Analýza klíčových slov krok za krokem


Jedním z procesů, ve kterých Marketing Miner ulehčuje práci a získává podkladová data, je analýza klíčových slov. Ta je jedním ze základních kamenů efektivní marketingové strategie na mnoha úrovních. Její výstupy ocení především SEO a PPC specialisté, ale i mnoho dalších oborů, které bez tohoto podkladu mohou při svých aktivitách „střílet naslepo”.

Co je analýza klíčových slov

Analýza klíčových slov je dokument obsahující detailní informace o dotazech uživatelů, spjatých s byznysem klienta, pro kterého je analýza zpracovávána. Dotazy jsou většinou rozšířeny o metriky, jež s nimi souvisejí, a jsou kategorizovány.

Výstupy analýzy

Výstupy analýzy jsou většinou pro přehlednost vizualizovány. Hodí se jako podklady například k následujícím aktivitám:

  • Obsahová strategie
  • Návrh architektury webu
  • Optimalizace webových stránek

Obecně je ale analýza klíčových slov důležitým podkladem ve většině oblastech online marketingu.

Postup při tvorbě “klíčovky”

Tvorba analýzy klíčových slov sestává z několika kroků:

  1. Sběr dat - Kolekce podkladových dotazů, které mohou být hledané a jsou relevantní k byznysu klienta.
  2. Data mining - Získání podkladových metrik o dotazech (hledanost, konkurenčnost,...).
  3. Čištění dat - Tvorba jednotného výstupu a jeho očištění o dotazy, které do analýzy nepatří.
  4. Kategorizace / Klasifikace - Zařazení dotazů do skupin, které tak ukazují souhrnnou statistiku podobného či stejného téma.
  5. Tvorba výstupu - Tvorba výstupního dokumentu a navazujících procesů.

Sběr dat

Prvním krokem úspěšné analýzy klíčových slov je sběr podkladových dat. Pro představu jej berte jako tvorbu datasetu všech relevantních dotazů, které by mohli lidé ve vyhledávačích hledat.

K tomuto procesu se hodí, když se analýza vytváří pro klienta s již existujícími webovými stránkami a fungujícími kampaněmi. V takovém případě lze totiž většinu podkladových dat čerpat z jeho běžících kampaní (například z AdWords či Skliku) a měřicích nástrojů, jako je například Google Analytics.

Abychom tento návod udělali co nejvíce praktický, pojďme si jej ukázat na reálném příkladu. Řekněme, že děláme analýzu klíčových slov pro web marketingminer.com v češtině.

Základní orientace, využití Profilerů

Nejprve je vždy potřeba se detailně seznámit s klientovým oborem. Pokud si analýzu děláte sami, máte velkou výhodu, jelikož detailně znáte svůj obor a často i své klienty, takže víte, co mohou hledat a jaké potřeby mají. V případě že tomu tak není, je dobrou investicí nechat nějaký čas specialistovi na seznámení s oborem a pomoct mu s orientací.

Já, jakožto vlastník nástroje, se seznamovat s oborem příliš nemusím, jelikož v něm již 10 let dělám, takže se rovnou pustím do práce.

Ten nejobecnější pohled a základ toho, jaké weby a dotazy v oblasti mého působení existují, si mohu udělat pomocí Profilerů. Ty dávají komplexní výstup k jednomu konkrétnímu dotazu. Jsou dostupné po přihlášení všem registrovaným uživatelům Marketing Mineru.

Do Profileru vložím pár obecných dotazů, jako je například „seo nástroj”, „analýza klíčových slov” apod. Výstup profileru může vypadat následovně:
https://www.marketingminer.com/cs/profiler/keyword/seo%20n%C3%A1stroj?lang=cs

Zajímají mě především podobná témata, která mohu použít k rozšíření obzorů a návrhy, které se dají rovnou použít jako podklad pro sběr dat.

Extrakce dat z měřicích nástrojů a reklamních systémů

Důležitým a často zapomínaným podkladem, pokud již web existuje a nepřipravuji analýzu pro nově vznikající projekt, jsou data, která už web má. Jedná se například o data z nástrojů jako Google Analytics, Google Search Console, AdWords či Sklik.

Marketing Miner obsahuje tzv. Extraktory, které se o získávání podkladových dat z některých těchto nástrojů postarají. Konkrétně jde o nástroje Google Analytics a Google Search Console. Stačí přejít do sekce Extraktory (horní menu vpravo), zvolit službu, data, která z ní chcete získat, a stisknout Získat data.

Marketing Miner obsahuje tzv. Extraktory, které se o získávání podkladových dat z některých těchto nástrojů postarají. Konkrétně jde o nástroje Google Analytics a Google Search Console. Stačí přejít do sekce Extraktory (horní menu vpravo), zvolit službu, data, která z ní chcete získat, a stisknout Získat data.

  • Google Analytics
    • Všechna klíčová slova
    • Internal Search Terms
  • Google Search Console
    • Všechna klíčová slova
  • AdWords
    • Vyhledávací dotazy
  • Sklik
    • Dotazy

Níže uvedené video je ukázkou, jak může probíhat proces získávání dat z Extraktorů:

O tom, jak exportovat data o dotazech z AdWords, se dočtete více zde:

https://support.google.com/adwords/answer/2684537?hl=cs

A jak z Skliku:

http://vetrovka.cz/nefiltrovane-vyhledavaci-dotazy-v-skliku

Návrhy a našeptávače

Předchozí získané dotazy už by mi měly poskytnout dostatečný podklad pro orientaci v hledaných dotazech. Ty nejdůležitější z nich ještě mohu rozšířit o návrhy, které mi vracejí samotné reklamní systémy nebo vyhledávače v našeptávačích.


Poznámka: V této fázi nedoporučuji posílat hromadně ke zpracování data získaná z předchozího sběru dat, ale pouze nejdůležitější a nejcharakterističtější dotazy. V opačném případě je nakonec třeba strávit více času na čištění výstupů než na získávání podkladů.


K tomu lze využít buď nástrojů, které systémy nabízejí (například Plánovač klíčových slov nebo Návrh klíčových slov). Ty ale nabízejí buď omezené výstupy, jako například místo přesné hledanosti její rozsahy, nebo se složitě využívají při větším vstupu.

Marketing Miner z obou těchto systémů získává přesná data, a je tedy schopen hromadně získat data jak z našeptávačů, tak z obou těchto systémů najednou. Konkrétně jde o Keyword minery Našeptávače a AdWords Návrh (který pod sebou pro český trh zahrnuje i Sklik).

Ukázku, jak data z těchto minerů získat, naleznete v tomto videu:

Inspirace od konkurence

Posledním velmi užitečným zdrojem při sběru dat mohou být konkurenti. Nemělo by jít o konkurenty, kteří nepůsobí online, ale ideálně o úspěšnou konkurenci, od níž je čemu se přiučit a je dobře viditelná ve výsledcích vyhledávání.

Pro určení konkurence lze využít Link Prospecting miner, který dovoluje uživateli zjistit frekvenci výskytu domén ve výsledcích vyhledávání Google. Stačí na vstup vložit dotazy, na něž chcete být vidět, zvolit Link Prospecting miner a na výstupu získáte přehled nejsilnějších konkurentů, od kterých se můžete inspirovat v dané oblasti.

Inspiraci od konkurence můžete sbírat ze struktury jeho webu a článků nebo i z nástrojů, které monitorují výsledky vyhledávání fulltextových vyhledávačů a identifikují, na jaké dotazy jsou jednotlivé weby vidět. Níže naleznete ukázky výstupů pro doménu Marketingminer.com z některých těchto nástrojů:

Data mining

Výstupem sběru dat by měla být tabulka o jednom sloupci, kam vložíte pod sebou všechny dotazy, které vám byly našeptány nebo které jste si poznamenali. K těmto dotazům potřebujeme získat podkladová data, ale než tak učiníme, je potřeba se nejprve zbavit duplicit.

Smazání duplicit

Duplicity můžete v případech, kdy jde o malý dataset, smazat pomocí nástroje Remove Duplicate Lines od Text Mechanic. Jednoduše vložíte dataset a stisknete tlačítko Remove duplicate lines.

V ostatních případech budete většinou odstraňovat duplicity v nástrojích:

Odstranění duplicit v nástroji Excel

Excel je jedním z nejpoužívanějších tabulkových nástrojů na světě. Odstranění duplicit podle jediného sloupce je v něm otázka chvíle.

Mazání duplicit v Excelu

Stačí označit celý sloupec a zvolit funkci Remove duplicate (v češtině Odebrat duplicity). Funkce se již postará o promazání duplicit.

