Téléchargé parPhilippe YONNET
Utilisation avancée d'un crawler - SEO Camp'us 2015
Philippe Yonnet, expert en référencement naturel, a plus de 12 ans d'expérience dans le domaine et a conseillé de nombreux sites à forte audience. Le document explique les usages avancés des crawlers pour le SEO, notamment leur fonctionnement, les différentes méthodes de crawl, et les outils disponibles pour analyser et optimiser les sites web. Il souligne également l'importance d'un bon crawler pour détecter les problèmes techniques et améliorer le positionnement sur les moteurs de recherche.
Contenu connexe
Similaire à Utilisation avancée d'un crawler - SEO Camp'us 2015
Utilisation avancée d'un crawler - SEO Camp'us 2015
- 1. Agence Conseil enstratégie digitale SEO, CRO, Inbound Marketing, Analytics Philippe YONNET Agence Search Foresight – Groupe My Media Les usages avancés d’un crawler pour le SEO
- 2. / PHILIPPE YONNET– DIRECTEUR ASSOCIE SF Philippe YONNET, 49 ans, a aujourd’hui douze années d’expérience en référencement naturel. • Il a conseillé plus d’une centaine de sites, dont un grand nombre de sites à forte audience (Pages Jaunes, Rue du Commerce, Pixmania, Dailymotion, AuFeminin, LeGuide, Twenga, Allociné, Ebay, Nokia, Fnac, SFR, Facebook, La Redoute…) • Il a été notamment Directeur métier puis Directeur Général Adjoint d’Aposition-Isobar de 2007 à 2010. Il est ensuite revenu chez l'annonceur, pour travailler à Londres et New-York pendant deux ans, en tant que Directeur SEO International de Vivastreet, puis en tant que Directeur SEO International et Directeur Merchandising du comparateur de prix Twenga. • Philippe YONNET est le fondateur de l’association SEO Camp, qui regroupe les professionnels du référencement des pays francophones. Il est un contributeur régulier de la lettre professionnelle d’Abondance, et a contribué à plusieurs chapitres du livre « réussir son référencement » chez Eyrolles Il a fondé le principal évènement sur le référencement en France, les SEO Camp’us Il a créé la certification CESEO, qui valide les connaissances des experts en SEO L’ORATEUR
- 4. / Définition 4 C’est quoiun crawler ? Un robot d'indexation (en anglais web crawler ou web spider) est un logiciel qui explore automatiquement le Web. Il est généralement conçu pour collecter les ressources (pages Web, images, vidéos, documents Word, PDF ou PostScript, etc.), afin de permettre à un moteur de recherche de les indexer. On les appelle aussi familièrement des « bots » (d’où Googlebot, Bingbot) etc…
- 5. / Comment uncrawler découvre les pages - 5 - Le processus de « crawl » Search Foresight 2015 © Agence Conseil en Stratégie Digitale Source : http://www.definitions-webmarketing.com/
- 6. Connaître une urlet savoir ce qu’elle contient sont deux choses différentes 6 WEB URLs crawlées téléchargées et analysées Frontière des urls Zone inexplorée (urls inconnues) Pages Seed Urls connues mais non téléchargées Le processus de crawl
- 7. / Les principauxcomposants 7 Anatomie d’un crawler
- 8. Les deux modes Deuxmodes : aspirateur / spider Aspirateur : on fournit au crawler une liste d’urls, que le robot « aspire » (télécharge) pour alimenter une base de données Spider : on fournit une url de départ au robot, qui analyse le contenu de la page web, trouve les liens à l’intérieur, les stocke dans une file d’attente. Puis il télécharge les nouvelles urls trouvées, trouve d’autres liens à l’intérieur et ainsi de suite…
- 9. / Breadth first Leprocessus de crawl : les 2 façons de crawler un site • En mode breadth first, le robot explore d’abord toutes les urls situées à la profondeur 1, puis à la profondeur 2 etc… • Inconvénient : il faut attendre que toutes les pages du niveau N soit explorées, téléchargées et analysées pour pouvoir passer au niveau suivant • Avantage : si le crawl s’arrête en cours d’exploration, l’arborescence est parfaitement connue jusqu’à un certain niveau.
