أدوات البناء لفهم أداء المحتوى

المحتوى هو أحد القوى الأساسية التي تقود استراتيجية التسويق الداخلي ، وكبار المسئولين الاقتصاديين في جزء لا يتجزأ من جعل هذا العمل. بشكل عام ، سيغطي هذا أساسيات مُحسّنات محرّكات البحث على الصفحة: بنية المقالة ، وموضع الكلمات الرئيسية ، والعلامات الوصفية ، وعلامات العنوان ، والنص البديل ، والعناوين ، والبيانات المنظمة ، واستخدام التنسيق لإنشاء بيانات منظمة بشكل غير رسمي في القوائم والجداول.

تدقيق مُحسّنات محرّكات البحث على الصفحة كجزء من إدارة المحتوى ، باستخدام OnCrawl.

يندرج هذا تحت مظلة مُحسّنات محرّكات البحث التقني عندما تبدأ في التحسين الشامل أو المراقبة ، سواء من خلال عمليات تدقيق الموقع أو عمليات الزحف المنتظمة ، من خلال الأوصاف التعريفية للغة الطبيعية المُنشأة آليًا ، أو علامات التحكم في المقتطفات ، أو إدخال البيانات المنظمة.

ومع ذلك ، فإن التقاطع بين تحسين محركات البحث الفنية وتسويق المحتوى يكون أكبر عندما يتعلق الأمر بأداء المحتوى: فنحن ننظر إلى نفس البيانات الأساسية ، مثل تصنيف الصفحة في SERPs ، أو عدد النقرات ومرات الظهور والجلسات. قد ننفذ نفس أنواع الحلول ، أو نستخدم نفس الأدوات.

ما هو أداء المحتوى؟

أداء المحتوى هو النتيجة القابلة للقياس لكيفية تفاعل الجمهور مع المحتوى. إذا كان المحتوى يقود حركة مرور واردة ، فإن مقاييس حركة المرور هذه تعكس مدى جودة أو ضعف أداء هذا المحتوى لوظيفته. يجب أن تحدد كل استراتيجية محتوى ، بناءً على أهداف محددة ، مؤشرات الأداء الرئيسية الخاصة بها. سيتضمن معظم المقاييس التالية:

• مدى ظهور المحتوى في البحث (مرات الظهور في SERPs)
• كيف تعتقد محركات البحث ذات الصلة أن المحتوى (الترتيب على SERPs)
• كيف يعتقد الباحثون ذوو الصلة أن قائمة البحث عن المحتوى هي (نقرات من SERPs)
• عدد الأشخاص الذين يشاهدون المحتوى (زيارات أو جلسات في حل تحليلات)
• عدد الأشخاص الذين يتفاعلون مع المحتوى بطريقة تعزز أهداف العمل (تتبع التحويل)

حتى الان جيدة جدا.

تكمن الصعوبة في وضع المؤشر: ما الأرقام التي تعني أن لديك أداء محتوى جيد؟ ما هو طبيعي؟ وكيف تعرف أن شيئًا ما لا يعمل بشكل جيد؟

أدناه ، سأشارك تجربتي لبناء "إثبات المفهوم" لأداة منخفضة التقنية للمساعدة في الإجابة على هذه الأسئلة.

لماذا تتطلب معيارًا لأداء المحتوى؟

فيما يلي بعض الأسئلة التي أردت الإجابة عليها كجزء من مراجعتي الخاصة لاستراتيجية المحتوى:

• هل هناك فرق بين المحتوى الداخلي ومشاركات الضيوف من حيث الأداء؟
• هل هناك مواضيع ندفعها ولا تقدم أداءً جيدًا؟
• كيف يمكنني تحديد المنشورات "دائمة الخضرة" دون الانتظار لمدة ثلاث سنوات لمعرفة ما إذا كانت لا تزال تجتذب حركة المرور الأسبوعية؟
• كيف يمكنني تحديد التعزيزات الطفيفة من ترويج جهة خارجية ، على سبيل المثال عندما يتم التقاط منشور في رسالة إخبارية لم تكن موجودة على رادار الترويج لدينا ، من أجل تكييف إستراتيجية الترويج الخاصة بنا على الفور والاستفادة من الرؤية المتزايدة؟

للإجابة على أي من هذه الأسئلة ، مع ذلك ، تحتاج إلى معرفة شكل أداء المحتوى "العادي" على الموقع الذي تعمل به. بدون هذا الخط الأساسي ، من المستحيل تحديد ما إذا كان جزء معين أو نوع من المحتوى يعمل بشكل جيد (أفضل من خط الأساس) أم لا.

