Kategorie-Archiv: Werkzeuge

Changelog – anvisierte (neue) Funktionen für Socialtracker 0.10b

Folgende Features sind für die kommende Versionsnummer in Planung:

[Twitter]

  1. Beobachtung von Accounts, Firmenaccounts
  2. Prüfen von retweets, Favoriten etc.
  3. Speichern und Aufbereitung der Ergebnisse => Hashtags, konkrete Tweets etc.
  4. geeigneter Automatismus => Alerts

[Global]

  1. Zusammenführung der Hashtaganalyseprozeduren
  2. Zusammenführung der Hashtaganalyseergebnisse zu geeigneten Protokollen
  3. neue Hashtaganalysequellen: Youtube und Instagram plus Zusammenführung

Komplett ausgeschlossen ist hier die Etablierung eigenständiger Socialmedia-Clients mit Schreibrechten auf diesen oder jenen Account. Wir haben uns intern darauf verständigt, dass diese Anwendung ausschließlich der Recherche und des Monitoring dienen soll. Ich werde verstärkt bestimmte und sinnvolle Funktionen in geeignete webbasierte Scripte auslagern und somit eine “hybride” Version des Socialtrackers aufbauen. Zukünftig wird die Datenerfassung also via Webanwendungen und die Interpretation der Daten über die Anwendung “Socialtracker” realisiert.

 

 

Socialsignals interpretieren …

Im Zuge der Freigabe vom “Socialtracker 0.9b” erreichen mich immer wieder Fragen nach der Interpretation der herausgelesenen “Social-Signals”.

Ich sehe hier verschiedene Ansätze in der Betrachtung dieser Kommunikationsprozesse:

a) Annahme durch die anvisierten Zielgruppen
Man verschafft sich hier einen Überblick dadurch, indem man z.B. mit dem “SocialTracker” sämtliche in der Sitemap hinterlegten URLs mit Hilfe der Programmierschnittstellen der relevanten Sozialen Medien (FB, Twitter und Co.) die Kerndaten hinsichtlich der Aktivitäten analysiert. Bei Facebook sind das die Likes, die Shares, die Kommentare und die Klicks. Hier kann man mit einer Auf- oder Abgewichtung arbeiten: in manchen Konstellationen sind Shares, Kommentare etc. wichtiger als die Likes und bei anderen Projekten sind die Likes die wichtigste Variable. Aber – was sagen diese Variablen eigentlich aus? Ganz einfach: man findet hier eine Abbildung von menschlicher Kommunikation auf den jeweiligen “Sozialen Medien”. Persönlich empfinde ich Gefallen am pragmatischen Ansatz und schaue mir eher Metriken an, deren Herstellung bzw. “Auffüllung” mehr Aufwand benötigen – ein “Like” ist ja schnell geklickt als eine echte (!) Weiterempfehlung in Form von “Shares” oder “Shares” mit beigefügten “Comments”. Eigene und zeitnah durchgeführte Experimente mit voneinander abgekoppelten Projekten zeigten zudem auch auf, dass eine hohe Share<>Commentfrequenz Rückschlüsse auf Trafficvolumina liefern kann.
Für einen “spontanen” Überblick ist eine ungewichtete Betrachtung der Zahlenmaterialien aus meiner Sicht ausreichend. Wenn man allerdings eine dauerhafte Begutachtung und Bewertung der Kommunikationsprozesse aus den Sozialen Medien sicherstellen willen, ist eine Prozedur nach dem Schema der Nutzwertanalyse zielführender.
Ein weiterer interessanter Vorteil aus einer regelmäßigen Beobachtung dieser Zahlen wäre die Trenderkennung. Hierunter verstehe ich die Beantwortung der Fragen:

  1. Wie häufig werden Informationen “bequasselt”?
  2. Wann werden Likes, Shares, etc. erfasst => Zeitpunkt => Uhrzeit => Datum etc.?

