Erstellen von Tools zum Verständnis der Inhaltsleistung

Inhalt ist eine der Hauptkräfte, die eine Inbound-Marketing-Strategie vorantreiben, und SEO ist ein wesentlicher Bestandteil, damit diese funktioniert. Im Allgemeinen werden die Grundlagen der On-Page-SEO behandelt: Artikelstruktur, Keyword-Platzierung, Meta-Tags, Titel-Tags, Alt-Text, Überschriften, strukturierte Daten und die Verwendung von Formatierungen zur Erstellung informell strukturierter Daten in Listen und Tabellen.

Prüfung der Onpage-SEO als Teil des Content-Managements mit OnCrawl.

Dies fällt unter den Begriff technisches SEO, wenn Sie mit der Massenoptimierung oder -überwachung beginnen, sei es durch Site-Audits oder regelmäßige Crawls, durch maschinell generierte Meta-Beschreibungen in natürlicher Sprache, Snippet-Steuerungs-Tags oder strukturierte Dateninjektion.

Die Schnittmenge von technischem SEO und Content-Marketing ist jedoch noch größer, wenn es um die Content-Performance geht: Wir betrachten die gleichen Primärdaten, wie beispielsweise den Seitenrang in den SERPs oder die Anzahl der Klicks, Impressions und Sessions. Wir implementieren möglicherweise die gleichen Arten von Lösungen oder verwenden die gleichen Tools.

Was ist Inhaltsleistung?

Die Content-Performance ist das messbare Ergebnis, wie das Publikum mit den Inhalten interagiert. Wenn Inhalt den eingehenden Datenverkehr antreibt, spiegeln Messungen dieses Datenverkehrs wider, wie gut oder wie schlecht dieser Inhalt seine Aufgabe erfüllt. Jede Content-Strategie sollte ausgehend von konkreten Zielen ihre jeweiligen KPIs definieren. Die meisten enthalten die folgenden Metriken:

• Wie sichtbar der Inhalt in der Suche ist (Impressionen in SERPs)
• Wie relevant Suchmaschinen den Inhalt finden (Ranking auf SERPs)
• Wie relevant Suchende die Suchliste des Inhalts finden (Klicks von SERPs)
• Wie viele Personen sehen sich die Inhalte an (Besuche oder Sitzungen in einer Analytics-Lösung)
• Wie viele Personen mit den Inhalten auf eine Weise interagieren, die die Geschäftsziele fördert (Conversion-Tracking)

So weit, ist es gut.

Die Schwierigkeit besteht darin, den Cursor zu platzieren: Welche Zahlen bedeuten, dass Sie eine gute Inhaltsleistung haben? Was ist normal? Und woran merkt man, dass etwas nicht gut läuft?

Unten teile ich mein Experiment, um einen „Proof of Concept“ eines Low-Tech-Tools zu erstellen, um bei der Beantwortung dieser Fragen zu helfen.

Warum einen Standard für die Leistung von Inhalten fordern?

Hier sind einige der Fragen, die ich im Rahmen meiner eigenen Überprüfung der Content-Strategie beantworten wollte:

• Gibt es hinsichtlich der Performance einen Unterschied zwischen Inhouse-Content und Gastbeiträgen?
• Gibt es Themen, die wir vorantreiben und die nicht gut abschneiden?
• Wie kann ich „Evergreen“-Beiträge identifizieren, ohne drei Jahre warten zu müssen, um zu sehen, ob sie immer noch wöchentlichen Traffic anziehen?
• Wie kann ich kleine Boosts durch Werbung von Drittanbietern erkennen, z. B. wenn ein Beitrag in einem Newsletter aufgegriffen wird, der nicht auf unserem Promotion-Radar war, um sofort unsere eigene Promotion-Strategie anzupassen und von der erhöhten Sichtbarkeit zu profitieren?

