Коротко про Data-Driven для SEO или как получить структуру, семантику, точки роста сайта в пару кликов

Важно! Речь пойдет по сути про Data-Driven, но без примеров конкретного программного кода, библиотек и цифр аналитики.

Задача статьи состоит в ознакомлении с возможностями быстрого поиска точек роста в SEO без доступов к Метрике или CRM, использования платных сервисов. Что вообще можно ускорить и улучшить в SEO?

В основе всех сервисов поискового продвижения парсинг и часто выгруженные данные по API с других сервисов для расширения функционала. Но, все это вы можете делать самостоятельно и гораздо больше.

Парсинг — получение определенных данных со страниц, чаще всего применяется для решения технических SEO-задач: поиска дублей заголовков TITLE-H1 и мета-тега DESCRIPTION, а также уникальности текста внутри сайта. Таких материалов в интернете полно, особенно с «Screaming Frog SEO Spider», поэтому про него писать не имеет смысла.

Именно страницы парсят чаще всего. Но что смотреть? Ссылки внутри нашей посадочной страницы, ну и конкурентов.

Если сайт только разрабатывается, то по классике смотрим общие группы пересечений конкурентов. А потом уже новое, что добавить можно.

Если сайт уже создан и нужен аудит, то смотрим недостающие группы страниц в сравнении с продвигаемым ресурсом, а также уникальные для сайтов (о них ниже). Это уже касается точек роста.

Новые страницы не всегда можно создать, так как чаще всего они связанны с новыми услугами, товарами, но иногда это дробление под интенты.

Вы можете не только получить структуру, но и запросы подставляя данные, например в wordstat.yandex.ru (или другой сервис который по API отдает списки запросов) и забирая результат. Запросы будут сырыми и нужно будет их ещё смотреть, но для быстрого анализа они более чем подойдут.

Следующий этап это отзывы или UGC (User Generated Content), а именно контент созданный пользователями о вашем бизнесе.

А зачем их парсить? Это же не SEO вообще? Отзывы это обратная связь с клиента. Там много информации которую можно проанализировать.

Если сайт создается, то смотрим отзывы конкурентов.

Если сайт уже создан и нужен аудит, то смотрим текущие отзывы (их должно быть как можно больше для полноты картины). А ещё лучше будет проанализировать отзывы и конкурентов, особенно если при создании сайта этого никто не делал.

Нас интересуют отзывы для УТП (Уникального Торгового Предложения) в контексте уникальности.

После 2-х прошлых этапов уже будет сформирована структура, запросы, УТП, блоки. Или новые точки роста для рабочего проекта.

Теперь используем всю эту информацию для добавления уникальности сайту.

Например по информационному запросу «заработок в интернете», такая уникальность:

Это связанно с тем что все используют одинаковую структуру, запросы, блоки и по сути тексты.

1) Вопросы-Ответы. Так как ответы пишутся именно от лица бизнеса они должны задать уникальность. В подготовке должны участвовать именно специалисты компании, чтобы писать из своего опыта.

2) Отзывы. Собственно о бизнесе от клиентов. Тоже в идеале должны добавить уникальности при условии, что они не состоят из пары общих слов. Писать должны именно клиенты, а не вы о себе.

Кому мало информации и нужны графики, то можно углубится в NLP, получить цифры и ещё значительно ускорить и автоматизировать обработку. Но, нужно будет глубже изучить Python, SQL для запроса данных с баз, библиотеки.

Если кратко, то помимо парсинга страниц и очистки текста от неалфавитных символов, нужно будет выполнить токенизацию (разбиение на слова или отдельные предложения), затем лемматизацию (приведение к нормальной (словарной) форме), удаление стоп-слов.

Уже после этого произвести векторизацию текста. Алгоритмы машинного обучения не умеют работать напрямую с текстом, поэтому нужно цифровое представление в виде «Мешка слов».