İçerik performansını anlamak için araçlar oluşturma

İçerik, bir gelen pazarlama stratejisini yönlendiren birincil güçlerden biridir ve SEO, bu işi yapmanın ayrılmaz bir parçasıdır. Genel olarak, bu, sayfa içi SEO'nun temellerini kapsayacaktır: makale yapısı, anahtar kelime yerleştirme, meta etiketler, başlık etiketleri, alternatif metin, başlıklar, yapılandırılmış veriler ve listelerde ve tablolarda gayri resmi olarak yapılandırılmış veriler oluşturmak için biçimlendirme kullanımı.

OnCrawl kullanarak içerik yönetiminin bir parçası olarak sayfa içi SEO'yu denetleme.

Site denetimleri veya düzenli taramalar yoluyla, makine tarafından oluşturulan doğal dil meta açıklamaları, snippet kontrol etiketleri veya yapılandırılmış veri enjeksiyonu yoluyla toplu olarak optimize etmeye veya izlemeye başladığınızda bu, teknik SEO şemsiyesi altına girer.

Bununla birlikte, içerik performansı söz konusu olduğunda teknik SEO ve içerik pazarlamasının kesişimi daha da fazladır: SERP'lerdeki sayfa sıralaması veya tıklama, gösterim ve oturum sayısı gibi aynı birincil verilere bakarız. Aynı türden çözümleri uygulayabilir veya aynı araçları kullanabiliriz.

İçerik performansı nedir?

İçerik performansı, izleyicinin içerikle nasıl etkileşime girdiğinin ölçülebilir sonucudur. İçerik gelen trafiği yönlendiriyorsa, bu trafiğin ölçümleri, içeriğin işini ne kadar iyi veya ne kadar kötü yaptığını yansıtır. Her içerik stratejisi, somut hedeflere dayalı olarak kendi KPI'larını tanımlamalıdır. Çoğu aşağıdaki metrikleri içerecektir:

• İçeriğin aramada ne kadar görünür olduğu (SERP'lerdeki gösterimler)
• İlgili arama motorları içeriğin ne kadar uygun olduğunu düşünüyor (SERP'lerde sıralama)
• İlgili arama yapanlar, içeriğin arama listesinin nasıl olduğunu düşünüyor (SERP'lerden gelen tıklamalar)
• İçeriği kaç kişi görüntülemektedir (bir analiz çözümündeki ziyaretler veya oturumlar)
• İş hedeflerini ilerletecek şekilde içerikle kaç kişi etkileşime giriyor (dönüşüm izleme)

Çok uzak çok iyi.

Zorluk imleci yerleştirmektir: Hangi sayılar iyi içerik performansına sahip olduğunuzu gösterir? normal nedir? Ve bir şeyin iyi gitmediğini nasıl anlarsınız?

Aşağıda, bu soruları yanıtlamaya yardımcı olacak düşük teknolojili bir aracın "kavram kanıtı" oluşturmak için yaptığım deneyi paylaşacağım.

İçerik performansı için neden bir standart gerekiyor?

Kendi içerik stratejisi incelememin bir parçası olarak yanıtlamak istediğim sorulardan bazıları şunlardır:

• Kurum içi içerik ile misafir gönderileri arasında performans açısından bir fark var mı?
• İyi performans göstermeyen, zorladığımız konular var mı?
• Hala haftalık trafik çekip çekmediklerini görmek için üç yıl beklemeden "her zaman yeşil kalan" gönderileri nasıl belirleyebilirim?
• Kendi promosyon stratejimizi hemen uyarlamak ve artan görünürlükten yararlanmak için promosyon radarımızda olmayan bir haber bülteninde bir gönderi alındığında olduğu gibi üçüncü taraf promosyonlarından kaynaklanan küçük destekleri nasıl belirleyebilirim?

Bu sorulardan herhangi birini yanıtlamak için, birlikte çalıştığınız sitede "normal" içerik performansının nasıl göründüğünü bilmeniz gerekir. Bu temel olmadan, belirli bir içerik parçasının veya türünün iyi (taban çizgisinden daha iyi) performans gösterip göstermediğini nicel olarak söylemek imkansızdır.

