08.11 SEMPRO Club - Влад Моргун - Цвет настроения серый
0 likes•484 views
Документ содержит информацию о современных аспектах SEO, включая типы обновлений Google и статистические методы анализа. Обсуждаются различные инструменты и технологии, такие как машинное обучение и нейронные сети, используемые для оптимизации сайтов. В документе также приводятся практические примеры и ресурсы для изучения, включая ссылки на дополнительные материалы.
![Пример
192.168.1.11 - [03/Sep/2018:00:00:00 -0400] - "GET
/calendar/next HTTP/1.1" 200 - "Mozilla/5.0 (compatible;
Googlebot/2.1; +http://www.google.com/bot.html)"](https://image.slidesharecdn.com/08-11-sempro-club-181110054544/85/08-11-SEMPRO-Club-66-320.jpg)
08.11 SEMPRO Club - Влад Моргун - Цвет настроения серый
- 2. Всем привет :) ➔ SEO-team lead ЛУН & Flatfy ➔ Куратор курса Product SEO ➔ SEO-консультант Это я
- 3. Сайт #1 по недвижимости в Украине Международный бренд ЛУН Запущено 37 стран > 5 млн. > 4 млн. пользователей в месяц пользователей в месяц
- 5. Google - тоже продукт
- 8. Статистическая значимость В статистике величина(значение) переменной называют статистически значимой, если мала вероятность случайного возникновения этой или ещё более крайних величин.
- 10. Выводы: ● Все новые алгоритмы достаточно легко угадываются - работаем на опыте ● Почему Google работает? Зарабатывает деньги. ● Сайты в ТОПе помогают заработать Google. ● Век удержания внимания и времени. ● Лучшие пользователи - которые проводят время. Постоянно пользуются сервисом. ● Задал запрос - получил ответ.
- 12. Операторы: ● cache: ● intext: ● inposttitle: ● intitle: ● inurl: ● inanchor: ● filetype: ● around() ● or / and ● “ ” ● - + ● site: related: info: bit.ly/2IH5v0R - Power Searching or bit.ly/2KmWr74 - Courses list
- 14. SEO Цитатник :)
- 16. SEO Цитатник :) “Техническое доминирование”
- 17. Technical skills + Networking bit.ly/semrush-experts-advices
- 18. John Mueller, Google Spokesman You're going to run into significantly more JavaScript over the next years than in the 2'ish decades in SEO before. If you're keen on technical SEO, then past HTML you're going to need to understand JS more and more. Reddit: bit.ly/2AdU1B8
- 19. Что нужно знать SEOшнику? 1) HTML CSS (CodeAcademy) 2) JS (learn.javascript.ru) 3) regex (regexr.com) Bash Shell 4) HTTP (TutorialsPoint, Mozilla) 5) Python* 6) SQL 7) App Script* 8) git bit.ly/2yl7q94 - выступление DVOMA
- 20. Тоже вариант
- 21. Примеры: ● Сбор семантики ● Разбор семантики (фильтрация кластеризация) ● Создание посадочных страниц ● Мониторинг (seo доступность изменения) ● Генерация текстов ● Автоматизация рутины ● Оценка доноров ● Ссылочное аутрич bit.ly/2PM17Wc - выступление WebPromo SEOday
- 23. Машинное обучение Класс методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение в процессе применения решений множества сходных задач.
- 24. Примеры (способы): ● Обучение с учителем (для каждого прецедента - «ситуация, требуемое решение») ● Обучение без учителя (для каждого прецедента задаётся только «ситуация», требуется сгруппировать объекты в кластеры, используя данные о попарном сходстве объектов, и/или понизить размерность данных) ● Обучение с подкреплением (для каждого прецедента имеется пара «ситуация, принятое решение») ● ...
- 25. “Обучение на примерах” Вид обучения, при котором интеллектуальной системе предъявляется набор положительных и отрицательных примеров, связанных с какой- либо заранее неизвестной закономерностью.
- 26. Оценка доноров. Задача оптимизации fdonor_quality (a,b)=a1 fparam_1 (a,b)+a2 fparam_2 (a,b)+a3 fparam_3 (a,b)+...+an 1. Определение параметров для оценки 2. Апроксимация 3. Нормировка 4. Поиск коэффициентов
- 28. Апроксимация (линия тренда excel)
- 29. Нормирование ● Натуральный логарифм ● Оценка от 1 до 10 ● Z-Score = ((измеренная величина) - (среднее арифметическое))/среднеквадратическое отклонение
- 31. Поиск решения SOLVER.XLAM Поиск решения Поиск решения нелинейных задачи методом ОПГ
- 32. Оценка Сайт серфер для оценок доноров учителем База сайтов Оценка доноров Вывод формулы Авто оценка
- 34. Нейронные сети Математическая модель, а также её программное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей — последовательности нейронов, соединенных между собой синапсами.