Um diese Fragen zu beantworten, müssen Sie jedoch wissen, wie die „normale“ Inhaltsleistung auf der Website aussieht, mit der Sie arbeiten. Ohne diese Baseline ist es unmöglich, quantitativ zu sagen, ob ein bestimmtes Stück oder eine bestimmte Art von Inhalt gut abschneidet (besser als die Baseline) oder nicht.

Der einfachste Weg, eine Baseline festzulegen, besteht darin, sich die durchschnittlichen Sitzungen pro Tag nach der Veröffentlichung und pro Artikel anzusehen, wobei Tag Null das Veröffentlichungsdatum ist.

Dies erzeugt eine Kurve, die ungefähr so ​​aussieht und einen Höhepunkt des anfänglichen Interesses zeigt (und möglicherweise die Ergebnisse Ihrer Werbeaktionen, wenn Sie Ihre Analyse nicht nur auf Sitzungen von Suchmaschinen beschränkt haben), gefolgt von einem langen Ende von niedrigere Zinsen:

Echte Daten für einen typischen Beitrag: ein Höhepunkt am oder kurz nach dem Veröffentlichungsdatum, gefolgt von einem langen Ende, das in vielen Fällen schließlich mehr Sitzungen als der ursprüngliche Höhepunkt bringt.

Sobald Sie wissen, wie die Kurve jedes Beitrags aussieht, können Sie jede Kurve mit den anderen vergleichen und feststellen, was „normal“ ist und was nicht.

Wenn Sie kein Werkzeug haben, um dies zu tun, ist dies ein Schmerz im Nacken.

Als ich mit diesem Projekt begann, war mein Ziel, mit Google Sheets einen Proof of Concept zu erstellen, bevor ich mich dazu entschloss, genug Python zu lernen, um die Art und Weise zu ändern, wie ich die Leistung von Inhalten untersuche.

Wir werden den Prozess in Phasen und Schritte unterteilen:

1. Finden Sie Ihre Grundlinie
   – Listen Sie die Inhalte auf, die Sie studieren möchten
   – Finden Sie heraus, wie viele Sitzungen jeder Inhalt an jedem Tag erhalten hat
   – Ersetzen Sie das Datum in der Sitzungsliste durch die Anzahl der Tage seit der Veröffentlichung
   – Berechnen Sie die „normale“ Kurve als Basislinie
2. Identifizieren Sie Inhalte, die nicht wie die Baseline aussehen
3. Halten Sie es auf dem Laufenden

Finden Sie Ihre Content-Performance-Baseline

Listen Sie die Inhalte auf, die Sie studieren möchten

Zunächst müssen Sie eine Liste der Inhalte erstellen, die Sie untersuchen möchten. Für jeden Inhalt benötigen Sie die URL und das Veröffentlichungsdatum.

Sie können diese Liste nach Belieben erstellen, egal ob Sie sie von Hand erstellen oder eine automatisierte Methode verwenden.

Ich habe ein Apps-Skript verwendet, um jede Inhalts-URL und ihr Veröffentlichungsdatum mithilfe der API direkt aus dem CMS (in diesem Fall WordPress) abzurufen, und die Ergebnisse in ein Google Sheet geschrieben. Wenn Sie mit Skripten oder APIs nicht vertraut sind, ist dies immer noch relativ einfach. Sie können mehrere Beispiele online finden, wie Sie dies für WordPress tun können.

Denken Sie daran, dass Sie diese Daten mit Sitzungsdaten für jeden Beitrag vergleichen möchten, also müssen Sie sicherstellen, dass der „Slug“ auf diesem Blatt dem Format des URL-Pfads entspricht, der von Ihrer Analyselösung bereitgestellt wird.

Ich finde es einfacher, den vollständigen Slug (URL-Pfad) hier in Spalte E oben zu erstellen, anstatt die aus Google Analytics gezogenen Daten zu ändern. Es ist auch weniger rechenintensiv: Es gibt weniger Zeilen in dieser Liste!

