Téléchargé 39 fois
Téléchargé parSEO CAMP
Comment passer de SEO à SEO + data
Le document présente plusieurs stratégies et outils pour intégrer les données dans le SEO, notamment à travers Dataiku, Google Sheets, Zapier et Twitter. Il couvre des techniques d'extraction et de manipulation de données pour optimiser le référencement et automatiser les processus. Des tutoriels expliquant la configuration et l'utilisation de ces outils sont également fournis.
Contenu connexe
Similaire à Comment passer de SEO à SEO + data
![En route vers le Data+SEO [SEO Camp'US 2019]](https://cdn.slidesharecdn.com/ss_thumbnails/vendredi-juliendeneuville-enrouteversledataseo-190402082727-thumbnail.jpg?width=640&height=640&fit=bounds)
Comment passer de SEO à SEO + data
- 1. #seocamp 1 Comment passer duSEO à Data + SEO?
- 2. #seocamp 2 Audrey SCHOONWATER @witamine •Responsable SEO (+10 ans) • SEO Camp : co-fondateur Patrice LAROCHE @lpatrice84 • Responsable Pôle Data @Clustaar • Responsable SEO (+10 ans)
- 3. #seocamp 3 PERIMETRE DU RESPONSABLESEO Renaud Joly
- 4. #seocamp 4 STRATEGIE PILOTAGE Fixerles objectifs, le périmètre, les moyens • Veille • Modélisation de la recherche Mesurer, automatiser, améliorer • Data SEO • Data IT Put product image here
- 5. #seocamp 5 Récupération Consolidation Nettoyeret manipuler Exploration Visualisation et reporting Crawl + logs Mots clé / Positions Données API Base de données Flow Data Comment cela fonctionne ?
- 6.
- 7. #seocamp 7 Limitation “TheSearch API is not complete index of all Tweets, but instead an index of recent Tweets. At the moment that index includes between 6-9 days of Tweets.” TAGS Search API Accéder à la documentation Twitter & TAGS Créer un dataset Twitter : un index entre 6 et 9 jours de tweets
- 8. #seocamp 8 TAGS Installer surSheets App Créer sur Twitter Twitter Se connecter à un compte Google Se connecter à un compte Accéder à Google Sheets Accéder à l’API Développeur Récupérer les données Twitter Configurer le module complémentaire : https://tags.hawksey.info/ *Jeu de données Twitter & TAGS Créer un dataset Twitter avec TAGS étape par étape
- 9. #seocamp 9 Terme àrechercher sur Twitter : « prev next » Twitter & TAGS Récupérer le dataset Twitter « prev next » avec TAGS
- 10. #seocamp 10 Dataset de508 tweets datés à propos de « prev next » Twitter & TAGS Exemple de dataset Twitter « prev next » avec TAGS
- 11. #seocamp 11 Limitation “TheSearch API is not complete index of all Tweets, but instead an index of recent Tweets. At the moment that index includes between 6-9 days of Tweets.” TAGS twitterMining.R Accéder au tutoriel sur YouTube Analyse de Sentiment Accéder à Twitter Sentiment Analysis Twitter & R Extraction de tweets par randerson112358
- 12. #seocamp 12 Tweets Extraire Auth Configurer Packages R Installer Twitter Seconnecter à un compte Accéder à Google Sheets Accéder à l’API Développeur Récupérer les données Twitter twitterMining.R (GitHub) Tutoriel (Medium) Dataset de xxx tweets datés sur un terme donné Twitter & R Créer un dataset Twitter avec twitterMining.R étape par étape
- 13. #seocamp 13 Objectif Automatisationvia Zapier Identifier les champs Accéder à Email Parser Zapier & Sheets Extraction de mails avec une recette
- 14. #seocamp 14 Sheets Créer uneligne par e-mail Zapier Identifier les éléments Zapier Envoyer un modèle d’email Zapier Créer un email robot example@robot.zapier.com et nommer les champs à extraire Nommer les champs à extraire Un email de Google Alertes Récupérer automatiquemen t les Google Alertes Zapier & Sheets Créer un Dataset Google Alertes via Google Sheets
- 15. #seocamp 15 Objectif Convertirdes mails reçus sur Gmail en PDF, scraper les PDF puis rechercher et isoler les infos dans un CSV. Sheets & Python Convertir vos mails en CSV Emails en PDF (Drive) Accéder à l’extension Sheets PDF en CSV (Python) Accéder au toturiel sur Medium
- 16. #seocamp 16 Python Convertir enCSV Sheets Fusionner les PDF Sheets Sauver les emails en PDF Sheets Installer Save Email Configurer l’extension Sheets Save Email & Attachments avec les e-mails Gmail à récupérer Installer et lancer l’extension Sheets PDF Mergy Rassembler les e- mails PDF dans un répertoire Google Drive dédié Récupérer automatiquemen t les Google Alertes Sheets & Python Convertir vos mails en CSV
- 17. #seocamp 17 Twitter & TAGS Créationdu dataset sur le terme de votre choix Exemple : prev next Résumé Twitter & R Création du dataset sur le terme de votre choix Zapier & Sheets Création du dataset à partir des emails d’alertes Exemple : Google Alertes (à tester avec les emails d’alertes netlinking) Veille Sheets & Python Création du dataset à partir des emails de votre choix Exemple : Données tabulaires (rapports)
- 18. #seocamp 18 Excel etau-delà !
