Le document aborde l'importance de combiner différentes sources de données, telles que les données de crawl, de logs et d'analyse, pour améliorer les décisions en matière de SEO. Il souligne que la compréhension de l'architecture du site et l'utilisation efficace des données d'audience sont essentielles pour optimiser le classement et le trafic organique. Les recommandations incluent l'intégration de ces données pour mieux évaluer l'impact de chaque facteur de classement sur la performance du site.

1. By @FrancoisGoube
CEO @Oncrawl
SEO augmenté
Combiner les données d’audience
pour prendre de meilleures décisions

2. I!to Read
Google Patents

3. I RUN
TESTS
WITH
DATA

4. Data-driven SEO Crawler
and Log Analyzer

5. See your website with Google’s eyes.

6. RDV sur notre Corner
1 mois d’essai pour tous les
participants du DAF18

7. The rise of AI leads us to be
Augmented SEO Pros

8. Unleash your inner Super-Hero

9. But How?

10. Combine
YOUR
DATA

11. ▪ Données de crawl
▪ Données AT Internet
▪ Données de logs
▪ Données GSC
De quoi avons-nous besoin ?

12. Pourquoi c’est important ?
8%
19%
26%
32%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Active pages in structure
Pages in structure that are ranked in Google
Pages in structure crawled by Google
Pages in structure
Voici ce que nous avons appris lors de l’analyse de 5 triliards de logs et 2 Milliards d’URLs

13. Crawl
1 32
RankIndex
discover organize respond Re-Ranking
Petit Rappel

14. CeQueGoogle
Nevous
DITPAS

15. Google consomme chaque année
autant d’énergie que
la ville de San Francisco
journaldugeek 12/12/2016

16. Google Crawl Budget
Correspond aux Ressource$ que Google met à disposition pour crawler votre site

17. Ce que Google dit
If you observe that new pages are usually explored the same day
they are published, then you don't really have to worry about
the exploration budget
[…] if a site has less than a few thousand URLs, it will be browsed
correctly most of the time
[…] we do not have a single term to describe everything this term
seems to mean on the outsidene

19. Ce que Google devrait dire
Help me point in the right direction,
Help me discover and value your money pages!

20. Ce que Google devrait dire
Help me point in the right direction,
Help me discover and value your money pages!

21. Ce que Google devrait dire
I hate your " pages I am crawling every day.

22. De la bonne utilisation des données d’audience
dans ses analyses SEO

23. Quelles données maitrisées ?
▪ Les pages actives
Les pages qui génèrent du trafic naturel
▪ Les données d’usages
▪ Taux de rebond
▪ Time spent on page
▪ Profitez de vos données business.
Pour avoir des vues orientées “métiers”

24. Comprendre son Architecture
Combine Logs, Crawl and Analytics Data
Where are your active pages?

25. Comprendre son architecture
Combine Crawl / Logs data / Analytics
Is my content distribution a good idea?
Le Plus AT Internet : vous pouvez retrouver tous vos segments automatiquement.

26. La clé : Une segmentation efficace

27. Utiliser les données d’audience pour voir plus loinUtiliser les données d’audience pour voir plus loinUtiliser les données d’audience pour voir plus loinUtiliser les données d’audience pour voir plus loin

28. Et les comparer avec vos logs

29. Pour chaque Ranking Factor
Comprendre son impact sur les Robots de Google par exemple

30. Pour chaque Ranking Factor
Comprendre son impact sur Votre Trafic Naturel

31. +250 Metrics à votre disposition

32. La méthode avant la Data Science
Maitriser
Fiabiliser
PrEdire

33. La méthode avant la Data Science
Maitriser, Fiabiliser, Prédire
Un exemple sur les données structurées:

34. La méthode avant la Data Science
Maitriser, Fiabiliser, Prédire
Un exemple sur les données structurées:
Répondons à l’habituel : Pourquoi ? Combien ? Quand ?

35. La méthode avant la Data Science
Maitriser, Fiabiliser, Prédire
Un exemple sur les données structurées:
1. Savoir ce qu’il faut regarder :

36. La méthode avant la Data Science
Maitriser, Fiabiliser, Prédire
Un exemple sur les données structurées:
1. Savoir ce qu’il faut regarder
2. Connaitre les taux de clics
3. Connaitre le volume de Trafic

37. La méthode avant la Data Science
Maitriser, Fiabiliser, Prédire
Un exemple sur les données structurées:
1. Savoir ce qu’il faut regarder
2. Connaitre les taux de clics
3. Connaitre le volume de Trafic
4. Récupérer les données
Avec Oncrawl Data Explorer / API

38. Le cas ”à la main”
Maitriser, Fiabiliser, Prédire
Un exemple sur les données structurées:
ü Je prouve que les taux de clics sont plus importants quand j’ai des
données structurées
ü Je connais le volume de pages que je souhaite améliorer
ü Je connais leurs positions
ü Je connais leur trafic

39. Le cas ”à la main”
Maitriser, Fiabiliser, Prédire
Un exemple sur les données structurées:
ü Je sais déterminer le volume de trafic généré en plus

40. Vous pouvez automatiser et appliquer l’état de l’art de la Data Science
Avec des outils Avec des experts
Des données fiables

41. Questions ?
@OnCrawl
Francois@oncrawl.com