Projekt DVC

Ta strona zawiera szczegółowe informacje na temat projektu technicznego przyjęta do programu Sezon Dokumentów Google.

Podsumowanie projektu

Organizacja open source:

DVC

Pisarz techniczny:

Zremasterowany

Nazwa projektu:

SEO / analityka witryny i aktualizacje witryny w Dokumentach

Długość projektu:

Standardowa długość (3 miesiące)

Opis projektu

Aby poprawić widoczność w wyszukiwarce, zrozumieć zachowanie użytkowników i poprawić jakość treści w przyszłości, proponuję oddolną strategię optymalizacji DVC.

W kontekście optymalizacji witryn pod kątem wyszukiwarek „od dołu” oznacza wykorzystywanie danych z bieżących wyników wyszukiwania i dotychczasowych treści do kierowania aktualizacji i zainicjowania pętli pozytywnych opinii. Ta strategia skupia się na wynikach i opiera się na rzeczywistych postępach, a nie na założeniach dotyczących treści wyszukiwanych przez użytkowników czy sposobu ich wykorzystania. Korzystam z tego podejścia w przypadku wielu klientów zajmujących się SEO i uważam, że sprawdza się ono w przypadku aktualnych zachowań związanych z wyszukiwarkami.

Celem tego procesu jest wytworzenie pętli informacji zwrotnych:

1. Które strony i wyszukiwane hasła są źródłem wyników wyszukiwania?
2. Co wiążą się z tymi hasłami? Czy odpowiadamy na pytania użytkowników? Czego brakuje w dokumencie?
3. Zaktualizuj istniejący dokument lub wskaż nowe dokumenty, które należy utworzyć (jeśli ma to sens).
4. W obszarach, w których organizacja chce osiągnąć wyniki (ale nie ma takiego efektu), przed utworzeniem treści poszukaj dowodów na użycie konkurencji lub danych analitycznych o użytkownikach.
5. Zacznij ponownie od 1.

Proponuję ogólny plan projektu (z dalszymi informacjami o wdrażaniu w ramach sesji pytań i odpowiedzi poniżej):

Tydzień 1 – wstępna konfiguracja narzędzi i śledzenia Analytics. Przeprowadź audyt SEO i utwórz problemy w celu poprawienia metadanych lub usunięcia problemów technicznych. (Możesz to nawet rozpocząć w okresie „rozgrzewki”). Tydzień 2 – wskazanie dokumentów, które są już w rankingu pod względem kluczowych haseł. Identyfikuj powiązane hasła, aby je rozwinąć i sprawdzać dokumenty w poszukiwaniu innych ulepszeń. Twórz problemy na poziomie poszczególnych dokumentów, aby planować aktualizacje. Rozpocznij aktualizowanie/publikowanie dokumentów. Tydzień 3 — kontynuuj monitorowanie wyników wyszukiwania w celu identyfikacji nowych możliwości i kontynuuj pracę nad planowanymi zaległościami dotyczącymi aktualizacji. Tydzień 4–10 – obserwuj zmiany w wynikach wyszukiwania nowo zaktualizowanych dokumentów oraz kontynuuj monitorowanie i aktualizowanie zaległości. Tydzień 10 i więcej – chociaż ten projekt z pewnością nie mieści się w zakresie tego projektu, po osiągnięciu pewnego poziomu komfortu związanego z szybkością zmian i metodami można wykorzystać te same zasady i pętlę informacji zwrotnych, aby wprowadzić zmiany w przypadkach użycia DVC i na stronie głównej dokumentów. Uważam, że w takich projektach bardziej skuteczne jest podejście oddolne.

Oto moje bezpośrednie odpowiedzi na wszystkie pytania wymienione w propozycji projektu:

P: Jakie narzędzia warto zastosować? (np. Google Analytics itp.)