أسهل طريقة لتعيين خط الأساس هي النظر إلى متوسط ​​الجلسات في اليوم بعد النشر ، لكل مقالة ، حيث يكون اليوم صفر هو تاريخ النشر.

سينتج عن هذا منحنى يبدو شيئًا كهذا ، ويظهر ذروة الاهتمام المبدئي (وربما نتائج أي ترويج تقوم به ، إذا لم تقصر تحليلك على الجلسات من محركات البحث فقط) ، متبوعًا بذيل طويل من فائدة أقل:

بيانات حقيقية لمنشور نموذجي: ذروة في تاريخ النشر أو بعده بفترة وجيزة ، متبوعة بذيل طويل ، والذي ، في كثير من الحالات ، يجلب في النهاية جلسات أكثر من الذروة الأصلية.

بمجرد أن تعرف كيف يبدو منحنى كل منشور ، يمكنك مقارنة كل منحنى بالمنحنى الآخر ، وتحديد ما هو "طبيعي" وما هو غير ذلك.

إذا لم يكن لديك أداة للقيام بذلك ، فهذا ألم في الرقبة.

عندما بدأت هذا المشروع ، كان هدفي هو استخدام جداول بيانات Google لإنشاء دليل على المفهوم - قبل الالتزام بتعلم ما يكفي من Python لتغيير طريقة فحص أداء المحتوى.

سنقسم العملية إلى مراحل وخطوات:

1. ابحث عن خط الأساس الخاص بك
   - اذكر المحتوى الذي تريد دراسته
   - اكتشف عدد الجلسات التي يتلقاها كل جزء من المحتوى كل يوم
   - استبدل التاريخ في قائمة الجلسات بعدد الأيام منذ النشر
   - احسب المنحنى "العادي" لاستخدامه كخط أساس
2. حدد المحتوى الذي لا يبدو كخط الأساس
3. ابقها محدثة

ابحث عن خط الأساس لأداء المحتوى الخاص بك

ضع قائمة بالمحتوى الذي تريد دراسته

للبدء ، تحتاج إلى إنشاء قائمة بالمحتوى الذي تريد فحصه. لكل جزء من المحتوى ، ستحتاج إلى عنوان URL وتاريخ النشر.

يمكنك الحصول على هذه القائمة كما تريد ، سواء قمت ببنائها يدويًا أو باستخدام طريقة آلية.

لقد استخدمت برمجة التطبيقات لسحب كل عنوان URL للمحتوى وتاريخ نشره مباشرةً من نظام إدارة المحتوى (في هذه الحالة ، WordPress) باستخدام واجهة برمجة التطبيقات ، وكتبت النتائج في جدول بيانات Google. إذا لم تكن مرتاحًا للنصوص البرمجية أو واجهات برمجة التطبيقات ، فلا يزال هذا سهلاً نسبيًا ؛ يمكنك العثور على أمثلة متعددة عبر الإنترنت حول كيفية القيام بذلك في WordPress.

ضع في اعتبارك أنك سترغب في مقارنة هذه البيانات ببيانات الجلسة لكل منشور ، لذلك ستحتاج إلى التأكد من أن "slug" في هذه الورقة يطابق تنسيق مسار URL الذي يوفره حل التحليلات الخاص بك.

أجد أنه من الأسهل إنشاء الرابط الكامل (مسار URL) هنا ، في العمود E أعلاه ، بدلاً من تعديل البيانات التي تم سحبها من Google Analytics. إنها أيضًا أقل ثقلاً من الناحية الحسابية: هناك عدد أقل من الأسطر في هذه القائمة!

