Investigar aleatòriament caigudes en el rànquing de paraules clau és només una part del comerç de SEO.
Hi ha molts mètodes per investigar quines paraules clau específiques poden haver caigut, però utilitzar Python i Data Studio junts és un canvi de joc.
Un avís ràpid: no he creat aquest script jo mateix. Un company i desenvolupador de SEO, Evan d’Architek, va col·laborar amb mi per resoldre una necessitat particular que tenia. Evan va ser el cervell darrere de la creació del guió.
Veure un gran conjunt de resultats de Google a escala sempre ha estat un dels meus objectius. Tot i això, estava cansat d’haver de fer aquestes cerques manualment, una per una.
Evan va esmentar que Python pot ser la solució ideal per resoldre les meves necessitats d’investigació de SEO.
Com és rellevant Python per al SEO?
Tal com han après molts professionals del SEO en els darrers anys, Python és un llenguatge de programació increïblement potent que pot fer gairebé qualsevol cosa. Un dels usos més habituals de Python és automatitzar les tasques monòtones diàries.
Una de les coses més interessants de Python és que hi ha diverses maneres diferents de realitzar la mateixa tasca. Tot i això, això també afegeix un nou nivell de dificultat.
Publicitat
Continueu llegint a continuació
La majoria dels exemples d’escriptures de Python que hi ha poden estar una mica obsolets, de manera que us trobareu fent moltes proves i errors.
Python té moltes aplicacions per a analitzar dades de SEO. La clau de l’èxit és tenir la idea correcta.
Si teniu una idea per automatitzar una tasca, és probable que hi pugueu crear un script.
Per estar al dia dels casos d’ús més recents de Python en SEO, fins al final Hamlet Baptista ha publicat alguns articles fantàstics aquí a Search Engine Journal.
Què fa i no fa aquest script Python
La majoria d’eines de classificació de paraules clau que hi ha reporten una classificació mitjana d’una paraula clau en un període de temps especificat. Aquest script Python executa un rastreig únic en el moment en què l’executeu des de la vostra adreça IP.
Aquest script no està pensat per fer un seguiment de la classificació de paraules clau.
El propòsit d’aquest guió era resoldre un problema que estava tenint en investigar caigudes sobtades de rànquings entre el meu client i la seva competència.
Publicitat
Continueu llegint a continuació
La majoria d’eines de classificació de paraules clau us indicaran per a quines pàgines es classifica el vostre domini, però no per les pàgines amb més classificació del vostre competidor.
Per què és important això?
En aquest escenari, no fem un seguiment del rendiment de la pàgina a llarg termini. Simplement intentem obtenir dades ràpides.
Aquest script ens permet identificar ràpidament les tendències del paisatge orgànic i veure quines pàgines tenen el millor rendiment.
Com començar
Si no coneixeu Python, us recomano que consulteu el fitxer tutorial oficial de Python o el lloc web Automate the Boring Stuff.
Per a aquest tutorial, estic fent servir PyCharm CE, però podeu utilitzar Sublime Text, Jupyter Notebook o qualsevol altre que sigui el vostre entorn de desenvolupament preferit.
Aquest script està escrit en Python 3 i pot ser una mica avançat per a les persones que no coneixen aquest llenguatge de programació.
Si encara no heu trobat un intèrpret o heu configurat el vostre primer entorn virtual, aquesta guia us pot ajudar a començar.
Un cop hàgiu configurat un nou entorn virtual, necessitareu les biblioteques següents:
Ara que ja esteu preparats, busquem junts algunes investigacions.
1. Recopileu les vostres paraules clau per investigar
Utilitzarem algunes dades de mostra per investigar algunes paraules clau que pretenem fer un seguiment.
Suposem que heu mirat el programari de seguiment de paraules clau i heu observat que les paraules clau següents van caure més de cinc posicions:
- Consells SEO.
- Consells de SEO local.
- Aprèn SEO.
- Articles sobre optimització de motors de cerca.
- Bloc SEO.
- Conceptes bàsics de SEO.
Exempció de responsabilitat: La cerca de massa paraules clau pot provocar la prohibició temporal de la vostra IP. Fer ping a Google per obtenir aquests resultats alhora pot semblar brossa i esgotarà els seus recursos. Utilitzeu-lo amb precaució i moderació.
Publicitat
Continueu llegint a continuació
El primer que farem és col·locar aquestes paraules clau en un fitxer de text senzill. Les paraules clau s’han de separar amb un salt de línia, tal com es mostra a la captura de pantalla següent.
