สร้างเครื่องมือเพื่อทำความเข้าใจประสิทธิภาพของเนื้อหา

เนื้อหาเป็นหนึ่งในแรงผลักดันหลักที่ขับเคลื่อนกลยุทธ์การตลาดขาเข้า และ SEO เป็นส่วนสำคัญของการทำงานดังกล่าว โดยทั่วไป สิ่งนี้จะครอบคลุมพื้นฐานของ SEO บนหน้า: โครงสร้างบทความ ตำแหน่งคีย์เวิร์ด เมตาแท็ก แท็กชื่อ ข้อความแสดงแทน หัวเรื่อง ข้อมูลที่มีโครงสร้าง และการใช้การจัดรูปแบบเพื่อสร้างข้อมูลที่มีโครงสร้างอย่างไม่เป็นทางการในรายการและตาราง

การตรวจสอบ SEO บนหน้าซึ่งเป็นส่วนหนึ่งของการจัดการเนื้อหาโดยใช้ OnCrawl

สิ่งนี้อยู่ภายใต้ร่มของ SEO ทางเทคนิคเมื่อคุณเริ่มเพิ่มประสิทธิภาพหรือตรวจสอบปริมาณมาก ไม่ว่าจะผ่านการตรวจสอบไซต์หรือการรวบรวมข้อมูลปกติ ผ่านคำอธิบายเมตาภาษาธรรมชาติที่เครื่องสร้างขึ้น แท็กควบคุมข้อมูลโค้ด หรือการแทรกข้อมูลที่มีโครงสร้าง

อย่างไรก็ตาม จุดตัดของเทคนิค SEO และการตลาดเนื้อหานั้นยิ่งใหญ่กว่าเมื่อต้องคำนึงถึงประสิทธิภาพของเนื้อหา: เราพิจารณาข้อมูลหลักเดียวกัน เช่น อันดับของหน้าใน SERP หรือจำนวนคลิก การแสดงผล และเซสชัน เราอาจใช้โซลูชันประเภทเดียวกันหรือใช้เครื่องมือเดียวกัน

ประสิทธิภาพของเนื้อหาคืออะไร?

ประสิทธิภาพของเนื้อหาเป็นผลที่วัดได้จากการที่ผู้ชมโต้ตอบกับเนื้อหา หากเนื้อหาขับเคลื่อนการเข้าชมขาเข้า การวัดปริมาณการเข้าชมดังกล่าวจะสะท้อนว่าเนื้อหานั้นทำงานได้ดีเพียงใดหรือแย่เพียงใด ทุกกลยุทธ์เนื้อหาควรกำหนด KPI เฉพาะตามวัตถุประสงค์ที่เป็นรูปธรรม ส่วนใหญ่จะรวมเมตริกต่อไปนี้:

• ความชัดเจนของเนื้อหาในการค้นหา (การแสดงผลใน SERP)
• เครื่องมือค้นหาที่เกี่ยวข้องคิดว่าเนื้อหาเป็นอย่างไร (จัดอันดับใน SERP)
• ผู้ค้นหาที่เกี่ยวข้องคิดว่ารายการค้นหาของเนื้อหาเป็นอย่างไร (คลิกจาก SERP)
• จำนวนคนที่ดูเนื้อหา (การเข้าชมหรือเซสชันในโซลูชันการวิเคราะห์)
• จำนวนผู้โต้ตอบกับเนื้อหาในลักษณะที่ส่งเสริมเป้าหมายทางธุรกิจ (การติดตามการแปลง)

จนถึงตอนนี้ดีมาก

ความยากลำบากอยู่ในการวางเคอร์เซอร์: ตัวเลขใดที่บ่งบอกว่าคุณมีประสิทธิภาพเนื้อหาที่ดี ปกติคืออะไร? และคุณจะรู้ได้อย่างไรว่ามีอะไรไม่ดี?

ด้านล่างนี้ ฉันจะแบ่งปันการทดลองของฉันเพื่อสร้าง "การพิสูจน์แนวคิด" ของเครื่องมือเทคโนโลยีต่ำเพื่อช่วยตอบคำถามเหล่านี้

เหตุใดจึงต้องมีมาตรฐานสำหรับประสิทธิภาพของเนื้อหา

ต่อไปนี้คือคำถามที่ฉันต้องการตอบโดยเป็นส่วนหนึ่งของการทบทวนกลยุทธ์เนื้อหาของฉันเอง:

