Successfully reported this slideshow.
Your SlideShare is downloading. ×

Data Science y Data Visualization aplicados al SEO

Ad

Data Science & Data Visualization
aplicados al SEO
JOSEBA RUIZ @RUIZMKT
18 de junio de 2019

Ad

KWRS
CLUSTERING
Agrupaci�n y ordenaci�n de consultas clave
seg�n distancia sem�ntica.
Ver r�pidamente la estructura de las...

Ad

KWRS CLUSTERING

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Upcoming SlideShare
Nuevas estrategias SEO
Nuevas estrategias SEO
Loading in …3
×

Check these out next

1 of 25 Ad
1 of 25 Ad

Data Science y Data Visualization aplicados al SEO

Download to read offline

Metodología e implementaciones Data Science y Visualización de datos aplicadas al SEO. Estudio científico y estadístico de acciones en motores de búsqueda.

Metodología e implementaciones Data Science y Visualización de datos aplicadas al SEO. Estudio científico y estadístico de acciones en motores de búsqueda.

More Related Content

Data Science y Data Visualization aplicados al SEO

  1. 1. Data Science & Data Visualization aplicados al SEO JOSEBA RUIZ @RUIZMKT 18 de junio de 2019
  2. 2. KWRS CLUSTERING Agrupaci�n y ordenaci�n de consultas clave seg�n distancia sem�ntica. Ver r�pidamente la estructura de las b�squedas realizadas. Un an�lisis exhaustivo y que englobe centenares de t�rminos es realmente dif�cil de representar gr�ficamente. 7
  3. 3. KWRS CLUSTERING
  4. 4. KWRS CLUSTERING Otra forma �til de clusterizar keywords es gracias a la librer�a kwClusterR de Remibacha https://github.com/remibacha/kwClustersR, la cual utiliza el algoritmo de distancia l�xica Jaro Winkler.
  5. 5. KWRS CONTENT SHOT Asociaci�n de las consultas de SC con las m�tricas y dimensiones de GA. Mucha m�s informaci�n m�s all� de las 4 m�tricas de SC y una visi�n m�s completa del comportamiento del tr�fico Organic Search. Matching probabil�stico y no lineal o exacto. 4
  6. 6. KWRS CONTENT SHOT
  7. 7. KWRS CONTENT SHOT
  8. 8. BIG DATA Almacenamiento y procesamiento masivo de datos procedentes de SC y GA. Evitar los l�mites temporales de SC y ofrecer una alternativa al sampling de GA. Proceso automatizado poco escalable y a veces demasiado din�mico. 9
  9. 9. BIG DATA
  10. 10. BIG DATA
  11. 11. WPO MULTIP�GINA Generaci�n automatizada de auditor�as para la mejora de la velocidad de carga de las p�ginas de un sitio web. Realizar el seguimiento de decenas de p�ginas al mismo tiempo sin tener que basarnos en patrones de p�gina. Identificar p�ginas relevantes y el consumo de recursos. 9
  12. 12. WPO MULTIP�GINA
  13. 13. CONTENIDO DUPLICADO Comparar el contenido de las p�ginas de un sitio web y detallar si es diferente, similar o duplicado. Control de p�ginas detallado y sin limitaci�n. No depende de una API, sino de un crawler propio. Informaci�n esencial y sin caracter�sticas de valor a�adidas como en otras herramientas. Lo �ptimo es utilizar ambas herramientas a la vez. 4
  14. 14. CONTENIDO DUPLICADO Screaming Frog busca duplicados entre etiquetas como Title o Meta-Descriptions. Siteliner en su versi�n gratuita solo rastrea las 250 p�ginas m�s relevantes en cuanto a jerarqu�a se refiere. Cada p�gina a partir de esa cifra cuesta $0.01 con un m�ximo de hasta 50.000 p�ginas.
  15. 15. CONTENIDO DUPLICADO
  16. 16. CRAWLING & SCRAPING Rastreo y extracci�n de informaci�n program�tica. Recopilaci�n directa y personalizada de datos. Creaci�n de gr�ficos y aplicaci�n de metodolog�a Data Science. Existen en el mercado herramientas que ofrecen este tipo de informaci�n, como Screaming Frog. 5
  17. 17. CRAWLING & SCRAPING
  18. 18. DATA VISUALIZATION Representaci�n de datos de manera concisa y �til. Representaci�n de datos de manera concisa y �til. Compresi�n moment�nea de la tendencia y estacionalidad del tr�fico recogido. Muchas veces la informaci�n mostrada es demasiado superficial y generalista sin permitir profundizar en ella. 8
  19. 19. DATA VISUALIZATION
  20. 20. DATA VISUALIZATIONDATA VISUALIZATION
  21. 21. DATA VISUALIZATION
  22. 22. DATA VISUALIZATION
  23. 23. DATA VISUALIZATION
  24. 24. DATA VISUALIZATION
  25. 25. MILA ESKER! Turno de preguntas JOSEBA RUIZ @RUIZMKT 18 de junio de 2019

×