Βελτιστοποίηση λέξεων-κλειδιών — μέθοδοι συλλογής λέξεων-κλειδιών και ανάλυση ερωτημάτων

Τι είναι η Βελτιστοποίηση Λέξεων-Κλειδιών στο ASO;

Βελτιστοποίηση Λέξεων-Κλειδιών — είναι η διαδικασία προσδιορισμού των ερωτημάτων με τα οποία οι δυνητικοί χρήστες αναζητούν εφαρμογές σε μια κατηγορία και συμπερίληψης αυτών των ερωτημάτων στα μεταδεδομένα της σελίδας της εφαρμογής. Στόχος είναι η μεγιστοποίηση της ορατότητας της εφαρμογής στα αποτελέσματα αναζήτησης για σχετικά ερωτήματα.

Σε αντίθεση με το SEO, όπου ο σημασιολογικός πυρήνας μπορεί να περιέχει χιλιάδες ερωτήματα, στο ASO ο αριθμός των διαθέσιμων λέξεων-κλειδιών είναι περιορισμένος. Στο App Store ο μέγιστος όγκος του πεδίου keywords είναι 100 χαρακτήρες, στο Google Play — ολόκληρο το κείμενο της περιγραφής (έως 4000 χαρακτήρες) ευρετηριάζεται, αλλά η πυκνότητα λέξεων-κλειδιών δεν πρέπει να υπερβαίνει το φυσικό 2–3%.

Σύμφωνα με την έκθεση του App Radar (2025), οι εφαρμογές που χρησιμοποιούν συστηματική προσέγγιση στη Βελτιστοποίηση Λέξεων-Κλειδιών καταλαμβάνουν κατά μέσο όρο 40% περισσότερες θέσεις στα top-10 αποτελέσματα αναζήτησης σε σύγκριση με εφαρμογές που συμπληρώνουν μεταδεδομένα χωρίς προηγούμενη έρευνα. Η διαφορά είναι ιδιαίτερα εμφανής σε κατηγορίες με υψηλό ανταγωνισμό, όπως Games και Social.

Ο ρόλος της Βελτιστοποίησης Λέξεων-Κλειδιών στη στρατηγική ASO

Η Βελτιστοποίηση Λέξεων-Κλειδιών είναι το θεμέλιο του ASO — χωρίς σωστά επιλεγμένες λέξεις-κλειδιά, τα άλλα στοιχεία ASO (εικονίδιο, στιγμιότυπα οθόνης, περιγραφή) λειτουργούν αναποτελεσματικά. Εάν η εφαρμογή δεν εμφανίζεται για στοχευμένα ερωτήματα, η μετατροπή της σελίδας δεν έχει σημασία — οι χρήστες απλά δεν βρίσκουν το προϊόν. Σύμφωνα με το Sensor Tower (2025), το 70% της αύξησης εγκαταστάσεων μετά από βελτιστοποίηση ASO εξασφαλίζεται ακριβώς από τη σωστή επιλογή λέξεων-κλειδιών.

Η εργασία με λέξεις-κλειδιά είναι μια συνεχής διαδικασία, όχι μια εφάπαξ ενέργεια. Οι τάσεις αναζήτησης αλλάζουν, οι ανταγωνιστές ενημερώνουν τα μεταδεδομένα τους, οι αλγόριθμοι των καταστημάτων εξελίσσονται. Η τριμηνιαία αναθεώρηση του σημασιολογικού πυρήνα με λήψη υπόψη νέων δεδομένων — συνήθης πρακτική των επαγγελματιών ASO ειδικών.

Πώς λειτουργούν οι αλγόριθμοι αναζήτησης App Store και Google Play

Η κατανόηση των αλγορίθμων αναζήτησης — βασική προϋπόθεση για αποτελεσματική Βελτιστοποίηση Λέξεων-Κλειδιών. Το App Store και το Google Play χρησιμοποιούν θεμελιωδώς διαφορετικές προσεγγίσεις για την ευρετηρίαση και την κατάταξη λέξεων-κλειδιών, και μια στρατηγική που λειτουργεί σε ένα κατάστημα μπορεί να είναι άχρηστη στο άλλο.

Στο App Store ευρετηριάζονται τέσσερα πεδία: όνομα (title), υπότιτλος (subtitle), κρυφό πεδίο keywords και όνομα εκδότη (seller name). Η περιγραφή της εφαρμογής, το εικονίδιο, τα στιγμιότυπα οθόνης και το βίντεο δεν συμμετέχουν στην κατάταξη αναζήτησης. Το πεδίο keywords δεν είναι ορατό στους χρήστες αλλά ευρετηριάζεται πλήρως από τον αλγόριθμο. Οι λέξεις στο πεδίο keywords διαχωρίζονται με κόμματα — τα κενά αγνοούνται.