• มีความแตกต่างระหว่างเนื้อหาภายในและโพสต์ของแขกในแง่ของประสิทธิภาพหรือไม่?
• มีวิชาที่เรากำลังผลักดันซึ่งทำผลงานได้ไม่ดีหรือไม่?
• ฉันจะระบุโพสต์ที่ "ไม่ซ้ำซากจำเจ" โดยไม่ต้องรอถึงสามปีได้อย่างไรเพื่อดูว่ายังคงมีการเข้าชมรายสัปดาห์อยู่หรือไม่
• ฉันจะระบุการโปรโมตเล็กน้อยจากการโปรโมตบุคคลที่สามได้อย่างไร เช่น เมื่อมีการหยิบโพสต์ในจดหมายข่าวที่ไม่ได้อยู่ในเรดาร์โปรโมตของเรา เพื่อปรับกลยุทธ์การโปรโมตของเราทันทีและใช้ประโยชน์จากการมองเห็นที่เพิ่มขึ้น

ในการตอบคำถามเหล่านี้ คุณจำเป็นต้องรู้ว่าประสิทธิภาพเนื้อหา "ปกติ" เป็นอย่างไรบนไซต์ที่คุณกำลังใช้งาน หากไม่มีข้อมูลพื้นฐานนั้น เป็นไปไม่ได้ที่จะพูดในเชิงปริมาณว่าเนื้อหาหรือประเภทใดโดยเฉพาะทำงานได้ดี (ดีกว่าค่าพื้นฐาน) หรือไม่

วิธีที่ง่ายที่สุดในการตั้งค่าพื้นฐานคือการดูเซสชันเฉลี่ยต่อวันหลังจากการตีพิมพ์ ต่อบทความ โดยที่วันที่ศูนย์คือวันที่ตีพิมพ์

สิ่งนี้จะสร้างเส้นโค้งที่มีลักษณะเช่นนี้ แสดงความสนใจเริ่มต้นสูงสุด (และอาจเป็นผลของการส่งเสริมการขายใดๆ ที่คุณทำ หากคุณไม่ได้จำกัดการวิเคราะห์ของคุณไว้เฉพาะเซสชันจากเครื่องมือค้นหาเท่านั้น) ตามด้วยส่วนท้ายยาวของ ดอกเบี้ยต่ำ:

ข้อมูลจริงสำหรับโพสต์ทั่วไป: พีคในหรือไม่นานหลังจากวันที่เผยแพร่ ตามด้วยหางยาว ซึ่งในหลายๆ กรณี จะทำให้มีเซสชันมากกว่าพีคเดิมในที่สุด

เมื่อคุณรู้แล้วว่าเส้นโค้งของแต่ละโพสต์เป็นอย่างไร คุณสามารถเปรียบเทียบเส้นโค้งแต่ละเส้นกับส่วนโค้งอื่นๆ และสร้างสิ่งที่ "ปกติ" และสิ่งที่ไม่ใช่

หากคุณไม่มีเครื่องมือในการทำเช่นนี้ แสดงว่าคุณเจ็บคอ

เมื่อฉันเริ่มโครงการนี้ เป้าหมายของฉันคือการใช้ Google ชีตเพื่อสร้างการพิสูจน์แนวคิด ก่อนที่จะเรียนรู้ Python มากพอที่จะเปลี่ยนวิธีที่ฉันตรวจสอบประสิทธิภาพของเนื้อหา

เราจะแบ่งกระบวนการออกเป็นขั้นตอนและขั้นตอน:

1. ค้นหาพื้นฐานของคุณ
   – ระบุเนื้อหาที่ต้องการเรียน
   – ค้นหาว่าเนื้อหาแต่ละชิ้นได้รับกี่เซสชันในแต่ละวัน
   – แทนที่วันที่ในรายการเซสชั่นด้วยจำนวนวันตั้งแต่เผยแพร่
   – คำนวณเส้นโค้ง “ปกติ” เพื่อใช้เป็นเส้นฐาน
2. ระบุเนื้อหาที่ไม่เหมือนพื้นฐาน
3. ให้ทันสมัยอยู่เสมอ

ค้นหาพื้นฐานประสิทธิภาพเนื้อหาของคุณ

ระบุเนื้อหาที่ต้องการเรียน

ในการเริ่มต้น คุณต้องสร้างรายการเนื้อหาที่คุณต้องการตรวจสอบ สำหรับเนื้อหาแต่ละส่วน คุณจะต้องมี URL และวันที่เผยแพร่

คุณสามารถรับรายการนี้ได้ตามต้องการ ไม่ว่าคุณจะสร้างมันด้วยมือหรือใช้วิธีอัตโนมัติ