صيغة نموذجية لإنشاء عنوان URL كامل لهذا الموقع: ابحث عن رقم الفئة الذي يوفره نظام إدارة المحتوى في جدول وأعد اسم الفئة ، الذي يتم وضعه قبل الرابط الثابت للمقالة ، والذي يطابق نمط عنوان URL لهذا الموقع (https: // site .com / categoryName / articleSlug /)

إذا لم يكن لديك حق الوصول إلى الواجهة الخلفية ، فيمكنك إنشاء قائمتك عن طريق حذف هذه المعلومات من موقع الويب الخاص بك نفسه ، على سبيل المثال ، أثناء الزحف. يمكنك بعد ذلك تصدير ملف CSV للبيانات التي تريدها ، واستيراده إلى جدول بيانات Google.

إعداد حقل بيانات في OnCrawl لكشط تواريخ النشر من مدونة موقع الويب.

البيانات ، بما في ذلك عنوان URL وتاريخ النشر المقتبس ، في OnCrawl's Data Explorer ، جاهزة للتصدير.

اكتشف عدد الجلسات التي حصل عليها كل جزء من المحتوى يوميًا

بعد ذلك ، تحتاج إلى قائمة الجلسات لكل جزء من المحتوى وفي اليوم. بعبارة أخرى ، إذا كان عمر جزء من المحتوى 30 يومًا وتلقى زيارات كل يوم خلال تلك الفترة ، فأنت تريد أن يكون لديك 30 صفًا له - وهكذا دواليك لبقية المحتوى الخاص بك.

ستحتاج إلى ورقة منفصلة في نفس المستند لهذا الغرض.

تجعل وظيفة Google Analytics الإضافية إلى Google Sheets هذا الأمر سهلاً نسبيًا.

من عرض Google Analytics بالبيانات التي تريدها ، يمكنك طلب تقرير عن:

يعد استخدام أجزاء من بيانات Google Analytics مفيدًا للغاية في هذه المرحلة. يمكنك ، على سبيل المثال ، قصر تقريرك على شريحة تحتوي فقط على عناوين URL للمحتوى الذي تهتم بتحليله ، بدلاً من الموقع بأكمله. هذا يقلل بشكل كبير من عدد الصفوف في التقرير الناتج ، ويجعل البيانات أسهل بكثير للعمل معها في جداول بيانات Google.

علاوة على ذلك ، إذا كنت تنوي النظر فقط إلى الأداء العضوي لأغراض تحسين محركات البحث بشكل صارم ، فيجب أن يستبعد شريحتك قنوات الاستحواذ التي لا يمكن عزوها إلى عمل تحسين محركات البحث: الإحالات ، والبريد الإلكتروني ، والشبكات الاجتماعية ...

لا تنس التأكد من أن الحد مرتفع بما يكفي بحيث لا تقوم باقتطاع بياناتك عن طريق الخطأ.

احسب عدد الأيام منذ النشر

لحساب عدد الأيام منذ النشر لكل نقطة بيانات في المقالة ، يتعين علينا الانضمام (أو ، إذا كنت من مستخدمي Data Studio ، "دمج") البيانات من تقرير الجلسات إلى البيانات الموجودة في قائمة أجزاء المحتوى الخاصة بك .

للقيام بذلك ، استخدم URL أو مسار URL كمفتاح. هذا يعني أن مسار عنوان URL يحتاج إلى التنسيق بنفس الطريقة في كل من جدول CMS وتقرير Google Analytics.

