Analiza log datotek za odločitve v podjetniškem SEO

Standardni pregledi logov se ne obnesejo v obsegu, ker se ustavijo pri grafih na najvišji ravni. Graf, ki pokaže, da je Googlebot lani naredil 8 milijonov zahtev, sam po sebi ni uporaben. Podjetniška spletna mesta morajo vedeti, katere od teh 8 milijonov zahtev so bile pomembne, katere bi se jim lahko izognili, kako so bile porazdeljene po predlogah in jezikih ter kaj se je spremenilo po uvedbi (deployment). Kompleksnost hitro naraste, ko dodate več poddomen, regionalne mape, fasetirano navigacijo, strani, ustvarjene iz virov (feed), zastarele arhive produktov in neenotno logiko preusmeritev iz podedovanih sistemov. Eno samo spletno mesto lahko vsebuje na stotine vzorcev iskanja (crawl), ki v poročilu izgledajo podobno, v praksi pa se obnašajo različno. Brez kategorizacije in prioritetizacije ekipe rešujejo vidne težave in dražjih (manj očitnih) ne obravnavajo. Zato obravnavam analizo log datotek kot del integriranega tehničnega sistema skupaj z migration SEO, spletno razvoj + SEO in programmatic SEO za podjetja.

Pogosto so potrebne prilagojene rešitve, ker standardna poročila redko odgovorijo na vprašanja, ki jih deležniki v podjetjih dejansko zastavljajo. Gradim Python skripte in strukturirane podatkovne nize, s katerimi razvrščam URL-je po poslovni logiki, ne le po vzorcih poti (path patterns). Na primer, tržnica bo morda morala razdeliti način crawlanja med kombinacije lokacij, ki jih je mogoče iskati, strani prodajalcev, uredniške hub-e in stanja že potekle zaloge. E-trgovina bo morda potrebovala razlikovanje med aktivnimi izdelki, izdelki brez zaloge, variantami parent-child, filtrirnimi stranmi in rezultati interne interne iskalne funkcije med 40+ jeziki. Ko ta plast obstaja, lahko primerjamo stanje pred in po spremembah z resnično natančnostjo. V enem projektu je zmanjšanje izpostavljenosti crawlanju za kombinacije parametrov z nizko vrednostjo in dodatno zaostrovanje notranjega povezovanja proti strateškim kategorijam v enem četrtletju pomagalo potrojiti učinkovitost crawlanja v prednostnih vsebinah. V drugem je čiščenje na podlagi logov glede odvečnih preusmeritev in usmerjanje na sitemap-e prispevalo k temu, da je velik program dnevno indeksiral 500K+ URL-jev. To so vrste operativnih rezultatov, ki povezujejo to storitev z eCommerce SEO in semantic core development, namesto da bi jo pustili kot izolirano tehnično nalogo.

Timoyna vključitev je kraj, kjer se dobra analiza dnevniških zapisov res izkaže. Razvijalci potrebujejo konkretne podrobnosti, ne splošnih opozoril. Produktni managerji potrebujejo okvir učinka, ne teorijo o botih. Content ekipa mora vedeti, ali so njihove sekcije dostopne za iskanje in ali se osvežujejo v pravem ritmu. Zato ugotovitve dokumentiram tako, da lahko vsak tim takoj ukrepa: inženirske naloge z primeri URL vzorcev in koraki validacije, SEO povzetki z pričakovanimi učinki na crawl in indeksiranje ter vodstveni pregledi, ki pokažejo, kakšne spremembe v vidnosti ali operativni učinkovitosti lahko pričakujejo. Prav tako si vzamem čas za prenos znanja, ker bi moral naročnik razumeti, zakaj je priporočilo pomembno—ne le, kaj implementirati. To je tudi eden od razlogov, da me stranke povabijo k SEO usposabljanju in SEO mentorskem svetovanju & konzultacijam po tehničnih projektih. Dobra analiza dnevnikov mora organizaciji pustiti boljšo sposobnost, da se crawl odločitve sprejemajo samostojno.

Rezultati tega dela so kumulativni, vendar sledijo realističnemu časovnemu okviru. V prvih 30 dneh vrednost običajno izhaja iz jasnosti: prepoznavanje večjih virov potrat, preverjanje predpostavk in iskanje najhitrejših popravkov z visokim učinkom. V 60 do 90 dneh, ko se prilagodijo preusmeritve (redirects), notranje povezave, prioritete sitemapov, pravila robots ali obravnava parametrov, bi morali začeti opažati bolj zdravo porazdelitev crawlanja in krajše zamike pri ponovnem crawl-a pomembnih delov. V več kot 6 mesecih se pogosto pokažejo izboljšave v bolj dosledni indeksaciji, močnejšem osveževanju (refresh) za prihodkovne strani ter manj tehničnih presenečenj po izdajah. Po 12 mesecih je največja korist operativna disciplina: ekipe prenehajo ustvarjati crawl dolg, ker ga lahko hitro izmerijo. Pričakovanja postavim skrbno, ker ni vsaka težava v logih takoj povezana z rastjo uvrstitev, vendar skoraj vsak resen enterprise spletni projekt koristi od ponovne pridobitve zapravljanih crawl virov. Pravi kazalniki so odvisni od poslovnega modela, vendar sta običajno ključna sklop: učinkovitost zahtev, pogostost ponovnega crawlanja (recrawl cadence), vključitev v indeks (index inclusion) in organska uspešnost po posameznih vsebinskih sklopih (section-level).