Bir temel belirlemenin en kolay yolu, sıfır gününün yayın tarihi olduğu makale başına, yayınlandıktan sonra günlük ortalama oturum sayısına bakmaktır.

Bu, şuna benzer bir eğri üretecek ve ilk ilginin zirvesini (ve analizinizi yalnızca arama motorlarından gelen oturumlarla sınırlandırmadıysanız muhtemelen yaptığınız herhangi bir promosyonun sonuçlarını) ve ardından uzun bir kuyruk kuyruğunu gösteren bir eğri üretecektir. düşük faiz:

Tipik bir gönderi için gerçek veriler: yayın tarihinden kısa bir süre sonra bir zirve, ardından çoğu durumda, sonunda orijinal zirveden daha fazla oturum getiren uzun bir kuyruk.

Her gönderinin eğrisinin neye benzediğini öğrendikten sonra, her bir eğriyi diğerleriyle karşılaştırabilir ve neyin “normal” olup neyin olmadığını belirleyebilirsiniz.

Bunu yapmak için bir aletiniz yoksa, bu boyun ağrısıdır.

Bu projeye başladığımda amacım, içerik performansını inceleme şeklimi değiştirecek kadar Python öğrenmeyi taahhüt etmeden önce, bir kavram kanıtı oluşturmak için Google E-Tablolar'ı kullanmaktı.

Süreci aşamalara ve adımlara ayıracağız:

1. Temelinizi bulun
   - Çalışmak istediğiniz içeriği listeleyin
   – Her bir içerik parçasının her gün kaç oturum aldığını öğrenin
   – Oturumlar listesindeki tarihi, yayınlanmasından bu yana geçen gün sayısıyla değiştirin
   – Temel olarak kullanmak için “normal” eğriyi hesaplayın
2. Temel gibi görünmeyen içeriği belirleyin
3. güncel tut

İçerik performansı temelinizi bulun

Çalışmak istediğiniz içeriği listeleyin

Başlamak için, incelemek istediğiniz içeriğin bir listesini oluşturmanız gerekir. Her içerik parçası için URL'ye ve yayın tarihine ihtiyacınız olacak.

İster elle yapın, ister otomatik bir yöntem kullanın, bu listeyi istediğiniz gibi alabilirsiniz.

API kullanarak her içerik URL'sini ve yayın tarihini doğrudan CMS'den (bu durumda WordPress) çekmek için bir Apps Komut Dosyası kullandım ve sonuçları bir Google Sayfasına yazdım. Komut dosyaları veya API'ler konusunda rahat değilseniz, bu yine de nispeten kolaydır; WordPress için bunun nasıl yapılacağına dair çevrimiçi olarak birden fazla örnek bulabilirsiniz.

Bu verileri her gönderi için oturum verileriyle karşılaştırmak isteyeceğinizi unutmayın; bu nedenle, bu sayfadaki "sümüklü böcek"in, analitik çözümünüz tarafından sağlanan URL yolunun biçimiyle eşleştiğinden emin olmanız gerekir.

Google Analytics'ten alınan verileri değiştirmek yerine, yukarıdaki E sütununda tam bilgi (URL yolu) oluşturmanın daha kolay olduğunu düşünüyorum. Ayrıca hesaplama açısından daha az ağırdır: Bu listede daha az satır var!

Bu site için tam bir URL oluşturmak için örnek formül: CMS tarafından sağlanan kategori numarasını bir tabloda arayın ve bu sitenin URL modeliyle eşleşen makale bilgisinden önce yer alan kategori adını döndürün (https://site .com/categoryName/articleSlug/)

Arka uca erişiminiz yoksa, örneğin bir tarama sırasında bu bilgileri web sitenizin kendisinden sıyırarak listenizi oluşturabilirsiniz. Ardından, istediğiniz verilerin CSV'sini dışa aktarabilir ve bir Google E-Tablosuna aktarabilirsiniz.

Bir web sitesinin blogundan yayın tarihlerini sıyırmak için OnCrawl'da bir veri alanı ayarlama.

OnCrawl'ın Veri Gezgini'nde, dışa aktarma için hazır URL ve alıntı yayın tarihi dahil veriler.

