SEO 데이터 분석 개요 및 사례

Absrtact: 내가 종종 단순히 SEO 관련 데이터 분석, 그리고 심지어 충돌의 몇 시간을 기대 하는 방법을 말할 수 있도록 요청 해요. 그러나,이 지역의 너무 많이, 그것은, 단어 수 또한 간단 하 게 요약을 어디서 해야할지. 서재응은 매우 미 성숙한 산업

나는 종종 질문 수 있도록 SEO에 대 한 이야기 관련 데이터 분석, 그리고 심지어 충돌의 몇 시간을 기대 하는 방법. 그러나,이 지역의 너무 많이, 그것은, 단어 수 또한 간단 하 게 요약을 어디서 해야할지.

SEO는 매우 미 숙 산업, 참조할 수 있는 정보는 매우 제한 된, 대부분의 것 들 데이터를 groped 수 있고 과정을 모색, 종종 수 노출 과거 직감 깨닫지 않았다 진실. 그래서 데이터는 매우 사이트를로 잔인 한 때때로, 종종 간단한 데이터 열심히 사람들 년의 그룹을 거부할 수 있습니다.

가장 일반적인 예로, 서구 흐름은 메이크업 하는 방법? 가장 인기 있는 키워드, 내놓고 생각을 사람들이 또는 그것은 내놓고, 뜨거운 키워드 많은 트래픽을 순위 상위 단어 확실히 오른다, 하지만 그렇게 생각. 대부분 큰 사이트의 경우, 바이 인덱스로 SEO 트래픽의 대부분 볼 수 없습니다 주어진 단어의 매우 긴 꼬리. 그래서도 뜨거운 단어의 순위를 할 힘, 흐름에 그들의 공헌이 이다 아직도 매우 제한 된.

어떤 사람들은 이러한 데이터를 본 적이 그들은 때문에 그것은 믿을 수 생각할 수 있습니다. 하지만이 데이터는 결론에와 서 사이트의 원래 로그의 분석을 통해서만 이며 Google Analytics 통계 시스템의 매우 낮은 샘플링 속도 같은 데이터를 볼 수 없습니다. 능숙 하 게 사용할 수 있습니다 경우에가 서 이므로 거의 SEO 트래픽의 진리는 거의 본적이.

그래서, 때로는 말 "SEO 사망 했다", 사람들에 게 들어와 "SEO 하지 살아온", 자주 라고 과장 하지 않습니다.

데이터 분석을 배우기 시작 하는 방법

그래서 핵심 지표는 두 사이트에 대 한 수익을 생성 하는 검색 엔진 최적화의 궁극적인 목표: 변환, 트래픽.

예를 들어 트래픽 세분화 될 수 있습니다: 교통 = 색인 * 순위 * 속도 클릭 * 검색 량

포함 하는 세분화 될 수 있습니다: 포함 크롤링 수량 = * 페이지 품질

잡아, 경우의 병목 수 있습니다 상단의 크롤링 시간, 크롤링의 총 수의 모자를 씌 울 수 있습니다, 그리고 총 페이지 모자를 씌 울 수 있습니다. 여러 가지 다양 한 상황을 취급 하 고 다른 데이터 인덱스를 추가 해야 합니다.

이러한 부서를 통해 최종 데이터 표시기 (변환, 흐름) 여러 Baisi 데이터 표시기로 세분화 될 수 있다, 그들의 숫자는 결국 변경은 변환 또는 흐름 때문에 이러한 데이터 표시기는 유용.

(인기 있다 SEO도 서, 웹사이트 분석 및 동작의 예제를 작성 하는 공간을 많이 소비 하지만 마지막 사이트 SEO 트래픽이 매우 낮습니다, 많은 효과 표시 되지 않았다. 때문에 비록 많은 "분석", 하지만 더 의미 없는 데이터의 보기에는. )

주요 데이터 표시기 변동 하는 때 (가장 일반적인은 총 흐름 변화), 그것은 이어서 대략적인 아이디어와 단계의 두 가지 예는 데이터를 세분화 하 여 구체적인 원인을 분석 하는 데 필요한.

관련 된 측면은 매우 넓은-

우선 검색 엔진의 기본 원리를 이해 하는 어떤 어떤 데이터 표시기는 관련; 상황에서 알 수 있습니다.

다양 한 기술 수준의 지식에 대 한 필요, 데이터 수집 방법의 다양 한 종류는 다른, 때문에 일부 수집, 로그에서 추출 해야 몇 가지 필요가 일부 API, 등에서 일부 데이터 웨어하우스 수출에서 배울 필요가 방향을 변경 하는 것만 다릅니다.

데이터 혼자 단지 숫자가 고 가치가 있도록 분석할 필요 합니다. Excel, 클래스 분석 모니터링의 일반적인 사용의 임시 분석 해야 할 자신의 차트 보고서 시스템의 출력을 합니다.

그것은 배우고, 어려운, 하지만 아무것도 두려워 하는 절반 이상에 년을 걸릴 것입니다. 으로 학습 1 + 1 9 * 9는 어려운, 하지만 다시, 다음 아무것도 보고 학습 후 느낄 것 이다.