لقد أنشأت جدولًا منفصلاً حتى أتمكن من إزالة أي معلمات من الصفحة المقصودة في تقرير Analytics الخاص بي. إليك كيفية إعداد أعمدتي:

• الصفحة المقصودة
  تقشير المعلمات من الرابط الثابت لعنوان URL في تقرير Analytics
  صيغة العينة:

• تاريخ
  تاريخ تسجيل الجلسات من تقرير Analytics
  صيغة العينة:

• الجلسات
  تاريخ تسجيل الجلسات من تقرير Analytics
  صيغة العينة:

• أيام بعد النشر
  يبحث عن تاريخ النشر لعنوان URL هذا في عمود جدول CSM الذي أنشأناه للتو ويطرحه من تاريخ تسجيل هذه الجلسات فيه. إذا تعذر العثور على عنوان URL في جدول CMS ، فيبلغ عن سلسلة فارغة وليس خطأ.
  صيغة العينة:

لاحظ أن مفتاح البحث - مسار URL الكامل - ليس العمود الموجود في أقصى اليسار في بياناتي ؛ اضطررت إلى تحويل العمود E قبل العمود C لأغراض VLOOKUP.

إذا كان لديك عدد كبير جدًا من الصفوف لملء هذا يدويًا ، فيمكنك استخدام برنامج نصي مثل الموجود أدناه لنسخ المحتوى في الصف الأول وملء 3450 التالي أو نحو ذلك:

 وظيفة FillDown () {
    var spreadsheet = SpreadsheetApp.getActive () ،
    spreadsheet.getRange ('F2'). activ () ،
    spreadsheet.getActiveRange (). autoFill (spreadsheet.getRange ('F2: F3450)، SpreadsheetApp.AutoFillSeries.DEFAULT_SERIES) ؛
} ؛

احسب العدد "العادي" للجلسات في اليوم بعد النشر

لحساب أرقام الجلسات العادية ، استخدمت جدولًا محوريًا مباشرًا جدًا ، مقترنًا برسم بياني. من أجل التبسيط ، بدأت بالنظر في متوسط ​​عدد الجلسات يوميًا بعد النشر.

هذا هو المتوسط ​​مقابل متوسط ​​الجلسات على مدار 1000 يوم بعد النشر. من هنا نبدأ (؟) في رؤية حدود جداول بيانات Google كمشروع لتصور البيانات:

هذا موقع B2B مع ذروة جلسات العمل خلال أيام الأسبوع عبر الموقع الكامل ؛ تنشر مقالات عدة مرات في الأسبوع ، ولكن دائمًا في نفس الأيام. يمكنك مشاهدة الأنماط الأسبوعية تقريبًا.

في هذه الحالة ، لأغراض التصور ، قد يكون من الأفضل إلقاء نظرة على متوسطات السبعة أيام المتدرجة ، ولكن إليك نسخة سريعة يتم تسهيلها لأسابيع منذ النشر:

على الرغم من هذا العرض طويل المدى ، بالنسبة للخطوات التالية ، سأقصر الرسم البياني على 90 يومًا بعد النشر من أجل البقاء ضمن حدود جداول بيانات Google لاحقًا:

البحث عن الشذوذ

الآن بعد أن عرفنا كيف يبدو متوسط ​​المنشور في أي يوم ، يمكننا مقارنة أي منشور بخط الأساس لمعرفة ما إذا كان أداءه مرتفعًا أو ضعيفًا.

يخرج هذا بسرعة عن "السيطرة" إذا كنت تفعل ذلك يدويًا. وبغض النظر عن التورية ، فلنحاول على الأقل أتمتة بعضًا من هذا.

يجب مقارنة كل منشور (أقل من 90 يومًا) بخط الأساس الذي أنشأناه للتو لكل يوم في نافذة الـ 90 يومًا الخاصة بنا.

بالنسبة لإثبات المفهوم هذا ، قمت بحساب النسبة المئوية للفرق من المتوسط ​​اليومي.

لإجراء تحليل دقيق ، ستحتاج إلى إلقاء نظرة على الانحراف المعياري للجلسات في اليوم ، وتحديد عدد الانحرافات المعيارية لأداء جزء المحتوى الفردي عن خط الأساس. من المرجح أن يكون عدد الجلسات الذي يمثل ثلاثة انحرافات معيارية عن متوسط ​​الأداء شذوذًا أكثر من كونه شيئًا يختلف عن متوسط ​​ذلك اليوم بنسبة تزيد عن X٪.

