Η SEO στρατηγική στην εποχή των Big Data Analytics
Τα τελευταία 10 χρόνια τα Μεγάλα Δεδομένα (Big Data) χαρακτηρίζονται ως ο νέος χρυσός για την βελτιστοποίηση των υπηρεσιών που προσφέρονται στα εκάστοτε ψηφιακά οικοσυστήματα που αλληλεπιδρούμε και δραστηριοποιούμαστε. Αδάμαστα big data με τεράστιο όγκο χωρητικότητας (volume) και ταχύτατο χρόνο παραγωγής (velocity), δημιουργούνται από τους χρήστες και την αλληλεπίδραση τους με τις μηχανές αναζήτησης, τους ιστοτόπους και το περιεχόμενο που τελικά λαμβάνουν.
Οι μηχανές αναζήτησης, τα αποτελέσματα τους και οι ιστότοποι, εμφανίζουν μια σχέση αιτίας-αιτιατού ως προς το βασικό σκοπό ύπαρξης τους. Αυτός ο σκοπός σχετίζεται με την παροχή της μεγαλύτερης δυνατής ποσότητας πληροφοριών, στον καλύτερο δυνατό χρόνο, με την βέλτιστη ποιότητα περιεχομένου.
Στην εποχή των Big Data, η διαδικασία Search Engine Optimization (SEO) κατέχει σημαντικό ρόλο στην δυνητική διάχυση προσωποποιημένου ποιοτικού περιεχομένου προς τους χρήστες (personalization). Αυτή η ποιότητα σχετίζεται με τον στρατηγικό σχεδιασμό ανάπτυξης περιεχομένου εντός των ιστοτόπων καθώς και την ευχρηστία εύρεσης του βάσει των όρων αναζήτησης των χρηστών. Άλλωστε, για έναν οργανισμό, ο βασικός λόγος υποστήριξης μιας SEO στρατηγικής είναι η παροχή τεκμηριωμένων προτάσεων στους web developers και copywriters για την βελτίωση της αρχιτεκτονικής και του περιεχομένου των ιστοτόπων. Σκοπός είναι οι υψηλότερες κατατάξεις στις μηχανές αναζήτησης και ως εκ τούτου η αύξηση της οργανικής επισκεψιμότητας. Παράλληλα δε, κάθε απόπειρα διαφήμισης χωρίς την ύπαρξη ποιοτικού landing page σε δομή και περιεχόμενο, ελλοχεύει σοβαρά τον κίνδυνο μη-επιστροφής της επένδυσης. Ως εκ τούτου, γίνεται κατανοητό πως η SEO διαδικασία αποτελεί τον ακρογωνιαίο λίθο για την εφαρμογή οποιασδήποτε άλλης μάρκετινγκ καμπάνιας στον ψηφιακό κόσμο.
Το ζήτημα της αξιοποίησης και η απουσία στρατηγικής μεθοδολογίας
Παρ’ όλη την πληθώρα δεδομένων που παράγονται καθημερινά ως προς τις τεχνικές επιδόσεις των ιστοτόπων και την συμπεριφορά των χρηστών εντός τους, η αξιοποίηση των big data analytics για αποδοτικότερες SEO στρατηγικές, παραμένει σε εμβρυικό στάδιο. Οι λόγοι ποικίλουν. Τεχνικά ζητήματα όπως είναι η αδυναμία διαχείρισης του τεράστιου όγκου δεδομένων, η δυσκολία προ-επεξεργασίας (data pre-processing), ανάλυσης, οπτικοποίησης (visualization) και ερμηνείας τους, αποτελούν τροχοπέδη για την αξιοποίηση τους από τα τμήματα μάρκετινγκ των οργανισμών. Επιπλέον, δεν είναι λίγες οι περιπτώσεις που εντοπίζεται μειωμένη έως και μηδενική κατανόηση των αρμόδιων ως προς τις πιθανές συσχετίσεις που μπορεί να εντοπίζονται ανάμεσα στις SEO μετρικές αξιολόγησης. Για παράδειγμα, υψηλά ποσοστά άμεσης εγκατάλειψης από την ιστοσελίδα (bounce rate) μπορεί να σχετίζονται με την παροδική πτώση της κατάταξης των ιστοτόπων στα αποτελέσματα των μηχανών αναζήτησης.
