Nem fogok senkit meglepni: fontos fegyverténye a webnek, hogy minden aktivitás pontosan mérhető (még ha azok mozgatórugói nem is pontosan). Ez mérhetőség azért fontos, mert nem ad teret a szubjektumnak, a szerintemmel kezdődő mondatoknak, az érzelmi érveléseknek. Ha elfogadjuk egy mérésről, hogy az helyes, akkor már esetleg a tényekkel kerülünk szembe, ami – lássuk be – hosszútávon tarthatatlan helyzet.

Az SMO-ból, azaz a különböző socialnek hívott médiákból (iwiw, facebook, twitter, ...) jövő közönség pont olyan, mint a többi. Vagy van mérhető vásárlási hajlandósága, visszatérési hányadosa, vagy nincs. Vagy van szignifikáns volumene, vagy nincs. (Civilek kedvéért: SMO alatt (Social Media Optimization) azt a tevékenységet értjük, amely arra irányul, hogy a socialnek nevezett szolgáltatásokból a legtöbbet hozza ki egy adott megrendelő számára.)

Nálam akkor szokott bebillenni a bullshit-bit, amikor az SMO-s érvelések eljutnak addig, hogy egy-egy site direct, referral, PPC és SEO-jellegű forgalmainak egy része az SMO-ból eredeztethető, csak nem tudjuk kimérni hogy milyen és mekkora része az. A Google Analytics az ilyen dumákat teszi a helyére.

Igaz, az Analytics ilyen látogatói forráskategóriát nem ismer, hogy SMO, de úgy járunk el, mint Virág et. (Őze Lajos) a Tanúban: majd csinálunk.

Első lépésben nincs más teendőnk, mint a definiálni az SMO források körét. Ez ízlés dolga; keményvonalasok a twittert, iwiwet és az igazán hardkór közösségi szájtokat veszik be ebbe a listába, precízebbek a blog.hu-t, a teljességre törekvők az összes nagyobb freemailert, merthogy tulajdonképpen az volna csak igazán a social.

Az eljárás a továbbiakban:

1. Ezt a listát 255 leütéses regexpekre vágjuk úgy, hogy a kieszképeléseknek és az össze-OR-ozásnak legyen hely, azaz pl.: „\.blog\.hu|iwiw\.hu|mail\.google\.com”
2. A lista méretétől függően kapunk N darab regexpet, amire a céljainknak megfelelő filtereket csinálunk (3. vagy 4.).
3. Ha egy külön profilba szeretnénk kifilterezni az ilyen látogatásokat, akkor olyan filtereket gyártunk, ahol a „Customised Field 1” nevezetű mezőt bebillentjük valamilyen értékre, ha a Referral/Campaign Source* az adott regexp-darabnak megfelelő. Miután az Ndb filter végig futott a profilon, ezt követően szükségünk van egy olyan Include filterre, amely a bebillentett Customised Field-et emeli csak be az adott profilba.
4. Ha egyszerűen csak összehasonlítani szeretnénk az SMO-forgalom teljesítményét, volumenét az egyéb forgalmi forrásokkal, akkor a regexp-darabokkal nem a Custom-ba dolgozunk, hanem ízlés és szegmentációs célrendszer szerint a User Defined-ba, vagy a Campaign Medium-be.

* Pongyolább, de néha hasznosabb a Campaign Source helyett/melett a Referral mezőből is filtereztetni. Pongyolább, mert nem egyértelműen a visit forrását jelöli, hanem azt a külső URL-t, ahonnan valaki átkattintott bár, de 30 percen (default visitnyi időn) belül máshonnan már egyszer megérkezett. Ez utóbbi érkezési információ kerül a Campaign Source mezőbe, a másodszori érkezéseket csak a Referrallal lehet kimérni, bár ez egy picit megengedőbb kategória, némileg magasabb számok fognak látszani.

Az órákon belüli ún. Caffeine-update (előre bejelentetten nagyobbacska rangsorolási változás) várhatóan egy picit kitisztíja majd a találati listákat, megkeveri a SEO-paklit. Ezt értékelnünk majd egy hónap múlva lesz lehetőségünk.

Az azonban jól látható, hogy egyre inkább affele megyünk, hogy az automatizálható (kontentrecikláltatott, azaz hozzáadott érték nélküli) tartalmak publikálását a Google mindenki másnál szebben-jobban megoldja, majd az ilyeneket tartalmazó weboldalakat idővel dobja (hátrasorolja). A Google nézőpontjából a folyamat nyertese a felhasználó, vesztese az alacsony minőségű, redundáns tartalmat előállító (ld. fent) lesz.