Her bir içerik parçasının günde kaç oturum kazandığını öğrenin

Ardından, içerik parçası ve günlük oturumların bir listesine ihtiyacınız var. Başka bir deyişle, bir içerik parçası 30 günlükse ve bu süre boyunca her gün ziyaret aldıysa, içeriğinizin geri kalanı için bunun için 30 satırınız olmasını istersiniz.

Bunun için aynı belgede ayrı bir sayfaya ihtiyacınız olacak.

Google E-Tablolar'a yapılan Google Analytics eklentisi bunu nispeten kolaylaştırır.

İstediğiniz verilerle Google Analytics görünümünden aşağıdakilerle ilgili bir rapor talep edebilirsiniz:

Google Analytics verilerinizin segmentlerini kullanmak bu aşamada son derece yararlıdır. Örneğin, raporunuzu sitenin tamamı yerine yalnızca analiz etmekle ilgilendiğiniz içerik URL'lerini içeren bir segmentle sınırlayabilirsiniz. Bu, sonuç raporundaki satır sayısını önemli ölçüde azaltır ve verilerle Google E-Tablolar'da çalışmayı çok daha basit hale getirir.

Ayrıca, kesinlikle SEO amaçları için yalnızca organik performansa bakmayı düşünüyorsanız, segmentiniz SEO çalışmasına atfedilemeyecek satın alma kanallarını hariç tutmalıdır: yönlendirmeler, e-posta, sosyal…

Verilerinizi yanlışlıkla kırpmamak için sınırın yeterince yüksek olduğundan emin olmayı unutmayın.

Yayınlanmasından bu yana geçen gün sayısını hesaplayın

Makaledeki her veri noktasının yayınlanmasından bu yana geçen gün sayısını hesaplamak için, oturum raporundaki verileri içerik parçaları listenizdeki verilere birleştirmemiz (veya bir Data Studio kullanıcısıysanız "karıştırmamız") gerekir. .

Bunu yapmak için, anahtar olarak URL'yi veya URL yolunu kullanın. Bu, URL yolunun hem CMS tablosunda hem de Google Analytics raporunda aynı şekilde biçimlendirilmesi gerektiği anlamına gelir.

Analytics raporumda açılış sayfasındaki tüm parametreleri temizleyebilmek için ayrı bir tablo oluşturdum. Sütunlarımı şu şekilde ayarladım:

• Açılış sayfası
  Analytics raporundaki URL bilgi bilgisinden parametreleri temizler
  Örnek formül:

• Tarih
  Analytics raporundan oturumların kaydedildiği tarih
  Örnek formül:

• Oturumlar
  Analytics raporundan oturumların kaydedildiği tarih
  Örnek formül:

• Yayınlandıktan sonraki günler
  Yeni oluşturduğumuz CSM tablosunun sütununda bu URL'nin yayınlanma tarihini arar ve bu oturumların kaydedildiği tarihten çıkarır. URL, CMS tablosunda bulunamazsa, hata yerine boş bir dize bildirir.
  Örnek formül:

Arama anahtarımın -tam URL yolu- verilerimin en soldaki sütunu olmadığını unutmayın; DÜŞEYARA amaçları için E sütununu C sütunundan önce değiştirmek zorunda kaldım.

Bunu elle doldurmak için çok fazla satırınız varsa, ilk satırdaki içeriği kopyalamak ve sonraki 3450'yi doldurmak için aşağıdaki gibi bir komut dosyası kullanabilirsiniz:

 fonksiyon DoldurDown() {
    var elektronik tablo = SpreadsheetApp.getActive();
    spreadsheet.getRange('F2').activate();
    spreadsheet.getActiveRange().autoFill(spreadsheet.getRange('F2:F3450), SpreadsheetApp.AutoFillSeries.DEFAULT_SERIES);
};

Yayınlandıktan sonra günlük "normal" oturum sayısını hesaplayın

Normal oturum sayılarını hesaplamak için bir grafikle eşleştirilmiş oldukça basit bir pivot tablo kullandım. Basitlik adına, yayınlandıktan sonra günlük ortalama seans sayısına bakarak başladım.

