หน้านี้มีรายละเอียดของโครงการการเขียนเชิงเทคนิคที่ยอมรับสำหรับ Google Season of Docs
ข้อมูลสรุปของโปรเจ็กต์
- องค์กรโอเพนซอร์ส:
- DVC
- ผู้เขียนด้านเทคนิค:
- รีมาสเตอร์
- ชื่อโปรเจ็กต์:
- SEO / Analytics และข้อมูลอัปเดตเกี่ยวกับเว็บไซต์ในเอกสาร
- ระยะเวลาของโปรเจ็กต์:
- ระยะเวลามาตรฐาน (3 เดือน)
คำอธิบายโปรเจ็กต์
เพื่อปรับปรุงการแสดงเครื่องมือค้นหา ทำความเข้าใจพฤติกรรมของผู้ใช้ และผลักดันการปรับปรุงเนื้อหาในอนาคต เราขอเสนอกลยุทธ์การเพิ่มประสิทธิภาพจากล่างขึ้นบนสำหรับ DVC
ในแง่ของการปรับแต่งเว็บไซต์ให้ติดอันดับบนเครื่องมือการค้นหา "ล่างขึ้นบน" หมายถึงการใช้ข้อมูลจากผลการค้นหาปัจจุบันและเนื้อหาที่มีอยู่เพื่อสร้างข้อมูลอัปเดตโดยตรงและเริ่มลูปความคิดเห็นเชิงบวกในการปรับปรุง กลยุทธ์นี้มุ่งเน้นที่ผลลัพธ์เพื่อสร้างความคืบหน้าที่แท้จริง แทนที่จะพึ่งพาสมมติฐานเกี่ยวกับสิ่งที่ผู้ใช้จะค้นหาหรือวิธีการใช้งาน ฉันได้ใช้วิธีนี้อย่างมีประสิทธิภาพสำหรับลูกค้า SEO หลายราย และทราบว่าวิธีนี้ใช้ได้ผลสำหรับพฤติกรรมของเครื่องมือค้นหาในปัจจุบัน
เป้าหมายของกระบวนการนี้คือการพัฒนาวงจรการแสดงความคิดเห็น ดังนี้
- หน้าและข้อความค้นหาใดได้รับผลการค้นหา
- คำเหล่านี้เกี่ยวข้องกับคำใดบ้าง เรากำลังตอบคำถามที่ผู้ค้นหามีหรือไม่ เอกสารขาดอะไรไป
- อัปเดตเอกสารที่มีอยู่หรือระบุเอกสารใหม่ที่ควรสร้าง (หากเหมาะสม)
- ในพื้นที่ที่องค์กรต้องการได้ผลลัพธ์ที่ต้องการ (แต่ไม่มีผลใดๆ) ให้มองหาหลักฐานการค้นหาของคู่แข่งหรือข้อมูลวิเคราะห์ผู้ใช้ก่อนสร้างเนื้อหา
- เริ่มอีกครั้งที่ 1
เราขอเสนอแผนโครงการระดับสูงต่อไปนี้ (พร้อมรายละเอียดเพิ่มเติมเกี่ยวกับการใช้งานในส่วนถามและตอบด้านล่าง)
สัปดาห์ที่ 1 — การตั้งค่าเบื้องต้นสำหรับเครื่องมือและการติดตาม Analytics เรียกใช้การตรวจสอบ SEO และสร้างปัญหาเพื่อแก้ไขข้อมูลเมตาหรือล้างปัญหาทางเทคนิค (หรืออาจเริ่มต้นในช่วงทำความคุ้นเคยก็ได้) สัปดาห์ที่ 2 — ระบุเอกสารที่ได้รับการจัดอันดับสำหรับคำสำคัญอยู่แล้ว ระบุคำที่เกี่ยวข้องเพื่อขยายเนื้อหาไปรอบๆ และตรวจสอบเอกสารสำหรับการปรับปรุงอื่นๆ สร้างปัญหาเกี่ยวกับขนาดเอกสารแต่ละรายการเพื่อวางแผนการอัปเดต เริ่มอัปเดต/เผยแพร่เอกสาร สัปดาห์ที่ 