Obsahová analýza webu

SEO  |  24.5.2016

Zkontrolujte v pár jednoduchých krocích, na jaké dotazy cílí konkurenční weby či jaké používají nadpisy, aby přitáhli uživatelovu pozornost. Jaká je čitelnost jejich obsahu či co je nejsdílenějším článkem/sekcí na sociálních sítích. Co vám k tomu stačí? Jejich sitemap nebo výpis URL článků.
Krok 1

Vložení URL, ke kterým chce uživatel získat data

K vložení dat uživatel použije sekci URL Minerů, kam importuje dataset URL jednou z metod importu. V tomto případě se asi nejvíce hodí import konkurenční nebo vlastní sitemap.

Ukázka vložení URL skrze clipboard v sekci URL Minerů

Report je dobré si pojmenovat kliknutím do pole Název datasetu tak, aby byl jednoduše identifikovatelný. V případě, že si uživatel chce vložený dataset uložit k pozdějšímu použití pro jiné účely, zaškrtne po změně názvu checkbox Uložit dataset.

Ukázka uložení datasetu

Stiskem tohoto tlačítka se poté uživatel dostává na výběr minerů.


Krok 2

Volba minerů a získání dat

Nejlepšími minery pro analýzu efektivity a cílení obsahu jsou:

Content AnalysisZískává data o obsahu stránky, její struktury, nadpisech, počtu slov,...
Social SignalsData o počtu sdílení URL na sociálních sítích

Díky nim uživatel získá přehled o tom, jaký obsah a témata URL pokrývá a zároveň informace o jejím dosahu na sociálních sítích. Samozřejmě je na každém uživateli, zda si k těmto přidá ještě jiné minery, které mu dovolí získat další data o URL.

Ukázka výběru minerů obsahové analýzy

Uživatel poté stiskne tlačítko Získat data, které jej přesune do sekce zpracování dat. Podle objemu dat se podklady zpracují na pozadí a po dokončení odešlou na email uživatele.

Ukázka výstupu

https://www.marketingminer.com/cs/report/cd3b2a6b3e0cec388ebbd483bda050514e454a84b841f26b7c6dacd2308b2add/visualize/miner.url.content_analysis Ukázka z výsledného reportu obsahové analýzy

Popis sloupců

List: Data
Keyword/URLURL, ke které se získávala data
Facebook sharesPočet sdílení URL na sociální síti Facebook
Google +1 Počet +1 URL na sociální sítí Google Plus
LinkedIn sharesPočet sdílení URL na sociální síti LinkedIn
Pinterest pin countPočet pinů této URL na sociální síti Pinterest
Stumbleupon viewsPočet shlédnutí URL na sociální sítí Stumbleupon
ContentAnalysisStatus analýzy obsahu (pokud je na dané URL například přesměrování nebo chyba, vrátí chybu)
CanonicalIdentifikace kanonické URL, pokud je ve zdrojovém kódu uvedena.
Meta descriptionObsah meta tagu description
H1 Obsah hlavní nadpisu/ů
TitleTitulek stránky (<title> ve zdrojovém kódu)
Title ScoreSkóre titulku stránky založené na jeho délce, přitomnosti speciálního znaku a přídavného jména v něm. Tyto prvky dle zahraničních studií prokázali, že titulky s těmito prvky mají vyšší CTR v SERP.
Adjectivum in titleDetekce, zda je v titulku přítomno přidavné jméno
Special character in titleDetekce, zda je v titulku přítomen speciální znak
WordsPočet slov na dané URL
Words without stop wordsPočet slov po odseknutí stop slov (příklad stop slov: a, ale,...)
ParagraphsPočet paragrafů v obsahu dané URL
LinksPočet odkazů (jak interních, tak externích)
Number of external linksPočet interních odkazů
Number of internal linksPočet externích odkazů
X-Robots-TagObsah X-Robots-Tagu, pokud nějaký existuje. Více o X-robots-tagu na: https://developers.google.com/webmasters/control-crawl-index/docs/robots_meta_tag
Meta robotsObsah meta tagu robots
Rel="next"Detekce, zda je někde v obsahu označení následující stránky pomocí rel="next"
Rel="prev"Detekce, zda je někde v obsahu označení předchozí stránky pomocí rel="prev"
Article TypeAutomatická kategorizace článku dle jeho titulku (například Návod, Kvíz,...)
CommentsPočet komentářů k článku
Flesch Kincaid Reading Easehttp://en.wikipedia.org/wiki/Flesch-Kincaid#Flesch_Reading_Ease
Flesch Kincaid Grade Levelhttp://en.wikipedia.org/wiki/Flesch-Kincaid
Gunning Fog Scorehttp://en.wikipedia.org/wiki/Gunning-Fog_Index
Coleman Liau Indexhttp://en.wikipedia.org/wiki/Coleman-Liau_Index
SMOG Indexhttp://en.wikipedia.org/wiki/SMOG_Index
Automated Reability Indexhttp://en.wikipedia.org/wiki/Automated_Readability_Index
Dale-Chall Readability Scorehttps://en.wikipedia.org/wiki/Dale–Chall_readability_formula
Spache Readability Scorehttps://en.wikipedia.org/wiki/Spache_readability_formula
Krok 3

