Tag-Archiv: tracking

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 // Werthaltigkeitsanalysen

Schaut man sich die vielen Strategien der Textbewertungsmechanismen (bes. Keyworddichte und WDF / WDF*IDF), kommt man sehr schnell auf den Gedanken, dass hier etwas fehlt: der Abgleich zu einer tatsächlich existierenden und abprüfbaren Marktsituation. Es erscheint ja als äußerst unlogisch, Texte nur nach SEO-Richtlinien zu optimieren, ohne auch nur im Ansatz zu prüfen, ob denn die Kernaussage eines Textes – bzw. das angebotene Produkt, die angebotene Dienstleistung – sich auch tatsächlich einer Nachfrage erfreut.

Ansatzpunkte, um dieses Problem aufzulösen wären:

[Hashtaganalyse]

Folgt man der Annahme, dass Hashtagkombinationen und Häufigkeiten dieser Worte deckungsgleich sind mit der KW-Dichte des zu bewerbenden Artikels, könnte man vermuten, dass der zu bewerbende Artikel eine große Abnehmerschaft in den Medien findet, deren Hashtags über entsprechende Algorithmen analysiert. Wenn man die Ergebnisse in ein geeignetes und vergleichbares Schema übergeben möchte, kann man hier über eine Abbildung in Form der WDF oder KW-Dichte nachdenken. Es erscheint mir als logisch, dass eine möglichst hohe Übereinstimmung besagter Werte mit den zu bewerbenden Texten / Inhalte / Produkte “optimal” sein kann.

[Socialmedia-Analyse via API]

Interessant wird die Prüfung auf einen bereits vorhandenen und optimierten Text im Vergleich zur Konkurrenz. Man kann hierbei die Deeplinks der jeweiligen Angebote (=>Texte) erfassen (via Positionscheck, Xovi-Anbindung etc.) und über die Socialmedia-API-Anbindungen die folgenden Variablen abprüfen: Likes, Shares, Comments, Clicks. Das Studium der Facebook-API zeigt, dass selbstverständlich die Clicks auf Angebot-XYZ ausgegegeben werden können – dies erfolgt erstaunlich schnell (nahezu Echtzeit) und ist recht sauber. Führt man die Socialmedia-Analyse-Prozedur durch, empfiehlt es sich, ein eigenes Gewichtungsmodell zu entwickeln. Für mich und meine / unsere Projekte sind Shares, Comments und Clicks interessanter als Likes.

[Gegenprobe auf Google-Trends]

Neulich entdeckte ich eine recht gute Variante der Anbindunga uf Google-Trends. Es spricht also nichts dagegen, eine quasi abschließende Probe auf besagte Datenbanken aus den Ergebnissen der Hashtag / KW / WDF – Analyse in automatisierter Form zu legen. Ich denke hier noch über einen geeigneten Algorithmus nach, der die Daten aus diesem “Medium” in die Werthaltigkeitsberechnung mit einbezieht.

Aus den o.g. Gedankenfetzen ergibt sich diese ToDo-Liste für die Anwendung “Social-Tracker” (0.6b)

  1. Textanalyse mit KWD und WDF (erledigt)
  2. Hashtaganalyse: Erweiterung auf KWD und WDF – auf Hashtaganzahl und Wortanzahl gerechnet
  3. G-Trendsanalyse auf KW-Dichte / Text & Hashtags (ggf. Quartal / Jahr)
  4. Datenaufbereitung in Form von Diagrammen plus PDF-Export

Ob man hieraus eine geeignete mathematische Formel entwickeln kann und / oder sollte, ist mir im Moment noch nicht klar. Diesbezügliche Entscheidungen werde ich treffen, wenn weitere Erkenntnisse aus den Zahlenmaterialien sichtbar werden.

Verifiziert habe ich

  1. Verwendung der gefilterten Hashtags als eigene Hashtags und / oder Schlagworte in Blogkonstruktionen und / oder Textoptimierung fördert das Ranking
  2. Verwendung von gefilterten Hashtags als Informationsträger in den Socialmedia der gef. Hashtags lässt im schwereren Longtailbereich Texte ranken (in Abhängigkeit von der Accountautorität)
  3. Kommentare auf bspw. gepostete Links in Facebook können rankingfördernd sein, wobei hier weitere Variablen zu beachten sind
  4. die Verwendung von “guten” Hashtags (siehe Filter, interne Bewertung etc.) bewirkt – je nach Qualität der Posts / Inhalte und Autorität der postenden Accounts – Verteilungs-, Reichweiten- und Rankingeffekte.

 

 

“Weltuntergang”? Stirbt die Suchmaschinenoptimierung nun endgültig?

Wieder einmal ist die Szene in Panik, wieder einmal tut sich die Hölle auf Erden auf. Warum? Laut Internetworld, Golem und diversen Blogs sperrt Google die “SEO-Spider” aus und / oder plant juristische Schritte gegen die Anbieter diverser SEO-Monitoring Tools.

Worum geht es hierbei? Es handelt sich offenbar um ungewünschte Zugriffe diverser Spider, welche automatisierte Suchabfragen bei Google durchführen. Je größer und umfangreicher diese Suchprozesse sind, desto mehr Ressourcen werden bei Google verbraucht ohne dass ein geldwerter Vorteil für Google entsteht. Diese Vorgänge werden seitens Google durch entsprechende Nutzungsvereinbarungen verboten. Es war also eine Frage der Zeit, bis die Firma Google hier aktiv wird.

Welche Nachteile sind zu befürchten? Durch einen eventuellen Wegbruch anerkannter SEO-Tools verliert die Branche (leider) potente Möglichkeiten der Transparentmachung diverser Arbeitserfolge und Positionierungsergebnisse.

Um diese Probleme zu “umschiffen”, hatte ich vor einiger Zeit die “piXologisch EasyPromo” um entsprechende Monitoringfeatures erweitert.