Cosa vuol dire far SEO data driven? Come applichiamo il nostro metodo di lavoro con ChatGPT, Google Bard e tool ad hoc che permettono di lavorare con il machine learning sui nostri dati, integrandoli con tool di terze parti? Che risultati porta? Prompt pronti e tool da utilizzare per un aumento di traffico e fatturato!

1. SEO Data Driven:
come sfruttare il ML e
l'AI per l'eCommerce
Massimo Fattoretto
CEO Fattoretto Agency
Come l'IA e l’analisi di dati sta cambiando la SEO

2. SEO Internazionale (Link Building, Content, AI e B.I.)
👉Europa
👉America del Nord e del Sud
👉Medio Oriente
👉Russia
👉Australia / Nuova Zelanda
⭕️ Circa 70 clienti e-commerce attivi
⭕️ Network 200 siti in ambito Finance, Food e Pharma
⭕️ Un tool proprietario per l’analisi dati
👉 FATTO BOOST
Chi siamo
Fattoretto Agency

3. Ci hanno scelto
FOOD FASHION
PHARMA ARREDO FAI DA TE
FINANCE

4. GA4…ma prima?

5. Google Search Console (GSC) è un tesoro di
informazioni per gli specialisti SEO.
Consente di vedere come Google vede il sito,
monitorare le prestazioni SEO e risolvere importanti
problemi di indicizzazione.
GSC fornisce dati dettagliati su come gli utenti
interagiscono con il sito nei risultati di ricerca,
rendendolo un potente strumento per migliorare la
visibilità e la performance SEO.
Ha il 100% dei click e delle impression del vostro
sito in Google. Quindi dati reali!
Il potere di Google Search Console
Cosa fa?

6. Possiamo grazie all’enorme base dati, al Machine
Learning, all'IA e alla B.I. estrapolare questi dati e
offrire un succo di altissimo valore ai SEO, ai
Marketing Manager o agli eCommerce Manager

7. Il machine learning può aiutare a ottimizzare le
strategie di Marketing analizzando grandi quantità di
dati e identificando schemi e trend.
Possiamo così ottenere preziosi insight per il
posizionamento delle parole chiave, l'ottimizzazione
del contenuto e la creazione di link, rendendo le
strategie marketing più efficaci ed efficienti.
Il machine learning
In ottica SEO, Copy e Brand

8. Il digital analyst fornisce i dati necessari per
alimentare il machine learning.
Senza un'analisi accurata dei dati, una pulizia dei dati
non consoni, il machine learning non sarebbe in
grado di fornire insight o fare previsioni accurate.
Il ruolo del digital analytics
nel machine learning

9. l'IA può aiutare a personalizzare l'esperienza
dell'utente e a migliorare il targeting del marketing.
Utilizzando l'IA per analizzare i dati degli utenti, è
possibile creare segmenti di pubblico più precisi,
fornire contenuti personalizzati e migliorare
l'interazione con gli utenti.
Si pensi ad esempio all’implementazione del trend
“senza glutine” all’interno degli e Commerce Food.
Targeting e personalizzazione
con l’IA

10. La ricerca di parole chiave e l'ottimizzazione dei
contenuti sono aspetti cruciali della SEO.
l'IA può aiutare ad automatizzare e migliorare questi
compiti, compresa la comprensione delle relazioni
semantiche tra le parole chiave, l'identificazione
delle tendenze di ricerca e la previsione del
comportamento dell'utente.
Miglioramento della ricerca
di parole chiave e ottimizzazione dei contenuti
Analisi dettagliata di ogni pagina della SERP con informazioni su:
- Numero di keyword, immagini, featured snippet, ecc
- Ricerche correlate e domande più frequenti
- Export di tutti i contenuti della SERP in Excel

