De la Data pour le SEO
L’automatisation au service de la prise de décision
SEO is Dead. Again ???!!!
Gotta Catch ‘em All
Data
Scientists
SEO
Consultants
Software
Engineers
SEO
Consultants
Le SEO a changé…
3
Transhumanisme
@diije
Le niveau de complexité explose…
4
… Et ce n’est que le début !
Il n’y a jamais eu autant de donnée disponible…
5
… Rendant le travail des IA de plus en plus efficace
Comment apprendre à reconnaître une raquette de tennis ?
6
Deep Learning 101
• Plus il y a de données
disponibles et qualifiées, mieux
les machines apprennent
• Plus il y a de données
disponibles, plus les humains
sont perdus
• Pourquoi faire des choses qui
peuvent être faites (mieux) par
des robots ?
Do you want to feel like Lee Seedol ?
7
Vous devez évoluer aussi
Introduction à la Data pour le SEO
De plus en plus de données, de plus en plus de complexité.
Les algorithmes peuvent vous aider.
• Step 1 : la donnée descriptive
• Step 2 : donnée prédictive et boucles d’action / contrôle
• Step 3 : prospective – Le futur du SEO ?
8
De quoi allons-nous parler ?
Step 1 : la donnée descriptive
Prendre du recul
5 minutes rule
• Choix des KPI
• Visualisation des données
Pas d’actions dans la précipitation
• Ce n’est pas parce qu’Analytics dit que
votre trafic baisse qu’il faut tout changer
Keep calm & carry on
Tableau de bord
Analytics
11
L’outil n°1
Segmentez, segmentez, segmentez !
• Trafic par device
• Trafic par template
12
Allez plus loin que le trafic SEO
Web Analytics 101
Vérifiez l’intégrité des données
• Présence du tag de tracking
• Pollution des données
Suivi de positions et positionnement
Vision globale : évolution et tendances
13
Votre visibilité sur Google
Vision tactique : mots clés stratégiques
Search Console
14
Ce que Google veut bien nous dire
Logs serveur
15
Plus vite, plus loin
Logs serveur
16
Les logs ne mentent pas
17
Le continuous testing
Lutte contre les régressions
18
Gagnez encore plus de temps
Alertes automatiques
C4.5, random forest… (Essayez weka ou Big ML par exemple)
Exemple : arbre décisionnel sur de la conversion web avec critères multiples
19
Essayez des algorithmes d’apprentissage supervisés
Web analytics 2.0
1 : Réunir les données
2 : Les explorer visuellement
3 : Être alerté automatiquement
4 : Détecter des corrélations
20
Everything is under control
La data pour les nuls
En synthèse… De quoi avons-nous besoin ?
Automatiser pour prendre les bonnes décisions et maîtriser son environnement
21
SEO
Factory
Query Management
Platform
Continuous TestingCrawl + Log Analysis
Keyword monitoring &
Analytics
Step 2 : donnée prédictive et contrôle
Agir automatiquement
Exercice pratique
23
Les modèles prédictifs
Séries temporelles et régressions linéaires
Détecter des tendances et agir
Mais encore faut-il bien le faire !
26
Il faut aussi mailler tout ca !
27
PageRank Sculpting
En on en revient aux données…
28
Test & Learn
Optimiser les pages
29
Trouver les bons mots clés
En conclusion
"Il existe des algorithmes pour tout”
30
Une boite à outils utile
Données du
Search
interne
• Détection de
tendances
(séries
temporelles)
• Nettoyage
sémantique
Liste des
pages à créer
• TF-IDF
• Détection de
proximité
entre les pages
Maillage
interne
• Calcul du
PageRank
thématique
Boucles de
rétro-action
• Algorithmes de
détection
d’anomalies
31
Le futur du SEO ?
Donner aux gens ce qu’ils veulent, quand ils le cherchent
Le monde change…
33
I, robot.
« We’re in a transitional computing period
where we’re learning to move past physical
devices and screens. Now, we expect our AI-
powered technology to be there ambiently
in context, working for us. »
Quelques points de repère
34
Mobile first
Quelques points de repère
35
Mobile only
Quelques points de repère
36
Voice only
Et demain ?
37
Encore de la data
Une opportunité unique pour le search
38
Parlons-en
39
Analyse sémantique et
compréhension du langage naturel :
la Nouvelle Frontière.
Conclusion
Ce que vous pouvez retenir avant d’aller voir le foot
Pour ceux qui ont loupé le début
1. La quantité de données et leur complexité ne font qu’augmenter
2. S’équiper pour analyser toujours plus de donnée de manière visuelle
3. Surcharger par des algorithmes permettant de trouver des aiguilles dans les
bottes de foin
4. Mettre en place des AAOs (actions assistées par ordinateur) avec des boucles
de contrôle
5. L’avenir, c’est de comprendre l’intention, en multi-device et avec des éléments
de contexte
En résumé
www.1-clic.info
Merci de votre attention !
Have fun 
Mail
julien@1-clic.info
Blog
http://blog.1-clic.info/
Twitter
@diije