Beispielformel zum Erstellen einer vollständigen URL für diese Website: Schlagen Sie die vom CMS bereitgestellte Kategorienummer in einer Tabelle nach und geben Sie den Kategorienamen zurück, der vor dem Artikel-Slug platziert wird und dem URL-Muster für diese Website entspricht (https://site .com/categoryName/articleSlug/)

Wenn Sie keinen Zugriff auf das Backend haben, können Sie Ihre Liste erstellen, indem Sie diese Informationen beispielsweise während eines Crawls von Ihrer Website selbst scrapen. Sie können dann eine CSV-Datei der gewünschten Daten exportieren und in ein Google Sheet importieren.

Ein Datenfeld in OnCrawl einrichten, um Veröffentlichungsdaten aus dem Blog einer Website zu kratzen.

Daten, einschließlich URL und gescraptem Veröffentlichungsdatum, im Daten-Explorer von OnCrawl, bereit zum Export.

Finden Sie heraus, wie viele Sitzungen pro Tag jeder Inhalt verdient hat

Als nächstes benötigen Sie eine Liste der Sitzungen pro Inhalt und pro Tag. Mit anderen Worten, wenn ein Inhalt 30 Tage alt ist und in diesem Zeitraum jeden Tag Besuche erhalten hat, möchten Sie 30 Zeilen dafür haben – und so weiter für den Rest Ihres Inhalts.

Dafür benötigen Sie ein separates Blatt im selben Dokument.

Das Google Analytics-Add-on zu Google Sheets macht dies relativ einfach.

Aus der Google Analytics-Ansicht mit den gewünschten Daten können Sie einen Bericht anfordern über:

Die Verwendung von Segmenten Ihrer Google Analytics-Daten ist in dieser Phase äußerst hilfreich. Sie können Ihren Bericht beispielsweise auf ein Segment beschränken, das nur die Inhalts-URLs enthält, die Sie analysieren möchten, und nicht die gesamte Website. Dadurch wird die Anzahl der Zeilen im resultierenden Bericht erheblich reduziert und die Arbeit mit den Daten in Google Sheets erheblich vereinfacht.

Wenn Sie beabsichtigen, nur die organische Leistung für reine SEO-Zwecke zu betrachten , sollte Ihr Segment außerdem Akquisitionskanäle ausschließen, die nicht der SEO-Arbeit zugeschrieben werden können: Empfehlungen, E-Mail, soziale Netzwerke …

Vergessen Sie nicht, sicherzustellen, dass das Limit hoch genug ist, damit Sie Ihre Daten nicht versehentlich abschneiden.

Berechnen Sie die Anzahl der Tage seit der Veröffentlichung

Um die Anzahl der Tage seit der Veröffentlichung für jeden Datenpunkt im Artikel zu berechnen, müssen wir die Daten aus den Sitzungsberichten mit den Daten in Ihrer Inhaltsliste verbinden (oder, wenn Sie ein Data Studio-Benutzer sind, „vermischen“) .

Verwenden Sie dazu die URL oder den URL-Pfad als Schlüssel. Das bedeutet, dass der URL-Pfad sowohl in der CMS-Tabelle als auch im Google Analytics-Bericht gleich formatiert sein muss.

Ich habe eine separate Tabelle erstellt, damit ich alle Parameter von der Zielseite in meinem Analytics-Bericht löschen kann. So richte ich meine Spalten ein:

• Zielseite
  Scrubbt Parameter aus dem URL-Slug im Analytics-Bericht
  Beispielformel:

• Datum
  Datum, an dem die Sitzungen aufgezeichnet wurden, aus dem Analytics-Bericht
  Beispielformel:

• Sitzungen
  Datum, an dem die Sitzungen aufgezeichnet wurden, aus dem Analytics-Bericht
  Beispielformel:

• Tage nach Veröffentlichung
  Sucht das Veröffentlichungsdatum für diese URL in der Spalte der CSM-Tabelle, die wir gerade erstellt haben, und subtrahiert es von dem Datum, an dem diese Sitzungen aufgezeichnet wurden. Wenn die URL nicht in der CMS-Tabelle gefunden werden kann, wird statt eines Fehlers eine leere Zeichenfolge gemeldet.
  Beispielformel:

Beachten Sie, dass mein Suchschlüssel – der vollständige URL-Pfad – nicht die Spalte ganz links in meinen Daten ist; Ich musste Spalte E vor Spalte C für die Zwecke des SVERWEISS verschieben.

Wenn Sie zu viele Zeilen haben, um dies von Hand auszufüllen, können Sie ein Skript wie das folgende verwenden, um den Inhalt in die erste Zeile zu kopieren und die nächsten 3450 oder so auszufüllen:

 Funktion FillDown() {
    var Tabellenkalkulation = SpreadsheetApp.getActive();
    Spreadsheet.getRange('F2').activate();
    Spreadsheet.getActiveRange().autoFill(spreadsheet.getRange('F2:F3450), SpreadsheetApp.AutoFillSeries.DEFAULT_SERIES);
};

Berechnen Sie die „normale“ Anzahl von Sessions pro Tag nach Veröffentlichung

Um normale Sitzungszahlen zu berechnen, habe ich eine ziemlich einfache Pivot-Tabelle verwendet, gepaart mit einem Diagramm. Der Einfachheit halber habe ich damit begonnen, die durchschnittliche Anzahl der Sitzungen pro Tag nach der Veröffentlichung zu betrachten.

Hier ist der Durchschnitt gegenüber dem Median der Sitzungen in den 1000 Tagen nach der Veröffentlichung. Hier beginnen (?) die Grenzen von Google Sheets als Datenvisualisierungsprojekt zu sehen:

Dies ist eine B2B-Website mit Sitzungsspitzen an Wochentagen auf der gesamten Website. Es veröffentlicht einige Male pro Woche Artikel, aber immer an denselben Tagen. Sie können die wöchentlichen Muster fast sehen.

In diesem Fall wäre es zu Visualisierungszwecken wahrscheinlich am besten, sich die gleitenden 7-Tage-Durchschnitte anzusehen, aber hier ist eine schnelle Version, die seit der Veröffentlichung lediglich um Wochen geglättet wird:

Trotz dieser langfristigen Betrachtung beschränke ich für die nächsten Schritte die Grafik auf 90 Tage nach Veröffentlichung, um später innerhalb der Grenzen von Google Sheets zu bleiben:

Die Suche nach Anomalien

Jetzt, da wir wissen, wie der durchschnittliche Post an einem bestimmten Tag aussieht, können wir jeden Post mit der Baseline vergleichen, um herauszufinden, ob er über- oder unterdurchschnittlich abschneidet.

Dies geht schnell außer Kontrolle, wenn Sie es manuell tun. Wortspiele beiseite, lasst uns zumindest versuchen, einiges davon zu automatisieren.

Jeder Post (der weniger als 90 Tage alt ist) muss mit der Baseline verglichen werden, die wir gerade für jeden Tag in unserem 90-Tage-Fenster festgelegt haben.

Für diesen Proof of Concept habe ich die prozentuale Differenz zum Tagesdurchschnitt berechnet.

Für eine rigorose Analyse sollten Sie sich die Standardabweichung der Sitzungen pro Tag ansehen und feststellen, wie viele Standardabweichungen die Leistung des einzelnen Inhaltsstücks von der Baseline entfernt ist. Eine Sitzungszahl, die drei Standardabweichungen von der durchschnittlichen Leistung beträgt, ist eher eine Anomalie als etwas, das um mehr als X % vom Durchschnitt für diesen Tag abweicht.