11. La SEO predittiva è un concetto che coinvolge l'uso
dell'IA per prevedere le tendenze future, il
comportamento degli utenti e gli aggiornamenti
degli algoritmi dei motori di ricerca.
Sfruttando l'IA e il machine learning, le aziende
possono stare un passo avanti, anticipando i
cambiamenti e adattando di conseguenza le loro
strategie stagionali in anticipo.
SEO predittiva
Di che si tratta?
Analisi dettagliata di ogni pagina della SERP con informazioni su:
- Numero di keyword, immagini, featured snippet, ecc
- Ricerche correlate e domande più frequenti
- Export di tutti i contenuti della SERP in Excel

12. Comprensione delle query in linguaggio naturale
Gli algoritmi di apprendimento automatico di Google possono capire e interpretare query complesse in
linguaggio naturale, facilitando agli utenti la ricerca delle informazioni che stanno cercando.
Correzione ortografica e suggerimenti per il completamento automatico
Google utilizza algoritmi di apprendimento automatico per migliorare l'accuratezza della sua correzione
ortografica e dei suggerimenti di completamento automatico, che possono aiutare gli utenti a trovare più
rapidamente e facilmente ciò che stanno cercando.
Personalizzazione dei risultati di ricerca
Google utilizza algoritmi di apprendimento automatico per personalizzare i risultati di ricerca in base alla
cronologia di ricerca di un utente e ad altri fattori, come la loro posizione e le precedenti interazioni con i
prodotti e i servizi di Google.
L’AI
usata da Google

13. Identificazione di spam e contenuti di bassa qualità
Google utilizza algoritmi di apprendimento automatico per identificare lo spam e i contenuti di bassa
qualità, il che aiuta a migliorare la qualità complessiva dei risultati di ricerca e a prevenire l'apparizione di
informazioni irrilevanti o fuorvianti nei risultati di ricerca.
Rilevamento e comprensione delle immagini
Gli algoritmi di apprendimento automatico di Google possono rilevare e comprendere il contenuto delle
immagini, il che può aiutare gli utenti a trovare immagini pertinenti durante una ricerca.
L’AI
usata da Google

14. L’AI generativa
che arriverà in Italia nel 2024

15. Bard, perplexity e gli altri
Una nuova era
Gli algoritmi di apprendimento automatico
costruiscono un modello basato su dati di esempio,
noti come dati di addestramento, al fine di fare
previsioni o decisioni senza essere esplicitamente
programmati per farlo.
L'apprendimento automatico può essere utilizzato
per una varietà di compiti, tra cui:
Classificazione: Ordinare i dati in categorie.
Ad esempio, un filtro antispam potrebbe classificare le
e-mail come spam o non spam.
Regressione lineare: Prevedere un valore continuo.
Ad esempio, una previsione del tempo potrebbe
prevedere la temperatura di domani.

16. Bard, perplexity e gli altri
Una nuova era
Clustering: Raggruppare insieme i punti dati in base alla loro somiglianza. Ad esempio, un sistema
di raccomandazione potrebbe raggruppare gli utenti insieme in base ai loro acquisti passati.
Rilevamento di anomalie: Identificare punti dati insoliti. Ad esempio, un sistema di rilevamento
delle frodi potrebbe identificare le transazioni che sono probabilmente fraudolente.
Nota: gli algoritmi di apprendimento automatico sono buoni quanto i dati su cui sono
addestrati. Se i dati sono distorti, anche l'algoritmo sarà distorto. Inoltre, gli algoritmi di
apprendimento automatico possono essere suscettibili di sovradattamento, che si verifica quando
l'algoritmo impara troppo bene i dati di addestramento e non generalizza bene i nuovi dati.

