Uncategorized

Keyword Selection

Η επιστήμη των δεδομένων μπορεί να εφαρμοστεί παντού για την βελτιστοποίηση μεθόδων, για καλύτερες αποφάσεις και επίτευξη στόχων. Στο παρακάτω άρθρο παρουσιάζω έναν απλό τρόπο ανάλυσης για την επιλογή keywords (keyword selection) όπου θα χρησιμοποιηθούν σε τεχνικές SEO. Συνήθως επιλέγονται 3-5 keywords με σκοπό η σελίδα της επιχείρησης να φτάσει στα πρώτα αποτελέσματα αναζήτησης στο Google.

Αρχικά πρέπει να γίνει συλλογή των keywords που αφορούν την εταιρία. Αυτό μπορεί να γίνει από το Google Keyword planner στο οποίο δίνεις μια λέξη ‘πηγή’ και σου εμφανίζει μια λίστα από keywords που σχετίζονται με το keyword που δώσαμε. Επίσης δίνεται η δυνατότητα εξαγωγής της λίστας σε CSV. Έτσι βάζοντας αρκετά keywords σαν λέξη πηγή, δημιουργούμε μια λίστα με Keywords που σχετίζονται με την εταιρία.

Στο αρχείο που φτιάξαμε κρατάμε μόνο το keyword, το volume( Avg monthly Searches), και το competition.

Μια εταιρία, όπως για παράδειγμα εταιρία βουλκανιζατέρ, ίσως δεν έχει μόνο ελαστικά, αλλά και υπηρεσίες όπως η ευθυγράμμιση , βαφές, κτλ. Για αυτό τον λόγο θα ήταν λάθος να επιλεγούν keywords μόνο με βάση το volume. Υπάρχει περίπτωση ο όγκος αναζήτησης στα keywords των ελαστικών να ξεπερνούν όλα τα keywords των άλλων κατηγοριών. Έτσι αν βασιζόμασταν αποκλειστικά και μονο στον όγκο αναζήτησης θα επιλέγαμε τα βασικά keywords εξολοκλήρου από ελαστικά.

Αρχικά θα πρέπει να γίνει μια ομαδοποίηση των keywords που είναι πολύ σημαντικό κομμάτι μιας και θα χρησιμοποιηθεί και στα άλλα μέρη του digital marketing που θα αναφέρω σε επόμενα posts. Η ομαδοποίηση μπορεί να γίνει με πολλούς τρόπους όπως με χρήση python, R, SQL ή απλά με excel. Η βασική ιδέα είναι να φτιάξουμε μια νέα στήλη “Κατηγορία” και εκεί να μπαίνει ή κάθε κατηγορία των keywords φτιάχνοντας μια συνάρτηση που αν εντοπίζει στο κελί των keywords ένα string όπως π.χ. ‘λαστ’ να τοποθετεί σαν κατηγορία ‘ελαστικά’. Στην python μπορεί να γίνει πολύ εύκολα με την βιβλιοθήκη pandas ( str.contains(“λαστ”) ) και αντίστοιχα στο excel χρήση μιας συνάρτησης. Μπορεί να φαίνεται χρονοβόρο, στην πραγματικότητα όμως είναι μια πολύ γρήγορη διαδικασία μιας και τα keywords περιέχουν σχεδόν τις ίδιες λέξεις-γράμματα όταν ανήκουν σε ίδια κατηγορία.

Σε αυτό το σημείο καλό θα είναι να γίνει μια εκκαθάριση από keywords που δεν ενδιαφέρουν καθόλου την επιχείρηση όπως ένα keyword που αναφέρεται σε άλλη πόλη όπως ‘ελαστικά Καλαμάτα ’ , ενώ η επιχείρηση είναι Αθήνα.

Aφού γίνει η κατηγοριοποίηση, κάνοντας εισαγωγή το csv αρχείο στην python μέσω pandas μπορούμε να συγκρίνουμε τις κατηγορίες. Χρησιμοποιώντας το groupby Category μπορούμε να δούμε το keyword με τον μέγιστο όγκο αναζήτησης κάθε κατηγορίας ώστε να βγάλουμε κάποια αρχικά συμπεράσματα. για την βαρύτητα κάθε κατηγορίας.

Τώρα μπορούμε να εμφανίσουμε τα τοπ 10 keywords από κάθε κατηγορία ώστε να επιλέξουμε αυτά που θεωρούμε καλύτερα.

Μια ακόμα παράμετρος που βοηθάει στην επιλογή των keywords είναι να δούμε την συσχέτιση που έχει το Volume με την δυσκολία (ή με  τον ανταγωνισμό) κάθε κατηγορίας.

(το difficulty πάρθηκε από ένα online πρόγραμμα ανάλυσης για SEO. To ίδιο όμως μπορεί να γίνει και με το competition που έχουμε από το keyword planner της Google)

Εκτελώντας data[data[‘category’]==‘elastika’].corr() παίρνουμε το εξής

Έτσι από τον αριθμό συσχέτισης του όγκου αναζήτησης με την δυσκολία μπορούμε να συμπεράνουμε το πόσο δύσκολα μπορεί να γίνει βελτιστοποίηση στην συγκεκριμένη κατηγορία. Οσο πιο μεγάλος είναι ο αριθμός αυτός, τόσο πιο δύσκολο είναι το έργο του SEO.

Leave a Reply

Your email address will not be published. Required fields are marked *

clear formPost comment