich JSON, SQL und CSV.
Gesammelte Daten
- Anzahl der Ergebnisse pro Anfrage
- Vorschläge zur Anfrage
- Vorschlagstyp (suggest/category/brand)
Möglichkeiten
- Möglichkeit, Keywords zu filtern bei der Datenerfassung in die Tiefe
- Möglichkeit, die Funktion Parse to level zu nutzen
Anwendungsfälle
- Sammlung von Keyword-Datenbanken
Anfragen
Als Anfragen müssen Suchphrasen angegeben werden, zum Beispiel:
adidas
Unterhemden und T-Shirts
Smartphone Xiaomi
Abfrage-Substitutions
Sie können integrierte Makros für die automatische Einsetzung von Unterabfragen aus Dateien verwenden. Wenn wir zum Beispiel zu jeder Anfrage eine Liste anderer Wörter hinzufügen möchten, geben wir einige Hauptanfragen an:
Rabatt
Aktion
Ausverkauf
Im Abfrageformat geben wir das Makro zur Einsetzung zusätzlicher Wörter aus der Datei Keywords.txt an. Diese Methode ermöglicht es, die Variativität der Anfragen um ein Vielfaches zu erhöhen:
$query {subs:Keywords}
Dieses Makro erstellt für jede ursprüngliche Suchanfrage so viele zusätzliche Anfragen, wie in der Datei enthalten sind, was in der Summe [Anzahl der ursprünglichen Anfragen] x [Anzahl der Anfragen in der Datei Keywords] = [Gesamtanzahl der Anfragen] als Ergebnis der Makroarbeit ergibt.
Wenn zum Beispiel in der Datei Keywords.txt die oben genannten Ersetzungen stehen, ergeben sich insgesamt 9 Anfragen:
adidas Rabatt
Unterhemden und T-Shirts Rabatt
Smartphone Xiaomi Rabatt
adidas Aktion
Unterhemden und T-Shirts Aktion
Smartphone Xiaomi Aktion
adidas Ausverkauf
Unterhemden und T-Shirts Ausverkauf
Smartphone Xiaomi Ausverkauf
Beispiele für die Ergebnisausgabe
A-Parser unterstützt eine flexible Formatierung der Ergebnisse dank der integrierten Template-Engine Template Toolkit, was es ermöglicht, Ergebnisse in beliebiger Form sowie strukturiert, zum Beispiel als CSV oder JSON, auszugeben.
Export der Vorschlagsliste
Ergebnisformat:
$results.format('$suggest\n')
Beispielergebnis:
adidas Sneaker
adidas für Damen
adidas Sneaker Herren
adidas terrex
adidas superstar
adidas originals
adidas terrex Sneaker Herren
Turnschuhe und Sneaker
Deodorants
adidas
Ausgabe von Anfrage, Vorschlägen zur Anfrage + Vorschlagstyp
Ergebnisformat:
$query:\n$results.format('$suggest - $type\n')
Beispielergebnis:
adidas Sneaker - suggest
adidas für Damen - suggest
adidas Sneaker Herren - suggest
adidas terrex - suggest
adidas superstar - suggest
adidas originals - suggest
adidas terrex Sneaker Herren - suggest
Turnschuhe und Sneaker - category
Deodorants - category
adidas - brand
Ausgabe in eine CSV-Tabelle
Das integrierte Tool $tools.CSVLine ermöglicht es, korrekte Tabellendokumente zu erstellen, die für den Import in Excel oder Google Tabellen bereit sind.
Ergebnisformat:
[% FOREACH i IN results;
tools.CSVline(i.suggest);
END %]
Dateiname:
$datefile.format().csv
Anfangstext:
Vorschläge
Im Ergebnisformat wird die Template-Engine Template Toolkit verwendet, um die Elemente des Arrays $results in einer FOREACH-Schleife auszugeben.
Im Dateinamen der Ergebnisse müssen Sie lediglich die Dateiendung in csv ändern.
Damit die Option "Anfangstext" im Task-Editor verfügbar ist, müssen Sie "Mehr Optionen" aktivieren. In den "Anfangstext" schreiben wir die Spaltennamen durch Komma getrennt und lassen die zweite Zeile leer.
