Nogle gange er der behov for at kigge på blogunivers med friske øjne. Man overtager en kunde som har brugt rigtigt mange resurser på blogging og er måske i tvivl om værdien. Nogle gange er man måske også løbet tør for inspiration og skal have ideer til fortsat produktion af content til bloguniverset. Man kan også have skelet nervøst til nogle af de masse tiltag fra Googles side – eksempelvis helpful content update – hvor Google søger at nedrangere content der ikke har kvalitet. Under alle omstændigheder kan der være behov for en analyse af et blogunivers.
Her tager jeg kun SEO brillerne på og vurderer om bloguniverset er i stand til at hente organisk trafik og ikke om det henter konverteringer men det kan man sagtens udvide sin bloganalyse med. Følg guiden herunder til hvordan man kan analysere et blogunivers med AI og Claude.
Hvad skal der bruges?
- Et blogunivers og gerne et med 200 – 300 blogartikler og gerne fordelt på kategorier og forfattere
- Screaming Frog til crawl af bloguniverset.
- En fungerende Google Search Console konto til det pågældende website
- Eventuelt Google Analytics 4
- Excel eller Google Sheets til samling af informationer
- Claude – https://claude.ai/
Hvorfor Claude?
Min oplevelse er at Claude – og Claude Sonnet 3.5 som den nyeste version hedder – er bedst til dataanalyse. Hvor der er enighed om at sprogmodellen i ChatGpt og muligvis også i Google Gemini er bedre end Claude oplever jeg at Claude har nemmere ved at fortolke tal i et regneark som skal bruges til øvelsen.
1. Crawl med Screaming Frog
Start med at crawle alle blogsider med Screaming Frog. Det er ofte nyttigt at sætte et filter op via “Configuration” og “Filter”. Således crawler man ikke alle mulige ligegyldige sider for problemstillingen. Der kan komme kategorisider op under crawl men disse kan altid frasorteres senere. Man skal ende op med en række felter for hver blogartikel. Man bestemmer jo selv hvilke men nedenstående synes mest centrale når SEO er målestokken.
Hensigten er at have en række variable der kan bidrage til at forklare om den enkelte blogpost klarer sig godt eller dårligt og læse nogle tendenser i hele bloguniverset. Disse felter er lige de nu centrale men flere kommer til undervejs.
Address – sidens URL
Titel – Titel tag
Meta description – Metabeskrivelsen
H1-1 – første H1 på siden
Word Count – antal ord talt af Screaming Frog
Readability – en størrelse der forholder sig til læsbarheden af siden
Crawl Depth – den enkelte artikels afstand fra forsiden
Inlinks – antallet af indgående links den enkelte artikel har
Unique inlinks – som ovenstående men unikke inlinks
Vi skal og bør imidlertid også have felter med som Screaming Frog umiddelbart ikke kan læse. Her er der i Screaming Frog et fantastisk værktøj under “Configuration” – “Custom” – “Custom Extraction”. Her man kan trække tekst ud fra de sider man crawler. Jeg bruger et Chrome Browser værktøj der hedder SelectorGadget. Med det kan jeg klikke på elementer på en blogside og finde “Xpath”. Andre værktøj kan noget tilsvarende. Læs mere her om Custom Extraction i Screaming Frog. Xpath værdien sættes ind som en Custom Extraction og jeg har givet den navnet “dato”. Så vil den optræde på crawllisten i Screaming Frog som “dato”. Hvorfor er artiklens dato vigtig? En antagelse kunne være at nyere artikler klarer sig bedre ud fra et “refreshness” perspektiv.
Herunder er artiklernes dato fra hvert blogindlæg trukket ud af Screaming Frog ved en custom extraction på et blogunivers.
Artiklens dato behøver ikke være en den eneste spændende størrelse at hive ud. Har man i sit blogunivers forskellige forfattere eller måske artikelkategorier kunne det også være spændende at hive dem ud og smide dem i kolonner i Screaming Frog. Tags er naturligvis også en mulighed. De trækkes naturligvis også forholdsvis let ud med et par XPath’s.
2. Eksporter det hele ud!
Eksporter det hele ud i Google Sheets eller Excel. Er der kommet rækker med blogkategorisider eller måske blogsider til paginering så slet endeligt de rækker manuelt i regnearket. Hvis der i eksporten er en masse ligegyldige kolonner for problemstillingen at analysere et blogunivers så slet også dem endeligt. Fint at ende med 8-10 standardkolonner og et par custom extractions som angivet ovenover. Nu skal vi over i Google Search Console.
3. Isoler blogsider i Google Search Console
Google Search Console kan trække data ud fra 16 måneder og det sættes den til. Der er fire metrics; Klik, Eksponeringer, CTR og Placering tilgængelige og de vælges alle så de kommer med i eksporten. Der sættes et filter op som modsvarer filteret sat op i Screaming Frog.
