Probando microsfot Power Bi enfocado al SEO

Puedes probar a pinchar encima de los gráficos y ver como se representan los datos

Utilice Power BI para sobrealimentar su SEO

El columnista Chris Liversidge explica cómo aprovechar la implementación de Power BI (Business Intelligence) de Microsoft para recopilar y analizar más datos que nunca, y encontrar las brechas de rendimiento SEO que no conocía.

Aproveche la implementación de Power BI (Business Intelligence) de Microsoft en 2016 para recopilar y analizar más datos que nunca antes y encontrar las brechas de rendimiento SEO que ni siquiera conocía.

Si no estás familiarizado con el paradigma de Business Intelligence de Microsoft, te recomiendo encarecidamente que des un paseo por su material promocional. La parte más pertinente para los SEOs es la capacidad de incrustar consultas en la última suite Office 360 de forma nativa (sin necesidad de extensiones Power Query en Excel, por ejemplo), lo que permite que las capacidades avanzadas incorporadas a Excel desde 2013 puedan ser accedidas fácilmente por cualquier persona de su empresa (o del lado del cliente) en la plataforma 360.

Las consultas son fantásticas porque le permiten analizar grandes cantidades de datos con relativa facilidad y ampliar las herramientas de escritorio para que funcionen de forma más parecida a la de los servidores que utilizan sentencias de tipo SQL. Si el código no es su bolsa, la suite de BI está diseñada para ser en gran medida WYSIWYG usando 360 nativamente o su interfaz de BI de escritorio. Por supuesto, usted puede obtener “avanzado” en su edificio de consulta y soltar el código “M” directamente para crear sus propias funciones (Usted terminará haciendo esto…. y le encantará).

El potente análisis de datos se convierte en algo cotidiano gracias a Power Query.

Imagine que ejecuta INDEX MATCH o VLOOKUPs en cinco millones de filas de datos al instante, y obtendrá una idea de la potencia de Power Queries. En la captura de pantalla anterior, un conjunto de datos de +20GB se transforma en una tabla manejable puesta a disposición para el análisis como una tabla pivotante por un SEO para las brechas de rendimiento. Los cálculos que no serían posibles en Excel debido al tamaño de los datos se manejan fácilmente transformándolos en restricciones de datos dentro de las declaraciones SQL finales que sustentan el proceso de generación de datos.

Refactorizar operaciones triviales en M puede ser un reto, especialmente cuando se entra en los dominios de los datos de cálculo basados en la historia de un estado anterior de su proceso de transformación de datos (¡Doctor Que no tiene nada que ver con esto!). De hecho, puede simplemente ejecutar, digamos, un MIN / MAX a través del conjunto de datos generado para obtener un valor que se referenciará en una tabla pivote para llegar a la respuesta en una fórmula de Excel. Pero debería presionar para mover toda la lógica en sus consultas de datos, ya que permite que todas las salidas estén disponibles de forma robusta dentro del Modelo de datos cuando se ejecutan sus consultas, lo que significa que están disponibles para todos los Power Pivots en Excel para una mayor segmentación. Una vez más, inevitablemente comenzará a segmentar dentro de sus conjuntos de datos más grandes para encontrar el oro de cola larga para mejorar el rendimiento. ¡Sólo acéptalo!

También puede reemplazar prácticamente cualquier script VBA en el que quiera pensar dentro de M y el marco de trabajo de BI, lo que significa que la automatización de la actualización de sus datos se ha vuelto mucho más fácil y más robusta. Compartir datos y actualizar dinámicamente los datos subyacentes también es pan comido.

Para ver si podíamos aprovechar el poder del BI para nuestros clientes, en QueryClick recientemente, hemos reacondicionado una herramienta de análisis de la Consola de Búsqueda para utilizar el poder del BI y hemos descubierto que nos permite tomar datos granulares día a día a través de 250.000 términos de búsqueda y compararlos con los datos de tiempo equivalentes de AdWords…. de nuevo, al instante.

Esto nos permitió aprovechar la herramienta existente para compartir los datos de rendimiento de AdWords con su gemelo orgánico y comprender mejor el comportamiento del usuario y el valor de los ingresos asociados con el término hasta un nivel de detalle que antes no era práctico analizar.

Además, como es tan fácil atraer fuentes de datos adicionales como las Consultas, ahora podemos observar las tendencias históricas de rendimiento de empresas como Stat y calcular una métrica de “volatilidad” para las posiciones más altas y asociar esto con el término – un nivel de transformación de datos y crujido de números que causaría que los enfoques estándar de Excel se cerraran y se fueran a casa por un día.

¿Por qué sería útil esa profundidad de datos? Bueno, significa que podemos evaluar la dificultad de realizar en las posiciones de conducción de tráfico (posiciones 1-3) y contrastarla con el rendimiento esperado (comportamiento de ingresos por clic del comportamiento de AdWords para el término históricamente).

Esto nos permite enfocarnos en términos que probablemente impulsen los ingresos de un negocio y cuantificar claramente el impacto de la mejora del rendimiento en los ingresos obtenidos y en los gastos pagados que pueden ser probados para su reasignación una vez que se alcanza la posición más alta y el comportamiento del SERP CTR es más alto de lo esperado para la posición (lo que indica que los buscadores están abrumadoramente satisfechos con el llamado a la acción orgánico del SERP).

Por supuesto, podemos invertir ese enfoque de análisis a la inversa y utilizar datos orgánicos para obtener información sobre el PPC. Por ejemplo, podemos mostrar los ingresos disponibles para la expansión de los términos de búsqueda genéricos cuando el comportamiento de pago es mejor de lo esperado, lo que indica una estrecha coincidencia entre la intención del buscador y la oferta del producto del cliente, y el comportamiento orgánico es menor de lo esperado (lo que sugiere un cierto nivel de canibalización pagada).

[Click para ampliar]

En nuestro primer caso de datos de prueba para un minorista británico, encontramos 2,3 millones de libras esterlinas de oportunidad adicional pagada en este escenario, ¡y eso es sólo en la primera pasada! Volteando nuestro filtro de datos para ver exclusivamente los términos de marca (hemos utilizado Power Query para invertir los términos insertados en una tabla del libro de trabajo de Excel en un mecanismo de etiquetado de marca para los datos), encontramos 1,8 millones de libras esterlinas de gasto en marcas en las que el comportamiento orgánico era extremadamente fuerte (más del 40 por ciento por encima de la CTR esperada en la primera posición del ranking en el SERP) y elegibles para ser sometidos a pruebas de reasignación en la cuenta de AdWords a términos genéricos para la generación de crecimiento.

Los datos grandes son datos realmente grandes -mucho más grandes que los datos aquí discutidos- y por lo tanto no son la terminología correcta, pero Power BI permite que conjuntos de datos más grandes de lo habitual sean analizados fácil y dinámicamente por un SEO con el objetivo de descubrir las oportunidades e ineficiencias en una estrategia de campaña. No puedo recomendarlo lo suficiente y espero con interés escuchar acerca de sus casos favoritos de uso de BI.

Artículo traducido con deepl
https://searchengineland.com

Deja un comentario

A %d blogueros les gusta esto: