علم داده چگونه به متخصصان سئو کمک خواهد کرد؟

اگر شما هم مثل من معتقدید که سئو به روش پدربزرگ هایمان دیگر جواب نمی‌دهد، تا انتهای این مقاله با ما همراه باشید :)

تا چند سال پیش، اگر صفحات وب سایت را با کلمه کلیدی مورد نظر منفجر می‌کردیم، و یا تایتل را تغییر می‌دادیم این شانس را داشتیم تا به نتایج اول گوگل دست پیدا کنیم. اما آن زمان ها گذشته است !

رقابت سخت تر شده و گوگل باهوش تر...

در حال حاضر دو مشکل بزرگ پیش روی ما قرار دارد:

1. رفتار سخت گیرانه و هوشمندانه تر الگوریتم های گوگل در مقایسه با چندسال قبل

2. اسکرول نکردن بیش از 75 درصد کاربران، بعد از لینک 10 (یعنی از صفحه ی اول جلوتر نمی روند)

دقیقا اینجاست که هم نیاز داریم به لینک های اول برسیم، هم نمی توانیم با روش های روتین و سنتی سابق نتیجه بگیریم !

پس راه حل چیست؟

ایستادن در محل تلاقی سرچ با هوش مصنوعی (AI)، یادگیری ماشین و در نهایت علم داده !

علم داده (Data science) به چه معناست؟

"کشف و استخراج دانش و الگوهای پنهان از داده های خام با بهره گیری از ابزارهای مختلف، الگوریتم ها و اصول یادگیری ماشین"

در واقع علم داده مفهومی برای یکپارچه‌سازی آمار، تحلیل داده، یادگیری ماشین و دیگر مفاهیم مرتبط در قالب یک عنوان واحد است. هدف از این علم درک و تحلیل پدیده ها با بهره گیری از داده های عددیست.

البته دانستن این موضوع که علم داده خیلی فراتر از این تعاریف است، خالی از لطف نیست! اما برای داشتن یک درک کلی، می توانیم به تعاریف فوق بسنده کنیم.

اولین بار در سال 1962 میلادی، ریاضیدان آمریکایی جان توکی مقاله ای تحت عنوان "آینده ی تحلیل داده" انتشار داد. بعد از آن مقالات بسیاری در ارتباط با این حوزه و پیشرفت تحلیل داده ها منتشر شد تا سرانجام در سال 2001 یکی از دانشمندان آمریکایی در حوزه ی علوم کامپیوتر به نام ویلیام کلیولند، اصطلاح علم داده را مطرح کرد. او در مقاله ای تحت عنوان "علم داده: برنامه‌ای برای گسترش جنبه‌های فنی در رشته آمار" پیشنهاد داد تا علم داده به عنوان یک رشته ی مستقل معرفی و دنبال شود.

علت این کار این بود که استفاده از علم تحلیلگران داده محدودیت داشت. زیرا از طرفی با متخصصین کامپیوتر طرف بودیم که شناخت کمی از کار با داده های عددی داشتند و از طرف دیگر با متخصصین آمار طرف بودیم که دانش کامپیوتر و برنامه نویسی بالایی نداشتند. پس نیاز به تربیت متخصصانی بود که در هر دو حوزه که پایه های اصلی علم داده هستند، مهارت کافی داشته باشند.

البته این مقاله در مورد علم داده نیست و بهتر است بیشتر از این توضیح ندهیم. بیایید به سراغ فواید علم داده برای سئو برویم.

چرا متخصصان سئو به علم داده نیاز دارند؟

همانطور که توضیح داده شد، علم داده اطلاعات جالبی را از داده های خام به شما ارائه می دهد. پس به این ترتیب می توانید اطلاعات ارزشمندی در مورد عملکرد وب سایت خود به دست آورید. این اطلاعات می توانند در بهبود بهینه سازی سایت موثر باشند. با بررسی نمودار زیر که از گوگل ترند دریافت شده است، میتوانید میزان افزایش علاقمندی کاربران به Data Science را در 6 سال اخیر مشاهده کنید.