Εντούτοις, για ακόμη μια φορά, το ζήτημα δεν έγκειται στη συλλογή όσο το δυνατόν μεγαλύτερου όγκου δεδομένων. Αντιθέτως, μεγάλοι όγκοι δεδομένων, φέρνουν και μεγάλα προβλήματα. Μάλιστα, όσο οι οργανισμοί εστιάζουν περισσότερο στην συλλογή και λιγότερο στην ανάλυση των δεδομένων που συλλέγουν για την βελτίωση της SEO στρατηγικής τους, τόσο περισσότερο θα εμφανίζονται φαινόμενα συλλογής πολλών δεδομένων, αλλά με μικρή πληροφοριακή αξία. Ως εκ τούτου, το εγχείρημα άπτεται περισσότερο στην ανάπτυξη μεθοδολογίας για τη δημιουργία μοντέλων στρατηγικής συλλογής big data που ενέχουν εγκυρότητας και διαλειτουργικότητας ως προς την εφαρμογή τους όχι μόνο στην SEO διαδικασία, αλλά και στις υπόλοιπες πτυχές του μάρκετινγκ.
Εν μέσω πρακτικής αξιοποίησης των Big Data
Η επιστήμη του μάρκετινγκ τείνει όλο και περισσότερο στην επιστήμη των υπολογιστών και ειδικότερα στη διαχείριση και ανάλυση δεδομένων και πληροφοριών. Ευφυείς αξιοποιήσεις δεδομένων, αναπτύσσουν καλύτερα πληροφορημένες αποφάσεις για το μάρκετινγκ προϊόντων και υπηρεσιών, μειώνουν το ρίσκο λανθασμένων δαπανών και αναδεικνύουν περισσότερο την εις βάθος γνώση των οργανισμών για τον κλάδο που δραστηριοποιούνται. Ωστόσο, η μετατροπή των υπαρχόντων διαθέσιμων analytics από την ερμηνεία σε πρακτικές βελτιστοποίησης της SEO στρατηγικής, ας πούμε πως απέχει… αρκετά.
Big Data Analytics και ευθυγράμμιση με τους Βασικούς δείκτες απόδοσης
Στην πλειονότητα των περιπτώσεων, οι οργανισμοί αδυνατούν να συλλέξουν και να συνοψίσουν big data analytics και μετρικές οι οποίες ευθυγραμμίζονται με τους βασικούς δείκτες απόδοσης της μάρκετινγκ στρατηγικής που εφαρμόζεται (Key Point Indicators KPIs). Αυτό έχει σαν αποτέλεσμα να χρησιμοποιούνται διάφορες πτυχές πλατφορμών analytics και αλλεπάλληλες τμηματοποιήσεις κοινού (segmentations). Σε τέτοιες περιπτώσεις, δυστυχώς οι μετρικές είναι περισσότερες από τους επισκέπτες. Οι μηδενικές τιμές αποστρέφουν τους υπεύθυνους απόφασης, οι μετρικές γίνονται αυτόματα δυσκατανόητες και ως εκ τούτου εξαλείφεται κάθε σημείο διορατικότητας για την αξιοποίηση των big data προς όφελος μιας καλά πληροφορημένης SEO στρατηγικής.
Για την αντιμετώπιση αυτού του ζητήματος προτείνεται η εξ αρχής οριοθέτηση των KPIs. Για παράδειγμα, στη βελτιστοποίηση της SEO στρατηγικής, η βασική εξαρτημένη μεταβλητή ως μετρική της SEO απόδοσης οφείλει να είναι το σύνολο της οργανικής επισκεψιμότητας που δέχεται ένας ιστότοπος ανά συγκεκριμένο χρονικό διάστημα. Γύρω απ’ αυτή την αυξομείωση-διακύμανση θα πρέπει να περιστρέφεται κάθε προσπάθεια βελτιστοποίησης ή χρήσης μετρικών στο υπολογιστικό παιχνίδι της SEO αξιολόγησης.
Ανάπτυξη μοντέλων και διερεύνηση συσχετίσεων
Για τον διάσημο στατιστικολόγο George Box, όλα τα μοντέλα είναι λανθασμένα… κάποια όμως είναι χρήσιμα. Πράγματι, στην προσπάθεια δόκιμης αξιοποίησης των big data για μάρκετινγκ σκοπούς, δημιουργούνται διαγνωστικά (exploratory) και προγνωστικά (predictive) μοντέλα. Σε αυτές τις περιπτώσεις, οι υπεύθυνοι απόφασης έχουν κάθε δικαίωμα να αμφιταλαντεύονται αν χρειάζονται περισσότερα δεδομένα για να τα ρίξουν στα μοντέλα πρόβλεψης που δημιουργούν ή πιο σύνθετα μοντέλα με περισσότερες παραμέτρους για την υποστήριξη στη λήψη αποφάσεων.