b) Wettbewerbsabgleich
Folgt man den oben beschriebenen Ansatz, kann man – sofern die Sitemaps der Konkurrenz bekannt sind – natürlich auch die Kommunikationssituation des Wettbewerbs analysieren und hieraus selbstverständlich Rückschlüsse auf mögliche Trafficvolumina abbilden. Ich empfehle den Anwendern des “Socialtrackers” hier, sich einen Überblick über alle hinterlegten Sozialen Medien zu verschaffen und bei auffallenden Spitzen in der Tiefe zu analysieren. Finden sich also starke Kommentarhäufungen bei der “Rubrik” Facebook, lohnt sich ein Blick in die jeweils ggf. vorhandene Facebookseite des zu analysierenden Konkurrenten. Zu diesem Zeitpunkt ist natürlich eine Interpretation der Frage “Warum tauchen da soviele Kommentare auf?” interessant: vielleicht werden besonders spannende Produkte vorgestellt? Vielleicht tauchen hier besonders viele ungelöste Fragen und Probleme auf? Vielleicht werden auch trendbezogene Informationen publiziert?

c) Hashtags
Zu den Hashtags und deren Nutzung / Interpretation hatte ich mich in vergangenen Beiträgen bereits geäußert. Im Zuge der Anwendung “Socialtracker 0.9b” wurde eine Vergleichsfunktion entwickelt, welche prüft ob und welche Tags in welcher Häufung bei Twitter und – zeitgleich – bei Gplus auftauchen. Die Zahlenanalyse läuft hier auf ein Erkennen von Medienübergreifendes Publikationsverhalten hinaus. Es ist logisch, dass ein übergreifendes Auftreten von anvisierten Tags (alias “Kanal”) ein wichtiges Signal für entsprechende oder angepasste Strategien darstellen kann.

Changelog für Socialtracker 0.9b

  1. weitere Datenquellen für Listenimport in Socialsignals => Piwik und G-Index (Piwik erledigt, 8.7.2014)
  2. Report “Socialsignals”: HTML, CSV und PDF (Basis erledigt)
  3. Hashtaganalyse aus Twitter, analog zu Gplus
  4. Datenabgleich => Gplus / Twitter
  5. Darstellung zeitlicher Verlauf der SocialSignals
  6. Abgleich Textanalyseergebnisse zu Gplus und Twitter-Hashtags (Gplus erledigt)
  7. diverse Bufixes und Bereinigungen von Unklarheiten in der GUI

Ein Update ist für den 13 / 14.07. anvisiert.

Socialtracker v.0.8b fertig gestellt …

Die aktuelle Version beinhaltet neben allgemeinen kosmetischen Veränderungen die folgenden frischen Funktionen:

[Konfiguration]
Angaben zur Konfiguration wie API-Keys, Datenbanken und Verweise auf Datenquellen etc. werden Schritt für Schritt auf den Reiter “//=>Konfiguration” ausgelagert. Aktuell ist hier die Beschreibung der Stopword-Datei und die Definition der Mindestzeichenanzahl für G-Suggest, Gplus-Hashtaganalyse und Textanalyse aktiv.

[Zusammenzählung der "Social Signals]

Diese Funktion verlangt das Anlegen eines Projektes (keine Sonderzeichen, Leerzeichen etc.) via Funktionsleiste => “Projektmanagement”.

Das Programm erwartet hier den Import von kompletten Linklisten. Diese werden entweder über das Hauptmenü “Import” (Linkliste) abgeholt oder über die Optionsleiste (Datenquellen). Bei den Datenquellen lassen sich drei Optionen auswählen:

a) Sitemap-URL
- Konstruktionen mit Sitemapverschachtelungen sind aktuell nicht (!) erfassbar, es gilt: eine Sitemap => eine URL-Liste
b) XOVI
- für diese Quelle ist die Hinterlegung eines gültigen XOVI-API-Codes zwingend erforderlich.
- Auslesen sämtlicher bei Xovi erfassten Links zu einer URL
- bitte die korrekte URL-Schreibweise beachten: manchmal funktioniert ohne www, manchmal ist www erforderlich
- Ausgabelimit ist (fest verbaut) 1500 URLs
- Scrapeprozess kann, je nach Umfang, relativ lange dauern
c) Sitemap-Datei
- funktioniert wie a) und erfordert eine lokal abgespeicherte XML-Sitemap

