Youtube SEODay
SEO y procesamiento de datos
Esta charla en el SEOday 2019, que dimos juntos con Nicolás Valenzuela y Mauro Giordano
Para el SEO es clave tener métricas de SEO, Mauro Quieto (Punto Rojo) dejo claro la necesidad de medir un proyecto SEO, no tiene sentido hacer SEO sin métricas claras, es como conducir un auto sin indicadores de combustible o velocidad. Hacer una campaña SEO tiene sus Costos, Costo de implementación, Costo en desarrollo, Costo estratégico. Si uno toma desiciones incorrectas, es como tirar esa inversión a la basura.
En el SEOday hablamos de:
- Dashboard SEO con Looker Studio
- informes SEO en excel o google spreadsheet
- Data blending
- metodologías de integración de fuentes de datos
- Análisis de métricas SEO
| ¿Buscas un Curso Looker Studio Gratis? |
|---|
| ¡Desbloquea tu potencial en análisis de datos en SEO y Performance Marketing con el Curso de Looker Studio GRATIS, adquiere habilidades avanzadas para aprovechar al máximo esta poderosa herramienta. Crear fuentes de datos, Agregar gráficos y tablas. Este curso gratis te brinda las herramientas necesarias, para empezar a utilizar Looker Studio |
mira el video completo del la charla:
Bueno, ya pasaron unos años desde esta charlas todos los temas están super vigentes, salvo por el detalle que Data Studio ahora se llama Looker Studio, por el momento es solo un cambio de logo. Google anuncio cambios graduales en donde incorporaran funcionalidades, pero por ahora esta todo igual.
Métricas para una Campañas SEO
Los informes de SEO le ayudan a comprender ¿qué está funcionando?, para poder iterar en las actividades que están impactando satisfactoriamente en el proyecto SEO, necesita más mejoras. A través de los informes de SEO, puede trabajar en las secciones que no funcionan y diseñar una estrategia en consecuencia. Los informes le ayudan a determinar el retorno de la inversión sobre la cantidad que está gastando en su estrategia de marketing. En resumen, proporciona una descripción general de las secciones que es importante comprender para mejorar la clasificación de su sitio.
Un dashboards además de contener indicadores claros, debe permitirle poner foco en el Análisis y el desarrollo de insights y no en la recolección de datos
Cómo usar Google Sheets para SEO
Google Sheets es una excelente plataforma para aprender y realizar análisis preliminares en SEO. Ofrece una variedad de funciones y herramientas para trabajar con datos, lo que la hace ideal para adquirir conocimientos. Sin embargo, es importante recordar que para entregar un informe profesional en el ámbito del SEO, Google Sheets tiene limitaciones. A medida que las fórmulas se vuelven más complejas y la cantidad de datos aumenta, es posible que la hoja de cálculo experimente lentitud, incuso que colapse al punto que se rompa y no superad recuperar el trabajo realizado, lo que puede ser problemático en un entorno profesional.
Microsoft Excel y SEO
Aquellos de nosotros que comenzamos en el mundo del SEO alrededor del 2000 recordamos que Microsoft Excel era la herramienta de análisis por excelencia. En ese entonces, cuando no podíamos organizar los datos en una base de datos SQL, Excel era nuestro mejor aliado. Pero a medida que avanzamos en nuestra carrera y nos volvimos profesionales técnicos en SEO y estrategas de posicionamiento orgánico, comenzamos a notar las limitaciones de Excel en la gestión de registros.
Excel es genial para proyectos más pequeños y análisis iniciales, pero cuando se trata de manejar grandes cantidades de datos, surgen desafíos. Los límites de registros pueden resultar restrictivos, y para proyectos más complejos, a veces incluso necesitamos recurrir a resguardos (backups). Todos sabemos lo que pasa cuando un archivo de Excel se rompe… ¡se ROMPE de verdad! Y eso significa comenzar desde cero.
Como profesionales técnicos en SEO, valoramos las herramientas que nos permiten gestionar datos de manera eficiente y confiable, sin preocuparnos por las limitaciones. Por eso, a medida que avanzamos en nuestra carrera, es importante explorar y adoptar soluciones más robustas para nuestros proyectos de SEO.
Extraer los datos de sus herramientas de analytics, exportarlas para luego procesarlas en excel o google spreadsheet vuelve al proceso de reportes un proceso no escalable e inviable
Si bien la información está al alcance de un reporte «En las herramientas», como pueden ser Google Search console, Google Analytics, o semrush o ahrefs. En ocasiones es complejo poder «integrar eso datos» para transformar información en un entregable accionable, es decir que ¿nos brinda información clara para tomar una decisión?
Reporte tras reporte, Iteración tras iteración…. los analistas demoran un tiempo invaluable en descargar y cruzar documentos dejando muy poco tiempo de Análisis y o el desarrollo de insights
Voy a profundizar en algunos de los temas que charlamos en el Evento, para que tengas mas detalles:
Data Blending en Looker Studio
El Data Blending en es una técnica que permite combinar datos de diferentes fuentes o conjuntos de datos para crear informes integrados y enriquecidos.