Εντούτοις, όσο το μάρκετινγκ εξελίσσεται και παράγονται νέες μετρικές απόδοσης της συμπεριφοράς των χρηστών εντός των ιστοσελίδων (web behavioral analytics), τόσο μεγαλύτερη θα είναι η ανάγκη υιοθέτησης απλών μοντέλων απόφασης με απλές μετρικές ως παράγοντες που επηρεάζουν την SEO στρατηγική. Άλλωστε, η αστάθεια και η διαταραχή σε ασαφείς, σύνθετες και πολυπαραγοντικές καταστάσεις πάντοτε θα καραδοκεί. Αυτή η προσέγγιση ενισχύει την άποψη των έμπειρων στον κλάδο, αναφέροντας ότι οι ολιστικές βελτιστοποιήσεις στη μάρκετινγκ στρατηγική είναι σχεδόν αδύνατο να ολοκληρωθούν αν δεν υπάρχει η αντίστοιχη ειδική τμηματοποίηση τους και προσήλωση στην κάθε μια ξεχωριστά (στρατηγικές SEO, PPC, Display, Social, Email κ.α).
Ολοταχώς προς τα πρακτικά αποτελέσματα – Μιλώντας με αριθμούς
Οι παραπάνω απόψεις λήφθηκαν σοβαρά υπόψη και τέθηκαν υπό δοκιμασία ως προς την ευστάθεια τους μέσω ερευνητικού άρθρου ελεύθερης πρόσβασης στο επιστημονικό περιοδικό Big Data & Cognitive Computing. Στο πλαίσιο της αξιοποίησης των big data analytics για τον σχεδιασμό και την υλοποίηση μιας SEO στρατηγικής, εξετάστηκαν 171 ιστότοποι και οι παραγόμενες μετρικές τους ως προς την τεχνική τους απόδοση και την συμπεριφορά χρηστών εντός τους. Στόχος ήταν η αύξηση της οργανικής επισκεψιμότητας. Τα δεδομένα συλλέχθηκαν μέσω API, ενώ εφαρμόστηκε η ανάλογη στατιστική αξιολόγηση ως προς τη συνοχή και την αξιοπιστία του διαγνωστικού και προγνωστικού μοντέλου που παράχθηκε.
Τα ευρήματα της μελέτης υπέδειξαν ότι πλέον η SEO διαδικασία χαρακτηρίζεται από έναν πιο ανθρωποκεντρικό χαρακτήρα. Η συμπεριφορά και η διάδραση των επισκεπτών εντός των ιστοσελίδων παίζει καταλυτικό ρόλο στην ανατροφοδότηση των αλγορίθμων κατάταξης αυξάνοντας την οργανική επισκεψιμότητα έως και 3,14%. Συγκριτικά, την ίδια στιγμή το σύνολο των de-facto τεχνικών παραγόντων που ανέκαθεν ξέραμε στην SEO στρατηγική (Crawling, Speed, Security), φάνηκαν να αυξάνουν όλοι μαζί την οργανική επισκεψιμότητα έως και 4,6%.
Συνεπώς, στην εποχή άνθισης του σημασιολογικού ιστού (semantic web) και των big data, το πλαίσιο της SEO στρατηγικής και όπως αυτό διαμορφώνεται, αλλάζει δραματικά για τους υπεύθυνους απόφασης. Πλέον ως Search Engine Optimization δεν μπορεί να ορίζεται η παντοιοτρόπως μονόδρομη διαδικασία αναρρίχησης στην κατάταξη αποτελεσμάτων των μηχανών α
ναζήτησης. Αντίθετα είναι η διαδικασία που συλλέγει, εξετάζει, αναλύει και ερμηνεύει δεδομένα συμπεριφοράς χρηστών εντός των ιστοτόπων με σκοπό να βελτιστοποιείται η παροχή ποιοτικότερου περιεχομένου προς τους αυτούς. Μια διαδικασία που τροφοδοτείται έμμεσα από τους χρήστες, για τους ίδιους τους χρήστες. Όσο λοιπόν ο θεμελιακός λόγος ύπαρξης των μηχανών αναζήτησης είναι η παροχή της βέλτιστης δυνατής ποιότητας πληροφοριών μέσω κατάταξης, στο ταχύτερο δυνατό χρόνο, στην μέγιστη δυνατή ποσότητα, οι ανθρωποκεντρικές SEO στρατηγικές δεν πρόκειται να μην ανταμειφθούν.
Πηγή: https://www.epixeiro.gr/article/183374
Ιωάννης Χ. Δρίβας PhDc ΠΑ.Δ.Α., M.Phil in Information Systems & Εισηγητής Digital Marketing, IST College