همانطور که مطلع هستید، الگوریتم های جدید گوگل بر اساس رفتار کاربر، شما را می سنجند. هرچه کاربران بیشتری به سایت شما علاقمند باشند، رتبه ی بهتری نصیب شما خواهد شد.

حالا تصور کنید به راحتی بتوانید رفتار کاربران را برای تغییرات سایت پیش بینی کنید ! و به راحتی بتوانید متوجه بشوید عکس العمل کاربران به استراتژی های شما چیست. و دقیقا اینجا جایی است که علم داده به کمک شما می شتابد.

شما می توانید به سادگی و با استفاده از علم داده روندهای آینده را پیش بینی کنید و با استفاده از تجزیه و تحلیل داده ها و یادگیری ماشین رفتار کاربران و مشتریانتان را پیشگویی کنید. برای مثال، وب سایت Netflix سریال های خود را بر اساس رفتار کاربر و علایق آن ها تولید می کند . می توانید حدس بزنید چه فایده ای دارد؟ بله ! ورودی بیشتر :) و این دقیقا چیزی است که در سئو به دنبال آن هستیم.

یکی دیگر از فواید علم داده برای متخصصین سئو، تحلیل داده های حجیم یا اصطلاحا big data است.

تصور کنید یک دیتاست (data set) نسبتا بزرگ از بانس ریت صفحات وب سایتتان از گوگل آنالیتیکس استخراج کردید. با توجه به محدودیت زمانی و ابزارهای مورد استفاده چند مورد از آنها را می توانید بررسی کنید؟ چقدر دقیق می توانید همه ی آن ها را به خاطر بسپارید و به یک نتیجه گیری قطعی و درست برسید؟

حالا همین مسئله را به وب سایت های بزرگی مثل آپارات و یا دیجیکالا تعمیم بدهید. چطور می توانند رفتار تک تک میلیون ها کاربر را به صورت ماهانه زیر ذره بین بگذارند و بررسی کنند؟

و دقیقا اینجاست که دیتاساینس می تواند به سادگی آن ها را تحلیل کرده و میلیون ها عدد را تبدیل به دانش قابل فهم برای انسان ها کند.

تا این قسمت متوجه شدیم علم داده چیست و چگونه می تواند به متخصصان سئو کمک کند. در ادامه می خواهیم به صورت مرحله ای توضیح دهیم که چگونه می توانید از این علم میان رشته ای بهره بگیرید.

مراحل استفاده از علم داده برای بهبود سئو وب سایت

در مرحله اول کافیست ابزارهایی را برای جمع آوری دیتای مناسب انتخاب کنید. هرچه داده های بیشتر و درست تری در اختیار داشته باشید، نتیجه گیری مفیدتری نصیبتان خواهد شد. برای دریافت این داده ها به ابزارهای کاربردی و دقیق در حوزه ی سئو نیاز دارید. ابزارهایی مثل Semrush، Ahref و گوگل آنالیتیکس و یا مشابه های آن مانند یاندکس می توانند در این زمینه به شما کمک کنند.

سپس در مرحله ی بعدی تفکر خود را به سمت اکوسیستم سئو ببرید نه فقط جمع آوری داده و استفاده از ابزارهای گوناگون. برای شفاف سازی این بخش لازم میدانم اشاره ای به تعریف اکوسیستم داشته باشیم. طبق تعریفی که یک گیاه شناس انگلیسی به نام روی کلافام ارائه داده است:

“مجموعه المان‌های فیزیکی و المان‌های بیولوژیک که در کنار هم قرار می‌گیرند و در رابطه با یکدیگر یک سیستم را خلق می‌کنند اکوسیستم نام دارد."