De la Data pour le SEO - QueDuWeb 2016

  • 1.
    De la Datapour le SEO L’automatisation au service de la prise de décision
  • 2.
    SEO is Dead.Again ???!!! Gotta Catch ‘em All Data Scientists SEO Consultants Software Engineers SEO Consultants
  • 3.
    Le SEO achangé… 3 Transhumanisme @diije
  • 4.
    Le niveau decomplexité explose… 4 … Et ce n’est que le début !
  • 5.
    Il n’y ajamais eu autant de donnée disponible… 5 … Rendant le travail des IA de plus en plus efficace
  • 6.
    Comment apprendre àreconnaître une raquette de tennis ? 6 Deep Learning 101 • Plus il y a de données disponibles et qualifiées, mieux les machines apprennent • Plus il y a de données disponibles, plus les humains sont perdus • Pourquoi faire des choses qui peuvent être faites (mieux) par des robots ?
  • 7.
    Do you wantto feel like Lee Seedol ? 7 Vous devez évoluer aussi
  • 8.
    Introduction à laData pour le SEO De plus en plus de données, de plus en plus de complexité. Les algorithmes peuvent vous aider. • Step 1 : la donnée descriptive • Step 2 : donnée prédictive et boucles d’action / contrôle • Step 3 : prospective – Le futur du SEO ? 8 De quoi allons-nous parler ?
  • 9.
    Step 1 :la donnée descriptive Prendre du recul
  • 10.
    5 minutes rule •Choix des KPI • Visualisation des données Pas d’actions dans la précipitation • Ce n’est pas parce qu’Analytics dit que votre trafic baisse qu’il faut tout changer Keep calm & carry on Tableau de bord
  • 11.
  • 12.
    Segmentez, segmentez, segmentez! • Trafic par device • Trafic par template 12 Allez plus loin que le trafic SEO Web Analytics 101 Vérifiez l’intégrité des données • Présence du tag de tracking • Pollution des données
  • 13.
    Suivi de positionset positionnement Vision globale : évolution et tendances 13 Votre visibilité sur Google Vision tactique : mots clés stratégiques
  • 14.
    Search Console 14 Ce queGoogle veut bien nous dire
  • 15.
  • 16.
  • 17.
    17 Le continuous testing Luttecontre les régressions
  • 18.
    18 Gagnez encore plusde temps Alertes automatiques
  • 19.
    C4.5, random forest…(Essayez weka ou Big ML par exemple) Exemple : arbre décisionnel sur de la conversion web avec critères multiples 19 Essayez des algorithmes d’apprentissage supervisés Web analytics 2.0
  • 20.
    1 : Réunirles données 2 : Les explorer visuellement 3 : Être alerté automatiquement 4 : Détecter des corrélations 20 Everything is under control La data pour les nuls
  • 21.
    En synthèse… Dequoi avons-nous besoin ? Automatiser pour prendre les bonnes décisions et maîtriser son environnement 21 SEO Factory Query Management Platform Continuous TestingCrawl + Log Analysis Keyword monitoring & Analytics
  • 22.
    Step 2 :donnée prédictive et contrôle Agir automatiquement
  • 23.
  • 24.
    Les modèles prédictifs Sériestemporelles et régressions linéaires
  • 25.
  • 26.
    Mais encore faut-ilbien le faire ! 26
  • 27.
    Il faut aussimailler tout ca ! 27 PageRank Sculpting
  • 28.
    En on enrevient aux données… 28 Test & Learn
  • 29.
    Optimiser les pages 29 Trouverles bons mots clés
  • 30.
    En conclusion "Il existedes algorithmes pour tout” 30
  • 31.
    Une boite àoutils utile Données du Search interne • Détection de tendances (séries temporelles) • Nettoyage sémantique Liste des pages à créer • TF-IDF • Détection de proximité entre les pages Maillage interne • Calcul du PageRank thématique Boucles de rétro-action • Algorithmes de détection d’anomalies 31
  • 32.
    Le futur duSEO ? Donner aux gens ce qu’ils veulent, quand ils le cherchent
  • 33.
    Le monde change… 33 I,robot. « We’re in a transitional computing period where we’re learning to move past physical devices and screens. Now, we expect our AI- powered technology to be there ambiently in context, working for us. »
  • 34.
    Quelques points derepère 34 Mobile first
  • 35.
    Quelques points derepère 35 Mobile only
  • 36.
    Quelques points derepère 36 Voice only
  • 37.
  • 38.
    Une opportunité uniquepour le search 38 Parlons-en
  • 39.
    39 Analyse sémantique et compréhensiondu langage naturel : la Nouvelle Frontière.
  • 40.
    Conclusion Ce que vouspouvez retenir avant d’aller voir le foot
  • 41.
    Pour ceux quiont loupé le début 1. La quantité de données et leur complexité ne font qu’augmenter 2. S’équiper pour analyser toujours plus de donnée de manière visuelle 3. Surcharger par des algorithmes permettant de trouver des aiguilles dans les bottes de foin 4. Mettre en place des AAOs (actions assistées par ordinateur) avec des boucles de contrôle 5. L’avenir, c’est de comprendre l’intention, en multi-device et avec des éléments de contexte En résumé
  • 42.
    www.1-clic.info Merci de votreattention ! Have fun  Mail julien@1-clic.info Blog http://blog.1-clic.info/ Twitter @diije

Notes de l'éditeur

  • #14 Ajouter un diagramme de Venn SE:Rush