- 35. Нейронные сети (по простому) Нейрон – некая воображаемая чёрная коробка, у которой несколько входных отверстий и одно выходное. Как выходной сигнал формируется из кучи входных – определяет внутренний алгоритм нейрона
- 36. Примеры (решения задач) ● Распознавание образов и классификация ● Принятие решений и управление ● Кластеризация ● Прогнозирование ● Аппроксимация ● Сжатие данных и Ассоциативная память ● Анализ данных ● Оптимизация
- 37. Платформа для соревнований по аналитике и предсказательного моделирования.
- 38. Ирисы Фишера ● 3 вида ирисов ● Данные о 150 экземплярах ириса ● 50 экземпляров из трёх видов ● Требуется определить вид по измерениям
- 39. Ирисы Фишера в SEO ● Длина наружной доли околоцветника == Ahrefs DR ● Ширина наружной д.о. == SimilarWeb Traffic ● Длина внутренней д.о. == Trust Rank ● Ширина внутренней д.о. == SimilarWEb Organic Traffic
- 40. Как делать? ;)
- 42. Породы собак в SEO ● Колли == Партнёрские сайты ● Скотч-терьер == Конкуренты ● Комондор == Форумы ● Сенбернар == СМИ ресурсы
- 43. Как сделать? ● Собрать датасет ● Обучить нейронку ● Использовать
- 44. Собрать датасет? ● Установить Node.js (программная платформа, превращающая JavaScript из узкоспециализированного языка в язык общего назначения) ● Через npm установить pageres (npm — менеджер пакетов в Node) ● Написать .sh (или более сложное) с командами “pageres domain.com 1280x800 --format=jpg” bit.ly/2SQ6odN
- 45. Обучить нейронку? ● Установить TensorFlow (открытая программная библиотека для машинного обучения) ● Переобучить нейронку ● Протестировать ● Использовать bit.ly/2RCnwST
- 47. Результат
- 53. Известный метод ● Парсим Google ● Сохраняем Description ● Уникализируем ● Собираемсоздаем генеренные тексты
- 56. Ссылочный Граф Граф — абстрактный математический объект, представляющий собой множество вершин графа и набор рёбер, то есть соединений между парами вершин.
- 57. Google PageRank PageRank (PR) — это вероятность перехода пользователя на страницу, которая рассчитывается из анализа ссылочного графа. Чем выше вероятность перехода на страницу, тем выше авторитет данной страницы.
- 58. TextRank ● Пускай предложения - аналоги веб страниц ● Вероятность перехода от предложения A до B эквивалентна схожести предложений ● Применим PageRank на граф предложений Summary Извлечение Обобщение
- 59. TextRank алгоритм ● Разбиваем текст на предложения (токенизатор) ● Поделим на слова ● Очистим от пробелов, знаков препинания… ● Обработаем стеммером (убираем окончания и префиксы) ● Уберем дубли слов из предложений ● Получим предложения в виде списков слов ● Для каждой пары предложений посчитаем похожесть ● Похожесть = одинаковые слова в предлож. / суммарная длина пр. ● Граф = вершины (номера предложений в тексте), ребра (схожесть) ● Считаем PageRank ● Берем по рейтингу
- 60. TextRank скачать бесплатно, без регистраций, без смс https://github.com/summanlp/textrank
- 61. Что умеет TextRank? ● Text summarization ● Keyword extraction Особенности TextRank ● Зависит от языка ● Обучение без учителя ● Не “создает” контент
- 62. Логи Section 4
- 63. -лось :)
- 65. Логи Файл с записями о запросах (hit`ах), которые получил сервер
- 66. Пример 192.168.1.11 - [03/Sep/2018:00:00:00 -0400] - "GET /calendar/next HTTP/1.1" 200 - "Mozilla/5.0 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)"
- 67. Вопросы 1. Эффективно ли расходуется краулинговый бюджет? 2. Где идет утечка краулингового бюджета? (дубли, параметры и т.п.) 3. Были ли ошибки во время краулинга? 4. Какие есть области с недостатком краулинга? 5. Дата последнего краулинга?
- 68. Важно Сколько прокрауленых страниц “non-compliant“? (не подлежат попаданию в поиск)
- 69. Важно 1. Определить частоту сканирования страниц 2. Какие страницы не обходились ни разу за месяц? 3. Когда страницы прокраулены впервые после создания? 4. За какое время сканируются все страницы? 5. Какой тип файлов? % 6. Редиректы цепочки, ошибочные редиректы + кол-во 7. Количество заходов на не канонические страницы 8. Заходы на закрытые страницы в meta robots 9. Дублированный контент? (например, по тайтлам) 10. Сканирование нового контента 11. Миграция на HTTPS и работа с AMP
- 70. Kibana
- 71. SC
- 73. Пример dashboard
- 77. Сохранение страниц в drive https://github.com/hijonathan/google-scripts/blob/master/backup-url.j s ● Бэкап HTML версий страничек ● Бэкап по датам ● Каждый день неделю час ● Смотрим изменения у себя на сайте ● Смотрим изменения на других сайтах ● Скачиваем Google Support
- 78. Новое, а не лучше
- 80. Владислав Моргун SEO Team-lead ЛУН & Flatfy facebook.com/vladislav.morgun.3 t.me/m0r9un [email protected] instagram.com/m0r9un О нас: team.lun.ua