Ich habe eine Pivot-Tabelle verwendet, um alle Inhalte (mit Sitzungen in den letzten 90 Tagen) auszuwählen, die in diesem Zeitraum an mindestens einem Tag Anomalien aufweisen:

In Google Sheets dürfen Pivot-Tabellen nicht mehr als 100 Spalten erstellen. Daher die Beschränkung auf 90 Tage für diese Analyse.

Ich habe diese Tabelle kartiert. (Idealerweise möchte ich die gesamte 90-Tage-Kurve für jeden dieser Artikel darstellen, aber ich möchte auch, dass das Blatt reagiert, wenn ich auf eine Kurve klicke.)

Auf dem Laufenden bleiben: Updates automatisieren

Hier gibt es drei Hauptelemente:

1. Die Grundlinie
2. Die Inhalte, die Sie verfolgen möchten
3. Die Leistung dieser Inhalte

Leider ist keine davon statisch.

Theoretisch wird sich die durchschnittliche Leistung entwickeln, wenn Sie Ihre Inhalte besser ausrichten und bewerben. Dies bedeutet, dass Sie die Basislinie von Zeit zu Zeit neu berechnen müssen.

Und wenn Ihre Website saisonale Hochs und Tiefs aufweist, kann es sich lohnen, die Durchschnittswerte über kürzere Zeiträume oder jedes Jahr denselben Zeitraum zu betrachten, anstatt wie hier eine Verschmelzung zu erstellen.

Wenn Sie mehr Inhalte veröffentlichen, sollten Sie auch die neuen Inhalte verfolgen.

Und wenn wir uns das Sitzungsdatum für nächste Woche ansehen wollen, haben wir es nicht.

Mit anderen Worten, dieses Modell muss mehr oder weniger häufig aktualisiert werden. Es gibt mehrere Möglichkeiten, Updates zu automatisieren, anstatt das gesamte Tool jedes Mal von Grund auf neu zu erstellen, wenn Sie daran interessiert sind, einen Blick darauf zu werfen.

Am einfachsten zu implementieren ist wahrscheinlich die Planung einer wöchentlichen Aktualisierung der Analysesitzungen und das gleichzeitige Abrufen neuer Posts (mit ihren Veröffentlichungsdaten).

Der von uns verwendete Google Analytics-Bericht kann einfach so geplant werden, dass er in regelmäßigen Abständen automatisch ausgeführt wird. Der Nachteil ist, dass frühere Berichte überschrieben werden. Wenn Sie nicht den vollständigen Bericht ausführen und verwalten möchten, können Sie ihn auf einen kürzeren Zeitraum beschränken.

Für meine Zwecke habe ich festgestellt, dass die Betrachtung eines 7-Tage-Fensters mir genügend Informationen liefert, mit denen ich arbeiten kann, ohne zu sehr veraltet zu sein.

Immergrüne Posts außerhalb des 90-Tage-Fensters im Auge behalten

Anhand der zuvor generierten Daten konnten wir beispielsweise feststellen, dass die meisten Posts durchschnittlich etwa 50 Sitzungen pro Woche umfassen.

Es ist daher sinnvoll, jeden Beitrag im Auge zu behalten, dessen wöchentliche Sitzungen über 50 liegen, unabhängig vom Veröffentlichungsdatum:

Die Artikel sind nach Veröffentlichungszeitraum eingefärbt: vergangene 90 Tage (blau), vergangenes Jahr (orange) und Vermächtnis (grau). Die wöchentlichen Gesamtwerte sind farbcodiert, indem sie mit dem Sitzungsziel von 50 verglichen werden.