ฉันใช้ Apps Script เพื่อดึง URL ของเนื้อหาแต่ละรายการและวันที่เผยแพร่โดยตรงจาก CMS (ในกรณีนี้คือ WordPress) โดยใช้ API และเขียนผลลัพธ์ลงใน Google ชีต หากคุณไม่สะดวกกับสคริปต์หรือ API การดำเนินการนี้ค่อนข้างง่าย คุณสามารถหาตัวอย่างวิธีการทำสิ่งนี้สำหรับ WordPress ได้ทางออนไลน์

โปรดจำไว้ว่า คุณจะต้องการเปรียบเทียบข้อมูลนี้กับข้อมูลเซสชันสำหรับแต่ละโพสต์ ดังนั้น คุณจะต้องตรวจสอบให้แน่ใจว่า "slug" ในชีตนี้ตรงกับรูปแบบของเส้นทาง URL ที่โซลูชันการวิเคราะห์ของคุณให้มา

ฉันพบว่ามันง่ายกว่าที่จะสร้างตัวทากแบบเต็ม (เส้นทาง URL) ที่นี่ ในคอลัมน์ E ด้านบน แทนที่จะแก้ไขข้อมูลที่ดึงมาจาก Google Analytics นอกจากนี้ยังใช้การคำนวณน้อยลง: มีบรรทัดน้อยลงในรายการนี้!

ตัวอย่างสูตรการสร้าง URL แบบเต็มสำหรับไซต์นี้: ค้นหาหมายเลขหมวดหมู่ที่ CMS ให้มาในตารางและส่งคืนชื่อหมวดหมู่ซึ่งอยู่ก่อนบทความ slug ตรงกับรูปแบบ URL สำหรับไซต์นี้ (https://site .com/categoryName/articleSlug/)

หากคุณไม่มีสิทธิ์เข้าถึงแบ็กเอนด์ คุณสามารถสร้างรายการโดยดึงข้อมูลนี้ออกจากเว็บไซต์ของคุณ เช่น ระหว่างการรวบรวมข้อมูล จากนั้น คุณสามารถส่งออก CSV ของข้อมูลที่คุณต้องการ และนำเข้าไปยัง Google ชีตได้

การตั้งค่าฟิลด์ข้อมูลใน OnCrawl เพื่อขูดวันที่ตีพิมพ์จากบล็อกของเว็บไซต์

ข้อมูล รวมถึง URL และวันที่เผยแพร่ที่คัดลอกมา ใน Data Explorer ของ OnCrawl พร้อมสำหรับการส่งออก

ค้นหาว่าเนื้อหาแต่ละชิ้นได้รับกี่เซสชันต่อวัน

ถัดไป คุณต้องมีรายการเซสชันต่อเนื้อหาและต่อวัน กล่าวคือ หากเนื้อหาชิ้นหนึ่งมีอายุ 30 วันและได้รับการเข้าชมทุกวันในช่วงเวลานั้น คุณต้องการให้มี 30 แถวสำหรับเนื้อหานั้น และอื่นๆ สำหรับเนื้อหาที่เหลือของคุณ

คุณจะต้องมีแผ่นงานแยกต่างหากในเอกสารเดียวกันสำหรับสิ่งนี้

ส่วนเสริมของ Google Analytics ใน Google ชีตทำให้สิ่งนี้ค่อนข้างง่าย

จากข้อมูลพร็อพเพอร์ตี้ Google Analytics ที่มีข้อมูลที่คุณต้องการ คุณสามารถขอรายงานของ:

การใช้กลุ่มข้อมูล Google Analytics ของคุณ จะเป็นประโยชน์อย่างยิ่งในขั้นตอนนี้ ตัวอย่างเช่น คุณสามารถจำกัดรายงานของคุณให้อยู่ในกลุ่มที่มีเฉพาะ URL ของเนื้อหาที่คุณสนใจที่จะวิเคราะห์ แทนที่จะเป็นทั้งไซต์ ซึ่งจะช่วยลดจำนวนแถวในรายงานผลลัพธ์ได้อย่างมาก และทำให้ข้อมูลใช้งานใน Google ชีตได้ง่ายขึ้นมาก

นอกจากนี้ หากคุณตั้งใจจะ ดูเฉพาะประสิทธิภาพแบบออ ร์แกนิกเพื่อวัตถุประสงค์ในการทำ SEO อย่างเคร่งครัด กลุ่มของคุณควรแยกช่องทางการได้มาซึ่งไม่สามารถนำมาประกอบกับงาน SEO ได้: การอ้างอิง อีเมล โซเชียล...