Speichern im SQL-Format
Ergebnisformat:
[% FOREACH results;
"INSERT INTO serp VALUES('" _ query _ "', '"; suggest _ "', '"; type _ "')\n";
END %]
Beispielergebnis:
INSERT INTO serp VALUES('adidas', 'adidas Sneaker', 'suggest')
INSERT INTO serp VALUES('adidas', 'adidas für Damen', 'suggest')
INSERT INTO serp VALUES('adidas', 'adidas Sneaker Herren', 'suggest')
INSERT INTO serp VALUES('adidas', 'adidas terrex', 'suggest')
INSERT INTO serp VALUES('adidas', 'adidas superstar', 'suggest')
INSERT INTO serp VALUES('adidas', 'adidas originals', 'suggest')
INSERT INTO serp VALUES('adidas', 'adidas terrex Sneaker Herren', 'suggest')
INSERT INTO serp VALUES('adidas', 'Turnschuhe und Sneaker', 'category')
INSERT INTO serp VALUES('adidas', 'Deodorants', 'category')
INSERT INTO serp VALUES('adidas', 'adidas', 'brand')
Dump der Ergebnisse in JSON
Allgemeines Ergebnisformat:
[% result.${query} = {
totalcount = p1.totalcount
suggests = []
};
FOREACH i IN p1.results;
result.${query}.suggests.push(i.suggest);
END %]
Anfangstext:
[% result = {} %]
Endtext:
[% result.json %]
Beispielergebnis:
{
"adidas": {
"suggests": [
"adidas Sneaker",
"adidas für Damen",
"adidas Sneaker Herren",
"adidas terrex",
"adidas superstar",
"adidas originals",
"adidas terrex Sneaker Herren",
"Turnschuhe und Sneaker",
"Deodorants",
"adidas"
],
"totalcount": 10
},
"Unterhemden": {
"suggests": [
"Unterhemden Damen Sommer",
"Unterhemden Herren Sommer",
"Unterhemden Kinder",
"Unterhemden Sport",
"Unterhemden für Jungen",
"Unterhemden Damen",
"Unterhemden Damen Unterwäsche Türkei",
"Unterhemden"
],
"totalcount": 8
}
}
Damit die Optionen "Anfangstext" und "Endtext" im Task-Editor verfügbar sind, müssen Sie "Mehr Optionen" aktivieren.
Verarbeitung der Ergebnisse
A-Parser ermöglicht es, Ergebnisse direkt während der Datenerfassung zu verarbeiten. In diesem Abschnitt haben wir die beliebtesten Anwendungsfälle für den Parser Shop::Wildberries::Suggest aufgeführt.
Option Bis zur Ebene extrahieren (Parse to level)
Die Option weist den Parser an, die erhaltenen Ergebnisse in die Abfragewarteschlange in die Tiefe bis zur angegebenen Ebene einzufügen, zum Beispiel:
- Wenn die 1. Ebene angegeben ist, fügt der Parser alle aus der ursprünglichen Anfrage erhaltenen Ergebnisse zu den Anfragen hinzu.
- Wenn die 2. Ebene angegeben ist, fügt der Parser alle aus der ursprünglichen Anfrage erhaltenen Ergebnisse + alle Ergebnisse hinzu, die aus den Anfragen der 1. Ebene erhalten wurden.
- und so weiter.
Da in den Ergebnissen höchstwahrscheinlich Duplikate enthalten sein werden, wird empfohlen, die Eindeutigkeit der Anfragen (Unique queries) zu aktivieren, damit der Parser keine unnötige Arbeit leistet (nicht dasselbe mehrmals erfasst).
Mögliche Einstellungen
| Parametername | Standardwert | Beschreibung |
|---|---|---|
| Follow suggests | All | Auswahl des Typs der Vorschläge, die bei Verwendung von Parse to level in die Abfragen eingesetzt werden sollen (All / Suggest / Tag / Brand), Mehrfachauswahl wird unterstützt |