Анализ доменов-доноров с помощью chatGPT и Data Analyst

Анализ доменов-доноров с помощью chatGPT и Data Analyst

Хочу рассказать про плагин Data Analysis. Это разработка от OpenAI, представляющая собой плагин, благодаря которому возможно создание и выполнение кода прямо в интерфейсе ChatGPT, а также работа с файлами, загруженными пользователем. Ранее известный как Code Interpreter, данный плагин ранее был доступен лишь как бета фича, а сейчас плагин доступен всем обладателем подписки chatGPT Plus.

Покажу способ, как с помощью Data Analysis можно сделать анализ ссылочного сайта и выбрать домены для отклонения в Google Search Console.

Подготовительные работы

Сначала выгружаем из Ahrefs домены из отчета Домены-доноры и считаем отношение доноров к акцепторам. Нам нужны следующие метрики ссылающихся доменов:

  • DR - это показатель относительного качества ссылочной массы ссылающегося домена.
  • Dofollow ref. domains - количество dofollow доменов, которые ссылаются на сайт.
  • Dofollow linked domains - количество доменов, на которые ссылается dofollow ссылками.
  • linked/ref domains - делим Dofollow linked domains на Dofollow ref. domains, чтобы понять отношение входящих и исходящих ссылок.
  • Keywords - количество ключей ссылающегося домена в ТОП 100 Google.

Далее находим Data Analyst в каталоге и запускаем. Полученный файл с данными загружаем в chatGPT и просим посмотреть на него:

Анализ доменов-доноров с помощью chatGPT и Data Analyst

Анализируем данные по группам

Будем разбивать промежутки на квантили, минимальное и максимальное значение. Это нужно для того, чтобы данные были статистически значимыми и удобными для анализа.

Проанализируем домены по DR. Берем только домны, где доменов-доноров больше 0. Нет смысла анализировать домены по DR, у которых 0 ссылок внешних.

Анализ доменов-доноров с помощью chatGPT и Data Analyst

Видим, что у доменов, у которых DR меньше 10, почти нет ключей и доменов доноров, но большой показатель ссылающихся доменов. Это первая группа, где могут быть плохие домены.

Анализ доменов-доноров с помощью chatGPT и Data Analyst

Проанализируем домены по отношению доноров к акцепторам. Тут также берем только домны, где доменов-доноров больше 0.

Анализ доменов-доноров с помощью chatGPT и Data Analyst

Видим, что у доменов, у которых DR меньше 10, почти нет ключей и доменов доноров, но большой показатель ссылающихся доменов. Это первая группа, где могут быть плохие домены.

Анализ доменов-доноров с помощью chatGPT и Data Analyst

Проанализируем домены по отношению доноров к акцепторам. Тут также берем только домны, где доменов-доноров больше 0.

Анализ доменов-доноров с помощью chatGPT и Data Analyst

Видно, что 0 ссылающихся доменов попали довольно слабые домены. Но их немного, и они относительно безопасные.

Анализ доменов-доноров с помощью chatGPT и Data Analyst

Также видим, что домены, у которых больше 7.425 ссылки с домена-донора, имеют слабые показатели по DR и ключам. Это еще одна группа, где могут быть плохие домены.

Анализ доменов-доноров с помощью chatGPT и Data Analyst

Проанализируем ключевые слова. В этот раз берем все домены.

Анализ доменов-доноров с помощью chatGPT и Data Analyst

Видно, что домены с 0 ключами имеют очень маленький DR и очень большое отношение доноров к акцепторам. Это последняя группа, где могут быть плохие домены.

Анализ доменов-доноров с помощью chatGPT и Data Analyst

Анализируем все эти группы вместе

Проанализируем все эти группы вместе. В этот раз добавим средние значения к медианам, чтобы увидеть частные случаи. Например, у большинства доменов группы DR 0, а у нескольких - 50. И если такое есть, среднее это покажет.

Анализ доменов-доноров с помощью chatGPT и Data Analyst

Посмотрим на каждую категорию:

  • DR < 10. По среднему количеству ключей видно, что среди доменов с DR есть домены, которые ранжируются в Google по большому количеству ключей. Поэтому на всей этой категории я бы крест не ставил.
  • linked/ref domains > 7.42. Тут среднее количество ключей еще выше, т.е. есть домены, которые совсем неплохо ранжируются. Средний DR выше медианы. Значит, есть домены с хорошим DR. Тут я тоже есть хорошие домены.
  • Keywords = 0. Средний DR - почти 10. Значит, какие-то домены в теории могут отдавать нормальный ссылочный вес. Но в остальном тут все плохо.
  • DR < 10.01 и linked/ref domains > 7.42 и Keywords = 0. Тут даже по средним значениям все плохо. Домены в этой группе - идеальные кандидаты на отклонение ссылок в GSC.

Результаты

В результате анализа у нас есть группа с доменными, которые можно отклонить. Попросим chatGPT сделать нам список доменов. Скачиваем и можем загружать их в GSC.

Анализ доменов-доноров с помощью chatGPT и Data Analyst

Такой анализ можно сделать на питоне руками без ИИ. Но с chatGPT намного проще! Плагин сам пишет код, сам исправляет ошибки в коде, если они возникают. При желании, можно делать такие анализы на младших специалистов, т..к chatGPT делает часть работы сам.

олезные ссылки:

Обязательно берите chatGPT и Data Analyst себе на вооружение!

Спасибо за прочтение! Буду благодарен за подписку на мой ТГ-канал. В нем я делюсь кейсами использования chatGPT, SEO-кейсами и аналитикой, которые меня заинтересовали.

99
3 комментария

Спасибо, полезно.

1
Ответить

Так это же всё можно в табличках сделать)

Ответить

Можно, но так быстрее и удобнее, как по мне)

Ответить