อย่าลืมตรวจสอบให้แน่ใจว่าขีดจำกัดสูงเพียงพอที่คุณจะไม่ตัดทอนข้อมูลของคุณโดยไม่ได้ตั้งใจ

คำนวณจำนวนวันตั้งแต่ตีพิมพ์

ในการคำนวณจำนวนวันตั้งแต่เผยแพร่สำหรับแต่ละจุดข้อมูลในบทความ เราต้องรวม (หรือหากคุณเป็นผู้ใช้ Data Studio ให้ "ผสมผสาน") ข้อมูลจากเซสชันรายงานไปยังข้อมูลในรายการชิ้นส่วนเนื้อหาของคุณ .

ในการดำเนินการดังกล่าว ให้ใช้ URL หรือเส้นทาง URL เป็นคีย์ ซึ่งหมายความว่าต้องจัดรูปแบบเส้นทาง URL ในลักษณะเดียวกันทั้งในตาราง CMS และรายงาน Google Analytics

ฉันสร้างตารางแยกต่างหากเพื่อลบพารามิเตอร์ใดๆ ออกจากหน้า Landing Page ในรายงาน Analytics วิธีตั้งค่าคอลัมน์มีดังนี้

• หน้า Landing Page
  ขัดค่าพารามิเตอร์จากกระสุน URL ในรายงาน Analytics
  สูตรตัวอย่าง:

• วันที่
  วันที่บันทึกเซสชัน จากรายงาน Analytics
  สูตรตัวอย่าง:

• เซสชั่น
  วันที่บันทึกเซสชัน จากรายงาน Analytics
  สูตรตัวอย่าง:

• วันหลังจากตีพิมพ์
  ค้นหาวันที่เผยแพร่สำหรับ URL นี้ในคอลัมน์ของตาราง CSM ที่เราเพิ่งสร้างและลบออกจากวันที่บันทึกเซสชันเหล่านี้ หากไม่พบ URL ในตาราง CMS ให้รายงานสตริงว่างแทนที่จะเป็นข้อผิดพลาด
  สูตรตัวอย่าง:

โปรดทราบว่าคีย์การค้นหาของฉัน ซึ่งเป็นเส้นทาง URL แบบเต็ม ไม่ใช่คอลัมน์ซ้ายสุดในข้อมูลของฉัน ฉันต้องเปลี่ยนคอลัมน์ E ก่อนคอลัมน์ C เพื่อวัตถุประสงค์ของ VLOOKUP

หากคุณมีแถวมากเกินไปที่จะกรอกข้อมูลด้วยมือ คุณสามารถใช้สคริปต์ดังตัวอย่างด้านล่างเพื่อคัดลอกเนื้อหาในแถวแรกและกรอกใน 3450 หรือประมาณนั้น

 ฟังก์ชัน FillDown() {
    var สเปรดชีต = SpreadsheetApp.getActive();
    spreadsheet.getRange('F2').เปิดใช้งาน();
    spreadsheet.getActiveRange().autoFill(spreadsheet.getRange('F2:F3450), SpreadsheetApp.AutoFillSeries.DEFAULT_SERIES);
};

คำนวณจำนวนเซสชัน "ปกติ" ต่อวันหลังการเผยแพร่

ในการคำนวณจำนวนเซสชันปกติ ฉันได้ใช้ตารางสาระสำคัญที่ค่อนข้างตรงไปตรงมา จับคู่กับกราฟ เพื่อความเรียบง่าย ฉันได้เริ่มต้นด้วยการดูจำนวนเซสชัน เฉลี่ย ต่อวันหลังการเผยแพร่

นี่คือค่าเฉลี่ยเทียบกับค่ามัธยฐานของเซสชันในช่วง 1,000 วันหลังจากเผยแพร่ ที่นี่เราเริ่มต้น (?) เพื่อดูขีดจำกัดของ Google ชีตเป็นโครงการสร้างภาพข้อมูล:

นี่คือไซต์ B2B ที่มีเซสชันสูงสุดในวันธรรมดาทั่วทั้งไซต์ มันเผยแพร่บทความไม่กี่ครั้งต่อสัปดาห์ แต่เสมอในวันเดียวกัน คุณเกือบจะเห็นรูปแบบรายสัปดาห์

ในกรณีนี้ เพื่อวัตถุประสงค์ในการแสดงภาพ อาจเป็นการดีที่สุดที่จะดูค่าเฉลี่ย 7 วันแบบทบต้น แต่นี่เป็นเวอร์ชันด่วนที่ปรับให้ราบรื่นภายในสัปดาห์นับตั้งแต่มีการเผยแพร่เท่านั้น:

แม้จะมีมุมมองในระยะยาว แต่สำหรับขั้นตอนต่อไป ฉันจะจำกัดกราฟไว้ที่ 90 วันหลังจากเผยแพร่ เพื่อให้อยู่ภายในขีดจำกัดของ Google ชีตในภายหลัง:

การค้นหาความผิดปกติ

ตอนนี้เรารู้แล้วว่าโพสต์โดยเฉลี่ยเป็นอย่างไรในแต่ละวัน เราสามารถเปรียบเทียบโพสต์ใดๆ กับข้อมูลพื้นฐานเพื่อดูว่าโพสต์นั้นมีประสิทธิภาพมากหรือน้อยเพียงใด

สิ่งนี้จะหมดไปอย่างรวดเร็วหากคุณทำด้วยตนเอง เล่นกันอย่างน้อยก็พยายามทำให้สิ่งนี้เป็นไปโดยอัตโนมัติ

ทุกโพสต์ (ซึ่งมีอายุน้อยกว่า 90 วัน) จะต้องเปรียบเทียบกับข้อมูลพื้นฐานที่เราเพิ่งสร้างสำหรับแต่ละวันในกรอบเวลา 90 วันของเรา

สำหรับการพิสูจน์แนวคิดนี้ ฉันคำนวณเปอร์เซ็นต์ความแตกต่างจากค่าเฉลี่ยรายวัน

สำหรับการวิเคราะห์ที่เข้มงวด คุณจะต้องดูค่าเบี่ยงเบนมาตรฐานของเซสชันต่อวัน และกำหนดจำนวนค่าเบี่ยงเบนมาตรฐานที่ประสิทธิภาพของเนื้อหาแต่ละรายการมาจากค่าพื้นฐาน จำนวนเซสชันที่เบี่ยงเบนมาตรฐานสามค่าจากประสิทธิภาพโดยเฉลี่ย มีแนวโน้มที่จะเป็นความผิดปกติมากกว่าสิ่งที่แตกต่างจากค่าเฉลี่ยในวันนั้นมากกว่า X%

ฉันใช้ตารางสาระสำคัญเพื่อเลือกเนื้อหาทุกชิ้น (โดยมีเซสชันใน 90 วันที่ผ่านมา) ที่มีความผิดปกติอย่างน้อยหนึ่งวันในช่วงเวลานั้น:

ใน Google ชีต ตาราง Pivot ไม่ได้รับอนุญาตให้สร้างมากกว่า 100 คอลัมน์ ดังนั้นการจำกัดเวลา 90 วันสำหรับการวิเคราะห์นี้

ฉันสร้างแผนภูมิตารางนี้ (ตามหลักการแล้ว ฉันต้องการสร้างแผนภูมิเส้นโค้ง 90 วันทั้งหมดสำหรับแต่ละบทความเหล่านี้ แต่ฉันต้องการให้ชีตตอบสนองด้วยถ้าฉันคลิกที่เส้นโค้ง)

อัปเดตข้อมูลให้ทันสมัยอยู่เสมอ: อัปเดตอัตโนมัติ

มีสามองค์ประกอบหลักที่นี่:

1. พื้นฐาน
2. ส่วนของเนื้อหาที่คุณต้องการติดตาม
3. ประสิทธิภาพของเนื้อหาชิ้นนี้

น่าเสียดายที่ไม่มีสิ่งเหล่านี้คงที่

ในทางทฤษฎี ประสิทธิภาพโดยเฉลี่ยจะเพิ่มขึ้นเมื่อคุณกำหนดเป้าหมายและโปรโมตเนื้อหาของคุณได้ดีขึ้น ซึ่งหมายความว่าคุณจะต้องคำนวณพื้นฐานใหม่ทุกครั้ง

และหากเว็บไซต์ของคุณมีช่วงพีคและช่วงพีคของฤดูกาล มันอาจจะคุ้มค่าที่จะดูค่าเฉลี่ยในช่วงเวลาที่สั้นกว่า หรือในช่วงเวลาเดียวกันทุกปี แทนที่จะสร้างการควบรวมกิจการดังที่เราทำที่นี่

เมื่อคุณเผยแพร่เนื้อหามากขึ้น คุณจะต้องติดตามเนื้อหาใหม่ด้วย

และเมื่อเราต้องการดูวันที่เซสชั่นสำหรับสัปดาห์หน้า เราก็จะไม่มี

กล่าวอีกนัยหนึ่ง โมเดลนี้จำเป็นต้องได้รับการอัปเดตบ่อยครั้งมากหรือน้อย มีหลายวิธีในการทำให้การอัปเดตอัตโนมัติ แทนที่จะสร้างเครื่องมือใหม่ทั้งหมดตั้งแต่เริ่มต้นทุกครั้งที่คุณสนใจที่จะดู