A minőségi tartalom előállításához a Google Analytics két nagyon fontos új fejlesztést nyújt az év elejétől, melyek várhatóan teljesen átalakítják majd az site-ok online marketing háttérmunkáinak mérését-értékelését-szervezését.

1. Együttdolgozásokhoz lesz komoly segítség a Analytics Annotations, amely megengedi, hogy egy-egy GA profilhoz hozzáférő júzerek kommenteket fűzhessenek egy-egy naphoz, dátumhoz. Technikai változtatások bejegyzése, szerkesztők megjegyzései, stb. Ahol egynél több ember dolgozik egy-egy site-on, ott nélkülözhetetlen.
    
2. Google Analytics Custom Variables: amit eddig csak utólagos filterezési feketemágiával lehetett megoldani, azt most már mérőkódból paraméterezve, rendszerszinten támogatottan. Érdemes időt szánni rá, az igazi (mikro)szegmentálási finomságok itt vannak.

2010 minden szempontból az optimalizálás éve lesz tehát: a várhatóan növekedő Caffeine-féle antispam elvárások miatt újra kell majd gondolni keresőérzékeny website-okat. Ehhez az Analytics új finomságain keresztül vezet az út, ne erőből tessék nekimenni.

Sokmindenben változott nemhogy 2002-höz, de 2008 elejéhez képest is. Nehezebb, kockázatosabb, összetettebb lett a SEO. A piaci szereplők minden szektorban komoly organikus (SEO) pozíciókat foglaltak, melyek esetleges megtámadása, elszívása nagyságrenddel nehezebb és összetettebb, mint akár 2 éve volt.

Ha valaki ma indul egy új szolgáltatással egy SEO-orientált területen, nagyon-nagyon pöngének kell lennie ahhoz, hogy másfél év alatt fel tudja magát tornászni a középmezőny tetejére. Az új szereplő jellemzően arra a pillanatra várhat, amikor az adott szektorban vezető szolgáltatás SEO-ilag meggyengül, meginog.

A rossz technológiai döntések miatt organikusan labilissá vált weboldal már rövidtávon is vissza képes süllyedni a középmezőnybe. Erre láthattunk pár példát jópár területen; jó ütemérzékű középmezőnyösök cserélték meg organikus látogatottságukat a piacvezetővel. Hogy a nagyságrend érezhető legyen: havi sokszázezer látogató tét, sokszázezer nagyon jó ’minőségű’ látogató.

Hogy csak saját praxisomból mondjak a találati listákon is jól érzékelhető példákat: az egy dizájnváltási projekt keretében elhasalt vendegvaro.hu pozícióit át vette az iranymagyarorszag.hu, és meg merném kockáztatni, hogy az Árukereső organikus forgalma is megcsappant (elsősorban a longtail), amióta a keresőoptimalizálás meglehetősen agresszív útjára léptek - a látogatókat örökölték a többiek: elsősorban az Olcsóbbat.hu és Kirakat.hu.

Az új szereplőnek tisztában kell vele vennie, hogy nagyon komoly egyedi (tartalmi és anyagi) teljesítmény nélkül nem lehet reálisan megcélozni a találati listák tetejét. Nyilvános adatbázisok és tartalmak újrapublikálása sem morálisan és tartalmilag nem elegendő alátámasztás ehhez.

Az elmúlt 3 évben egy komoly rétege alakult ki a kontent-recyclereknek, republishereknek, rss-mágusoknak. Azoknak a Google-ből komoly forgalomra pályázó weboldalaknak, melyek komolyabb hozzáadott érték nélkül pulblikálják úrja mások írásait, tartalmait. Ők azok, akik többet szeretnének kivenni a Google-ből, mint amennyit adnak neki.

Nincs más út, mint a teljesítmény útja: sokat adni, sokat kivenni.

Az elmúlt hetekben sok-sok olyan új feature vált elérhetővé a Google Analyticsben, mely a SEO-tevékenységet is új alapokra helyezi. Említeni sokan emlegették ezeket, itt a felhasználásukra szeretnék példákat adni.

1. Különösen jól használható a pivot/secondary funkció, mely tavasszal jelent meg néhány fiókban, majd idén ősszel mindenhol. A Secondary Dimension funkció néhány eddig szegmentálhatatlan, átlagolt érték tovább-bontását teszi lehetővé, pl.: alapból eddig a Landing Page-ek egybe látszódtak, most forrás (referrer) alapján is külön-külön. A Pivot funkció az Excel hasonló nevű szolgáltatásához hasonló: jól áttekinhető kétdimenziós táblázatokat lehet a segítségével készíteni. A fenti két funkció együttes használata egy tulajdonképpen 3D-s táblázatot eredményez, ami már nagyon komoly mikroszegmentálásoknak lehet inputja.
    