- 10. / Depth first Leprocessus de crawl : les 2 façons de crawler un site En mode depth first, le robot cherche à explorer le maximum d’urls dans le minimum de temps • Avantage : cela va plus vite, car si des modèles de pages sont lents, ou si certaines pages envoient des erreurs 500. On peut paralléliser le crawl sans avoir à synchroniser les différents threads… • Inconvénient : si on arrête le crawl en cours de route, l’arborescence obtenue est inexploitable (les indicateurs utiles sont faussés : profondeur, indegree, outdegree…) La plupart des crawlers du marché fonctionnent sur ce mode, attention.
- 11. / Les principauxcomposants 11 Anatomie d’un crawler
- 12. / 12 Pourquoi utiliser unoutil de crawl ? Objectif : simuler le comportement d’un bot de moteur de recherche sur votre site pour identifier ce qui peut bloquer ou gêner l’exploration de vos pages web par le moteur. Votre crawler simulant Googlebot
- 13. Exemples de crawlersutiles
- 14. Les crawlers «basiques »
- 15. Xenu Link Sleuth http://home.snafu.de/tilman/xenulink.html
- 16.
- 17.
- 18.
- 19.
- 20. Les solutions pourcrawler de gros volumes de page… - 20 - Search Foresight 2015 © Agence Conseil en Stratégie Digitale
- 21.
- 22.
- 23.
- 24.
- 25. Quelques solution externes Et/ouen mode SAS - 25 - Search Foresight 2015 © Agence Conseil en Stratégie Digitale
- 26.
- 27.
- 28.
- 29.
- 30. / La détectiondes pages 404 Détection des liens brisés
- 31. / ex :analyse avec Botify Volumétrie des codes http: non 200
- 32. / Identification etestimation des volumétries L’analyse des redirections Détection des erreurs 30x Détection des redirections en cascade, ou en boucle Objectif : diminuer le volume de 301 Eliminer les 302
- 33.
- 34. / Ce qu’unbon crawler pour le SEO doit permettre de faire 34 Les prérequis pour une utilisation avancée Respect ou non du robots.txt Possibilité de paramétrer le user-agent Paramétrage du rythme de crawl Respect ou non des x-robots-tag, des directions noindex, nofollow Respect ou non de l’attribut nofollow Prise en compte ou non des canonical Détection des hreflang, des rel next/prev Crawl des sous-domaines ou limité à un host Crawl limité à un pattern d’url, ou excluant ce pattern Comptage de l’indegree et de l’outdegree Analyse correcte de la profondeur des pages Aspiration de la base des liens, avec les anchor texts Collecte des balises seo : title, h1, desc, meta robots etc… Possibilité de reconnaître un pattern dans la page Collecte du temps de téléchargement Mode spider et mode liste Capacité à parser le flash, les pdf, et les javascript
- 35. / Suite… 35 Les prérequispour une utilisation avancée Capacité à gérer http vs https:// Capacité à simuler une visite d’un device mobile / tablette / desktop Collecte des rescodes, des redirections (y compris successives) Capacité à convertir un pattern d’url rewriting (permet de matcher avec les urls contenues dans les logs) Capacité à crawler le web invisible (pages protégées par login/mdp) Support de proxies (pour simuler le crawl depuis un autre pays) + La capacité d’exporter les infos récoltées dans des formats réutilisables : Base des ressources (url => pages / images) Base des liens (url + anchor text) Nota Bene : il manque quelques unes de ces fonctionnalités aux crawlers du marché
- 36. Tester les performancesdu site Le temps de téléchargement du code a une influence sur l’exploration de Google
- 37. Tester les performancesdu site Google webmaster tools ne fournit que des temps « moyens » Un crawler permettra de comprendre quelles sont les « scripts » lents et d’identifier les causes de ralentissement
- 38. Détection des duplicatetitle et description Exemple avec Screaming Frog
- 39. Vérification du duplicate Ex avec Botify
- 40. Vérification de l’efficacité dela mise en cache Extraction de patterns : – timestamp de génération de la page vs horodatage du téléchargement de la page – Test de requêtes conditionnelles (If modified since et renvoi de codes 304) – Etc.