3 — ติดตามดูผลการค้นหาอย่างต่อเนื่องเพื่อระบุโอกาสใหม่ๆ และดำเนินการทำงานต่อผ่าน Backlog ของการอัปเดตที่วางแผนไว้ สัปดาห์ที่ 4-10 — สังเกตการเปลี่ยนแปลงของผลการค้นหาสำหรับเอกสารที่อัปเดตใหม่ แล้วตรวจสอบและอัปเดตงานที่ยังทำไม่เสร็จต่อไป สัปดาห์ที่ 10 ขึ้นไป — แม้ว่าโปรเจ็กต์นี้จะอยู่นอกขอบเขตการทำงานของโครงการนี้ แต่เมื่อมีความสบายใจกับอัตราการเปลี่ยนแปลงและวิธีการแล้ว ก็สามารถนำหลักการและลูปความคิดเห็นเดียวกันนี้ไปใช้ขับเคลื่อนการแก้ไข Use Case ของ DVC และหน้าแรกของเอกสารได้ ในความคิดของผม วิธีจากล่างขึ้นบนมีแนวโน้มว่าจะมีประสิทธิภาพมากกว่าสำหรับโครงการเหล่านั้นด้วย
ต่อไปนี้เป็นคำตอบโดยตรงของฉันสำหรับแต่ละคำถามที่ระบุไว้ในแนวคิดโปรเจ็กต์:
ถ. เราควรใช้เครื่องมือใดบ้าง (เช่น Google Analytics เป็นต้น)
ต. เครื่องมือที่สำคัญ ได้แก่ Google Analytics, Google Search Console และ Google Data Studio (เพื่อรวบรวมข้อมูลระหว่างเครื่องมือสำหรับรายงาน) Google Tag Manager มีประโยชน์ในการติดตามเหตุการณ์คลิกหรือเหตุการณ์บนหน้าเว็บที่เฉพาะเจาะจง (เช่น วิดีโอบทแนะนำแบบฝังของ YouTube) นอกจากนี้ฉันจะใช้เครื่องมือตรวจสอบ SEO (ฉันใช้ Ubersuggest) เพื่อแจ้งปัญหาและติดตามข้อความค้นหาคู่แข่งและข้อความค้นหาที่เกี่ยวข้องทั่วทั้งเว็บไซต์เอกสารได้ด้วย แม้ว่าเว็บไซต์ DVC จะดูค่อนข้างเร็ว แต่เราจำเป็นต้องแน่ใจว่าใช้ PageSpeed Insights เนื่องจากเป็นสิ่งที่สำคัญสำหรับ SEO ด้วยเช่นกัน
ถ. แนวโน้มและรายงานใดที่เราต้องให้ความสำคัญ
ต. เมตริก SEO ที่สำคัญ ได้แก่ การคลิก การแสดงผล อัตราการคลิกผ่าน และตำแหน่ง อย่างไรก็ตาม สิ่งที่ท้าทายก็คือตัวบ่งชี้เหล่านี้เป็นตัวบ่งชี้สั้นๆ และไม่ได้ให้ข้อมูลเชิงลึกมากนักเกี่ยวกับสิ่งที่ควรปรับปรุง ด้วยเหตุนี้ คุณจึงจำเป็นต้องติดตามและตรวจสอบสิ่งที่เกิดขึ้นก่อนและหลังการค้นหา เช่น ข้อความค้นหาที่ผู้คนใช้ และสิ่งที่เกิดขึ้นเมื่อเข้าชมเว็บไซต์ ข้อความค้นหาที่ใช้นั้นจำเป็นต่อประสิทธิภาพการทำงานในการสร้างและอัปเดตเนื้อหา (ดังที่อธิบายข้างต้น) การช่วยให้ผู้ใช้ที่มาถึงผ่านผลการค้นหาพบสิ่งที่ต้องการเป็นความแตกต่างระหว่างการจัดอันดับดีหรือไม่ดีเลย เนื่องจากการกลับไปยังการค้นหาเดียวกัน (การตีกลับ) จะบอกเครื่องมือว่าหน้านั้นไม่ใช่ผลลัพธ์ที่ดีนัก การวัดการมีส่วนร่วมของผู้ใช้ในเว็บไซต์เป็นงานที่ซับซ้อนกว่า แต่เมตริกที่สำคัญที่เราต้องมีในเอกสารประกอบได้แก่ อัตราตีกลับ ระยะเวลาเซสชัน และจำนวนหน้า/เซสชัน (สำหรับเว็บไซต์ที่เป้าหมายคือการซื้อ/ซื้อ/ติดต่อของผู้ใช้ อัตรา Conversion ตามเป้าหมายก็เป็นเมตริกหลักเช่นกัน)
ถ. เรามีผู้ใช้ประเภทใด และพวกเขามีขั้นตอนการโต้ตอบใดบ้างตามมา
ต. หากตั้งค่าให้ติดตามข้อมูล Google Analytics จะติดตามเส้นทางของผู้ใช้ผ่านเว็บไซต์, เวลาหน้าเว็บ, URL การคลิก, พร็อพเพอร์ตี้ User Agent และพยายามระบุเส้นทางของผู้ใช้เมื่อกลับมาเข้าชมอีกครั้ง (ยังมีมากกว่านี้ แต่ข้อมูลเบื้องต้นมีดังนี้) การสังเกตและทำความเข้าใจรูปแบบซึ่งเป็นตัวกำหนดประเภทผู้ใช้อาจต้องใช้เวลา แต่การพิจารณาขั้นตอนการโต้ตอบที่ได้รับความนิยมก็เป็นจุดเริ่มต้นที่ดี เริ่มต้นจากหน้า Landing Page ที่ได้รับความนิยมสูงสุด เราจะมองหาแนวโน้มที่ชัดเจนในหน้าที่ 2, 3 และหน้าถัดไป จากนั้นเราสามารถเสนอโมเดลผู้ใช้กับโมเดลเหล่านี้ (ซึ่งน่าจะช่วยให้ได้ข้อมูลกรณีการใช้งานที่สําคัญๆ ด้วยเช่นกัน) เมื่อทำงานจากจุดนี้ เราสามารถปรับแต่งหรือตรวจสอบโมเดล/กรณีการใช้งานเพิ่มเติมโดยการเชื่อมโยงข้อมูลอื่นๆ เช่น ข้อความค้นหา เกร็ดเล็กเกร็ดน้อย แบบสํารวจ บทสัมภาษณ์ ฯลฯ
ถ. เราสามารถระบุตัวตนผู้ใช้บางส่วนและ/หรือตรวจสอบข้อมูลของผู้ใช้ด้วยการวิเคราะห์การใช้งาน DVC ได้หรือไม่
ต. จากเอกสารเกี่ยวกับการวิเคราะห์การใช้งาน DVC ใช้ตัวระบุแบบสุ่มอย่างแท้จริง (uuid4) และส่งข้อมูลผ่านพร็อกซี สมมติว่าไม่มีการเปลี่ยนแปลง การตรวจสอบข้ามจะจำกัดอยู่ที่การดูแนวโน้มปริมาณสำหรับแต่ละเหตุการณ์คำสั่งเทียบกับรูปแบบการใช้งานสำหรับเว็บไซต์เอกสาร ซึ่งจะช่วยให้เราระบุความคลาดเคลื่อนระหว่างการใช้เอกสารและการใช้คำสั่งในภาพรวมได้ แต่จะไม่ให้ข้อมูลเชิงลึกระดับผู้ใช้ เราอาจตอบคำถามที่ว่า "ผู้คนใช้เอกสารและคำสั่งพร้อมกันในข้อใด" แม้ว่านี่เป็นเรื่องพื้นฐาน แต่ก็ช่วยตรวจสอบสมมติฐานเบื้องต้นได้ (เช่น กรณีใช้งานหนึ่งๆ เหมาะสมดี ก็ควรทำให้ได้ใช้คำสั่งคีย์มากขึ้น) และระบุโอกาส (เช่น ไม่ได้ใช้คำสั่ง แต่เอกสารของสิ่งนั้นไม่ถูกต้อง)