لقد استخدمت جدولًا محوريًا لتحديد كل جزء من المحتوى (مع جلسات في آخر 90 يومًا) يحتوي على يوم واحد على الأقل من الحالات الشاذة خلال تلك الفترة:

في جداول بيانات Google ، لا يُسمح للجداول المحورية بإنشاء أكثر من 100 عمود. ومن هنا كان تحديد 90 يومًا لهذا التحليل.

لقد رسمت هذا الجدول. (من الناحية المثالية ، أرغب في رسم منحنى 90 يومًا بالكامل لكل مقالة من هذه المقالات ، ولكن أود أيضًا أن ترد الورقة إذا نقرت على منحنى.)

تحديث الأمور باستمرار: أتمتة التحديثات

هناك ثلاثة عناصر رئيسية هنا:

1. الأساس
2. أجزاء المحتوى التي تريد تتبعها
3. أداء هذه الأجزاء من المحتوى

لسوء الحظ ، لا يوجد أي من هذه الأشياء ثابتة.

من الناحية النظرية ، سيتطور متوسط ​​الأداء كلما تحسنت في استهداف المحتوى الخاص بك والترويج له. هذا يعني أنك ستحتاج إلى إعادة حساب خط الأساس بين الحين والآخر.

وإذا كان موقع الويب الخاص بك يحتوي على قمم وقيعان موسمية ، فقد يكون من المفيد النظر إلى المتوسطات على مدى فترات زمنية أقصر ، أو نفس الفترة من كل عام ، بدلاً من إنشاء اندماج كما فعلنا هنا.

أثناء نشر المزيد من المحتوى ، سترغب في تتبع المحتوى الجديد أيضًا.

وعندما نريد النظر في موعد الجلسة للأسبوع المقبل ، فلن نحصل عليه.

بمعنى آخر ، يحتاج هذا النموذج إلى التحديث أكثر أو أقل بشكل متكرر. هناك عدة طرق لأتمتة التحديثات ، بدلاً من إعادة بناء الأداة بأكملها من البداية في كل مرة تهتم فيها بإلقاء نظرة.

ربما يكون أسهل طريقة للتنفيذ هو جدولة تحديث أسبوعي لجلسات التحليلات ، وسحب المنشورات الجديدة (مع تواريخ نشرها) في نفس الوقت.

يمكن جدولة تقرير Google Analytics الذي استخدمناه بسهولة للتشغيل تلقائيًا على فترات منتظمة. الجانب السلبي هو أنه يقوم بالكتابة فوق التقارير السابقة. إذا كنت لا تريد تشغيل التقرير الكامل وإدارته ، فيمكنك قصره على فترة زمنية أقصر.

من أجل أغراضي ، وجدت أن النظر إلى نافذة مدتها 7 أيام يمنحني معلومات كافية للعمل بها دون أن أكون بعيدًا جدًا عن التاريخ.

راقب المنشورات دائمة الخضرة خارج نافذة 90 يومًا

باستخدام البيانات التي أنشأناها سابقًا ، لنفترض أنه كان من الممكن تحديد أن متوسط ​​معظم المشاركات يبلغ حوالي 50 جلسة في الأسبوع.

لذلك من المنطقي مراقبة أي منشور تزيد مدة جلساته الأسبوعية عن 50 ، بغض النظر عن تاريخ النشر:

يتم تلوين المقالات حسب فترة النشر: التسعون يومًا الماضية (الأزرق) ، العام الماضي (البرتقالي) ، والموروث (الرمادي). يتم ترميز الإجماليات الأسبوعية بالألوان من خلال مقارنتها بهدف الجلسة وهو 50.