- 41. Analyse de laprofondeur Profondeur : nb de clics nécessaires pour atteindre une page en cliquant sur des liens – Exemple ci-dessous : Botify
- 42. Pourquoi mesurer laprofondeur ? 0 20000 40000 60000 80000 100000 120000 140000 Prof0 Prof1 Prof2 Prof3 Prof4 Prof5 Prof6 Prof7 Prof8 nb urls crawlables non crawlées nb urls crawlées Plus une url est profonde, moins elle reçoit de linkjuice Plus une url est profonde, moins elle a de Pagerank, moins elle est crawlée
- 43. Le rythme decrawl sur Google est fonction du PR (et d’autres facteurs)
- 44. Les prérequis pourle crawler Respect du robots.txt Gestion du nofollow sur les liens Gestion du nofollow dans les balises meta Gestion du x-robots-tag dans les en-têtes http:// Gestion des canonical comme des redirections
- 45. Analyse des linkrel=canonical
- 46. Analyse des lienssortants Ex : botify
- 47. Diagnostic complet Exavec Botify (tableau de bord)
- 48. L’analyse combinée crawl+logs Urls crawlables => données par votre crawler Urls crawlées par Googlebot => découvertes dans les logs serveur (User Agent : googlebot) Home Cat 1 P1 P2 P3 Cat 2 P1 P2 P3 P4 Cat 3 P1 P2 Votre version Home Cat 1 P1 P2 P3 Cat 2 P1 P1bis P2 P2bis P3 P4 Cat2bis Cat 3 Version vue par Googlebot Des urls en moins Des urls en +
- 49. L’analyse combinée logs+ crawl Identifier le problème du duplicate vu par google Ce que vous montrez (crawl) vs Ce que le moteur de recherche voit et fait (logs) Votre site Votre site + du duplicate
- 50. Principe de l’analysedes deux versions Urls crawlées par Google, non présentes sur le site : URLS parasites, à bloquer dans le robots.txt Urls présentes sur le site, non explorées par Google : identifier la cause Urls OK présentes et crawlées
- 51. L’analyse du maillageinterne Objectif : mesurer les ratios – Nb de liens entrants vs liens sortants – Nb de liens sortants internes vs externes Indegree = nombre de liens entrants La hiérarchie des indegrees doit être conforme à l’importance des pages
- 52. L’analyse du maillageinterne Objectif : mesurer les ratios – Nb de liens entrants vs liens sortants – Nb de liens sortants internes vs externes Indegree = nombre de liens entrants La hiérarchie des indegrees doit être conforme à l’importance des pages
- 53. / Le tagde tracking est-il présent ? 53 Vérification d’un plan de taggage Recherche d’un pattern (expression régulière)
- 54. Vérification des plansde taggage
- 55. / Est-ce quela nouvelle version du site est ok ? 55 Outil de recette Recherche d’anomalies dans l’inventaire des pages Les CTO qui ont essayé la recette à l’aide d’un crawler l’adoptent souvent systématiquement ensuite
- 56. / Que sepasserait-il si ? 56 Simuler un changement sur le site Tester la structure d’un site en cas de changement dans l’inventaire des pages ou dans son maillage. Home Cat 1 P1 P2 P3 Cat 2 P1 P2 P3 P4 Cat 3 P1 P2 Home P1 P2 P3 P1 P2 P3 P4 Cat 3 P1 P2 Structure en ligne Structure envisagée à tester
- 57. / Le crawler,c’est le couteau suisse du référenceur 57 Conclusion Outil de collecte de données Outil d’audit Outil de recette Outil de simulation Outil de collecte de données
- 58. / Crawlez toujours,crawlez encore, vous finirez par découvrir quelque chose d’important… 58 Conclusion Outil de collecte de données Devise du SEO Shadok : il vaut mieux crawler même s’il ne se passe rien que de risquer qu’il se passe quelque chose de pire en ne crawlant pas ! (remarque : la devise est programmée dans l’ordonnanceur de Googlebot ;-) )
- 59.
- 60.