Στο Google Play ευρετηριάζονται το όνομα, η σύντομη περιγραφή (έως 80 χαρακτήρες) και η πλήρης περιγραφή της εφαρμογής. Πεδίο keywords παρόμοιο με το App Store δεν υπάρχει. Ο αλγόριθμος Google αναλύει ολόκληρο το κείμενο της περιγραφής, λαμβάνοντας υπόψη τη συχνότητα λέξεων, τη θέση τους στο κείμενο και το πλαίσιο χρήσης. Σύμφωνα με το Google I/O 2024, η αναζήτηση Play Store χρησιμοποιεί σημασιολογική κατανόηση ερωτημάτων βάσει του μοντέλου BERT.

Tokenποίηση και stemming στην αναζήτηση καταστημάτων

Tokenποίηση — η διαδικασία διαίρεσης κειμένου σε μεμονωμένες λέξεις (tokens) για ευρετηρίαση. Το App Store συνδυάζει αυτόματα λέξεις από το όνομα, τον υπότιτλο και τα keywords σε ένα ενιαίο ευρετήριο. Αυτό σημαίνει ότι συνδυασμοί λέξεων από διαφορετικά πεδία συμμετέχουν επίσης στην αναζήτηση. Για παράδειγμα, εάν στο όνομα αναγράφεται "Photo Editor" και στα keywords — "filter", ο αλγόριθμος μπορεί να εμφανίσει την εφαρμογή για το ερώτημα "photo filter".

Στο Google Play το stemming επιτρέπει την εύρεση εφαρμογών για διαφορετικές μορφές λέξεων. Στην αναζήτηση "photo editing" ο αλγόριθμος θα βρει την εφαρμογή στην περιγραφή της οποίας αναγράφεται "edit photos". Αυτό μειώνει την ανάγκη συμπερίληψης όλων των πιθανών μορφών λέξεων στην περιγραφή και επιτρέπει την εστίαση σε βασικούς όρους σε φυσικό πλαίσιο.

Keyword Difficulty: αξιολόγηση ανταγωνισμού για ένα ερώτημα

Keyword Difficulty (KD) — μετρική που δείχνει πόσο δύσκολο είναι να εισέλθει κανείς στα top-10 αποτελέσματα αναζήτησης για ένα συγκεκριμένο ερώτημα. Το KD λαμβάνει υπόψη τον αριθμό εφαρμογών που έχουν βελτιστοποιηθεί για αυτό το ερώτημα, την αξιολόγησή τους, τον αριθμό κριτικών και την ταχύτητα αύξησης εγκαταστάσεων. Οι τιμές KD κυμαίνονται από 0 (πολύ εύκολο) έως 100 (σχεδόν αδύνατο).

Για νέες εφαρμογές συνιστάται η επιλογή ερωτημάτων με KD κάτω από 40 — για αυτά είναι ρεαλιστική η είσοδος στα top-10 εντός 2–4 εβδομάδων. Τα ερωτήματα με KD 40–60 απαιτούν πιο σοβαρές προσπάθειες και ύπαρξη συμπεριφορικών σημάτων (αξιολόγηση, κριτικές). Τα ερωτήματα με KD άνω του 60 είναι προσβάσιμα μόνο σε εφαρμογές με μεγάλο αριθμό εγκαταστάσεων και υψηλή αξιολόγηση. Τα εργαλεία Sensor Tower και App Radar υπολογίζουν αυτόματα το KD για κάθε ερώτημα σε κάθε κατάστημα.

Μέθοδοι συλλογής σημασιολογικού πυρήνα για εφαρμογή

Συλλογή σημασιολογικού πυρήνα — το πρώτο και πιο σημαντικό στάδιο της Βελτιστοποίησης Λέξεων-Κλειδιών. Από την ποιότητα των συλλεγόμενων ερωτημάτων εξαρτάται πόσο σχετική κίνηση θα λάβει η εφαρμογή. Χρησιμοποιείται συνδυασμός πολλών μεθόδων για μέγιστη κάλυψη στοχευμένων ερωτημάτων.

