如何使用Python和Data Studio窺探競爭對手

如何使用Python和Data Studio窺探競爭對手

搜尋聖經:

無論您是SEO新手還是經驗豐富的專業人士,調查

有很多方法可以調查您的目標關鍵字可能已經丟失的原因,但同時使用Python和Data Studio可以改變遊戲規則!

快速免責聲明:我自己沒有建立這個腳本。 來自Architek的SEO和開發人員Evan與我合作解決了我的特殊需求。 埃文是製作劇本的大腦。

我一直希望能夠大規模地查看大量Google搜尋結果,而無需逐個手動執行這些搜尋。

Evan提到Python可能是解決我的SEO調查需求的理想解決方案。

為什麼Python與SEO有關

Python是一種非常強大的編程語言,幾乎可以做任何事情。 Python的一個常見用途是自動執行日常單調任務。

關於Python最酷的事情之一是有幾種不同的方法來完成相同的任務。 然而,這也增加了新的難度。

大多數示例Python腳本可能有點過時,所以你會發現自己做了很多試驗和錯誤。

Python有許多用於Hamlet Batista在Search Engine Journal上發表了一些很棒的文章。

這個特定腳本的功能和功能

大多數關鍵字排名工具會報告指定時間範圍內關鍵字的平均排名。 此Python腳本在您從IP地址運行時運行單個爬網。 此腳本無意跟踪關鍵字排名。

這個腳本的目的是解決我在調查客戶及其競爭對手突然下降排名時遇到的問題。

大多數關鍵字排名工具會告訴您域名排名的頁面,而不是每個關鍵字的競爭對手排名最高的頁面。

那麼為什麼那麼重要?

在這種情況下,我們不會長期處理頁面性能。 我們只是想快速獲取數據。

該腳本使我們能夠快速識別整個自然搜尋景觀的趨勢,並查看哪些頁面效果最佳。

您需要開始的內容

如果您是Python新手,我建議您查看官方Python教程Automate Boring Stuff

對於本教程,我使用的是PyCharm CE,但您可以使用Sublime Text或任何您喜歡的開發環境。

這個腳本是用Python 3編寫的,對於這種編程語言的新手來說可能有點先進。

如果您還沒有找到口譯員或設置您的第一個虛擬環境, 本指南可以幫助您入門。

使用新的虛擬環境進行設置後,您將需要以下庫:

現在你已經全部成立,讓我們一起深入研究一些研究。

1.列出要調查的關鍵字列表

我們將使用一些示例數據來調查我們假裝要跟踪的一些關鍵字。

讓我們假裝您查看了關鍵字跟踪軟件,發現以下關鍵字的排名超過了五個:

免責聲明: *搜尋過多關鍵字可能會導致您的IP暫時被禁止。 立即ping Google以獲得這麼多結果可能看起來很垃圾,並且會耗盡他們的資源。 謹慎使用和審核。

我們要做的第一件事就是將這些關鍵字放在一個簡單的文本文件中。 關鍵字應使用換行符分隔,如下面的屏幕截圖所示。

使用Python搜尋的關鍵字示例

2.運行Python排名調查腳本

這個腳本的TL; DR是它有三個基本功能:

  • 找到並打開您的searching.txt文件。
  • 使用這些關鍵字並在Google的第一頁搜尋每個結果。
  • 建立新的CSV文件並打印結果(關鍵字,URL和頁面標題)。

我們使這個腳本易於運行,因此您只需複制並粘貼整個腳本並立即運行即可。

來自urllib.parse導入urlencode,urlparse,parse_qs

來自lxml.html import fromstring
來自請求導入獲取
導入csv

接下來,您將能夠在單個複制/粘貼操作中輸入此腳本的主要功能。 腳本的這一部分設置了所採取的實際步驟,但在第三步之前不會執行該命令。

def scrape_run():
使用open(’searchess.txt’)作為搜尋:
用於搜尋搜尋:
userQuery =搜尋
raw = get(“https://www.Google.com/search?q=”+ userQuery).text
page = fromstring(raw)
links = page.cssselect(’。r a’)
csvfile =’data.csv’
對於鏈接中的行:
raw_url = row.get(’href’)
title = row.text_content()
如果raw_url.startswith(“/ url?”):
url = parse_qs(urlparse(raw_url).query)[‘q’]
csvRow = [userQuery,url [0],title]
使用open(csvfile,’a’)作為數據:
writer = csv.writer(data)
writer.writerow(csvRow)

現在您已準備好運行該命令。 最後一步是複制/粘貼下面的命令,然後單擊返回鍵。

scrape_run()

而已!

3.使用Data Studio分析結果

通過運行此命令,您可能會注意到已建立名為data.csv的新CSV文件。 這些是您的原始結果,我們需要最後一步。

我的代理商已經建立了一個方便的Data Studio模板來分析您的結果。 要使用此免費報告,您需要將結果粘貼到Google表格中。

上面鏈接中的頁面提供了有關如何設置Data Studio報告的詳細說明。

如何分析我們的結果

現在您已經實現了新的Data Studio報告,現在是時候了解所有這些數據了。

我們正在尋找的是模式。 是的,您可以在原始數據中找到模式,但此Data Studio模板有一個方便的功能,使我們能夠快速識別哪些頁面對我們的目標關鍵字排名最頻繁。

這很有用,因為它可以讓我們看到哪些競爭對手錶現良好,哪些特定頁面表現良好。

用於分析python web抓取數據的Data Studio模板

正如您在上面的Data Studio截圖中看到的,Moz和Ahrefs是我們搜尋關鍵字排名前兩位的競爭對手。

但是,這並沒有真正幫助我們弄清楚他們為這些關鍵字排名的確切方法。

這就是第二張圖表派上用場的地方。 這將顯示每個排名頁面以及它們對我們所有搜尋查詢的出現次數。 我們很快就能夠確定關鍵字的前三個表現頁面。

需要過濾到頁面或關鍵字特定級別?

我們在Data Studio模板的頂部添加了過濾器以簡化此操作。

數據工作室過濾器

在列出效果最佳的頁面列表後,您可以進行進一步的頁面和頁外分析,找出這些頁面表現如此之好的原因。

陷入困境?

如果你被卡住, 伸手到這個腳本的提示或自定義編程解決方案的發明者。

你的想法是什麼?

希望這引發了一些關於如何使用Python來幫助自動化SEO過程的創意。

更多資源:


圖片來源

所有截圖均由作者拍攝,2019年5月

Close Menu