기본 가상 사례 연구

실제 응용 프로그램을 가까이 하는 예를 고려 하십시오.

게임 클래스 포럼 한 접시 네트워크에 대 한 디스크 게임 다운로드, 많은 페이지 x 네트워크 디스크 내보내기 링크; BT 다운로드, 페이지 b 플레이트 씨 다운로드 링크, 아웃 바운드 수출 링크 내 사이트가 있다.

분석을 시작:

페이지 수 크롤 링 하 고 실시간 수 색인, 그리고 계산 후 페이지는 접시는 품질이 나 보다 훨씬 낮은 발견 (품질 페이지 포함 수량/페치 수량 =)

다음 추측이 시점에서, 여부는 네트워크 디스크 내보내기 링크 플레이트 게시물 페이지 발생 페이지 품질 낮은?

확인 추측, 그리고는는 AA 그룹 X 디스크 내보내기 링크, BB 그룹에는 두 개의 그룹으로 게시물 페이지의 섹션에는 X 디스크 링크를 내보내기. 그것의 페이지의 품질을 별도로 계산합니다. AA 그룹의 페이지 품질 게시물 인지 크게 보다 낮은 BB 그룹, 우리는 예비 결론을 그릴 수 있습니다.

x 디스크 내보내기 링크, 네트워크 볼륨에 영향을 SEO 트래픽이 손상으로 이어질 궁극적으로 그들의 자신의 품질 게시물을. 그래서이 유형의 특별 한 처리와 같은 그들의 자신의 역 url에서 301 x 네트워크 디스크 이동 할 링크를 수출 해야 합니다.

물론,이 결론 올바르지 않을 수 있습니다. 예를 들어 게시물의 AA 그룹 특성, X 디스크 뿐만 아니라 수출 링크, 하지만 또한 있을 수 있습니다와 같은 표현 특성 게시물 더 (게임 리소스 붙여넣기 많은 증 쇄 될 것 이다), 후자는 페이지의 낮은 품질에 주도 정말 있을 수 있습니다.

표현 되지 않은 게시물, 증 쇄 하는 그룹화 게시물 등 더욱 엄격한 데이터 분석은 너무 엄격한 다운 하지만 정확한 결론을 내리고 더 많은 가능성이 머리, SEO은 결국 로켓 과학 되지 않습니다, 데이터의 단계에서 수집 어렵습니다, 추측 하는 경험 아래 더 있을 수 있습니다.

그래서 먼저 프로젝트를 구현 하 고 다음 전체 페이지의 B 플레이트 품질 기준으로 접시를 모니터링할 수는, 최종 결과 확인 하기 전에 올바른 추측.

이 예제에서는 완전히 가상 이지만, 내가 만약 실제 상황, 수출 링크의 네트워크에 게시물 페이지의 품질에 영향을 미칠 것입니다 확실 하지 않다. 하지만 비슷한 예 평일, 그리고 편리 하 게 수집 하는 데 필요한 데이터의 분석의이 종류에 많이 발생할 수 있습니다, 그리고 그래서 이것이 매일 SEO 데이터 분석에서 가장 쉽게 상황의 종류를 발생.

고급 실무 사례 연구

(숫자 실제 값에서 다르지만 대략 동일)

중요 한 감소 특정 기간에 내부 페이지의 흐름, 그것은 감소에 대 한 이유를 분석 하는 데 필요한.

일반적이 고 유용한 아이디어 뜨거운 단어의 25% 및 그들 및 다른 75% 단어 변경의 흐름을 볼 것입니다. 결과 데이터 뜨거운 단어의 흐름은 훨씬 낮은 경우, 즉, 열 단어 순위의 대부분이 떨어졌다;

첫째, 인기 있는 키워드의 25%는 계산, 그들의 흐름 율은 35%, 그리고 비-뜨거운 단어의 75%, 감소의 그들의 흐름 율은 30% 이다.

하지만 데이터는 5%, 격차 특히 명확 하지 않다 추가 분석을 필요로.

"SEO 기사" 두 개의 검색 단어 "서", "문서", 및 검색 단어 처리에 정말은으로 더 분할 될 수 있다와 같은 키워드는 종종 있기 때문에 더 분사가 될 수 있습니다. 그래서 더 분석은 25%의 인기 있는 검색 단어 트래픽 변화를 분석 하는 것입니다.

최종 데이터는 포함 하는 25% 인기 키워드의 흐름 검색어 40%, 그리고 10%만 인기 있는 검색 단어를 포함 하지 않은 단어 삭제 했다.

결론은 분명, 인기 검색어의 흐름 변경 되었습니다. 이 부분의 수정, 관련이 없는 목록에 최근 프로젝트의 사이트를 비교 후 그래서이 바이 조정 발생 알고리즘입니다.

변화의 원인의 흐름을 알고, 자연도 일부 해당 개선 프로그램을 가질 수 있습니다. 또는 하지 프로그램을 구현할 수 있지만 사이트의 강조 하지만, SEO에 의존의 구실 없이 적어도: "K 우리의 역 처럼 항상 바이" 등등.