Πρώτη μέθοδος — ανάλυση αυτόματης συμπλήρωσης των καταστημάτων εφαρμογών. Κατά την εισαγωγή ερωτήματος στη γραμμή αναζήτησης του App Store ή του Google Play εμφανίζονται προτάσεις — αυτά είναι πραγματικά ερωτήματα χρηστών. Η συλλογή αυτόματης συμπλήρωσης για ένα βασικό ερώτημα (π.χ. "photo editor") δίνει 10–15 επιπλέον φράσεις-κλειδιά. Συνιστάται η συλλογή αυτόματης συμπλήρωσης για 3–5 βασικά ερωτήματα για να σχηματιστεί ο αρχικός πυρήνας.

Δεύτερη μέθοδος — ανάλυση ανταγωνιστών. Με τη βοήθεια εργαλείων ASOdesk ή MobileAction μπορεί να ληφθεί λίστα λέξεων-κλειδιών για τις οποίες κατατάσσονται οι ανταγωνιστές και οι θέσεις τους. Αυτός είναι ένας αποτελεσματικός τρόπος εύρεσης ερωτημάτων που έχουν ήδη επιβεβαιωθεί με κίνηση. Ιδιαίτερα χρήσιμη είναι η ανάλυση των top-10 εφαρμογών στην κατηγορία-στόχο.

import requests
import json

# Παράδειγμα συλλογής προτάσεων αναζήτησης App Store
# μέσω iTunes Search API
base_query = "photo editor"
url = (
    "https://itunes.apple.com/search"
    "?term=" + base_query.replace(" ", "+") +
    "&entity=software&limit=25"
)

response = requests.get(url)
data = response.json()

keywords = []
for app in data["results"]:
    name = app.get("trackName", "")
    if name:
        keywords.append(name.lower())

print(json.dumps({
    "base_query": base_query,
    "found_keywords": list(set(keywords))
}, ensure_ascii=False, indent=2))

Αυτό το σενάριο χρησιμοποιεί το iTunes Search API για τη λήψη λίστας εφαρμογών βάσει βασικού ερωτήματος και εξαγωγής λέξεων-κλειδιών από τα ονόματά τους. Το αποτέλεσμα βοηθά στον προσδιορισμό των όρων που χρησιμοποιούν συχνότερα οι ανταγωνιστές στα ονόματα — αυτές οι λέξεις είναι με μεγάλη πιθανότητα σχετικές με το στοχευμένο ερώτημα.

Trend και εποχικά ερωτήματα

Trend ερωτήματα — λέξεις-κλειδιά των οποίων η συχνότητα αυξάνεται σε συγκεκριμένες περιόδους. Για παράδειγμα, το ερώτημα "fitness tracker" φτάνει στην κορυφή δημοτικότητας τον Ιανουάριο (μετά την Πρωτοχρονιά), και το "photo editor for Christmas" — τον Δεκέμβριο. Η ανάλυση τάσεων επιτρέπει την έγκαιρη ενημέρωση μεταδεδομένων για εποχική ζήτηση και την απόκτηση επιπλέον κίνησης σε περιόδους υψηλού ανταγωνισμού.

Για την παρακολούθηση τάσεων χρησιμοποιούνται Google Trends (φίλτρο "App Store" ή "Google Play") και δεδομένα App Annie για τη δυναμική συχνότητας ερωτημάτων. Συνιστάται η προσθήκη εποχικών λέξεων-κλειδιών στα μεταδεδομένα 2–3 εβδομάδες πριν από την κορυφή της σεζόν — οι αλγόριθμοι χρειάζονται χρόνο για επαναευρετηρίαση και ενημέρωση θέσεων.

Αρνητικές λέξεις-κλειδιά

Στο πλαίσιο του ASO οι αρνητικές λέξεις-κλειδιά είναι ερωτήματα για τα οποία η εφαρμογή δεν πρέπει να εμφανίζεται, επειδή δεν αντιστοιχούν στη λειτουργικότητα του προϊόντος. Για παράδειγμα, μια δωρεάν εφαρμογή σημειώσεων δεν πρέπει να κατατάσσεται για το ερώτημα "premium notes app" — οι χρήστες που αναζητούν πληρωμένο προϊόν θα απογοητευτούν και θα αφήσουν αρνητική κριτική.