El Data Blending, o «Mezcla de Datos,» en Google Data Studio es una técnica esencial en el ámbito del análisis de datos y la generación de informes. Como experto en Data Analytics, es fundamental comprender este concepto, ya que permite enriquecer la información al combinar datos de diversas fuentes.
En términos simples, el Data Blending implica tomar conjuntos de datos separados y combinarlos en un solo informe. Esto es especialmente útil cuando se trabaja con múltiples fuentes de datos, como Google Analytics, Google Ads y bases de datos internas. Algunas de las características clave del Data Blending en Google Data Studio incluyen:
- Integración de Datos: Permite unificar datos de diferentes fuentes en un solo informe, lo que facilita la comparación y el análisis.
- Campos Comunes: Para llevar a cabo la mezcla de datos, se deben identificar campos comunes en las fuentes de datos para relacionar la información de manera coherente.
- Mejora de la Información: Al combinar datos, es posible enriquecer la información y obtener una visión más completa y contextual.
- Creación de Paneles Integrados: Puedes utilizar datos combinados para crear paneles de control que muestren información de múltiples fuentes de manera cohesionada.
El Data Blending es una técnica valiosa para profesionales de Data Analytics, ya que permite presentar información más rica y significativa a través de informes que integran datos de diferentes orígenes. Esto es esencial para tomar decisiones informadas y estratégicas en un entorno de marketing basado en datos. 📊🔄
Integración de fuentes de datos
La integración de fuentes de datos es un proceso fundamental en el campo de la Data Analytics y el Business Intelligence, que implica combinar datos de múltiples fuentes para obtener una visión completa y coherente de la información. Estas metodologías de integración de fuentes de datos son fundamentales para garantizar que los profesionales de Data Analytics tengan acceso a información precisa y relevante. La elección de la metodología depende de las necesidades específicas de cada proyecto, incluyendo la velocidad, la complejidad y la fuente de datos involucrada. 💼🔗📊
A continuación, listo 7 conceptos claros de diversas metodologías de integración de fuentes de datos:
- ETL (Extract, Transform, Load): ETL es una metodología ampliamente utilizada para la integración de datos. Comienza con la extracción de datos de múltiples fuentes, luego los transforma para que sean coherentes y finalmente los carga en una base de datos o almacén de datos centralizado. Esta metodología se centra en la limpieza, la transformación y la estandarización de datos antes de que sean utilizados en informes y análisis.
- Federación de Datos: En este enfoque, los datos se mantienen en sus fuentes originales y se accede a ellos de manera centralizada, este proceso de software que permite que varias bases de datos funcionen como una sola.La federación de datos permite consultas y análisis en tiempo real en las fuentes de datos originales sin necesidad de replicarlos. Es útil cuando la velocidad de acceso a datos en tiempo real es crucial.
- Virtualización de Datos: Similar a la federación, la virtualización de datos permite el acceso a datos en su ubicación original, pero crea una vista lógica unificada de los datos. Los usuarios pueden consultar y acceder a estos datos virtualizados como si estuvieran en una única fuente. Esto reduce la necesidad de replicación y mejora la agilidad en la toma de decisiones. Esto proporciona una única fuente de datos para las aplicaciones front-end.
- Data Warehousing o DataLake: En esta metodología, los datos se consolidan en un almacén de datos centralizado. Se extraen, transforman y cargan (ETL) en un único lugar antes de utilizarse para análisis. Los almacenes de datos almacenan datos históricos y actuales, lo que facilita la generación de informes y análisis a largo plazo.
Hablamos de infraestructura complejas diseñaras para Data Blending de con un alto nivel de seguridad y resguardo de la información, si bien los datos RealTime no son su fuerte, la seguridad sin duda lo es. - APIs y Conectores Directos: Cuando se trabaja con aplicaciones y servicios en la nube, a menudo se utilizan APIs (Interfaces de Programación de Aplicaciones) y conectores directos para acceder a datos desde diversas fuentes de forma programática. Esto es común en la integración de aplicaciones web y servicios de terceros.
Sin duda de las metodologías más habituales, hoy en día prácticamente todas las plataformas de Ecommerce de tipo SaaS como Adobe Commerce, SAP Commerce o Vtex, por mencionar algunas, tienen sus APIs disponibles para consumir datos casi en tiempo real lo cual nos da una gran flexibilidad para desarrollar seguimientos en vivo. - Integración de Datos en Memoria (In-Memory Data Integration): Esta metodología implica la carga de datos en la memoria de la computadora antes de realizar el proceso de integración. Esto acelera el acceso a datos y es útil cuando se requiere un rendimiento de consulta extremadamente rápido.
- Streaming de Datos (Data Streaming): En entornos donde la velocidad es esencial, como la IoT (Internet de las cosas), los datos se integran a medida que se generan y transmiten en tiempo real. Los sistemas de streaming de datos permiten el procesamiento y análisis continuo de flujos de datos en tiempo real. Esto es posible de forma limitada con Google analytics 4 y como otras Herramientas similares y 100% posible en Ingtaraciones de Google BigQuery+GA4 Donde podemos disponibilizar Data Streaming de Ga4, con ventanas de tiempo de RealTime a partir de los 5 min