Nach der Datenquellendefinition und dem Scrapeprozess hat man die Möglichkeit, die verschiedenen Socialmedia via deren Statistikservices oder API-Lösungen auszulesen. Dies geschieht über die Funktionsleiste:

a) Facebook
- Auslesen von Like, Click, Share, Comment plus Zusammenzählung
- direkte Anbindung an Facebook

b) Twitter
- Auslesen der Tweets zu den URLs
- direkte Anbindung an Facebook

c) Gplus, Pinterest, Delicious
- Auslesen besagter Services über die API eines kostenfreien Drittanbieters
- BETA-Status und kein abschließender Entschluss bzgl. der Weiterverwertung des Anbieters
- je nach Auslastung wird “N/A” ausgegeben

d) “Alles”
- Auslesen sämtlicher SocialSignals über API des Drittanbieters
- BETA-Status

Nach Auswahl der Analysefunktionen und Bestätigung mit Hilfe des Buttons “Check” wird die Zählprozedur gestartet. Hier gilt, dass der Berechnungsaufwand entsprechend des Listenumfangs hoch oder niedrig sein kann. Die Analyseergebnisse befinden sich im Reiter SocialSignals => Daten / Auswertung in tabellarischer Form. Der Übertrag in ein Diagramm findet über Hauptmenü => Auswertung => Social-Signals statt.

[Textanalysen]
Die Textanalyse befindet sich im Reiter “Texte”. Sie verlangt die Eingabe eines Textes und erledigt die üblichen Analyseprozeduren wie Keyworddichte und WDF. Sie befindet sich teilweise im Beta-Status.
Eine besondere “Datenquelle” für diese Funktion ist der Facebook-Scraper (Button FB-Scraper). Nach Betätigung erscheint ein untergeordnetes Fenster, welches die Eingabe einer Facebookseite (nur Name, erkennbar in der URL einer FB-Seite) verlangt. Hier werden die Statusmeldungen gescraped und in die Hauptfunktion übertragen.
Die Datenbasis der “Textanalyse” lässt sich über die Angabe “Ignoriere Keys mit < XX Häufung” anpassen. Ergebnisse aus dieser Analysefunktion lassen sich mit Hilfe der bekannten Hashtaganalyse und G-Suggest gegenprüfen – man möchte schließlich erfahren, welche Worte auch tatsächlich verwendet werden. Die Verbindung zwischen den beiden Features findet man im “Popup-Menü” (Rechtsklick auf die Ergebnistabelle).

a) Analyse => Hashtaganalyse
- Übergabe der ersten Spalte (also: gefilterte Keys) an die Hashtagfunktion
- Ergebnisse lassen sich über den Button “+Hashtag” zusammenführen
b) Analyse => G-Suggest
- Übergabe der ersten Spalte an die G-Suggestfunktion
- (aktuell) keine Zusammenführung der Ergebnisse

Download: socialtracker_08b.zip

[Dateisystem]
Die angelegten Projekte befinden sich im Unterordner “projekte/[projektname]“. Hier werden Sitemap-Url und URL-Listen abgelegt. Die Ergebnisse aus dem Komplex “SocialSignals” befinden sich im Ordner “reporting/[typ]/[projektname]” in jeweils html oder csv-Format mit beigefügtem Datum. Im Ordner “config” befindet sich die “Stopword”-Datei, welche entweder hier oder im Programm unter “Konfiguration” bearbeitet werden kann.