Στο App Store δεν υπάρχει άμεσος μηχανισμός εξαίρεσης λέξεων-κλειδιών. Η αρνητική επιλογή πραγματοποιείται μέσω εξαίρεσης μη στοχευμένων λέξεων από το πεδίο keywords. Στο Google Play, όπου η περιγραφή ευρετηριάζεται, αρκεί να μην αναφέρονται μη στοχευμένοι όροι. Ωστόσο, η σημασιολογική αναζήτηση βάσει BERT μπορεί να συνδέει θέματα, επομένως είναι σημαντικός ο έλεγχος του πλαισίου αναφορών.

Ομαδοποίηση και ιεράρχηση βασικών ερωτημάτων

Μετά τη συλλογή της αρχικής λίστας ερωτημάτων (συνήθως 100–300 φράσεις) είναι απαραίτητο να ομαδοποιηθούν και να ιεραρχηθούν πριν από την ένταξη στα μεταδεδομένα. Τα κύρια κριτήρια ιεράρχησης: συχνότητα ερωτήματος, Keyword Difficulty, συνάφεια με τη λειτουργικότητα της εφαρμογής και συμμόρφωση με την πρόθεση αναζήτησης.

Τα ερωτήματα χωρίζονται σε τρεις ομάδες: High Priority — υψηλή συχνότητα, χαμηλή/μέτρια δυσκολία, υψηλή συνάφεια; Medium Priority — μέτρια συχνότητα και δυσκολία; Long-tail — χαμηλή συχνότητα, χαμηλή δυσκολία, υψηλή εξειδίκευση. Για μια νέα εφαρμογή, η στρατηγική είναι να ξεκινήσει με Medium Priority και Long-tail, μεταβαίνοντας σταδιακά σε High Priority καθώς συσσωρεύονται συμπεριφορικά σήματα.

Σύμφωνα με δεδομένα του ASOdesk (2025), η βέλτιστη αναλογία για το App Store: 30% των χαρακτήρων του πεδίου keywords — για ερωτήματα High Priority, 40% — Medium Priority, 30% — Long-tail. Για το Google Play, όπου υπάρχει περισσότερος χώρος, η κατανομή μπορεί να είναι 20/40/40 με έμφαση σε Medium και Long-tail για φυσική κατανομή λέξεων-κλειδιών στο κείμενο περιγραφής.

• Ερωτήματα υψηλής συχνότητας (HF) — πάνω από 10.000 ερωτήματα το μήνα. Υψηλός ανταγωνισμός, απαιτούν ισχυρά συμπεριφορικά σήματα.
• Ερωτήματα μέτριας συχνότητας (MF) — 1.000–10.000 ερωτήματα το μήνα. Βέλτιστη ισορροπία κίνησης και ανταγωνισμού για τις περισσότερες εφαρμογές.
• Ερωτήματα χαμηλής συχνότητας (LF) — λιγότερα από 1.000 ερωτήματα το μήνα. Χαμηλός ανταγωνισμός, γρήγορη είσοδος στην κορυφή, υψηλή μετατροπή.
• Συναλλακτικά ερωτήματα — περιέχουν λέξεις "αγορά", "λήψη", "δωρεάν". Υψηλή μετατροπή σε εγκατάσταση.
• Πληροφοριακά ερωτήματα — "πώς να κάνω", "τι είναι". Χαμηλή μετατροπή, αλλά διευρύνουν την κάλυψη.

Ομαδοποίηση ερωτημάτων κατά θέματα

Ομαδοποίηση — ομαδοποίηση ερωτημάτων σε θεματικές ομάδες (λειτουργίες εφαρμογής, κοινό-στόχος, σενάρια χρήσης). Για παράδειγμα, για μια εφαρμογή επεξεργασίας φωτογραφιών, οι ομάδες μπορεί να είναι: "φίλτρα και εφέ", "κολάζ", "ρετούς", "περικοπή και περιστροφή". Κάθε ομάδα αντιστοιχεί σε ένα συγκεκριμένο σύνολο λειτουργιών και βοηθά στη δόμηση των μεταδεδομένων.

Στο App Store η ομαδοποίηση καθορίζει την κατανομή των 100 χαρακτήρων του πεδίου keywords μεταξύ θεμάτων. Στο Google Play — τη δομή της περιγραφής: κάθε ομάδα λαμβάνει μια ξεχωριστή παράγραφο ή ενότητα με φυσική συμπερίληψη λέξεων-κλειδιών. Αυτή η προσέγγιση βελτιώνει τη σημασιολογική συνάφεια και βοηθά τους αλγόριθμους να προσδιορίσουν με μεγαλύτερη ακρίβεια το θέμα της εφαρμογής.

