5 практических примеров для более разумного понимания SEO

Вот пошаговое руководство по объединению таблиц данных из разных инструментов, чтобы раскрыть ценные новые идеи с помощью Python (или SQL).

Иногда мы сталкиваемся с вопросами, на которые сложно ответить информацией из изолированных инструментов. Один из мощных методов, которые мы можем использовать, — это объединение данных из разных инструментов для открытия ценных новых идей.

Вы можете использовать Google Data Studio для выполнения смешивания данных , но учтите, что он ограничен только одним типом смешивания: левое внешнее объединение (обсуждается ниже). Я расскажу более полный список методов смешивания данных, которые вы можете использовать в Python (или SQL, если вы предпочитаете).

Давайте рассмотрим некоторые практические приложения SEO.

Общий подход

Чтобы смешать отдельные таблицы данных (например, электронные таблицы в Excel), вам нужен один или несколько столбцов, которые должны быть общими. Например, мы можем сопоставить столбец ga: landingPagePath в таблице Google Analytics с столбцом страницы в таблице консоли поиска Google.

Когда мы объединяем таблицы данных таким образом, у нас есть несколько вариантов для вычисления результирующей таблицы.

Приведенные выше диаграммы Венна иллюстрируют стандартную теорию множеств, используемую для представления принадлежности элементов к результирующему набору. Давайте обсудим каждый пример:

Полное внешнее соединение : элементы в результирующем наборе включают объединение всех элементов в исходных наборах. Все элементы с обеих сторон объединения включены, с объединенной информацией, если они разделяют ключ, и пропускают иначе.

Внутреннее соединение : элементы в результирующем наборе включают пересечение всех элементов в исходных наборах. Включены только элементы, имеющие общий ключ с обеих сторон.

Соединение слева (внешнее) : элементы в результирующем наборе включают пересечение всех элементов в исходных наборах и элементов, присутствующих только в первом наборе. Все элементы с левой стороны присутствуют, с дополнительной объединенной информацией, только если ключ используется совместно с правой стороной.

Правое (внешнее) соединение : элементы в результирующем наборе включают в себя пересечение всех элементов в исходных наборах и элементов, присутствующих только во втором наборе. Все элементы на правой стороне присутствуют, с дополнительной объединенной информацией, только если ключ используется совместно с левой стороной.

Ниже я приведу пример этих соединений, но эту тему легче освоить. Не стесняйтесь практиковаться с этим интерактивным учебником .

Вот некоторые практические варианты использования смешивания данных SEO:

Добавление данных о конверсиях / доходах в консоль поиска Google

Google Search Console — это мой инструмент для технического SEO, но, как и я, вы, вероятно, разочарованы тем, что в отчетах нет данных о доходах или конверсиях. Это относительно легко исправить для целевых страниц, смешивая данные из Google Analytics.

Обе таблицы данных должны использовать один и тот же диапазон дат.

Сначала мы настроим Pandas DataFrame с некоторыми примерами данных Google Analytics и назовем его df_a.

Таблица данных Google Analytics, содержащая ga: landingPagePath, ga: выручка, ga: транзакции (отфильтрованные по поисковому трафику Google)

Далее мы настроим DataFrame с некоторыми примерами данных консоли поиска и назовем его df_b.

Таблица данных консоли поиска Google, содержащая страницу, показы, клики, позицию

Теперь мы будем использовать функцию слияния Pandas для объединения двух, используя сначала внутреннее соединение (пересечение двух наборов), а затем используя внешнее соединение (объединение).

Вы можете видеть, что внешние, левые и правые объединения содержат отсутствующие данные («NaN»), когда другая сторона не разделяет ни один ключ.

Теперь вы можете разделить транзакции по кликам, чтобы получить коэффициент конверсии на целевую страницу, и доход за транзакцию, чтобы получить среднюю стоимость заказа.

Корреляция ссылок и доменов с течением времени с увеличением трафика

Ответственно ли увеличение обратных ссылок за увеличение трафика или нет? Вы можете экспортировать последние ссылки из консоли поиска Google (включая последний раз, когда робот Google сканировал их), а затем объединить эту таблицу данных с обычным поисковым трафиком Google Analytics за тот же период времени.

Как и в первом примере, обе таблицы данных должны использовать один и тот же диапазон дат.

Вот данные, которые вам понадобятся:

Консоль поиска Google: страница ссылок, последний просмотр

Google Analytics: ga: дата, ga: newUsers

Общие столбцы (для функции слияния): left_on: последний просмотр, right_on: ga: date

Вы можете построить трафик и ссылки с течением времени. При желании вы можете добавить вычисляемый столбец домена в таблицу данных консоли поиска. Это позволит вам построить связи доменов по трафику.

Соотнесение новых посещений пользователей с длиной контента

Какова оптимальная длина вашего контента статей? Вместо того, чтобы предлагать практические ответы, вы можете рассчитать это для каждого клиента. Мы объединим таблицу данных из вашего любимого сканера с данными о производительности из Google Analytics или Google Search Console. Идея состоит в том, чтобы сгруппировать страницы по количеству слов и проверить, какие группы получают наиболее органичные посещения для поиска.

Обе таблицы данных должны использовать один и тот же набор целевых страниц.

Screaming Frog crawl: Адрес, Количество слов

Google Analytics: ga: landingPagePath, ga: newUsers

Общие столбцы: left_on: Address, right_on: ga: landingPagePath

Вам нужно создать ячейки для подсчета Word , сгруппировать их по ячейкам, а затем построить трафик для каждой ячейки.

Сужение страниц, которые потеряли (или получили) трафик

Почему трафик упал (или увеличился)? Это распространенный и порой болезненный вопрос. Мы можем узнать, какие конкретные страницы потеряли (или получили) трафик, комбинируя таблицы данных из двух отдельных периодов времени.

Обе таблицы данных должны использовать одинаковое количество дней до и после удаления (или увеличения).

Первый период в Google Analytics: ga: landingPagePath, ga: newUsers

Второй период в Google Analytics: ga: landingPagePath, ga: newUsers

Общие столбцы: left_on: ga: landingPagePath, right_on: ga: landingPagePath

Сначала нам нужно объединить новых пользователей по страницам и вычесть первый период из второго. Давайте назовем эту дельту вычитания. Если дельта больше нуля, то трафик страницы увеличивается, если он меньше нуля, потерянный трафик и если он равен нулю, не меняется.

Вот пример, где мы сгруппировали страницы по типу страницы (Коллекции, Продукты или N / A) и вычислили дельту до и после падения трафика.

Поиск высокоэффективных платных поисковых ключевых слов с плохим SEO-рейтингом

У вас есть ключевые слова с высокой конверсией в AdWords, которые плохо ранжируются в обычном поиске? Это можно узнать, объединив данные Google Adwords с консолью поиска Google.

Обе таблицы данных должны использовать один и тот же диапазон дат.

Google Analytics: ga: adMatchedQuery, ga: транзакции (отфильтрованные по транзакциям больше нуля)

Консоль поиска Google: запрос, позиция, клики (отфильтрованные по ключевым словам с позицией больше 10)

Общие столбцы: left_on: ga: adMatchedQuery, right_on: query

В результате будут перечислены органические ключевые слова с низким рейтингом со столбцами транзакций, позиций и кликов.