Analýza výstupu

Výstup poté může uživatel analyzovat pomocí nástrojů, které umí pracovat s XSLX výstupy. Pro námi doporučované naleznete návody a postupy analýzy níže:

Excel návodOdkaz ke stažení nástroje
OpenRefine návodOdkaz ke stažení nástroje
Tableau Public návodOdkaz ke stažení nástroje

Příklady použití obsahové analýzy v praxi

Vezměme v potaz výše uvedený výstup, tedy:
https://www.marketingminer.com/cs/report/cd3b2a6b3e0cec388ebbd483bda050514e454a84b841f26b7c6dacd2308b2add/visualize/miner.url.content_analysis

Jedná se výseč článků z blogu webu H1.cz. Co nám výstup o blogpostech této společnosti říká? Jaké publikují články? Které z nich jsou úspěšné a co stojí za jejich úspěchem? Nejprve pár fakt a shrnutí výstupů:

Ukázka z výsledného reportu obsahové analýzy

Optimalizace titulků

Průměrná délka titulku je kolem 47.49 písmena, což je správně, jelikož nad tuto délku není ve výsledcích vyhledávání vyhledávačů k dispozici celý titulek, ale pouze jeho část. Stejně tak může být pro uživatele delší titulek hůře čitelný. Title skóre 69.28 je opravdu nadprůměr oproti většině českých i zahraničních webů. To značí, že si blog před publikací svého obsahu dává zálěžet na atrktivitě headline. V obsahu se poté dle statistik nachází 23 článků se skóre titulku 0-50, což značí, že je titulek buď špatně čitelný (opravdu dlouhý i bez stop slov) nebo jiný problém. Tyto stránky by bylo dobré zkontrolovat a případně na jejich titulku zapracovat.

Informace o obsahu

Většina článků na daném blogu se pohybuje kolem 900 slov. Konkrétně přes 60% obsahu má více než 600 slov. To vypovídá o tom, že blog píše dlouhé obsáhlejší články. Krom toho může uživatel ve sloupci Article Type nalézt přehled detekovaných typů článků. V tomto případě je jasně vidět, že dominantou daného blogu jsou články typu Jak, tedy návodné. Dále Jaký/á/é a Proč.

Aktivta uživatelů

Aktivitou uživatelů jsou v tomto případě myšleny dvě metriky: počet sociálních signálů a počet komentářů. Oba naznačují určitým způsobem charakter a prioritu článku. Tyto metriky jsou dostupné v jednotlivých sloupcích výstupu ze Social Signals mineru a ve sloupci Comments (počet komentářů článku). Jednoduchým seřazením výstupů se tak uživatle může dostat k nejkomentovanějšímu a nejsdílenějšímu obsahu, ze kterého se může inspirovat.

Další články

Že ses ještě nerozhodl?

Nevadí, můžeš si nás zdarma a jednoduše otestovat.