17. Algoritmi di ricerca
alimentati dall’IA
I motori di ricerca come Google si basano su algoritmi
sofisticati che esplorano, indicizzano e classificano
le pagine web in base alla loro rilevanza e autorità.
Gli algoritmi alimentati dall'IA hanno il potenziale di
migliorare notevolmente questi processi, rendendo i
risultati di ricerca più accurati, personalizzati ed
efficienti.
H20 - la prima piattaforma open source di ML
https://h2o.ai/

18. Vertex AI
by Google
Vertex AI di Google è una piattaforma completa che
offre una suite di strumenti per machine learning
(ML) per sviluppatori, data scientist e ingegneri ML.
Con Vertex AI, si può iniziare un progetto ML con il
"Model Garden", un luogo unico per accedere a una
vasta gamma di API, modelli di base e modelli open
source.
Puoi avviare una serie di flussi di lavoro, compresi
l'utilizzo di modelli, l'ottimizzazione dei modelli in AI
Generative Studio o il deployment dei modelli in un
blocco note di data science.
https://cloud.google.com/vertex-ai

19. Tutto parte sempre dai PROPRI DATI

20. L’AI e le applicazioni già in uso
da anni
Airbnb utilizza l'apprendimento automatico per garantire che gli utenti possano trovare ciò che
cercano rapidamente e per migliorare le conversioni.
Classificazione delle immagini
Poiché gli host possono caricare immagini delle loro proprietà, Airbnb ha scoperto che molte immagini
erano etichettate in modo errato. Per cercare di ottimizzare l'esperienza dell'utente, ha implementato un
modello di classificazione delle immagini che utilizza la visione artificiale e l'apprendimento profondo.
Il progetto mirava a categorizzare le foto in base alle diverse stanze. Ciò ha permesso ad Airbnb di
mostrare le immagini degli annunci raggruppate per tipo di stanza e garantire che l'annuncio segua le
linee guida di Airbnb.
Per fare questo, ha riaddestrato la rete neurale di classificazione delle immagini ResNet50, con un
piccolo numero di foto etichettate. Questo gli ha permesso di classificare accuratamente le immagini
attuali e future caricate sul sito.

21. L’AI e le applicazioni già in uso
da anni
Classificazione delle ricerche
Per fornire un'esperienza personalizzata agli utenti, Airbnb ha implementato un modello di
classificazione che ottimizza la ricerca e la scoperta. I dati per questo modello provenivano da
metriche di coinvolgimento dell'utente come click e prenotazioni.
Le inserzioni inizialmente venivano ordinate casualmente, e poi vari fattori venivano assegnati un
peso all'interno del modello, incluso il prezzo, la qualità e la popolarità tra gli utenti. Più peso aveva un
annuncio, più in alto sarebbe stato visualizzato nelle inserzioni.
Da allora, questo è stato ulteriormente ottimizzato, con dati di addestramento che includono anche
il numero di ospiti, il prezzo e la disponibilità all'interno del modello per scoprire schemi e preferenze
per creare un'esperienza più personalizzata.

22. L’AI e le applicazioni già in uso
da anni
Netflix utilizza l'apprendimento automatico in diversi modi per fornire la migliore esperienza possibile ai
suoi utenti.
L'azienda sta continuamente raccogliendo grandi quantità di dati, tra cui valutazioni, la posizione degli
utenti, la durata della visione, se un contenuto viene aggiunto a una lista e persino se qualcosa è
stata guardata in modo compulsivo.
Questi dati vengono quindi utilizzati per migliorare ulteriormente i suoi modelli di apprendimento
automatico.
Altri esempi:
● Raccomandazioni di contenuti
● Miniature auto-generate

23. L’AI e le applicazioni già in uso
da anni
Spotify utilizza diversi modelli di apprendimento automatico per continuare a rivoluzionare il modo in
cui i contenuti audio vengono scoperti e consumati.
Raccomandazioni
Spotify utilizza un algoritmo di raccomandazione che predice le preferenze di un utente sulla base di
una raccolta di dati provenienti da altri utenti. Questo è dovuto alle numerose somiglianze che si
verificano tra i tipi di musica che ascoltano gruppi di persone.
Playlist
Le playlist sono un modo in cui può fare ciò, utilizzando metodi statistici per creare playlist
personalizzate per gli utenti.

24. E noi?

26. Utilizzo di GPT-4 per i contenuti
da anni
GPT-4 è un sistema di intelligenza artificiale
generativa che può aiutare le aziende a creare
contenuti SEO-friendly in modo più efficiente e su
larga scala.
Può anche essere utilizzato per creare meta tag, titoli
e descrizioni di alta qualità che possono migliorare
la visibilità del tuo sito nei risultati di ricerca.