Yayını takip eden 1000 gün boyunca oturumların medyanına karşı ortalamasını burada bulabilirsiniz. Google E-Tablolar'ın sınırlarını bir veri görselleştirme projesi olarak görmeye başlıyoruz (?):

Bu, tüm sitede hafta içi oturum zirvelerinin olduğu bir B2B sitesidir; haftada birkaç kez, ancak her zaman aynı günlerde makaleler yayınlar. Haftalık kalıpları neredeyse görebilirsiniz.

Bu durumda, görselleştirme amacıyla, yuvarlanan 7 günlük ortalamalara bakmak muhtemelen en iyisi olacaktır, ancak işte yayından bu yana yalnızca haftalarca düzgünleşen hızlı sürüm:

Bu uzun vadeli görüşe rağmen, sonraki adımlarda, daha sonra Google E-Tablolar'ın sınırları içinde kalmak için grafiği yayınlandıktan sonraki 90 günle sınırlayacağım:

Anormallik arayışı

Artık herhangi bir günde ortalama gönderinin nasıl göründüğünü bildiğimize göre, herhangi bir gönderiyi taban çizgisiyle karşılaştırarak, yüksek veya düşük performans gösterip göstermediğini anlayabiliriz.

Manuel olarak yapıyorsanız, bu hızla "elden" çıkar. Bir kenara, en azından bunun bir kısmını otomatikleştirmeye çalışalım.

Her gönderi (90 günden daha eski), 90 günlük penceremizde her gün için yeni oluşturduğumuz temel ile karşılaştırılmalıdır.

Bu kavram kanıtı için günlük ortalamadan yüzde farkını hesapladım.

Titiz bir analiz için, günlük seansların standart sapmasına bakmak ve bireysel içerik parçasının performansının taban çizgisinden kaç standart sapma olduğunu belirlemek isteyeceksiniz. Ortalama performanstan üç standart sapma olan bir oturum sayısının, o gün için ortalamadan %X'in üzerinde farklılık gösteren bir şeyden ziyade bir anormallik olma olasılığı daha yüksektir.

Bu süre içinde en az bir gün anormallik olan her içerik parçasını (son 90 gündeki oturumlarla) seçmek için bir pivot tablo kullandım:

Google E-Tablolar'da pivot tabloların 100'den fazla sütun oluşturmasına izin verilmez. Dolayısıyla bu analiz için 90 gün sınırlaması.

Bu tabloyu çizdim. (İdeal olarak, bu makalelerin her biri için tüm 90 günlük eğrinin grafiğini çıkarmak isterdim, ancak bir eğriye tıkladığımda sayfanın da yanıt vermesini isterim.)

İşleri güncel tutma: Güncellemeleri otomatikleştirme

Burada üç ana unsur vardır:

1. temel
2. İzlemek istediğiniz içerik parçaları
3. Bu içerik parçalarının performansı

Ne yazık ki, bunların hiçbiri statik değildir.

Teorik olarak, içeriğinizi hedefleme ve tanıtma konusunda daha iyi hale geldikçe ortalama performans gelişecektir. Bu, taban çizgisini sık sık yeniden hesaplamanız gerekeceği anlamına gelir.

Ve web sitenizde mevsimsel inişler ve çıkışlar varsa, burada yaptığımız gibi bir birleşim oluşturmak yerine daha kısa sürelerdeki veya her yıl aynı dönemdeki ortalamalara bakmak faydalı olabilir.

Daha fazla içerik yayınladıkça, yeni içeriği de izlemek isteyeceksiniz.

Ve önümüzdeki haftanın seans tarihine bakmak istediğimizde elimizde olmayacak.

Başka bir deyişle, bu modelin az ya da çok sık güncellenmesi gerekiyor. Her bakmakla ilgilendiğinizde tüm aracı sıfırdan yeniden oluşturmak yerine güncellemeleri otomatikleştirmenin birden çok yolu vardır.

Uygulaması en kolay olanı, muhtemelen analitik oturumlarının haftalık güncellemesini planlamak ve aynı anda yeni gönderileri (yayınlanma tarihleriyle birlikte) çekmektir.

Kullandığımız Google Analytics raporu, düzenli aralıklarla otomatik olarak çalışacak şekilde kolayca programlanabilir. Dezavantajı, geçmiş raporların üzerine yazmasıdır. Raporun tamamını çalıştırmak ve yönetmek istemiyorsanız, daha kısa bir süre ile sınırlayabilirsiniz.