يؤدي تقسيم إجمالي الجلسات يوميًا في الأسبوع إلى تسهيل التمييز بسرعة بين المنشورات دائمة الخضرة ذات الأداء المتسق إلى حد ما مقابل النشاط المستند إلى الأحداث مع الأداء غير المتكافئ:

محتوى دائم الخضرة (أداء ثابت ± 20 / يوم)

ترقية خارجية محتملة (أداء منخفض بشكل عام خارج فترة الذروة قصيرة المدى)

يعتمد ما تفعله بهذه المعلومات على استراتيجية المحتوى الخاصة بك. قد ترغب في التفكير في كيفية تحويل هذه المنشورات إلى العملاء المحتملين على موقع الويب الخاص بك ، أو مقارنتها بملف تعريف الارتباط الخلفي الخاص بك.

قيود جداول بيانات Google لتحليل المحتوى

تعد جداول بيانات Google ، كما لاحظت على الأرجح في هذه المرحلة ، أداة قوية للغاية - ولكنها محدودة - لهذا النوع من التحليل. هذه القيود هي سبب تفضيلي عدم مشاركة النموذج معك: إن تكييفه مع حالتك سيستغرق الكثير من العمل - لكن النتائج التي يمكنك الحصول عليها لا تزال مجرد تقديرات تقريبية مرسومة بضربات عريضة.

فيما يلي بعض النقاط الرئيسية التي فشل هذا النموذج في تقديمها:

• هناك الكثير من الصيغ.
  إذا كان لديك الكثير (على سبيل المثال ، الآلاف) من عناوين URL للمحتوى النشط ، فقد يكون ذلك بطيئًا للغاية. في البرامج النصية للتحديث الأسبوعي ، استبدل الكثير من الصيغ بقيمها بمجرد حسابها بحيث يستجيب الملف بالفعل عندما أقوم بفتحه لاحقًا للتحليل.
• خط الأساس الثابت.
  مع تحسن أداء المحتوى الخاص بي ، لدي المزيد من أجزاء المحتوى "ذات الأداء المفرط". يجب إعادة حساب خط الأساس كل بضعة أشهر لحساب التطور. يمكن حل ذلك بسهولة باستخدام نموذج التعلم الآلي غير الخاضع للإشراف لحساب المتوسطات (أو حتى لتخطي هذه الخطوة وتحديد الحالات الشاذة مباشرةً).
• خط أساس "غير دقيق".
  لا يأخذ الخط الأساسي في الحسبان التغييرات الموسمية أو الأحداث على مستوى الموقع. كما أنها حساسة جدًا للأحداث المتطرفة ، خاصةً إذا كنت تقصر الحساب على فترة زمنية أقصر:

التحليل الخارجى غير سليم إحصائيا.
لا سيما إذا لم يكن لديك الكثير من الجلسات يوميًا لكل عنصر محتوى ، فإن الادعاء بوجود فرق بنسبة 10٪ عن المتوسط ​​يمثل أداءً غير عادي أمرًا سطحيًا بعض الشيء.

حد تعسفي لـ 90 يومًا من التحليل.
أي حد تعسفي يمثل مشكلة. في هذه الحالة ، يمنعني ذلك من فهم أداء المحتوى الدائم ويجعلني أعمى عن أي ارتفاعات في أدائها - على الرغم من أنني أعرف من Google Analytics أن القطع القديمة جدًا تحصل أحيانًا على زيادة مفاجئة في الانتباه ، أو أن بعض المقالات تجذب الانتباه بشكل ثابت هم يتقدمون في السن. هذا غير مرئي في الأداة ، ولكن إذا قمت برسم منحنىها:

• قضايا طول الورقة.
  تتطلب بعض الصيغ والبرامج النصية الخاصة بي نطاقًا من الخلايا. مع نمو الموقع والخطوط في تقرير الجلسات ، يجب تحديث هذه النطاقات. (لكن لا يمكنهم تجاوز عدد الصفوف الموجودة على الورقة ، أو أن بعضها يتسبب في حدوث أخطاء.)
• عدم القدرة على رسم منحنيات كاملة لكل جزء من المحتوى.
  تعال ، أريد أن أرى كل شيء!
• تفاعل محدود مع النتائج الرسومية.
  إذا كنت قد حاولت تحديد نقطة واحدة (أو منحنى) على رسم بياني متعدد المنحنيات في جداول بيانات Google ... فأنت تعلم ما أتحدث عنه. يكون هذا أسوأ عندما يكون لديك أكثر من عشرين منحنى على نفس الرسم البياني ، وتبدأ الألوان كلها في الظهور بنفس الشكل.
• إمكانية التغاضي عن المحتوى ضعيف الأداء بدون جلسات.
  باستخدام الطريقة التي قدمتها هنا ، من الصعب تحديد المحتوى الذي لا يحتوي على جلسات باستمرار. نظرًا لأنه لا يظهر مطلقًا في تقرير Google Analytics ، فإنه لا يتم التقاطه في بقية سير العمل (حتى الآن). المحتوى الذي لا يؤدي باستمرار يجلب القليل من القيمة ، لذلك ما لم تكن تبحث عن صفحات لتقليصها ، يمكن القول إن المحتوى غير الفعال لا يكون له مكانه في تقرير الأداء.
• عدم القدرة على التكيف مع التحليل في الوقت الفعلي.
  على الرغم من أن إعادة تشغيل التقارير ، والتوسيط ، ونشر البرامج النصية للتحديث ليست كثيفة العمالة بشكل خاص ، إلا أن هذه لا تزال إجراءات يدوية خارج التحديث الأسبوعي المبرمج. إذا كان التحديث الأسبوعي يوم الأربعاء وسألتني يوم الثلاثاء عن سير الأمور ، فلا يمكنني الرجوع إلى الورقة فقط.
• قيود على التوسع.
  قد تكون إضافة محور التحليل - مثل الترتيب أو تتبع الكلمات الرئيسية أو حتى خيارات التصفية حسب المنطقة الجغرافية - إلى هذا التقرير مرهقة. لن يؤدي فقط إلى تفاقم بعض المشكلات الحالية ، ولكن سيكون أيضًا من الصعب للغاية تنفيذ تصور قابل للقراءة وقابل للتنفيذ.

الإستنتاج؟

سيؤدي إجراء نفس الأنواع من الحسابات في بيئة التعلم الآلي أو البرمجة إلى معالجة جميع هذه المشكلات تقريبًا. ستكون هذه طريقة أفضل بكثير لتشغيل عمليات شبه معقدة على مجموعة كبيرة من البيانات. علاوة على ذلك ، هناك مكتبات ممتازة تستخدم التعلم الآلي لاكتشاف الحالات الشاذة بشكل موثوق بناءً على مجموعة بيانات معينة ؛ هناك أدوات أفضل لتصور البيانات.

مقتطفات أداء المحتوى

يعزز تحليل أداء المحتوى ، حتى مع الأساليب البدائية والعيوب ، عملية صنع القرار التي تعتمد على التنبيه والبيانات في استراتيجية المحتوى.

بالمعنى الملموس ، فإن فهم أداء المحتوى هو ما يسمح لك بما يلي:

• افهم قيمة الترقيات الأولية مقابل النشاط طويل الذيل
• ضع المشاركات ذات الأداء الضعيف بسرعة
• استفد من أنشطة الترويج الخارجية لتعزيز الوصول
• تعرف بسهولة على ما يجعل منشورات معينة ناجحة جدًا
• حدد مؤلفين معينين أو موضوعات معينة تتفوق باستمرار على الآخرين
• حدد متى يبدأ تحسين محركات البحث في التأثير على الجلسات

هذه البيانات التي تدفع إلى اتخاذ قرارات مستنيرة للترويج للمحتوى - ومتى وكيف - ، وخيارات الموضوع ، وتنميط الجمهور ، والمزيد.

أخيرًا ، تُظهر تجارب مثل هذه التجربة أن أي مجال يمكنك الحصول على بيانات له له استخدام محتمل في مهارات البرمجة والبرمجة النصية والتعلم الآلي. لكن ليس عليك التخلي عن صنع الأدوات الخاصة بك إذا لم تكن لديك كل هذه المهارات.