Στρατηγική τοποθέτησης λέξεων-κλειδιών στα μεταδεδομένα

Η τοποθέτηση λέξεων-κλειδιών στα μεταδεδομένα πρέπει να ακολουθεί μια συγκεκριμένη στρατηγική που λαμβάνει υπόψη τη βαρύτητα κάθε πεδίου στους αλγόριθμους αναζήτησης. Λάθος — η ομοιόμορφη κατανομή όλων των λέξεων-κλειδιών χωρίς να λαμβάνεται υπόψη η προτεραιότητα του πεδίου: το όνομα έχει μέγιστη βαρύτητα, ο υπότιτλος — μέτρια, τα keywords — βασική.

Στο όνομα περιλαμβάνονται 1–3 πιο σημαντικές λέξεις-κλειδιά. Πρέπει να είναι ευανάγνωστες για τον χρήστη και να ταιριάζουν φυσικά στο όνομα της μάρκας. Τύπος: [Μάρκα] — [Κύρια λέξη-κλειδί] [Πρόσθετη λέξη]. Παράδειγμα: "SnapEdit — Photo Editor & Filter". Είναι σημαντικό να θυμόμαστε τους περιορισμούς μήκους: 30 χαρακτήρες στο App Store, 50 στο Google Play.

Στον υπότιτλο (App Store) ή σύντομη περιγραφή (Google Play) περιλαμβάνονται πρόσθετες λέξεις-κλειδιά που διευρύνουν τη σημασιολογική κάλυψη του ονόματος. Αυτό το πεδίο επίσης ευρετηριάζεται και έχει υψηλή βαρύτητα. Παράδειγμα: "Retouch, Collage, Crop & Effects". Στο Google Play, η σύντομη περιγραφή έως 80 χαρακτήρες εμφανίζεται στα αποτελέσματα κάτω από το όνομα και πρέπει να είναι στοχευμένη στη μετατροπή.

Στο πεδίο keywords του App Store (100 χαρακτήρες) περιλαμβάνονται όλα τα υπόλοιπα στοχευμένα ερωτήματα. Σημαντικοί κανόνες: οι λέξεις διαχωρίζονται με κόμματα χωρίς κενά (κάθε λέξη ευρετηριάζεται ξεχωριστά), η επανάληψη λέξεων από το όνομα και τον υπότιτλο δεν είναι απαραίτητη (είναι ήδη στο ευρετήριο), μπορούν να χρησιμοποιηθούν συνδυασμοί λέξεων για σχηματισμό σύνθετων ερωτημάτων.

Αποφυγή κανιβαλισμού λέξεων-κλειδιών

Κανιβαλισμός — κατάσταση όπου πολλές σελίδες μιας εφαρμογής (π.χ. η κύρια σελίδα και η σελίδα προγραμματιστή) ανταγωνίζονται για το ίδιο ερώτημα. Στο πλαίσιο του ASO, ο κανιβαλισμός είναι πιθανός όταν υπάρχουν πολλές εφαρμογές του ίδιου προγραμματιστή στην ίδια κατηγορία. Σε αυτή την περίπτωση, μπορεί να ανταγωνίζονται για τις ίδιες λέξεις-κλειδιά, μειώνοντας την αποτελεσματικότητα η μία της άλλης.

Για την πρόληψη του κανιβαλισμού, κάθε εφαρμογή πρέπει να έχει έναν μοναδικό σημασιολογικό πυρήνα με ελάχιστη επικάλυψη βασικών ερωτημάτων. Εάν η επικάλυψη είναι αναπόφευκτη (π.χ. δωρεάν και πληρωμένη έκδοση της ίδιας εφαρμογής), συνιστάται η χρήση διαφορετικών λέξεων-κλειδιών στα ονόματα και η σαφής διαφοροποίηση της τοποθέτησης στα μεταδεδομένα.

Γραμματικές μορφές και συνώνυμα

Οι σύγχρονοι αλγόριθμοι καταστημάτων εφαρμογών — ιδιαίτερα το Google Play με BERT — κατανοούν συνώνυμα και διαφορετικές γραμματικές μορφές λέξεων. Αυτό σημαίνει ότι δεν απαιτείται η συμπερίληψη όλων των πιθανών μορφών μιας λέξης ("edit", "editing", "editor") στην περιγραφή. Αρκεί η χρήση της πιο φυσικής μορφής στο πλαίσιο.