Captura de pantalla de TextEdit, octubre de 2021
2. Executeu l’escriptura d’investigació de rànquing de Python
El TL; DR d’aquest script és que fa tres funcions bàsiques:
- Localitza i obre el fitxer searches.txt.
- Utilitza aquestes paraules clau i busca a la primera pàgina de Google cada resultat.
- Crea un fitxer CSV nou i imprimeix els resultats (paraula clau, URL i títols de pàgines).
Perquè aquest script funcioni correctament, l’haureu d’executar en seccions. En primer lloc, haurem de sol·licitar les nostres biblioteques.
Publicitat
Continueu llegint a continuació
Copieu i enganxeu l’ordre següent.
from urllib.parse import urlencode, urlparse, parse_qs from lxml.html import fromstring from requests import get import csv
A continuació, podreu introduir la funció principal d’aquest script en una única acció de copiar / enganxar.
Aquesta part de l’script estableix els passos reals realitzats, però no executarà l’ordre fins al tercer pas.
def scrape_run():
with open('searches.txt') as searches:
for search in searches:
userQuery = search
raw = get("https://www.google.com/search?q=" + userQuery).text
page = fromstring(raw)
links = page.cssselect('.r a')
csvfile="data.csv"
for row in links:
raw_url = row.get('href')
title = row.text_content()
if raw_url.startswith("/url?"):
url = parse_qs(urlparse(raw_url).query)['q']
csvRow = [userQuery, url[0], title]
with open(csvfile, 'a') as data:
writer = csv.writer(data)
writer.writerow(csvRow)
Ara ja esteu a punt per executar l’ordre. L’últim pas és copiar / enganxar l’ordre següent i fer clic a la tecla de retorn.
scrape_run()
Això és!
3. Utilitzeu el Magic of Data Studio per analitzar els resultats
En executar aquesta ordre, podeu notar que s’ha creat un fitxer CSV nou anomenat data.csv.
Aquests són els vostres resultats en brut, que necessitarem per al pas final.
La meva agència ha creat un útil Plantilla de Data Studio per analitzar els vostres resultats. Per utilitzar aquest informe gratuït, haureu d’enganxar els vostres resultats a Fulls de càlcul de Google.
La pàgina de l’enllaç anterior conté instruccions detallades sobre com configurar l’informe de Data Studio.
Publicitat
Continueu llegint a continuació
Com analitzar els nostres resultats a Data Studio
Ara que teniu implementat el vostre nou informe de Data Studio, és hora de donar sentit a totes aquestes dades.
El que busquem són patrons. Sí, podeu trobar patrons a les dades en brut, però aquesta plantilla de Data Studio té una característica útil que ens permet identificar ràpidament quines pàgines classifiquen amb més freqüència les paraules clau orientades.
Això és útil perquè ens permet veure quins competidors tenen un bon rendiment i quines pàgines específiques tenen un bon rendiment.
Captura de pantalla de Python Visualization Template, Data Studio, octubre de 2021
Com podeu veure a la captura de pantalla de Data Studio, Moz i Ahrefs són els dos primers classificats de la competència de les nostres paraules clau cercades.
Publicitat
Continueu llegint a continuació
Tanmateix, això no ens ajuda a esbrinar exactament què fan per classificar aquestes paraules clau.
Aquí és on el segon gràfic és útil. Es mostra cada pàgina de classificació i quantes vegades es produeixen per a totes les nostres consultes de cerca. Ràpidament podem identificar les tres pàgines amb més rendiment de les nostres paraules clau.
Necessiteu filtrar fins a un nivell específic de pàgina o paraula clau?
Hem inclòs filtres a la part superior de la plantilla de Data Studio per simplificar-ho.
Captura de pantalla de Python Visualization Template, Data Studio, octubre de 2021
Un cop feta una llista de les pàgines amb millor rendiment, podeu fer més anàlisis en pàgina i fora de pàgina per esbrinar per què tenen un rendiment tan bo.
Publicitat
Continueu llegint a continuació
Us enganxeu?
Si us quedeu atrapats, podeu contactar amb l’inventor d’aquest script a contact@architek.co per obtenir consells o solucions de programació personalitzades.
Quina és la vostra idea?
Amb sort, això ha generat algunes idees creatives sobre com podeu utilitzar Python per ajudar a automatitzar els vostres processos de SEO.
Més recursos:
Imatge destacada: nikkimeel / Shutterstock