که همانطور که آقای شعبانعلی در وب سایت متمم نوشته است :

"امروزه اصطلاحاتی مانند اکوسیستم کارآفرینی، اکوسیستم اقتصادی، اکوسیستم دیجیتال، اکوسیستم وب، اکوسیستم کاربران و اکوسیستم سیاسی مورد استفاده قرار می‌گیرند و معنای اکوسیستم، از تعریف اولیه‌ی آن که تعامل موجودات زنده و غیرزنده در محیط مشخص بود، به میزان قابل توجهی فاصله گرفته است."

پس می توانیم در این حوزه هم از واژه ی اکوسیستم استفاده کنیم.

اگر مسئول سئو یک وب سایت خیلی رقابتی و سخت هستید، و سئو وب سایت شما علاوه بر مباحث اولیه ی بهینه سازی داخلی و خارجی با دیجیتال مارکتینگ درگیر است (برای مثال مباحثی مثل بازاریابی محتوا، بهینه سازی نرخ تبدیل (CRO)، مدیریت تجربه مشتری (CX) و فروش) به یک راه حل اکتفا نکنید ! موفقیت به صرف تمرکز روی ابزارها و خروجی گرفتن از داده های آنها و بررسی هر کدام به طور جداگانه بدست نمی آید. شما زمانی موفق می شوید که بتوانید از تلفیق همه ی داده ها به صورت همزمان استفاده کنید.

رویکرد "علم داده" در مورد SEO دقیقا شامل تلفیق روش ها و ابزارها و داده های استخراج شده از آنهاست. به روشی که بینش های عمیق و دقیقی از ترکیب داده های تجمعی به دست می آورد. این مسئله به این معناست که ما صرفا روی داده ها یا ابزارها متمرکز نشده ایم. بلکه با بررسی یک اکوسیستم کلی، به نتایج جامع رسیده ایم.

در مرحله ی سوم سئو را با دیگر مباحث بازاریابی هماهنگ کنید. همه ی ما به خوبی میدانیم که سئو با مباحثی مثل دیجیتال مارکتینگ، برندینگ و فروش درگیر است. پشتیبانی از سئو با مباحث بازاریابی، می تواند نتایج خوبی را برای شما به همراه داشته باشد.

همکاری و هماهنگی بیشتر با برنامه نویس ها، طراحان رابط کاربری (UI) ، متخصصان تجربه ی کاربری (UX) و تیم های پشتیبانی می تواند فاکتورهای بسیاری را برای بهبود رتبه وب سایت شما فراهم کند. تمام کاری که باید انجام دهید، استخراج دیتا از تمام حوزه ها و بررسی تمام متغیرهای وابسته و غیروابسته است. برای مثال تغییر رنگ یک صفحه منجر به افزایش یا کاهش فروش می شود. پس علاوه بر جمع آوری دیتا از ابزارهای وابسته به سئو، به فکر جمع آوری دیتای عددی از تیم های دیگر یا المان های دیگر سایتتان باشید.

در مرحله چهارم با کمک علم داده مجموعه دیتای بدست آمده را مصور سازی کنید. برای این کار ابزارهایی مثل Tableau، Power BI، Matplot و ... به شما کمک خواهند کرد. البته ممکن است شما شخصا به Data visualization مسلط نباشید و نیاز به برون سپاری باشد.

هدف اصلی مصورسازی داده ها، کشف روابط است. زیرا ذهن انسان قابلیت پردازش تعدادی زیادی داده به صورت پراکنده را ندارد. و زمانی که آنها را به صورت نمودار ببیند، می تواند روابط پنهان شده بین داده ها را به راحتی کشف کند. هرچه داده ها حرفه ای تر مصورسازی شوند، اطلاعات بیشتری را به شما نمایش خواهند داد.