วิธีที่ง่ายที่สุดในการติดตั้งคือการกำหนดเวลาอัปเดตเซสชันการวิเคราะห์ทุกสัปดาห์ และดึงโพสต์ใหม่ (พร้อมวันที่เผยแพร่) พร้อมกัน

รายงาน Google Analytics ที่เราใช้สามารถตั้งเวลาให้ทำงานโดยอัตโนมัติตามช่วงเวลาปกติได้อย่างง่ายดาย ข้อเสียคือเขียนทับรายงานที่ผ่านมา หากคุณไม่ต้องการเรียกใช้และจัดการรายงานฉบับเต็ม คุณสามารถจำกัดให้เหลือระยะเวลาที่สั้นลงได้

เพื่อจุดประสงค์ของฉัน ฉันพบว่าการดูกรอบเวลา 7 วันให้ข้อมูลเพียงพอแก่ฉันในการทำงานโดยไม่ตกยุคเกินไป

จับตาดูโพสต์ที่เขียวชอุ่มตลอดปีนอกกรอบเวลา 90 วัน

เมื่อใช้ข้อมูลที่เราสร้างไว้ก่อนหน้านี้ สมมติว่าสามารถระบุได้ว่าโพสต์ส่วนใหญ่มีค่าเฉลี่ยประมาณ 50 เซสชันต่อสัปดาห์

ดังนั้นจึงควรจับตาดูโพสต์ใด ๆ ที่มีเซสชันรายสัปดาห์มากกว่า 50 ครั้งโดยไม่คำนึงถึงวันที่ตีพิมพ์:

บทความจะถูกระบายสีตามระยะเวลาการตีพิมพ์: 90 วันที่ผ่านมา (สีน้ำเงิน) ปีที่ผ่านมา (สีส้ม) และมรดก (สีเทา) ผลรวมรายสัปดาห์จะกำหนดรหัสสีโดยเปรียบเทียบกับเป้าหมายเซสชันที่ 50

การแบ่งเซสชันทั้งหมดในแต่ละวันในสัปดาห์ทำให้ง่ายต่อการแยกความแตกต่างอย่างรวดเร็วระหว่างการโพสต์ที่เขียวชอุ่มตลอดเวลาที่มีประสิทธิภาพค่อนข้างสม่ำเสมอกับกิจกรรมที่ขับเคลื่อนด้วยเหตุการณ์ที่มีประสิทธิภาพไม่สม่ำเสมอ:

เนื้อหาเอเวอร์กรีน (ประสิทธิภาพสม่ำเสมอ ±20/วัน)

น่าจะเป็นการเลื่อนตำแหน่งนอกช่วง (ประสิทธิภาพต่ำโดยทั่วไปนอกช่วงพีคระยะสั้น)

สิ่งที่คุณทำกับข้อมูลนี้จะขึ้นอยู่กับกลยุทธ์เนื้อหาของคุณ คุณอาจต้องการพิจารณาว่าโพสต์เหล่านี้แปลงโอกาสในการขายบนเว็บไซต์ของคุณอย่างไร หรือเปรียบเทียบกับโปรไฟล์ลิงก์ย้อนกลับของคุณ

ข้อจำกัดของ Google ชีตสำหรับการวิเคราะห์เนื้อหา

Google ชีต ตามที่คุณอาจสังเกตเห็นในจุดนี้ เป็นเครื่องมือที่ทรงพลังแต่จำกัดสำหรับการวิเคราะห์ประเภทนี้ ข้อจำกัดเหล่านี้เป็นสาเหตุที่ฉันไม่ต้องการแชร์เทมเพลตกับคุณ: การปรับให้เข้ากับกรณีของคุณอาจต้องใช้ความพยายามอย่างมาก แต่ผลลัพธ์ที่คุณจะได้รับยังคงเป็นเพียงการประมาณการด้วยลายเส้นกว้างๆ

ต่อไปนี้คือประเด็นหลักบางประการที่โมเดลนี้ไม่สามารถส่งมอบได้:

• มีสูตรมากเกินไป
  หากคุณมี URL เนื้อหาที่ใช้งานอยู่จำนวนมาก (เช่น หลายพัน) URL อาจช้ามาก ในสคริปต์อัปเดตประจำสัปดาห์ของฉัน ฉันจะแทนที่สูตรจำนวนมากด้วยค่าของสูตรเมื่อคำนวณแล้ว เพื่อให้ไฟล์ตอบสนองได้จริงเมื่อฉันเปิดในภายหลังเพื่อการวิเคราะห์
• พื้นฐานคงที่
  ในขณะที่ประสิทธิภาพของเนื้อหาของฉันดีขึ้น ฉันก็มีเนื้อหาที่ "มีประสิทธิภาพเหนือกว่า" มากขึ้น จำเป็นต้องคำนวณพื้นฐานใหม่ทุกสองสามเดือนเพื่อพิจารณาวิวัฒนาการ สิ่งนี้จะแก้ไขได้อย่างง่ายดายโดยใช้โมเดลแมชชีนเลิร์นนิงที่ไม่มีผู้ดูแลเพื่อคำนวณค่าเฉลี่ย (หรือแม้แต่ข้ามขั้นตอนนี้และระบุความผิดปกติโดยตรง)
• พื้นฐานที่ "ไม่ถูกต้อง"
  ข้อมูลพื้นฐานไม่ได้พิจารณาถึงการเปลี่ยนแปลงตามฤดูกาลหรือเหตุการณ์ทั่วทั้งไซต์ นอกจากนี้ยังไวต่อเหตุการณ์รุนแรงมาก โดยเฉพาะอย่างยิ่งหากคุณจำกัดการคำนวณของคุณให้สั้นลง:

การวิเคราะห์ค่าผิดปกติที่ไม่สมเหตุสมผลทางสถิติ
โดยเฉพาะอย่างยิ่ง หากคุณไม่มีเซสชันจำนวนมากต่อวันต่อรายการเนื้อหา การอ้างสิทธิ์ความแตกต่าง 10% จากค่าเฉลี่ยถือว่ามีประสิทธิภาพที่ผิดปกตินั้นค่อนข้างสั้น

โดยพลการ จำกัด 90 วันของการวิเคราะห์
ขีด จำกัด โดยพลการใด ๆ เป็นปัญหา ในกรณีนี้ จะป้องกันไม่ให้ฉันเข้าใจประสิทธิภาพของเนื้อหาที่ไม่เคยหยุดนิ่ง และทำให้ฉันมองไม่เห็นจุดพีคของประสิทธิภาพ แม้ว่าฉันจะรู้จาก Google Analytics ว่าเนื้อหาที่เก่ามากในบางครั้งอาจได้รับความสนใจอย่างกะทันหัน หรือบทความบางบทความได้รับความสนใจอย่างต่อเนื่องเช่น พวกเขาอายุ สิ่งนี้ไม่ปรากฏในเครื่องมือ แต่หากคุณสร้างแผนภูมิเส้นโค้ง:

• ปัญหาความยาวของแผ่น
  สูตรและสคริปต์ของฉันบางสูตรต้องการช่วงของเซลล์ เนื่องจากไซต์และรายการในรายงานเซสชันเติบโตขึ้น ช่วงเหล่านี้จำเป็นต้องได้รับการอัปเดต (แต่ต้องไม่เกินจำนวนแถวที่มีอยู่ในแผ่นงาน มิฉะนั้นบางแถวอาจสร้างข้อผิดพลาด)
• ไม่สามารถสร้างกราฟเส้นโค้งทั้งหมดสำหรับเนื้อหาแต่ละส่วน
  มาเลย อยากดูทุกเรื่อง!
• การโต้ตอบที่จำกัดกับผลลัพธ์ที่เป็นกราฟ
  หากคุณเคยพยายามเลือกจุดหนึ่ง (หรือเส้นโค้ง) บนกราฟหลายเส้นโค้งใน Google ชีต... คุณคงรู้ว่าฉันกำลังพูดถึงอะไร สิ่งนี้จะเลวร้ายยิ่งกว่าเมื่อคุณมีเส้นโค้งมากกว่ายี่สิบเส้นบนกราฟเดียวกัน และสีต่างๆ ก็เริ่มดูเหมือนกันหมด
• ความสามารถในการมองข้ามเนื้อหาที่มีประสิทธิภาพต่ำโดยไม่มีเซสชัน
  ด้วยวิธีการที่ฉันได้นำเสนอที่นี่ เป็นการยากที่จะระบุเนื้อหาที่ไม่มีเซสชันอย่างสม่ำเสมอ เนื่องจากไม่ปรากฏในรายงาน Google Analytics จึงไม่ได้รับการตอบรับในส่วนที่เหลือของเวิร์กโฟลว์ (ยัง) เนื้อหาที่ไม่ได้ทำงานอย่างสม่ำเสมอนั้นให้คุณค่าเพียงเล็กน้อย ดังนั้น เว้นแต่ว่าคุณจะมองหาหน้าที่จะตัด เนื้อหาที่ไม่มีประสิทธิภาพก็ไม่สามารถมีตำแหน่งในรายงานประสิทธิภาพได้
• ไม่สามารถปรับให้เข้ากับการวิเคราะห์ตามเวลาจริง
  แม้ว่าจะไม่ใช้แรงงานมากเป็นพิเศษในการเรียกใช้สคริปต์การรายงาน การหาค่าเฉลี่ย และโพสต์การอัปเดตอีกครั้ง แต่สิ่งเหล่านี้ยังคงเป็นการดำเนินการโดยเจ้าหน้าที่นอกเหนือจากการอัปเดตตามโปรแกรมรายสัปดาห์ หากการอัปเดตประจำสัปดาห์คือวันพุธและคุณถามฉันในวันอังคารว่าสถานการณ์เป็นอย่างไร ฉันไม่สามารถปรึกษาเอกสารนี้ได้
• ข้อจำกัดในการขยาย
  การเพิ่มแกนของการวิเคราะห์ เช่น การจัดอันดับหรือการติดตามคำหลัก หรือแม้แต่กรองตัวเลือกตามพื้นที่ทางภูมิศาสตร์ ลงในรายงานนี้จะเป็นเรื่องที่ยุ่งยาก ไม่เพียงแต่จะทำให้ปัญหาที่มีอยู่บางส่วนรุนแรงขึ้นเท่านั้น แต่ยังเป็นการยากมากที่จะใช้การแสดงภาพที่อ่านได้และนำไปปฏิบัติได้

