使用 Google Colab、Python 和 GSC API 進行大規模頁面層級查詢分析 [包含影片說明]

作者的觀點完全是他們自己的(不包括催眠這一不太可能發生的事件),並且可能並不總是反映 Moz 的觀點。

本部落格中引用的 YouTube 播放清單可以在此處找到: YouTube 系列 6 部分 [設定和使用查詢優化檢視器]

任何將 SEO 作為工作

部分的人都知道,分析哪些查詢 美國電話號碼數據 正在或沒有向網站上的特定頁面發送流量 具有很大的價值。

這些資料集最常見的用途是將頁面優化與現有排名和流量保持一致,並確定關鍵字排名中的差距。

然而,處理這些資料非常乏味,因為它只能在 Google Search Console 介面中使用,而且您一次只能查看一頁。

最重要的是,要獲取排名頁面中包含的文字訊息,您需要手動查看它或使用 Screaming Frog 等工具提取它。

你需要這樣的視野

泰國電話號碼數據

流量資料的資料透視表示例。
…但即使是上面的視圖一次也只能使用一頁,並且如上所述,實際的文本提取也必須分開。

鑑於 SEO 社群可以使用的現成數據存在這些明顯問題,Inseev Interactive的數據工程團隊一直花費大量時間思考如何大規模改進這些流程。

我們將在這篇文章中回顧的一個具 設計獲利模型分為三個步驟:   體範例是一個簡單的腳本,它允許您以靈活的格式獲取上述數據,以獲得許多出色的分析視圖。

更好的是,這一切只需幾個單一的輸入變數即可實現。

工具功能的快速概述

該工具會自動將頁面上的文字與頁面層級的Google Search Console熱門查詢進行比較,讓您了解頁面上有哪些查詢以及它們在頁面上出現的次數。可選的 XPath 變數還允許您指定要分析文字的頁面部分。

這意味著您將確切地知道哪些查詢正在推動 <title>、<h1> 甚至主要內容 (MC) 中第一段等特定內容之外的點擊/展示。天空是極限。

對於那些不熟悉的人,我們 加拿大數據  還提供了一些可以使用的快速 XPath 表達式,以及如何在帖子的「輸入變數」部分中建立特定於站點的 XPath 表達式。

設定後使用和資料集
設定流程後,所需要做的就是填寫一個簡短的變數列表,其餘的工作將自動為您完成。

Scroll to Top