27. Utilizzo di GPT-4 per i contenuti
da anni
GPT-4, in particolare, è un supporto operativo ormai prezioso per:
● definizione di outline e prima stesura di post blog;
● esplorazione di topic in relazione al pubblico di riferimento;
● sviluppo di copy sui diversi canali della content strategy
(dai social alle newsletter);
● creazione, con prompt mirati, di contenuti chiave in ottica di
conversione, come schede prodotto e contenuti di categoria
eCommerce;
● repurposing e revisione dei contenuti, soprattutto grazie ai nuovi
plugin che estendono le potenzialità operative del chatbot.

28. Utilizzo di GPT-4 per i contenuti
da anni
Usando la nuova funzione web browsing, possiamo, ad esempio,
analizzare caratteristiche e recensioni dei clienti Amazon per creare
una sezione Q&A incentrata su dati “reali”.

30. Utilizzo di GPT-4 per i contenuti
da anni
Ricorrendo all’accesso alla Rete possiamo poi usare ChatGPT per valutare
opportunità di ottimizzazione dei nostri contenuti.
Ad esempio, in questo caso abbiamo chiesto, con un prompt molto
strutturato, dei suggerimenti per potenziali miglioramenti della landing
page “Black Friday Summer Edition” di Expert
(https://www.expert.it/it/it/exp/st/promo/black-friday-summer-edition)
Ecco alcuni dei consigli presentati

32. Utilizzo di GPT
per il marketing
Attualmente possiamo anche esplorare contenuti
video e trasformali in ciò che riteniamo pertinente.
Un esempio? Abbiamo chiesto a ChatGPT di
trasformare il video di John Mueller su “Multiple H1
Headings: How to Handle Them for SEO &
Accessibility?” prima in un post blog e poi un post
social (Linkedin).
E tutto questo grazie al plugin Video Insights, oltre
ovviamente ai nostri prompt.

34. ChatGPT
per la digital Analytics
Possiamo sfruttare lo strumento come supporto
tecnico in fase di tracking.
Ai fini dell’implementazione dei tracciamenti
avanzati di GA4 in Google Tag Manager, abbiamo
chiesto aiuto a ChatGPT per la generazione di funzioni
javascript da inserire come variabili, tag o trigger.

35. ChatGPT
per la creazione di grafici

36. ChatGPT
per la creazione di diagrammi

37. ChatGPT
per il sentiment di un brand/prodotto
Per condurre un’analisi del sentiment di un prodotto
o brand, grazie a ChatGPT, ci sono molteplici approcci.
Quella presentata è solo una delle soluzioni
disponibili.
Esportando le recensioni in un file Google Sheet e
approfittando del supporto di estensioni come Cargo,
GPT for Sheets™ and Docs™ o altri (che a loro volta
ricorrono alle API di OpenAI), possiamo richiedere una
valutazione qualitativa dei feedback.

38. ChatGPT
per il sentiment di un brand/prodotto
L’esempio riportato riguarda il tool https://rows.com/

39. ChatGPT
per il clustering
Subtopic e keyword ideali.
Possiamo espandere ogni singolo subtopic con le
keyword ideali che dovrebbero contenere all’interno
dell’insieme.
Da utilizzare anche in fase di revisione alberatura.

40. ChatGPT
per l’analisi dei documenti
Navigare all’interno di PDF è un’altra funziona del
nostro Chatbot che ci permette di risparmiare tempo
e rendere più interattivo e diretto il rapporto con il
documento.
Abbiamo chiesto a ChatGPT di analizzare la ricerca
“An Overview of Electronic Commerce (e-
Commerce)” per l’acquisizione delle informazioni
più rilevanti.
https://cibgp.com/article_10898_98b20a1dbfbdb8f708
4003b4a035911d.pdf

41. ChatGPT
per l’analisi dei documenti
I contenuti estratti dal
PDF possiamo
convertirli poi nel
contenuto desiderato,
come ad esempio una
newsletter per
informare il nostro
pubblico di informazioni
preziose per il proprio
business.