Více informací na:
https://support.office.com/en-us/article/Filter-for-unique-values-or-remove-duplicate-values-ccf664b0-81d6-449b-bbe1-8daaec1e83c2

Odstranění duplicit v nástroji OpenRefine

OpenRefine je v České republice a na Slovensku hojně používaný nástroj pro analýzu klíčových slov.

Pro odstranění duplicit je potřeba nejprve dataset seřadit podle jeho názvu (a dostat tak stejné dotazy pod sebe) a následně použít funkci Blank down. Po smazání duplicit je ještě potřeba odstranit prázdné řádky.

Podrobný návod i s videem, jak duplicity pomocí OpenRefine odstranit, naleznete zde:
http://kb.refinepro.com/2011/08/remove-duplicate.html

Získání podkladových dat

Po promazání duplicit je třeba získat podkladová data, ze kterých by se dalo při analýze vycházet. Zde je nejsilnější část Marketing Mineru, který pro vás hromadně většinu podkladových dat získá na pár kliknutí. Konkrétně budeme získávat následující podklady k dotazům:

  • Hledanost klíčových slov (miner: Hledanost frází)
  • Cenu za proklik v PPC (miner: Hledanost frází)
  • Měsíční statistiky hledanosti (miner: Hledanost frází)
  • Nejlepší vstupní stránku podle vyhledávačů k danému dotazu (miner: Landing page)
  • Aktuání pozici vašeho webu ve výsledcích vyhledávání (miner: SERP Position)
  • Konkurenčnost v organických výsledcích vyhledávání (miner: SERP Competition)
  • Automatickou kategorizaci dotazů (miner: Kategorizace)

Zjisti více o mineru:  Hledanost dotazů

Tento miner je vhodný pro:  SEOPPC


Návod, jak taková data získat skrze Marketing Miner, jsme natočili níže:

Postup je následující:

  1. Uživatel na vstup vloží svůj získaný dataset dotazů.
  2. Stiskne Vybrat minery.
  3. Zvolí minery: Hledanost frází, Landing page (vyplní vlastní doménu), SERP Position, SERP Competition a Kategorizace.
  4. Stiskne Získat data.

Miner zpracuje výše popisované podklady a výstup pošle uživateli. Získáte tak najednou většinu podkladů, které k analýze potřebuje. Výstupem je například takovýto report:
https://www.marketingminer.com/cs/report/132ea6a645090a69446335164bb2906720b9b249c0969709790b2c3a0ba1582d/visualize

Stáhnout si jej můžete ve formátu XLS nebo CSV.

V případě komplexnější analýzy je dobré tyto údaje rozšířit ještě o data z interních nástrojů, například o data z Google Analytics či Google Search Console za pomoci Extraktorů a jejich napojení do již existující analýzy).


TIP: Ve výstupu SERP Position mineru jsou vidět i data o tom, zda se ve výsledcích vyhledávání nevyskytuje nějaké rozšíření. Do některých z těchto rozšíření (jejich seznam naleznete zde) se lze dostat, s jinými je naopak třeba počítat v rámci vzhledu a CTR výsledků vyhledávání. Obohaťte o tuto informaci své analýzy.


Čištění dat

Po získání podkladových dat je třeba se v analýze zbavit „balastu”, tj. dotazů, které do analýzy nepatří a nejsou nijak využitelné pro klienta. Tento krok jsme rozdělili do dvou sekcí podle nástrojů, ve kterých analýzu klíčových slov zpracováváte:

1) Čištění dat v nástroji Excel

V Excelu je čištění dat trošku nešikovné, ale i tak v něm lze analýzu poměrně efektivně zpracovávat. Především pro větší datasety není Excel nejlepším řešením a doporučoval bych přeskočit na další sekci, kde řešíme stejný postup v nástroji OpenRefine. Pro menší datasety je Excel dostatečný:

Identifikace nerelevantních vzorů

Nejprve je třeba se zbavit největších vzorů dotazů, které do analýzy nepatří. Excel bohužel nedisponuje kvalitními a jednoduchými funkcemi, které by zobrazily frekvenci výskytu slov a vzory, které bychom mohli promazávat. Proto používám pro vizualizaci nejfrekventovanějších slov Wordcloud generátor. V mém případě tento:
https://www.jasondavies.com/wordcloud/

Ukázka wordcloudu

Uživatel jednoduše vloží na vstup všechny dotazy a wordcloud se postará o vizualizaci nejfrekventovanějších slov. Jakmile mezi nimi naleznu nějaké, které do výstupu nepatří, tak:

  1. Přejdu do Excelu.
  2. Vytvořím filtr nad celou analýzou.
  3. Skrze textovou filtraci naleznu všechny dotazy obsahující danou “vylučující” frázi nebo vzor.
  4. Smažu řádky.