- 19. #seocamp 19 Élargir lepérimètre de mots clés Objectif : trouver les mots clés où mes concurrents sont positionnés et où je suis absent Finaliser Récupérer les données finales Manipuler Enrichir les données Nettoyer les données Récupérer les données Ubersuggest SEMRush Yooda Insight … Excel Google Sheet Dataiku Big Query Excel Google Sheet Dataiku Big Query Excel Google Sheet
- 20. #seocamp 20 Copier-coller lesfichiers téléchargés à la suite. La recette Stack permet la fusion de plusieurs Datasets provenant de sources différentes Récupération Récupérer & préparer les données
- 21. #seocamp 21 Consolidation Nettoyer lesdonnées Suppression des colonnes à la main Ajout des données à la main ou via un plugin (exemple: SEO Tools) La recette Prepare permet de travailler les données en utilisant un échantillons Tips : • Split URL pour avoir NDD, protocol, … • Filter row/cell pour ne garder que les ligne utile La recette Distinct permet de supprimer les doublons
- 22. #seocamp 22 Consolidation Manipuler lesdonnées Fonction Nbsi déterminer le nombre de fois qu’un élément est répéter dans une colonne. La recette Group permet de grouper les éléments selon un élément / plusieurs éléments communs La recette Join with… permet de faire une jointure sur une ou plusieurs clés communes
- 23. #seocamp 23 Résultat Flow dansDataiku & fichier final
- 24. #seocamp 24 Dataiku Élargirle périmètre de mots clés – recette Stack Exemple : Alertis Résumé Modélisation de la recherche
- 25.
- 26.
- 27. #seocamp 27 Analyse delogs Solutions existantes
- 28. #seocamp 28 Exemple deFlow Dataiku L’analyse de logs Utiliser le tutoriel de Rémi Bacha pour récupérer les logs d’OVH en automatique : https://remibacha.com/analyse-logs-ovh-dataiku/
- 29. #seocamp 29 Consolidation pagesactives L’analyse de logs Suppression des colonnes inutiles à la main Nettoyage des données en utilisant le step « Remove row »
- 30. #seocamp 30 Consolidation ducrawl L’analyse de logs Tips : Pour les problèmes d’encodage d’URL, Utiliser le step « Replace ». Tips : Plutôt que de supprimer toutes les colonnes comme montré dans la slide précédente. Utiliser le step « Keep only » pour ne garder que les colonnes utiles
- 31. #seocamp 31 Consolidation deslogs L’analyse de logs
- 32. #seocamp 32 Jointure desdatasets L’analyse de logs # -*- coding: utf-8 -*- import dataiku import pandas as pd, numpy as np from dataiku import pandasutils as pdu # Read recipe inputs crawl_google_cleaned_grouped = dataiku.Dataset("crawl_google_cleaned_grouped") crawl_google_cleaned_grouped_df = crawl_google_cleaned_grouped.get_dataframe() crawl_SF_cleaned = dataiku.Dataset("crawl_SF_cleaned") crawl_SF_cleaned_df = crawl_SF_cleaned.get_dataframe() # Compute recipe outputs # TODO: Write here your actual code that computes the outputs # NB: DSS supports several kinds of APIs for reading and writing data. Please see doc. merged_outer_df = crawl_google_cleaned_grouped_df.merge(crawl_SF_cleaned_df, how="outer", left_on="URL1", right_on="Address") # Write recipe outputs merged_outer = dataiku.Dataset("merged_outer") merged_outer.write_with_schema(merged_outer_df) La recette « Join with… » permet d’effectuer une jointure sur deux Datasets ou plusieurs Dataset
- 33. #seocamp 33 Exploration desdonnées L’analyse de logs
- 34. #seocamp 34 Résumé Data SEO DataikuAnalyse de logs – Consolidation & visualisation Exemple : log d’un client
- 35. #seocamp 35 Automatiser larécupération des données de webperf
- 36. #seocamp 36 Speed Demon v1.3 Source:https://medium.com/dev-channel/introducing-speed-demon-a36d95dd0174 Flow d’automatisation Analyse webperf Etape 1. Faire une copie du Google Sheet 2. Récupérer une clé API WebPageTest 3. Remplir le fichier Google Sheet 4. Mise en place de l’automatisation via script editor 5. Préparation dans Google Sheet 6. Visualisation dans Data Studio
- 37. #seocamp 37 Consolidation Analyse webperf Tips 1.Dupliqué cet onglet autant de fois que d’URL que vous souhaitez auditer. 2. Créer une feuille vierge qui va récupérer les informations.
- 38. #seocamp 38 Visualisation sousData Studio Analyse webperf Vision client Vision concurrents Possibilité de faire un dashboard automatisé de suivi en moins de 30 minutes
- 39. #seocamp 39 Combiner lessources sous Data Studio Analyse webperf Combiner les données fonctionne de la même manière qu’une jointure.
- 40. #seocamp 40 WebPageTest + Google Automatisationdes runs WebPageTest et visualisation dans Data Studio Résumé Data IT Pour les plus motivés : http://www.canyouseome.com/surveiller-levolution-de-la-vitesse-dun-site-et-de-concurrents-avec-bigquery/
- 41. #seocamp 41 Créer des datasets TAGS,R, Zapier, Sheets A retenir Stratégie + Pilotage SEO Analyser un dataset Dataiku Visualiser Data Studio Formater, trier Python
- 42. #seocamp 42 Question Mug ●Élargir le périmètre de mots clés : Combien d’étapes dans la recette Dataiku ?
- 43. #seocamp 43 MERCI AUXSPONSORS
- 44.