Eksporter det hele ud i samme format som valgt i eksporten fra Screaming Frog. Kopier indholdet over i en fane i eksporten fra Screaming Frog. Nu vil vi gerne have rækkerne med klik, eksponeringer, CTR og placering over i fanen med eksporten fra Screaming Frog. I Excel hedder funktionen LOPSLAG og i Google Sheet hedder funktioner VLOOKUP. Jeg skal ikke her gøre så meget rede for øvelsen men det handler om at lave et opslag fra Screaming Frog arket i arket med Google Search Console og vise værdierne for klik, eksponeringer, CTR og placering. Således bliver det hele samlet i een fane.
I det samlede ark kan der være blogartikler som slet ikke har fået eksponeringer eller i kliks i Google Search Console. EN årsag kan være at man kun har 6 måneders dato udtrukket fra Google Search Console. Man de artikler er en særlig case hvor man kan overveje hvorfor. Det kunne eksempelvis nedlægges og 301 redirectes!
Nu har vi altså en samlet fane med standard kolonner fra Screaming Frog, Custom Extractions fra samme sted og en række metrics fra Google Search Console. Har man metrics for hvor mange konverteringer det enkelte blogindlæg bringer er der intet til hinder for at de data også også indgår i analysen. De kunne eksempelvis findes i Google Analytics 4 eller andre steder. Har man lyst til at tage metrics fra Google Analytics 4 kunne det også være interessant at trække Hændelsesantal eller måske Gennemsnitlig engagementstid ud. De skal blot ind i regnearket på samme vis og samles i samme fane.
Nu skal det hele eksporteres i en fil der kan uploades til Claude.
4. Analyse med Claude
Så uploader man sin fil alle blogindlæg og giver Claude en prompt som eksempelvis “Analyser mine blogindlæg og kom med ideer“. Claude svarer:
Her er hovedpunkterne fra analysen af blogindlæg:
1. Antal ord og kliks: Der er en svag positiv korrelation mellem antal ord og antal kliks fra Google. Længere indlæg har generelt en tendens til at få flere kliks.
2. CTR og placering i Google: Der er en tydelig sammenhæng mellem et indlægs placering i Google-søgeresultaterne og dets CTR. Indlæg med højere placeringer (lavere tal) har generelt en højere CTR.
3. Dato og kliks: Nyere indlæg har en tendens til at få flere kliks sammenlignet med ældre indlæg.
4. Emner og popularitet: Visse emner er mere populære end andre. Indlæg om XXXX, YYYY og ZZZZ får generelt flere kliks.
5. Titel og CTR: Indlæg med mere fængende eller informative titler har en højere CTR. Titler med tal eller spørgsmål klarer sig godt.
6. Sæsonbaseret indhold: Indlæg relateret til specifikke sæsoner eller begivenheder får flere kliks i de relevante perioder.
7. “Guide” eller “ultimativ guide” i titlen klarer sig godt mht. kliks og CTR.
8. Indhold med mange interne links ser ud til at få kliks.
9. Der er nogle outliers – indlæg med ekstraordinært høje kliks eller CTR sammenlignet med gennemsnittet. Disse kan være værd at undersøge nærmere.
Dernæst er det naturligvis nemt at forfine sin prompt og dukke ned i forskellige problemstillinger som eksempelvis “Hvad er sammenhængen mellem klikrate og placering“?
Lad os se på nogle observationer fra dataene:
Der er en generel tendens til, at indlæg med bedre placeringer (lavere tal) har højere CTR. For eksempel:
- Et indlæg med placering 7 har en CTR på 6,45%
- Et indlæg med placering 9 har en CTR på 12,36%
Dog er der undtagelser og variationer. For eksempel:
- Et indlæg med placering 33 har en CTR på 1,87%
- Et indlæg med placering 15 har en CTR på 4,17%
De højeste CTR’er er generelt forbundet med placeringer under 20, men der er undtagelser.
Nogle indlæg med gode placeringer har overraskende lave CTR’er, hvilket kan skyldes andre faktorer som titel, meta-beskrivelse eller konkurrence for det specifikke søgeord.
Der er nogle outliers, som et indlæg med placering 9 og en CTR på 13,57%, hvilket er usædvanligt højt.
På samme måde er det let at spørge ind til indhold og sammenhængen mellem de mange variable. Har man brug for simpel statistik eller udtræk er Claude ofte hurtigere end filtre og beregnede kolonner i regnearket. Svarere på prompts udtrykker også klart at analyserne ikke kan stå alene. Der kan være andre faktorer i spil for kan forklare dårlige eller gode placeringer i søgemaskinerne. Men det er god indspark til SEO og arbejdet med et blogunivers.
Står i med et større blogunivers og funderer om resultatet står mål med indsatsen? Har i måske et fint fungerende blogunivers men funderer over hvilket retning det skal tage? Under alle omstændigheder tager jeg gerne et uforpligtende kig på det og kommer med en analyse af et blogunivers.