[Bekannte Fehler]

  1. keine Durchgehende Ausfilterung leerer Zeilen beim SocialSignal-Tracking (Bitte mehrmals bedienen)
  2. Datenübertragungsfehler bei SocialSignals zu Diagramm

[Todo]

  1. Anbindung der Datenquellen Twitter und Gplus an den Komplex “Textanalyse” und geeigneter Abgleich der Ergebnisse
  2. Hashtaganalyse auf Twitter und Abgleich Gplus <> Twitter
  3. saubere Reports auf PDF-Basis zzgl. Layoutfunktion
  4. fortlaufende Beobachtung der Trends aus den Socialmedia

Es gilt auch hier, dass Support und Einweisungen ausschließlich den Kunden der Wobus & Lehmann GbR gewährt wird. Ausnahmen sind nur bei interessanten Beta-Testern möglich, wobei wir hier uns die Akteure genauer anschauen werden.

Statusupdate: Socialtracker / Analyser

Die (neue) Anwendung wird zeitnah um weitere Module erweitert. Ein spezielles ist hier eine Funktion umfasst die Analyse von Posts auf X Facebook-Seiten zu anvisierten Themen und den repräsentierten Zielgruppen. Hierbei wird unterschieden zwischen den Publikationen der Seiten, der Kommentare unterhalb der Publikationen und den “einfachen” Rückmeldungen der Fans / Besucher.

Die heraus extrahierten Daten werden wie folgt ausgewertet:

  1. KWD & WDF-Analysen mit Abgleich zu den eigenen Texten, Produktbeschreibungen etc. mit Unterscheidung zwischen “normalen” Publikationen und “usergenerierten” Rückmeldungen.
  2. Analyse: Zeichenlänge der Posts (alle Varianten)
  3. Analyse: (Basis) – Fragestellungen, Blacklist etc.
  4. Analyse: Like / Comments zu Posts
  5. Analyse und Abgleich Fananzahl, Likeanzahl, Kommentanzahl

Aktuell lassen sich keine Klicks über die veröffentlichten Links etc. nachweisen und hierzu finden noch Recherchearbeiten / Experimente über die FB-eigene API statt. Es ist allerdings geplant, eine Art Indikatorenliste für besonders “werthaltige” Posts in Form der Einbeziehung von Likes, Comments etc. aufzustellen.

In Absprache mit den aktiven Betatestern und Klienten der Wobus & Lehmann GbR ist ein geeignetes Alertsystem geplant. Ob ich das in der Freeware freischalte, werde ich gesondert entscheiden.

Es wurde auch (endlich) eine technische Lösung zur Reportgenerierung via PDF-Format gefunden, das hat zur Folge, dass die W&L GbR mit Etablierung der Anwendung entsprechende Dokumente – je nach Projekt und Anforderung – obligatorisch versendet.

SocialTracker 0.7b fertig gestellt

Die aktuelle Version wurde um die Datenquellen “Google-Trends” und “Google-Suchvorschlag” erweitert. Beide funktionieren nach einem ähnlichen Prinzip, wie die – bereits beschriebene – Hashtagfunktionalität und man erhält hier die Keywordmatritzen.

Für G-Trends und die Suchvorschlagsfunktion ist hier kein gesonderter API-Key notwendig.

Download: socialtracker_07b (ZIP), Beispieldatei für “Urlaub” – G-Suggest

[Todo]

  1. Zusammenführung sämtlicher KW-Daten => KW-Zählung
  2. Reporting in Form von Excel / PDF aller Daten
  3. Anbindung WDF / KWD aus den Posts der Socialmedia
  4. Anbindung: Twitter und Facebook (hier wird noch die API geprüft)
  5. Erweiterung der Socialtracking-Datenquelle um eine Piwik-API-Anbindung (G-Analytics wird auch zukünftig nicht unterstützt)
  6. im Recherchemodus: Webmastertools-API, je nach Stand Einbeziehung der Keys, der Eingehenden Links etc.

Bitte beachte, dass die G-Trendsfunktion derzeit nicht Massenabfragetauglich ist, man sollte sich hier also auf eine Phrase und / oder auf eine Abfragefrequenz von “natürlich aussehenden” 15-30 Sekunden beschränken.

Ich denke auch über einen Namenswechsel nach, weil die Anwendung nicht nur die Social-Signals auswertet und hier auch kein mittel- oder langfristiger Schwerpunkt gesetzt werden soll.

