Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

SEO pohledem datového analytika

122 views

Published on

Marek Prokop na konferenci SEO Restart 2019.

Když narazíte na opravdu velký web, intuice zkušeného SEO konzultanta je vám rázem k ničemu. Na velkém webu musíte zvládnout práci s velkými daty. Ukážu vám, jaké metody a nástroje se na to hodí.

Published in: Marketing
  • Be the first to comment

  • Be the first to like this

SEO pohledem datového analytika

  1. 1. SEO pohledem datového analytika
  2. 2. Jak dělat SEO pro velké weby
  3. 3. Jak dělat SEO pro hodně velké weby
  4. 4. Jak dělat SEO pro fakt hodně velké weby
  5. 5. ● crawl.seospider přes 10 GB ● internal_all.csv přes 1 GB ● internal_html.csv přes 500 MB ● 1 000 000 až 5 000 000 URL
  6. 6. ● přes 100 000 vstupních stránek ● přes 100 000 dotazů
  7. 7. SEO Restart 2018
  8. 8. 1. Prokopův zákon SEO
  9. 9. 1. Prokopův zákon SEO E=mc²
  10. 10. 1. Prokopův zákon SEO E=mc² počet Errorů na webu
  11. 11. 1. Prokopův zákon SEO E=mc² počet Errorů na webu míra nešikovnosti webmastera
  12. 12. 1. Prokopův zákon SEO E=mc² počet Errorů na webu míra nešikovnosti webmastera celkový počet stránek webu
  13. 13. Průzkum webu z dat Screaming Frogu
  14. 14. Struktura URL 1. Protokol, subdomény 2. Maximální počet úrovní (tj. lomítek) v cestě 3. Počty URL podle jednotlivých úrovní 4. Nejpočetnější složky a podsložky na jednotlivých úrovních 5. Počet URL s a bez parametrů (query string) 6. Nejčastější parametry (názvy, hodnoty, i páry název=hodnota) 7. Souvislost struktury URL s hodnotami Level a Inlinks 8. Potenciální problémy: a. URL která se liší jen koncovým lomítkem b. URL která se liší jen koncovkou c. URL která se liší jen pořadím parametrů
  15. 15. Textová analýza ● titulků ● H1, H2 ● meta descriptions ● celých stránek nebo vybraných bloků stránek
  16. 16. Bigramy, trigramy, …, skipgramy
  17. 17. Bigramy podle zobrazení a kliků v Googlu
  18. 18. Analýza časových řad
  19. 19. Před a po
  20. 20. Celkem
  21. 21. Časová řada celkem pro kontrolu
  22. 22. Zařízení
  23. 23. Časová řada podle zařízení
  24. 24. Na kterém zlepšení nejvíc vydělám (podle Marka Edmondsona)
  25. 25. Analýzy podle typických situací ● Průzkum, objevování ○ Zahájení práce s novým klientem, příprava nabídek. ● Před a po ○ Něco se rozbilo. ○ Redesign. ○ Experimenty. ● Podpora rozhodování ○ Chceme udělat X. Co se tím může pokazit a co zlepšit? ● Hledání příležitostí ○ Už nemáme do čeho píchnout. Co by ještě mohlo jít vylepšit? ● Průběžný monitoring a reporting
  26. 26. Zdroje dat a nástroje na jejich zpracování ● Screaming Frog (export CSV) ● Google Analytics (reporting API) ● Google Search Console (API) ● Marketing Miner ● veřejné datasety ● web scraping ● spreadsheety (Excel, Google Sheets) ● databáze (mySQL, BigQuery) ● programovací jazyky (R, Python, Apps Script, VB Script) ● BI (Data Studio, Power Bi, Tableau, Keboola) ● Open Refine ● cloudové služby (Google, Amazon)
  27. 27. Rady na závěr ● Co jde smysluplně segmentovat, segmentujte – stránky, dotazy, geo, vyhledavače… ● U kontinuálních veličin nespoléhejte na průměry. Analyzujte jejich rozložení (histogram, box plot, kvartily, decily…) a případně opět segmentujte. ● Čísla jsou pro stroje, pro lidi věrně vizualizujte proporce. Na základě vizualizací pak věnujte pozornost tomu, co je veliké, a nechte plavat to, co je malé. ● Když něco dává smysl vydělit, vydělte to: počet dotazů na stránku, počet návštěv nebo kliků na dotaz apod.
  28. 28. Děkuji za pozornost Marek Prokop, PROKOP software s.r.o. mprokop@prokopsw.cz www.prokopsw.cz

×