Amacım için, 7 günlük bir pencereye bakmanın bana çok fazla güncel olmadan çalışmak için yeterli bilgi verdiğini buldum.

90 günlük sürenin dışında her zaman yeşil kalan gönderilere göz kulak olmak

Daha önce oluşturduğumuz verileri kullanarak, çoğu gönderinin haftada ortalama 50 seans olduğunu belirlemenin mümkün olduğunu varsayalım.

Bu nedenle, yayın tarihinden bağımsız olarak haftalık oturumları 50'nin üzerinde olan herhangi bir gönderiye göz kulak olmak mantıklıdır:

Makaleler yayın dönemine göre renklendirilir: son 90 gün (mavi), geçen yıl (turuncu) ve eski (gri). Haftalık toplamlar, 50'lik oturum hedefiyle karşılaştırılarak renklerle kodlanmıştır.

Haftada gün başına toplam oturumları bölmek, oldukça tutarlı performansa sahip her zaman yeşil olan gönderiler ile eşit olmayan performansa sahip olaya dayalı etkinlik arasında hızlı bir şekilde ayrım yapmayı kolaylaştırır:

Her zaman yeşil içerik (±20/gün tutarlı performans)

Muhtemel şirket dışı terfi (kısa vadeli bir zirvenin dışında genel olarak düşük performans)

Bu bilgilerle ne yapacağınız, içerik stratejinize bağlı olacaktır. Bu gönderilerin web sitenizdeki olası satışları nasıl dönüştürdüğünü düşünmek veya bunları geri bağlantı profilinizle karşılaştırmak isteyebilirsiniz.

İçerik analizi için Google E-Tabloların sınırlamaları

Google E-Tablolar, muhtemelen bu noktada fark etmiş olduğunuz gibi, bu tür analizler için son derece güçlü, ancak sınırlı bir araçtır. Bu sınırlamalar, sizinle bir şablon paylaşmamayı tercih etmemin nedenidir: onu kendi durumunuza uyarlamak çok fazla iş gerektirecektir - ancak alabileceğiniz sonuçlar hala yalnızca geniş vuruşlarla boyanmış yaklaşık değerlerdir.

İşte bu modelin sunamadığı ana noktalardan bazıları:

• Çok fazla formül var.
  Çok sayıda (örneğin, binlerce) etkin içerik URL'niz varsa, son derece yavaş olabilir. Haftalık güncelleme komut dosyalarımda, birçok formülü hesaplandıktan sonra değerleriyle değiştiriyorum, böylece dosya daha sonra analiz için açtığımda gerçekten yanıt veriyor.
• Statik temel.
  İçerik performansım arttıkça, "yüksek performans gösteren" daha fazla içerik parçasına sahibim. Temelin, evrimi hesaba katmak için birkaç ayda bir yeniden hesaplanması gerekir. Bu, ortalamaları hesaplamak için (hatta bu adımı atlamak ve anormallikleri doğrudan belirlemek için) denetimsiz bir makine öğrenimi modeli kullanılarak kolayca çözülebilirdi.
• "Yanlış" bir temel.
  Temel, mevsimsel değişiklikleri veya site genelindeki olayları hesaba katmaz. Ayrıca aşırı olaylara karşı çok hassastır, özellikle de hesaplamanızı daha kısa bir süre ile sınırlandırırsanız:

İstatistiksel olarak sağlam olmayan aykırı değer analizi.
Özellikle, içerik öğesi başına günde çok fazla oturumunuz yoksa, ortalamadan %10'luk bir fark talep etmek olağandışı bir performans oluşturur, biraz kabataslak olur.