Ich habe mich auch zu einem Wechsel der “Supportpolitik” entschlossen. Selbstverständlich werden unsere Kunden auch weiterhin besonders “behandelt”, aber aufgrund der neuen Erkenntnisse oder der neuen Strategieansätze aus den Algorithmen bin ich – zwecks Gegenprüfung – derzeit an einem kollegialen Austausch interessiert.

Linkchecker 0.2b

Aufgrund einiger Nachfragen und Anregungen aus DEM SEO-Forum entschied ich mich zur Freigabe des Linkprüfers.

[Kurzanleitung]
a) Datenimport via Backlinkchecker
- APICodes für XOVI und / oder Seokicks in das dafür vorgesehene Feld eingeben
- bei “Domainname” die zu analysierende Domain eingeben (ohne “http://”)
- max. Ergebnisse verringern oder erhöhen
- “Check” klicken
b) Datenimport via WMT-CSV oder Text-Datei
- in den Webmastertools auf “Links zu Ihrer Webseite” => “aktuelle Links downloaden” klicken
- CSV ueber Hauptmenü => Import => aus WMT-CSV importieren
oder
- Textdatei über Hauptmenü => Import => aus Text importieren
c) Existenzprüfung
- NACH dem Import auf den Button “Prüfe” klicken
d) Export
- CSV und HTML läuft automatisiert in die entsprechenden Unterordner
- Excel (Installation muss vorhanden sein!) via Hauptmenü

Bitte beachte:
- je nach Umfang der Importdaten dauert das Prüfen unterschiedlich lange (3.000 Links ca. 30-45 Minuten)
- diese Version erfasst NICHT die Linkvariablen wie Text, Beschreibung, dofollow, nofollow
- Support, Einweisungen etc. erhalten nur die Kunden der W&L GbR
- die Version befindet sich im BETA-Status und wurde nicht komplett auf Fehlerfreiheit geprüft

[Todo]
- automatische Filterung in gefunden, nicht gefunden und Linkgeber nicht existent
- Pdfbasierender Report mit Verteilung in Form von Diagrammen etc.
- Erfassung der relevanten Variablen
- Einbindung des Backlinkcheckeralgos aus piXologisch EasyPromo

Download: _linkcheck02b (ZIP)

Hashtags – Analyseprozeduren und Interpretationsansätze

Möchte ich eine Bestandsaufnahme über die aktuellen Hashtags aus – zum Beispiel – Google+ generieren, entscheide ich mich zuerst für die zu analysierende “Meta-Ebene”. Im aktuellen Beispiel habe ich das Feld “Urlaub” gewählt. Hierzu übergebe ich diesen Begriff – “Urlaub” – an die Googleplus-API mit Hilfe des APP-Code basierenden Authentifizierungsprozesses. Dieser liefert mir je nach Suchmodus (1. die letzten 20 Beiträge aus Gplus-global oder 2. die letzten 20 RELEVANTEN Beiträge aus Gplus-global) zurück. In unserem Fall wären die Ergebnisse der ersten Analyseebene die erste Spalte und erste Zeile der Urlaub-Tabelle (*.xlsx). Man sieht hier, welche Schlagworte in den Beiträgen NEBEN des Hashtags “Urlaub” verwendet wurden und kann hier “Subtrends” herauslesen: man schaut hier nach, wie häufig ein interessanter Begriff genannt wird. Je häufiger hier ein besonders spannender Begriff auftaucht / genannt wird, desto höher kann (!) der vermutete Bedarf an Informationen oder konkreten Produkten sein.