Για το App Store η κατάσταση είναι διαφορετική — το stemming και η συνωνυμία είναι πιο αδύναμα υλοποιημένα. Συνιστάται η συμπερίληψη στο όνομα και στα keywords της πιο συχνής μορφής της λέξης, καθώς και βασικών συνωνύμων, εάν το επιτρέπει ο χώρος. Για παράδειγμα, εάν η εφαρμογή επεξεργάζεται φωτογραφίες, στα keywords μπορεί να αναγράφεται "photo,picture,image" για κάλυψη διαφορετικών παραλλαγών αναζήτησης.

Πώς να παρακολουθείτε τις θέσεις λέξεων-κλειδιών

Παρακολούθηση θέσεων — υποχρεωτικό στοιχείο της Βελτιστοποίησης Λέξεων-Κλειδιών. Χωρίς τακτικό έλεγχο θέσεων δεν είναι δυνατό να προσδιοριστεί ποιες λέξεις-κλειδιά λειτουργούν και ποιες πρέπει να αντικατασταθούν. Τα δεδομένα παρακολούθησης επιτρέπουν τη διόρθωση της στρατηγικής και την έγκαιρη αντίδραση σε αλλαγές της κατάστασης της αγοράς.

Για την παρακολούθηση θέσεων χρησιμοποιούνται εξειδικευμένα εργαλεία: Sensor Tower (καθημερινή ενημέρωση θέσεων, 155 χώρες), App Radar (έως 10 χώρες, ενσωμάτωση με καταστήματα) και ASOdesk (εστίαση στη ρωσόφωνη αγορά, περιοχές RU/CIS). Δωρεάν εναλλακτική — χειροκίνητος έλεγχος μέσω App Store Connect Analytics και Google Play Console, αλλά αυτό είναι χρονοβόρο για περισσότερα από 20 ερωτήματα.

Συνιστάται παρακολούθηση θέσεων για 30–50 βασικά ερωτήματα εβδομαδιαίως. Τα βασικά ερωτήματα χωρίζονται σε τρεις κατηγορίες: Brand (όνομα μάρκας), Category (γενικά ερωτήματα κατηγορίας), Competitor (ονόματα ανταγωνιστών). Η πτώση θέσεων για ερωτήματα Category — πρώτο σήμα ότι η στρατηγική ASO χρειάζεται ενημέρωση.

• Καθημερινή παρακολούθηση — για τα top-10 προτεραιότητας ερωτήματα. Επιτρέπει γρήγορη αντίδραση σε πτώση θέσεων.
• Εβδομαδιαία παρακολούθηση — για 30–50 ερωτήματα. Βασικός τρόπος παρακολούθησης, επαρκής για τις περισσότερες εφαρμογές.
• Μηνιαίος έλεγχος — πλήρης αναθεώρηση του σημασιολογικού πυρήνα με ανάλυση αλλαγών σε ανταγωνιστές.
• Ανάλυση τάσεων — σύγκριση δυναμικής θέσεων για μήνα/τρίμηνο για εντοπισμό σταθερών τάσεων.

Ερμηνεία δεδομένων παρακολούθησης

Αύξηση θέσεων για ένα ερώτημα — δεν είναι ο μοναδικός δείκτης επιτυχίας. Είναι σημαντικό να αναλύεται εάν η αύξηση θέσεων οδηγεί σε αύξηση του αριθμού εγκαταστάσεων. Μερικές φορές η εφαρμογή ανεβαίνει στα top-5 για ένα ερώτημα, αλλά το ποσοστό μετατροπής για αυτό το ερώτημα είναι χαμηλό — οι χρήστες ψάχνουν ένα πράγμα, αλλά βρίσκουν άλλο. Σε αυτή την περίπτωση, το ερώτημα πρέπει να αντικατασταθεί με ένα πιο σχετικό.

Βασικός δείκτης αποτελεσματικότητας της Βελτιστοποίησης Λέξεων-Κλειδιών — Organic Install Lift (αύξηση οργανικών εγκαταστάσεων σε ποσοστό). Υπολογίζεται ως η αναλογία εγκαταστάσεων από οργανική αναζήτηση μετά τη βελτιστοποίηση προς εγκαταστάσεις πριν από τη βελτιστοποίηση για συγκρίσιμη περίοδο. Τιμή-στόχος — αύξηση τουλάχιστον 50% σε 2 μήνες. Εάν η αύξηση είναι χαμηλότερη, η στρατηγική χρειάζεται αναθεώρηση: πιθανώς επιλέχθηκαν λάθος λέξεις-κλειδιά ή τα μεταδεδομένα δεν είναι επαρκώς βελτιστοποιημένα.