2. A Google kedvessége, jelesül hogy az organikus találati listák átkattintási pozícióit engedi mérni, igaz csak az átkattintások 3-12% százalékában - longtail kereséseknél kevésbé, shortheadnél jobban, nagyobb mintavételezéssel. Átkattintási pozíció alatt a találati listán, adott keresésre elfoglalt helyezés (találati sorrend) értendő.
    
3. A Custom Variables segítségével és egy kis hozzáadott fejlesztéssel az egyes keresési kifejezéstípusok mentén is szegmentálható egy-egy site, vagy site-csoport. Egy utazási weboldalnál tehát aszerint lehetséges szegmentálni a látogatottságot, hogy pl.: desztinációs (településnevet tartalmazó) keresésre, adott szolgáltató nevére keresve avagy adott rendezvényre keresve érkezett a látogató. Ez az egyes kereséstípusok követéséhez nagyon fontos.
   
   
    
4. Analytics API-ra születtek használható és kifejezetten értékes vizualizációk, elsősorban a JuiceKit - itt érdemes kipróbálni a mindkét vizualizációt, a Referrer Flow-t és a Keyword Tree-t is. Utóbbi attól válik újdonságerejűvé, hogy az kulcskifejezésekből kihámozza a kulcsszavakat.
   
   Nem nagyon létezett eddig ingyenesen hozzáférhető megoldás erre, azaz arra, hogy kulcsszavak-kulcskifejezések kapcsolatrendszerét feltérképezzük. Gyakori helyzet ugyanis egy-egy szolgáltatásnál, hogy a látogatók egy adott szó bizonyos kombinációira érkeznek (panzió: győr panzió, pécs panzió, ...). Az ilyen, jellemzően kombinált kulcsszavak gyors felderítésére kiváló eszközt nyújt a JuiceKit.
   
   A közép-európai ékezeteket sajnos rosszul kezeli a Keyword Tree - konkrétan kihagyja ezeket a betűket, ám ettől még kiválóan használható.

Az 1-es és 2-es és 3-as pontok kombinált használata tulajonképpen a mindenkori SEO-zottság mérésére alkalmas, egy-egy site keresőoptimalizáltságának, illetve annak minőségi változásainak nyomonkövetésére használatos.

A példabéli utazási weboldalnál egy kattintásra, azaz komolyabb kereségélés nélkül megmutatja például, hogy:

• a desztinációs keresések találati listás (átlag)pozíciói hogyan változnak időben
• a Google-ben rendezvényre keresve beérkező látogatók mekkora része hajt végre foglalást

A 4-es pontot és egy kis filterezést a Campaign Term (keyword) mezőbe is belekeverve a buliba egy nagyon érdekes vizualizáció keletkezik: az érkezési kulcsszavak, kulcskifejezések vizualizálhatóvá válnak kategória szerint, azaz első pillantásra látszik példának okáért a desztinációs keresések felépítése.

Ebben az esetben a JuiceKitet tehát arra használjuk, hogy azt a profilt vizualizáltatjuk vele, amelynek keyword-mezőjét előtte egy picit Analytics beállításokkal megdolgoztuk: a kategórianevet is beleillesztettük, amelybe az adott keresés esik (pl."győr panzió" -> "győr panzió _DESTSEARCH"). A JuiceKit vizualizátora így jól olvashatóan jeleníti meg egy-egy kategória kulcsszó-permutációit.

A Google találati listák kattintási pozícióiról eddig is közszájon forgott a triviális sejtés: az előkelőbb helyezésű oldalakra több időt és figyelmet szánnak a felhasználók, illetve nagyobb aktivitásra (konverzió) bírhatók rá ezekben az esetekben.

Praktikusan a dolog annyit jelent, hogy aki egy elsőoldalas találati listában 3-4 hellyel van hátrébb, az nem csupán 3-4 hellyel van hátrébb, hanem soktíz százaléknyi minőségi forgalomnak is híján van.

Egyes piacvezető oldalak kimagasló eredményét általában ez okozza, a tökélyre fejlesztett elsőhelyesség. Ebből a pozícióból a látogató olyan bizalmi faktorral érkezik, amit a következő helyek már megközelíteni sem tudnak, abból már tizenkettő egy tucat.

Erről a régi sejtésről győződhet meg mindenki, ha a Longhand által importált Yoastos megoldást egy picit még tovább fejleszti úgy, hogy a User-Defined mezőben keletkező értékekre ráereszt egy olyan gruppolós filtert, ami csak a pozíciókat tartja meg (ld. Screenshot). Megijedni nem kell, a keywordök nem vesznek el, UD / Keyword cross-segmenttel lekérhetők maradnak.