Der zweite Analyseschritt gestaltet sich etwas komplexer und man analysiert hierbei die “Nebenhashtags” über die o.g. technische Umsetzung je Wort der ersten Ebene und ordnet die Ergebnisse in eine Wortmatrix ein. In unserem “Urlaubs”-Beispiel findet man die Resultate jeweils in den Spalten B bis AI. Hier schaut man sich nun die einzelnen Zellen an. Interessant im Urlaubsumfeld sind natürlich immer konkrete Länder oder Angebote. Möchte ich hier an konkrete usergenerierte Wortkombinationen gelangen, ziehe ich eine einfache Verbindung der anvisierten Zelle (U6) zur X- und Y-Achse und komme zu einer Variation, welche “Kreuzfahrten” (U6) / “Traumreisen” (U1) / “Privatunterkunft” (B6) lautet. Andere interessante Beispiele sind:

  1. “berlin” (E5) / “Tourismus” (E1) / “Privatunterkunft” (B6)
  2. “karawane” (C23) / “urlaub” (B23) / “reise” (C1)
  3. “reisemagazin” (E18) / “InselLaReunion” (B18) / “Tourismus” (E1)

Das Prüfen der Kombinationen ist natürlich nicht nur auf drei Elemente beschränkt und lässt sich auch auf 2-er Gruppen betreiben. Der Sinn der Auswertung liegt in der Natur der Hashtags, da diese ja bekanntlich nicht nur zum Setzen von Akzenten dienen, sondern auch andere potentiell interessierte Leser aufmerksam machen sollen. Darüber hinaus erhöhen sie selbstverständlich auch die Reichweiten der abgesetzten Posts.

Folgende Theorien ergeben sich aus der Analyseprozedur:

1. Verwendung von Hashtags lockt neue Leser an (verifiziert)
2. Verwendung von Hashtags erhöht die Reichweite (verifiziert)
3. Verwendung von Hashtags, welche auf die Inhalte der Posts abgestimmt sind, erhöht die Chance von Likes, Shares, Comments und Clicks (verfiziert)
4. 1-3 und Einbindung der Hashtags in Abstimmung mit den gewonnenen Ergebnissen aus der o.g. Analyseprozedur generiert die Ergebnisse aus 1-3 und neigt zur Unterstützung von Positionierungseffekten bei den SUMA, welche die Socials als Rankingkriterium nutzen (im Longtail- und Nischenbereich verfiziert, “harte” Keys stehen aus)
5. recherchierte Tags sind “hilfreich”, wenn Diese bei WordPresskonstellationen verwendet werden (zum Teil verifiziert)

Download: Urlaub.xlsx (generiert über piXologisch Socialtracker)

[Updatelog Socialtracker 0.5b - 17.05.2014]

  1. Zusammenzählen der ersten und zweiten Analyseebene
  2. Excel- und HTML-Export

[Todo]

  1. weitere Datenquellen: Twitter und (Optional) Facebook / Instagram plus Abgleich untereinander
  2. Analyse / Log der konkreten Meldungen zzgl. Accounts
  3. Accountebene: Auslesen der Basisvariablen wie Anzahl Fans, Kreise etc. um “Influenzer” zu identifizieren
  4. Trigger / Alertsystem: Popup, wenn Wort / Phrase “häufig” vorkommt, ggf. automatischer Report

Links aus Dateien auslesen (via Delphi)

Auf der Suche nach einer Möglichkeit, Links aus bspw. CSV, XML etc. auslesen zu können, entdeckte ich die folgende Möglichkeit:

Unit zum Auslesen von Links aus Text-Datei (Delphipraxis, Account zum Download der Unit notwendig)

Die Einbindung funktioniert wie folgt:

//ausleseprozedur
procedure auslesen;
var
Links: TExtractLinksFromTextFile;
Link: TLinkObj;
i: Integer;
begin
Memo1.Clear;
Links := TExtractLinksFromTextFile.Create;
try
Links.Filename := filename;
Links.ExtractLinks;
for i := 0 to Links.LinkList.Count – 1 do
begin
Link := TLinkObj(Links.LinkList.Items[i]);
Memo1.Lines.Add(Link.Caption+’: ‘+ Link.HREF);
end;
finally
Links.Free;
end;
end;

//einleseprozedur
procedure einlesen;
begin
quelle.text:=idhttp1.get(quell_datei);
auslesen;
memo1.lines.savetofile(ziel_datei);
// gef.-Liste weiter verarbeiten
end;