A takto postupuji s promazáváním všech vzorů. Poté, když už nemohu nic ve wordcloudu k vyloučení najít, zkopíruji opět výstup a vytvořím znovu wordcloud. V něm se mohou objevit nové vzory k promazání. Pokud ne, pokračuji ručním čištěním, kdy projdu řádek po řádku celý dataset a odmažu dotazy, které nejsou relevantní.

Zpracování Clusterů

Po promazání “balastu” je potřeba vyřešit ještě problém clusterů. Možná jste se s tím již setkali - vložíte do AdWords výrazy “kočka” a “kocka” a on vám k oběma vrátí totožnou hledanost (v poslední době dokonce jeden z výrazů na výstupu odstraní). Tato anomálie je způsobena tím, že AdWords slučuje statistická data dotazů, u kterých dokáže určit, že mají stejný význam.

Pokud je tedy hledanost slova “kočky” 1 000 hledání měsíčně a hledanost slova “kocky” je 150 měsíčně, tak vám AdWords vrátí pro obě varianty hodnotu 1 150. Sklik oproti tomu vrací informaci o přesné hledanosti dotazu: pro výraz “kočky” vrátí hledanost 981 a pro “kocky” hledanost 336.

Marketing Miner proto ve výstupu dotazy, které identifikuje Adwords jako Cluster (vrací pro ně stejné hodnoty) označuje pomocí sloupce AdWords Cluster. V něm označí daný Cluster číslem. Dobře je to vidět například na posledním sloupci reportu:
Search Volume Report >>
Zde jsou dotazy “kočky” a “kocky” označeny jako Cluster 1.

Nejlepším způsobem, jak se s takovými dotazy vypořádat, je buď:

  • Rozpočítat celkovou hledanost Clusteru mezi jeho jednotlivé varianty pomocí dat, které máme z Skliku.
  • Sečíst hodnoty hledanosti všech dotazů v Cluster do toho nejhledanějšího na Skliku a místo pěti dotazů tak mít jeden s celkovou hledaností v obou vyhledávačích.

V případě, že děláme analýzu do zahraničí, je potřeba zvolit nejdůležitější dotaz pro Cluster a ostatní prostě kvůli jejich duplicitním metrikám odstranit.

Kategorizace v Excelu

V případě kategorizace lze použít stejný postup jako v případě identifikace nerelevantních dotazů, tj. vytvořit wordcloud z dotazů v analýze a v něm hledat vzory ke kategorizaci.

Částečně je již kategorizace vyřešena pomocí výstupu mineru Kategorizace, který jsme použili v předchozích krocích. Zbytek kategorií je třeba ručně zpracovat.

Samotná kategorizace probíhá tak, že se identifikují velké vzory v analýze, ty se označí souhrnným názvem (například Typ nebo Barva) a do nich se postupně začleňují jednotlivé vzory. Skvělý návod od Marka Prokopa, jak nad kategorizací a klasifikací přemýšlet i jak ji dělat, naleznete zde:
http://vyhledavace.info/clanky/246/klasifikacni-analyza-klicovych-slov

2) Čištění dat a kategorizace v nástroji OpenRefine

OpenRefine je na čištění dat skvělý nástroj. Nedělají mu problém ani velké vstupy a má pro vás připravených pár opravdu užitečných funkcionalit:

Identifikace nerelevantních vzorů

Nejprve je potřeba z výstupů z Marketing Mineru založit v OpenRefine projekt s daty analýzy. Jak na rychlou analýzu a odmazání nepotřebných vzorů, jsem ukázal ve videu níže (popis pod ním):

OpenRefine má na zpracování rychlé analýzy dataset mnoho funkcionalit. My konkrétně využijeme tzv. Word facet, který rozděluje fráze na jednotlivá slova a pak počítá jejich frekvenci výskytu (podobně jako wordcloud, který jsem výše uváděl).

V něm najdu vzory, které nejsou relevantní, a z datasetu je za pomoci funkce Remove all matching rows odmažu.

