Наколеночная автоматизация

SEO процессов.

Крыжановский Александр Сергеевич

0

1

Сбор доноров с различных площадок

Откуда собираем?Зачем собираем?Чем собираем?Как собирем?

2

Сбор доноров с различных площадок

• Ссылочные биржи:

• Независимые площадки

Цель:o получение ссылок, передающих

большой вес;o отсев спамных площадокo отсев сапо-доноровo отсев площадок с высоким SEOout

• Проиндексированные ссылки:

Цель:o анализ изменений площадкиo отсев плохих доноровo выход из-под санкций

Откуда собираем?

3

Чем собираем?

• Ручной экспорт• Различные Api• Парсинг контента с помощью OutWit:

http://www.outwit.com/

4

Автоматический и полуавтоматический парсинг контента с OutWit

1. Находим в HTML коде нужный фрагмент для парсинга

2. Вводим маркеры до и после этого фрагмента:• Маркер – html код, который

встречается только перед необходимым фрагментом.

• Маркер может быть регулярным выражением.

3. Жмём «Execute», собранные данные (в конкретном примере – URLы доноров) экспортируем в TXT или Excel

5

Собранные URLы сайтов копируем из файла и загоняем в RDSApi http://www.recipdonor.com/rds-api

Какие параметры анализируем:1. Торговля сапо-ссылками – определяем по бирже.2. Количество исходящих на страницу3. Отношение входящих к исходящим4. Посещаемость на страницу5. Количество внутренних ссылок на странице (только если знаете URL страницы)6. Индексация в поисковых системах7. История индекса: потенциальное попадание под санкции8. Накрутка параметров9. И т.п.

Собрав данные через RDS экспортируем их в Excel

6

Что в итоге:

Получаем список сайтов для White листа. Ссылки размещаем только по White-листу.

Если задача – очистка ссылочной массы, то выбираем наоборот - самые плохие площадки.

Их добавляем в Black-лист, либо просто снимаем ссылки.

7

Подводные камни

1. Смещённая выборка2. Как быть с хорошими, если их

много• Вводим систему балов• Привязываем к цене• Выбираем самые дешевые• Комбинированный метод

3. Все плохие

8

Сравниваем индексы поисковых систем

Зачем?- Чтобы найти ошибки в индексации

Инструменты: - Вручную - С помощью OutWit

9

1. Создаём Scraper один для всех ПС2. Задаём маркеры и разделители

10

Создаём матрицу для поисковых запросов

В матрице используем регулярные выражения в URL: P=[0:4] – страницы с нулевой по четвёртую ( на Яндексе в URL используется такая нумерация). При работе станет p=0 … p=1…p=2 и т.д.

Для Google start=[0;100] номер первого регультата начиная с нулевого.

*Ограничения на кол-во страниц введены для примера, при сравнении индексации их использовать нельзя.

11

Создаём макрос

В качестве источника URL используем созданный запрос:

В качестве экстрактора выбираем созданный нами Scraper.

Указываем, что данные должны быть экспортированы в Excel

12

Обрабатываем Excel-Файл с собранными УРЛами из ПС

1. Группируем данные по столбцам

2. Ищем то, что есть в Google, но нет в Яндекс.

Используем функцию ВПР

• Ищем значение Google, в таблице со значениями Yandex.

• Номер столбца – порядковый номер столбца в указанной таблице.

13

Затем аналогично создаём функцию для URL, которые есть в Яндекс, но отсутствуют в Google.

Нас интересуют значения Н/Д.

Н/Д = нет данных, значит искомое значение отсутствует в таблице, по которой происходит поиск

С помощью фильтра производим отсев искомых значений. Проверяем список URL, ищем различия в индексации.

14

Анализ анкор-листа на спам в Excel

• Можно собрать как внутренний, так и внешний анкор-лист с OutWit• Можно собрать анкор-лист с околоссылочным текстом с любым ограничением по

длинне.• Можно «пробить» все ссылки из Webmaster Яндекса, Google или Mail.ruИ ещё 100 вариантов :).

15

Выгрузка с Solomono для русской Википедии:

Считаем кол-во слов:

=ЕСЛИ(ДЛСТР(СЖПРОБЕЛЫ(A2))=0;0;ДЛСТР(СЖПРОБЕЛЫ(A2))-ДЛСТР(ПОДСТАВИТЬ(A2;" ";""))+1)

16

Убираем картинки, т.к. это не текст из ALT.

Строим сводную диаграмму.

Распределение анкоров в анкор-листе по количеству слов:

17

Тот же график, с вынесенными отдельно безанкорными ссылками.

18

Спасибо за внимание