O: Niezbędnymi narzędziami są Google Analytics, Google Search Console i Studio danych Google (do gromadzenia danych między narzędziami na potrzeby raportów). Menedżer tagów Google przydaje się do śledzenia określonych zdarzeń kliknięć lub stron (np. samouczki wideo w YouTube umieszczone na stronach). Skorzystałbym też z narzędzia audytu SEO (ja korzystam z Ubersuggest), aby oznaczać problemy oraz śledzić wyszukiwane hasła dotyczące konkurencji i powiązane w witrynie z dokumentacją. Choć witryna DVC wydaje się być szybka, musimy upewnić się, że korzystanie z PageSpeed Insights ma kluczowe znaczenie dla SEO.

P: Na których trendach i raportach musimy się skupić?

O: Kluczowe dane SEO to kliknięcia, wyświetlenia, współczynnik klikalności i pozycja. Problem polega jednak na tym, że są to wskaźniki stałe, które nie zapewniają dużych ilości informacji na temat tego, co warto poprawić. Dlatego warto śledzić i monitorować, co się dzieje przed wyszukiwaniem i po nim: jakie hasła wyszukują użytkownicy oraz co się dzieje po odwiedzeniu witryny. Używane wyszukiwane hasła są niezbędne do ukierunkowania produktywnej pracy nad tworzeniem i aktualizowaniem treści (jak opisano powyżej). Zapewnianie, że użytkownicy trafiający do witryny z wyników wyszukiwania skutecznie znajdują to, czego szukają, ma znaczenie decydujące o pozycji w rankingu lub nie ma w ogóle pozycji w rankingu. Powrót do tego samego wyszukiwania (odrzucenie) informuje wyszukiwarkę, że dana strona jest niekorzystna. Pomiar zaangażowania użytkowników w witrynie jest bardziej skomplikowanym zadaniem, ale podstawowe dane, których potrzebujemy w dokumentacji, to współczynnik odrzuceń, czas trwania sesji i liczba stron na sesję. (W przypadku witryn, w których celem jest uzyskanie sprzedaży/zakupu/kontaktu, kluczowym wskaźnikiem jest też współczynnik konwersji osiągnięty w ramach celu).

P: Jacy mamy użytkowników i jakie interakcje z nimi łączą?

O: Jeśli tak się stanie, Google Analytics będzie śledzić ścieżkę użytkownika w witrynie, czas wczytywania strony, klikalne adresy URL, właściwości klienta użytkownika i stara się identyfikować je w przypadku powracających wizyt (ale to tylko podstawa). Zidentyfikowanie i zrozumienie wzorców definiujących typy użytkowników może trochę potrwać, ale na początek warto przyjrzeć się popularnym przepływom interakcji. Zaczynając od najpopularniejszych stron docelowych, szukamy widocznych trendów na drugiej, trzeciej i kolejnej stronie. Następnie możemy zaproponować odpowiednie modele użytkowników (co powinno pomóc także w kluczowych przypadkach użycia). Na tej podstawie możemy doprecyzować lub zweryfikować modele/przypadki użycia, łącząc inne dane: wyszukiwane hasła, anegdoty, ankiety, wywiady itp.

P: Czy możemy częściowo zidentyfikować tych użytkowników lub przeanalizować ich dane za pomocą statystyk użytkowania DVC?

O: Z dokumentacji dotyczącej statystyk wykorzystania wynika, że DVC używa naprawdę losowego identyfikatora (uuid4) i wysyła dane przez serwer proxy. Zakładając, że ta sytuacja nie ulegnie zmianie, sprawdzanie krzyżowe będzie ograniczone do sprawdzania trendów ilościowych dla każdego zdarzenia polecenia w odniesieniu do wzorców wykorzystania witryny z Dokumentami. Pomoże nam to wykryć rozbieżności między danymi o korzystaniu z dokumentów a użyciem poleceń w postaci danych zbiorczych, ale nie dostarczy statystyk na poziomie użytkownika. Możemy więc odpowiedzieć na pytanie „W przypadku których poleceń/dokumentów użytkownicy jednocześnie korzystają z dokumentu i poleceń?”. To podstawowe podejście, ale dałoby podstawową wiarygodność założenia (np. jeśli do konkretnego przypadku użycia pasuje ten konkretny przypadek użycia, powinno wiązać się z większym wykorzystaniem poleceń) i wskazać możliwości (np.jeśli polecenie nie jest używane, a jakie dokumenty są niewłaściwe?).