Zpracování clusterů

V případě, že je clusterů málo, může být řešení podobné jako u výše uvedeného postupu u Excelu. Clustery se ale v případě, že chcete více verzí dotazů sloučit do jediného, dají řešit v OpenRefine automatizovaně, a to tak, že se využije nejhledanější verze dotazu na Skliku.

Analýza se seřadí podle clusterů (tak aby se pod sebe dostaly stejné clustery) a sekundárně podle hledanosti na Skliku. Metriky z Skliku se poté sloučí a z Adwords se ponechá pouze unikátní hodnota pro daný cluster.

Popis postupu by vydal na samostatný článek, proto jsem raději natočil video, jak na to. Vzorec použitý při slučování metrik je pro sumu:


forEach(value.split(','),v,v.toNumber()).sum()

A pro průměr:

with(value.split(','), a, forEach(a, v, v.toNumber()).sum() / a.length()).replace("NaN","").toNumber()

Co vlastně ve videu dělám:

  1. Založím projekt.
  2. Přesunu sloupec s Adwords clustery na začátek.
  3. Označím si řádky v clusterech a ostatním doplním hodnoty, aby se nepletly do záznamů.
  4. Seřadím si clustery dle názvu a sekundárně podle nejhledanější varianty na Seznamu.
  5. Odstraním duplicity v clusteru a sloučím metriky daných dotazů.
  6. Vytvořím sloupec Původní dotazy clusteru, který obsahuje výpis dotazů, ze kterých se cluster původně skládal.
  7. Sečtu hodnoty hledanosti v řádcích a udělám průměr CPC clusterů.
  8. (není ve videu) Je možné odmazat sloupec AdWords Cluster.

Díky tomu mám na výstupu dataset očištěný o clustery, který používá nejhledanější variantu dotazu podle Skliku.

Kategorizace v OpenRefine

Při kategorizaci si, podobně jako u hledání nevhodných dotazů, vytvořím Word facet nad všemi dotazy, ve kterém hledám vzory, podle kterých chci kategorizovat. Na základě dat z něj si vytvářím sloupce s názvy kategorií, do kterých chci dotazy přiřazovat.

Videonávod:

Co vlastně ve videu dělám:

  1. Vytvořím word facet a získám tak frekvenci výskytu dotazů.
  2. Na základě dat z Word facetu se rozhodnu udělat kategorizaci Služba, proto k ní založím prázdný sloupec.
  3. Vyfiltruji si dotazy obsahující pouze určitý vzor (ve videu „seo” a „marketing”) a podle nich přiřadím k daným dotazům klasifikaci.

Tvorba výstupu

Výstup je z větší části interním know-how firem a každý jej vytváří po svém. Nemá cenu zde rozepisovat, jak by měl vypadat ideálně, protože takový obecný výstup analýzy prostě neexistuje. Výstup analýzy klíčových slov je natolik komplexní a dá se používat v tolika směrech a oborech, že se nedá zobecnit.

Vždy je ale dobré mít na paměti, že by měl splňovat cíl, který od analýzy očekáváte, a především ve velké míře zacházet do praktické roviny. Tedy například do návrhu na změny v hierarchii, návrhu článků nebo tvorbě obsahové strategie.


TIP: S výstupy analýzy by měli být schopni pracovat všichni členové týmu, kteří ji potřebují. Při jejím předání je proto dobré, aby byli přítomni všichni členové týmu/klienta, jichž se analýza týká, a především aby věděli, jak s analýzou pracovat. Je dobré proto nepodcenit předání a vyhradit si nemalou část času na zaučení týmu v práci s analýzou, jinak z ní dlouhodobě zůstane pouze “cár elektronického papíru”, který nikdo nepoužije.


Z obecně používaných částí výstupů:

Vizualizace výstupu analýzy klíčových slov

K jednoduchým a vzhledově zdařilým vizualizacím se používá převážně následujících typů grafů

  • Sloupcový graf (Bar chart) - pro zobrazení celkové hledanosti klasifikací, počtu slov v klasifikaci nebo průměrné konkurenčnosti.
  • Koláčový graf (Pie chart) - vizualizace poměru hledanosti či konkurenčnosti kategorií, kde je méně segmentů. Při větším počtu je lepší použít sloupcový graf, jelikož koláčový graf je nepřehledný.