Die Aufschlüsselung der Gesamtsitzungen pro Tag in der Woche macht es einfach, schnell zwischen Evergreen-Posts mit ziemlich konstanter Leistung und ereignisgesteuerten Aktivitäten mit ungleichmäßiger Leistung zu unterscheiden:

Immergrüner Inhalt (konstante Leistung von ±20/Tag)

Wahrscheinliche externe Beförderung (allgemein niedrige Leistung außerhalb eines kurzfristigen Höhepunkts)

Was Sie mit diesen Informationen machen, hängt von Ihrer Inhaltsstrategie ab. Vielleicht möchten Sie darüber nachdenken, wie diese Posts Leads auf Ihrer Website konvertieren, oder sie mit Ihrem Backlink-Profil vergleichen.

Einschränkungen von Google Sheets für die Inhaltsanalyse

Wie Sie an dieser Stelle wahrscheinlich bemerkt haben, ist Google Sheets ein äußerst leistungsfähiges – aber begrenztes – Tool für diese Art von Analyse. Aufgrund dieser Einschränkungen habe ich es vorgezogen, keine Vorlage mit Ihnen zu teilen: Sie an Ihren Fall anzupassen, würde viel Arbeit erfordern – aber die Ergebnisse, die Sie erzielen können, sind immer noch nur grob gemalte Annäherungen.

Hier sind einige der wichtigsten Punkte, an denen dieses Modell nicht funktioniert:

• Es gibt zu viele Formeln.
  Wenn Sie viele (z. B. Tausende) aktive Inhalts-URLs haben, kann es extrem langsam sein. In meinen wöchentlichen Update-Skripten ersetze ich viele der Formeln durch ihre Werte, nachdem sie berechnet wurden, damit die Datei tatsächlich reagiert, wenn ich sie später zur Analyse öffne.
• Statische Grundlinie.
  Wenn sich meine Inhaltsleistung verbessert, habe ich einfach mehr Inhaltsteile, die „überdurchschnittlich gut“ sind. Die Basislinie muss alle paar Monate neu berechnet werden, um die Entwicklung zu berücksichtigen. Dies wäre leicht mit einem unüberwachten maschinellen Lernmodell zu lösen, um Durchschnittswerte zu berechnen (oder diesen Schritt sogar zu überspringen und Anomalien direkt zu identifizieren).
• Eine „ungenaue“ Grundlinie.
  Die Baseline berücksichtigt keine saisonalen Änderungen oder standortweiten Vorfälle. Es ist auch sehr empfindlich gegenüber Extremereignissen, insbesondere wenn Sie Ihre Berechnung auf einen kürzeren Zeitraum beschränken:

Statistisch unsichere Ausreißeranalyse.
Insbesondere wenn Sie nicht viele Sitzungen pro Tag und Inhaltselement haben, ist die Behauptung, dass eine Abweichung von 10 % vom Durchschnitt eine ungewöhnliche Leistung darstellt, etwas lückenhaft.

Willkürliche Begrenzung auf 90 Analysetage.
Jede willkürliche Begrenzung ist ein Problem. In diesem Fall hindert es mich daran, die Leistung immergrüner Inhalte zu verstehen, und macht mich blind für Spitzen in ihrer Leistung – obwohl ich von Google Analytics weiß, dass sehr alte Stücke gelegentlich einen plötzlichen Aufmerksamkeitsschub erhalten oder dass einige Artikel stetig an Aufmerksamkeit gewinnen sie altern. Dies ist im Tool nicht sichtbar, aber wenn Sie ihre Kurve aufzeichnen:

• Probleme mit der Blattlänge.
  Einige meiner Formeln und Skripte erfordern eine Reihe von Zellen. Wenn die Site und die Zeilen im Sitzungsbericht wachsen, müssen diese Bereiche aktualisiert werden. (Aber sie können die Anzahl der auf dem Blatt vorhandenen Zeilen nicht überschreiten, oder einige von ihnen erzeugen Fehler.)
• Unfähigkeit, vollständige Kurven für jeden Inhalt zu zeichnen.
  Komm schon, ich will alles sehen!
• Eingeschränkte Interaktivität mit den grafisch dargestellten Ergebnissen.
  Wenn Sie jemals versucht haben, einen Punkt (oder eine Kurve) in einem Diagramm mit mehreren Kurven in Google Sheets auszuwählen, wissen Sie, wovon ich spreche. Dies ist sogar noch schlimmer, wenn Sie mehr als zwanzig Kurven in derselben Grafik haben und die Farben beginnen, alle gleich auszusehen.
• Möglichkeit, leistungsschwache Inhalte ohne Sitzungen zu übersehen.
  Mit der Methode, die ich hier vorgestellt habe, ist es schwierig, Inhalte zu identifizieren, die durchgehend keine Sitzungen haben. Da es nie im Google Analytics-Bericht erscheint, wird es im restlichen Workflow (noch) nicht erfasst. Inhalte, die durchweg keine Leistung erbringen, bringen wenig Wert. Wenn Sie also nicht nach Seiten suchen, die Sie beschneiden können, haben leistungsschwache Inhalte wohl keinen Platz in einem Leistungsbericht.
• Unfähigkeit, sich an Echtzeitanalysen anzupassen.
  Obwohl es nicht besonders arbeitsintensiv ist, die Berichts-, Mittelwertbildungs- und Post-Update-Skripte erneut auszuführen, sind dies immer noch manuelle Aktionen außerhalb der wöchentlichen programmierten Aktualisierung. Wenn das wöchentliche Update am Mittwoch ist und Sie mich an einem Dienstag fragen, wie es läuft, kann ich das Blatt nicht einfach konsultieren.
• Einschränkungen bei der Erweiterung.
  Das Hinzufügen einer Analyseachse – wie Ranking oder Keyword-Tracking oder sogar Filteroptionen nach geografischer Region – zu diesem Bericht wäre mühsam. Dies würde nicht nur einige der bestehenden Probleme verschlimmern, sondern es wäre auch äußerst schwierig, eine lesbare, umsetzbare Visualisierung zu implementieren.

Die Schlussfolgerung?

Die Ausführung der gleichen Arten von Berechnungen in einer maschinellen Lern- oder Programmumgebung würde fast alle diese Probleme lösen. Dies wäre eine viel bessere Möglichkeit, halbkomplexe Operationen mit einem großen Datensatz auszuführen. Darüber hinaus gibt es hervorragende Bibliotheken, die maschinelles Lernen verwenden, um Anomalien basierend auf einem bestimmten Datensatz zuverlässig zu erkennen; Es gibt bessere Tools für die Datenvisualisierung.

Inhaltsleistung zum Mitnehmen

Die Inhaltsleistungsanalyse, selbst mit primitiven und fehlerhaften Methoden, stärkt die Alarmierung und datengesteuerte Entscheidungsfindung in der Inhaltsstrategie.

Konkret ermöglicht Ihnen das Verständnis der Inhaltsleistung Folgendes:

• Verstehen Sie den Wert anfänglicher Werbeaktionen im Vergleich zu Long-Tail-Aktivitäten
• Erkennen Sie schnell Beiträge mit schlechter Leistung
• Profitieren Sie von externen Werbeaktivitäten, um die Reichweite zu erhöhen
• Leicht erkennen, was bestimmte Beiträge so erfolgreich macht
• Identifizieren Sie bestimmte Autoren oder bestimmte Themen, die andere regelmäßig übertreffen
• Bestimmen Sie, wann SEO beginnt, sich auf Sitzungen auszuwirken

Diese Daten, die fundierte Entscheidungen zur Förderung von Inhalten – und wann und wie –, Themenauswahl, Zielgruppenprofilierung und mehr vorantreiben.

Schließlich zeigen Experimente wie dieses, dass jede Domäne, für die Sie Daten erhalten können, einen potenziellen Nutzen für Codierungs-, Skripterstellungs- und maschinelle Lernfähigkeiten hat. Doch wer nicht über all diese Fähigkeiten verfügt, muss nicht auf die Herstellung eigener Werkzeuge verzichten.