42. ChatGPT
per l’internalizzazione
● CONTENUTI IN LINGUA
● DIGITAL PR
● INTERNAL LINKING
● KEYWORD SCRITTE DIVERSAMENTE PER DIVERSI MERCATI AD ESEMPIO

43. ChatGPT
per l’internalizzazione

44. Un nuovo approccio
ai dati e alla SEO
Fattoboost è uno strumento rivoluzionario per
l'analisi SEO.
Utilizzando la potenza del machine learning e
l'elaborazione di tutti i dati di GSC, Fattoboost
fornisce insight profondi e azionabili per gli
ecommerce manager e i marketing manager.
Dal miglioramento delle parole chiave alla scoperta
di nuove opportunità SEO.

45. Un nuovo approccio
ai dati e alla SEO
L’API offre più dati rispetto
all’interfaccia utente o all’esportazione
del foglio di calcolo, con un massimo di
50.000 campioni per i siti Web più
grandi (rispetto al massimo di 1000
pagine di interfaccia utente o
esportazione del foglio di calcolo), e
questo può essere utile per le aziende che
desiderano applicare modelli avanzati
per analizzare le prestazioni delle query
o combinare i dati di Google con altre
fonti.

46. SEO Data Driven
quello vero
Fattoboost estrae tutti i dati tramite API da GSC e li ri-
elabora, fornendo insight utili per gli ecommerce manager
o marketing manager.
Lavoriamo sul 100% dei vostri dati. Utilizza la business
intelligence (BI) per la SEO, consentendo alle aziende di
prendere decisioni basate sui dati per migliorare le loro
strategie SEO.

47. Rielaborare i dati
Come facciamo?
Fattoboost aggiunge ai vostri dati le API di
DataforSEO e Semrush.
Per avere così una completezza di risorse ed
un tool unico nel suo genere che sa predire la
stagionalità in base ai trend di ogni singola
keyword e che ogni URL vi dice esattamente
il posizionamento e le keyword aggiuntive
estrapolate da Semrush per avere una base
dati ancora più grande.

48. Monitoraggio e analisi dei dati
con AI
In FattoBoost abbiamo un’intera area
legata agli alert con insight da fornire ai
referenti.
l'IA può essere utilizzata per monitorare e
analizzare grandi quantità di dati,
fornendo insight preziosi che possono
identificare i contenuti di alto
rendimento e prevedere le tendenze dei
motori di ricerca.
Monitoriamo anche gli elementi in SERP.

49. Evidenze query e filtri avanzati
Alcuni esempi di evidenze keyword

50. Analisi composizione SERP in Real Time
Valutiamo se la SERP ha snippet particolari da sfruttare

51. Analisi competitor
Desktop VS Mobile

52. SEO predittiva
BOOST per le stagionalità

53. Python, Machine Learning e SEO
Nel dettaglio
👉 Dati del cliente
👉 Merge con tool esterni
👉 Analisi più accurata = output migliori

54. Python e analisi SEO
Nel dettaglio

55. Com’è cambiato il nostro lavoro
con nuove tecnologie applicate
alla digital Analytics?

56. Stack SEO
Machine Learning, B.I. e A.I.

57. +185% di click in 3 mesi (SEO e Link Building)
Periodo: 11 Maggio - 28 Agosto
Caso studio 1 - Potenziamento PED con l’AI

58. Caso studio 2 - Recupero traffico perso
Recupero in 5 mesi (SEO tech e Link Building)
Periodo: 1 Aprile - 23 Settembre

59. Recupero in 4 mesi (SEO e Link Building)
Periodo: 28 Maggio - 23 Settembre
Caso studio 3 - Recupero migrazione SEO

60. Il business è un codice.

61. L’analisi dati avanzata è il decodificatore.

62. Decifra il codice, ottieni il successo.

63. Grazie per
l’attenzione!