Ukázka vizualizace celkové hledanosti segmentu Materiál analýzy klíčových slov v Tableau:

Ukázka vizualizace v nástroji Tableau

Co se vizualizuje

Ve výstupech analýzy se většinou vizualizuje:

  • celková hledanost jednotlivých klasifikací,
  • vážený průměr konkurence jednotlivých klasifikací,
  • vážený průměr ceny za proklik jednotlivých klasifikací.

Jaké nástroje se nejčastěji používají k vizualizaci

Co hledat v analýze

Jaké zajímavosti k použití v praxi lze najít ve výstupu analýzy a jak z nich vycházet? Podívejme se na některé z nich:

Nepokryté dotazy

Jedná se o dotazy, u nichž ve sloupci s Landing Page nejsou žádná data, to znamená, že vyhledávač/e neznají žádnou stránku, která by daný dotaz pokrývala.

Jde o dotazy, k nimž neexistuje vstupní stránka nebo vyhledávač neindexuje daný obsah webu a bylo by dobré ji vytvořit nebo zjistit, proč odpovídající stránku neindexuje. Nepokryté dotazy mohou ukázat na obsah, na který je dobré se v nejbližší době zaměřit, protože jeho pokrytím si může web jako takový hodně polepšit z hlediska návštěvnosti.

Z pokrytých dotazů je dobré vytvářet témata k pokrytí a nově vznikající obsah navazovat k těmto tématům (například v Excelu nebo sdíleném Google Spreadsheet, kde bude jasně vidět, jaká témata by bylo dobré zapracovat a jaké dotazy pokrývají).

U nově vytvořeného obsahu je dobré měřit výkon, aby bylo možné vyčíslit jeho dopady. K tomu doporučuji sledovat v Google Analytics počet zobrazení dané URL jakožto vstupní stránky v průběhu času. Kromě toho je také třeba měřit pozice ve výsledcích vyhledávání na hledané dotazy, na které by mohla být stránka vidět.

Dotazy pokryté nerelevantní vstupní stránkou

Kromě dotazů, na které vůbec neexistuje odpovídající obsah na vašem webu, je dobré také sledovat, jak moc relevantní je detekovaná vstupní stránka vůči danému dotazu. Nejlepší je v tomto ohledu se zamyslet nad tím, jaký byl záměr uživatele, který takové hledání ve vyhledávači prováděl. Co chtěl najít? A je opravdu tato vstupní stránka odpovědí na jeho dotaz?

Pokud na jednu z těchto otázek odpovíte ne, je pak na zamyšlení, jestli takovou vstupní stránku vytvářet. V případě, že ano, je dobré měřit dopady vytvořeného obsahu stejně jako v předchozím případě.

Dotazy s velkým potenciálem

Které dotazy mají vysokou hledanost a přitom nízkou konkurenci a jsou tzv. “low hanging fruit”? K identifikaci takových dotazů si vytvořte nový sloupec v analýze, jehož obsahem je podíl metrik hledanosti a konkurenčnosti dotazu, tedy:


Hledanost / (Konkurence + 1)

Tak vznikne nová metrika, kterou já osobně nazývám Opportunity score, tedy skóre příležitosti. Čím vyšší, tím lepší, jelikož tím hledanější je dotaz, a přitom má nižší konkurenci.

Takové dotazy většinou znamenají, že na ně ještě nemají vyhledávače dostatečně kvalitní odpověď, a proto tvorba obsahu k pokrytí takových dotazů (vytvoření odpovědi pro vyhledávače) má relativně rychlou návratnost a dá se jednoduše dosáhnout viditelnosti ve vyhledávačích na dané dotazy.

A jak analýzu klíčových slov děláte vy? Budu rád, když se s námi podělíte o své postřehy z analýz nebo nám pomůžete tento návod rozšířit. Přeji mnoho úspěšných klíčovek!

Líbí se ti článek? Sdílej s přáteli!     To se mi líbí Tweet Google +

Komentáře



Filip Podstavec

Marketing Miner byl původně nástrojem, který jsem používal pro zefektivnění své denní práce a důležitých podkladů pro své rozhodování. Touto cestou jej hodlám vést i do budoucna a pracovat na možnosti jednoduchého každodenního využívání dat mezi odborníky

Filip Podstavec


Podobné články

Jak se bude měnit SEO v roce 2017 a na čem by měly weby zapracovat?


 Filip Podstavec


  30 minut čtení
  18. 7. 2017.

Chci přečíst 




Komentáře




Že ses ještě nerozhodl?

Nevadí, můžeš si nás zdarma a jednoduše otestovat.