บทสรุป?

การใช้การคำนวณประเภทเดียวกันในสภาพแวดล้อมการเรียนรู้ของเครื่องหรือการเขียนโปรแกรมจะช่วยแก้ปัญหาเหล่านี้ได้เกือบทั้งหมด นี่จะเป็นวิธีที่ดีกว่ามากในการรันการดำเนินการกึ่งซับซ้อนกับชุดข้อมูลขนาดใหญ่ นอกจากนี้ยังมีไลบรารีที่ยอดเยี่ยมที่ใช้แมชชีนเลิร์นนิงเพื่อตรวจจับความผิดปกติตามชุดข้อมูลที่กำหนดได้อย่างน่าเชื่อถือ มีเครื่องมือที่ดีกว่าสำหรับการแสดงข้อมูลเป็นภาพ

ประเด็นประสิทธิภาพเนื้อหา

การวิเคราะห์ประสิทธิภาพเนื้อหา แม้จะใช้วิธีดั้งเดิมและผิดพลาดก็ตาม ช่วยเสริมการตัดสินใจในเชิงแจ้งเตือนและขับเคลื่อนด้วยข้อมูลในกลยุทธ์เนื้อหา

การพูดอย่างเป็นรูปธรรม การทำความเข้าใจประสิทธิภาพของเนื้อหาคือสิ่งที่ช่วยให้คุณ:

• เข้าใจคุณค่าของโปรโมชั่นเริ่มต้นกับกิจกรรมหางยาว
• มองเห็นโพสต์ที่มีประสิทธิภาพต่ำได้อย่างรวดเร็ว
• ใช้ประโยชน์จากกิจกรรมส่งเสริมภายนอกเพื่อเพิ่มการเข้าถึง
• จดจำสิ่งที่ทำให้โพสต์บางรายการประสบความสำเร็จได้อย่างง่ายดาย
• ระบุผู้เขียนบางคนหรือบางหัวข้อที่มีประสิทธิภาพเหนือกว่าผู้อื่นอย่างสม่ำเสมอ
• กำหนดเมื่อ SEO เริ่มมีผลกระทบต่อเซสชัน

ข้อมูลนี้ที่ขับเคลื่อนการตัดสินใจอย่างมีข้อมูลเพื่อโปรโมตเนื้อหาและเมื่อใดและอย่างไร ตัวเลือกเรื่อง โปรไฟล์ผู้ชม และอื่นๆ

สุดท้าย การทดลองเช่นนี้แสดงให้เห็นว่าโดเมนใดๆ ที่คุณสามารถรับข้อมูลได้นั้นมีความเป็นไปได้ที่จะใช้ทักษะในการเขียนโปรแกรม การเขียนสคริปต์ และแมชชีนเลิร์นนิง แต่คุณไม่จำเป็นต้องละทิ้งการสร้างเครื่องมือของคุณเอง หากคุณไม่มีทักษะเหล่านี้ทั้งหมด