برای مثال شما تایتل یه صفحه را که در حال حاضر در رتبه ی 1 قرار دارد، تغییر داده اید. 3 ماه بعد، دیتای روزانه ی کلیک روی این صفحه را با 3 ماه قبل مقایسه می کنید. با یک مصور سازی خوب، می توانید نتیجه بگیرید تغییر تایتل چه تاثیری بر میزان CTR شما داشته است.

و در نهایت، تمام کاری که باید بکنید اجرای A/B Testing است. به مثال قبل برمیگردیم. فرض کنید صفحه ای که تیتر آن را تغییر داده اید، در مورد نقد و بررسی یک کتاب است. شما تایتل را تغییر داده اید و ctr رشد کرده است.

آیا می توان نتیجه گرفت به علت تغییر تایتل افزایش نرخ کلیک داشته اید؟

آیا امکانی بر دلایل بیرونی وجود ندارد؟

یا فرض کنید جای دکمه ی خرید را تغییر داده اید و فروشتان چند برابر شده است. آیا می توانید نتیجه بگیرید جای جدید دکمه باعث افزایش فروش شده است؟ یا ممکن است شانسی باشد؟ برای مثال تمام کاربرانی که در آن بازه وارد سایت شما شده اند، از نظر ذهنی جای دکمه ی جدید را ترجیح میدادند! و یا بر حسب اتفاق درصد بیشتری از کاربران ورودی، مشتریان بالفعل شما بوده اند و تمایل به خرید صد در صدی داشتند. پس بدون محاسبه نمی توانید افزایش فروش را به طور قطعی به جابجایی دکمه نسبت دهید !

علاوه بر این، فرض کنید اخیرا مدیر سئو خود را تغییر داده اید، و در 6 ماهی که روی وب سایت شما فعالیت داشته، نسبت به 6 ماه مشابه در سال قبل، افزایش ورودی در وب سایت داشته اید ! آیا تلاش مدیرسئو جدید بیشتر بوده و یا این مسئله شانسی است؟

تمام این موارد را به راحتی میتوانید با علم داده محاسبه کنید، و تصمیم گیری را به ریاضیات و ماشین لرنینگ واگذار کنید !

کافیست دیتاساینتیست مجموعه ی شما و یا حتی خودتان (اگر علاقه ای به دیتا ساینتیست شدن داشته و مقاله‌ی "چطور قدم به دنیای دیتاساینس بگذاریم؟" را خوانده اید) با استفاده از آزمون هایی مثل t-test ، Shapiro و یا Chi-square نرمال بودن دیتاست و یا شانسی بودن افزایش و کاهش را بررسی کنند.

به همین راحتی می توانید تغییراتی روی وب سایتتان اعمال کنید و با آنالیز داده ها، بهترین مسیر را انتخاب کرده و آن را ادامه بدهید.

نتیجه گیری:

علم داده می تواند جایگزینی برای حدس و گمان متخصصان سئو در تصمیم گیری باشد. با بهره گیری از این دانش، می توانید به جای اینکه فرض کنید چه المان هایی در سئو وب سایتتان موثر بودند، یا حدس بزنید چه فاکتورهایی در افت یا پیشرفت روند کار شما تاثیر داشتند و یا در مورد اینکه یک اقدام خاص چگونه بر اهداف آینده شما تاثیر خواهد گذاشت پیش بینی های ذهنی انجام دهید، با قطعیت بالا و محاسبات و منطق ریاضی، با بهره گیری از تلفیق آمار و برنامه نویسی اقدامات انجام شده را آنالیز کرده و برای اقدامات آتی پیش بینی هایی دقیق انجام دهید.

در حال حاضر شرکت های موفقی که دیتابیس های بزرگی دارند نیز از علم داده بهره می برند. شرکت هایی مثل اسنپ، تپسی، دیجیکالا، آپارات و غیره همگی جای خالی متخصصان دیتاساینس را در مجموعه خود احساس کرده و با استخدام آنها، تصمیمات بهتری را برای مجموعه شان به ارمغان آوردند.