90 günlük analiz için keyfi sınır.
Herhangi bir keyfi limit bir sorundur. Bu durumda, her zaman yeşil kalan içerik performansını anlamamı engelliyor ve performanslarındaki herhangi bir zirveye karşı beni kör ediyor - Google Analytics'ten çok eski parçaların ara sıra ani bir dikkat artışı olduğunu veya bazı makalelerin sürekli olarak dikkat çektiğini biliyorum. yaşlanırlar. Bu, araçta görünmez, ancak eğrilerini çizerseniz:

• Sayfa uzunluğu sorunları.
  Formüllerimden ve komut dosyalarımdan bazıları bir dizi hücre gerektiriyor. Site ve oturum raporundaki satırlar büyüdükçe bu aralıkların güncellenmesi gerekir. (Fakat sayfada bulunan satır sayısını geçemezler veya bazıları hata oluşturur.)
• Her içerik parçası için tam eğriler çizememe.
  Hadi ama, her şeyi görmek istiyorum!
• Grafikle gösterilen sonuçlarla sınırlı etkileşim.
  Google E-Tablolar'da çok eğrili bir grafikte bir noktayı (veya eğriyi) seçmeye çalıştıysanız… neden bahsettiğimi biliyorsunuz. Aynı grafikte yirmiden fazla eğriniz olduğunda ve renklerin hepsi aynı görünmeye başladığında bu daha da kötüdür.
• Düşük performans gösteren içeriği oturum olmadan gözden kaçırma olasılığı.
  Burada sunduğum yöntemi kullanarak, sürekli olarak oturumu olmayan içeriği belirlemek zor. Google Analytics raporunda hiçbir zaman görünmediğinden, iş akışının geri kalanında (henüz) alınmaz. Sürekli olarak performans göstermeyen içerik çok az değer sağlar, bu nedenle budanacak sayfalar aramadığınız sürece, performans göstermeyen içeriğin performans raporunda yeri yoktur.
• Gerçek zamanlı analize uyum sağlayamama.
  Raporlama, ortalama alma ve güncelleme sonrası komut dosyalarını yeniden çalıştırmak özellikle emek yoğun olmasa da, bunlar haftalık programlanmış güncellemenin dışında hala manuel işlemlerdir. Haftalık güncelleme Çarşamba günüyse ve bana Salı günü işlerin nasıl gittiğini sorarsanız, sadece sayfaya bakamam.
• Genişletme sınırlamaları.
  Bu rapora sıralama veya anahtar kelime izleme veya hatta coğrafi bölgeye göre filtreleme seçenekleri gibi bir analiz ekseni eklemek zahmetli olacaktır. Sadece mevcut sorunlardan bazılarını alevlendirmekle kalmayacak, aynı zamanda okunabilir, eyleme geçirilebilir bir görselleştirme uygulamak da son derece zor olacaktır.

Sonuç?

Bir makine öğrenimi veya programlı ortamda aynı tür hesaplamaları çalıştırmak, bu sorunların neredeyse tamamını çözecektir. Bu, büyük bir veri kümesi üzerinde yarı karmaşık işlemleri yürütmenin çok daha iyi bir yolu olacaktır. Ayrıca, belirli bir veri kümesine dayalı anormallikleri güvenilir bir şekilde algılamak için makine öğrenimini kullanan mükemmel kitaplıklar vardır; veri görselleştirme için daha iyi araçlar var.

İçerik performansı çıkarımları

İçerik performans analizi, ilkel ve kusurlu yöntemlerle bile, içerik stratejisinde uyarı ve veriye dayalı karar vermeyi güçlendirir.

Somut olarak konuşursak, içerik performansını anlamak şunları yapmanızı sağlar:

• Uzun kuyruk etkinliğine karşı ilk promosyonların değerini anlayın
• Düşük performans gösteren gönderileri hızla tespit edin
• Erişimi artırmak için dış tanıtım faaliyetlerinden yararlanın
• Belirli gönderileri neyin bu kadar başarılı kıldığını kolayca anlayın
• Sürekli olarak diğerlerinden daha iyi performans gösteren belirli yazarları veya belirli konuları belirleyin
• SEO'nun oturumlar üzerinde ne zaman bir etkiye sahip olmaya başladığını belirleyin

İçeriği, ne zaman ve nasıl, konu seçimlerini, izleyici profili oluşturmayı ve daha fazlasını tanıtmak için bilinçli kararları yönlendiren bu veriler.

Son olarak, bunun gibi deneyler, veri elde edebileceğiniz herhangi bir alanın kodlama, komut dosyası oluşturma ve makine öğrenimi becerileri için potansiyel bir kullanıma sahip olduğunu göstermektedir. Ancak tüm bu becerilere sahip değilseniz, kendi araçlarınızı yapmaktan vazgeçmek zorunda değilsiniz.