SEO Analýza

V dnešním digitálním světě se firmy ocitají v neustálém konkurenčním boji o zákazníky. S možnostmi online marketingu a cílení obsahu již úspěch nezávisí pouze na kvalitě produktu, ale i na efektivní komunikaci, kterou ve většině případech zprostředkovává právě web. Proto bys neměl zapomínat, že SEO hraje klíčovou roli ve strategickém řízení a marketingu.

Zásadním cílem pro SEO je obsazení prvních pozic na konkrétní vyhledávané dotazy. Ať už se pohybuješ v jakémkoliv oboru, všechny mají jedno společné – to, že na první pozici chtějí být všichni. Z pohledu SEO je tak důležité sledovat i aktivity konkurence, vyhodnocovat jejich dopad a plánovat vlastní efektivnější cesty k vysněnému vrcholu hory.

I kvůli tomu jsem se začal touto problematikou více zabývat. Vytvořil jsem metodiku pro identifikaci silných a slabých stránek webu, aby pomohla efektivně alokovat rozpočet do dílčích SEO. O tu se taky nyní s tebou podělím, ale nejprve bys měl vědět, co všechno nás čeká:

Analýza konkurence a mapa konkurenčních skupin

Svoji konkurenci bys měl sledovat neustále, protože právě ta pořád nutí ostatní firmy na trhu k rozvoji a inovacím. Tím vzniká tlak zvenčí i zevnitř firem, aby probíhala analýza konkurentů s cílem identifikovat jejich silné a slabé stránky. Jakmile toto zvládáš, můžeš následně tvořit svou vlastní strategii v oblasti marketingu, výroby, nebo inovací. (Kotler a Keller, 2007)

Nejprve ale potřebuješ konkurenci správně identifikovat; k tomu jsem využil mapy konkurenčních skupin. Ve většině odvětví je nejdůležitějším faktorem, který stanovuje vazby mezi jednotlivými subjekty v odvětví, ziskovost. Klientovi totiž potřebuješ ukázat nejen svůj pohled (analytický) ale i ten jeho (businesový). Začnu proto s podílem tržeb.

Obr. 1. Mapa konkurenčních skupin – Tržby Mapa konkurenčních skupin – Tržby Zdroj: vlastní zpracování (2024)

Z map by tě mohl zajímat třeba i počet klientů v poměru k organické návštěvnosti webů. U něj si ověříš, jak důležitá je organická návštěvnost pro daný segment.

Obr. 2: Mapa konkurenčních skupin – Organic Mapa konkurenčních skupin – Organic Zdroj: vlastní zpracování (2024)

Jako poslední ti ukážu vliv brandu. Z něho se dozvíš, jestli zpětné hledanosti korelují s brandovou návštěvností a jestli odpovídají pozicím první/druhé mapy.

Obr. 3: Mapa konkurenčních skupin – Brand Mapa konkurenčních skupin – Brand Zdroj: vlastní zpracování (2024)

Dále Srpová (2011) uvádí, že je v daném odvětví důležité hledat právě ty hlavní konkurenty, současné i budoucí. Určit svoje oponenty můžeš na základě jejich obratu, rychlosti růstu, portfolia produktů, ceny, dostupnosti nebo třeba podílu na trhu. Protože je ale hledáme v online prostředí, neměla by být opomenuta ani organická návštěvnost.

Co je to ta SEO GAP Analysis?

V procesním řízení se často využívá metodiky benchmarkingu a zejména diferenční analýzy, což se stalo jednou z inspirací pro sestavení mého frameworku. Samotná GAP analýza je pouze částí celého workflow, který bych ti dneska chtěl představit.

Důležitou roli hraje právě konkurence – webové stránky totiž nefungují jen v nějakém vakuu, ale jsou na stejném trhu jako všechny světové firmy. Většina organizací má jasnou představu o tom, kdo jsou jejich obchodní konkurenti, avšak v SEO to může být i jinak. (Infante, 2022)

V rámci analýzy konkurence z pohledu SEO se hodnotí tři hlavní segmenty. Content značí obsah, kterým web disponuje. Links reprezentují online identitu firmy a povědomí. V poslední řadě se sledují i technické parametry (Technical), jako je rychlost načítání, generování obsahu a další funkce. Ty mohou, ale nemusí zlepšit uživatelskou zkušenost na webu.

Pokud tvá společnost dosahuje nejlepšího hodnocení v porovnání s hodnocenými podniky, nemusí to být hned výhra. Je také možné, že v rámci analýzy byli jen zvoleni špatní konkurenti. Kdyby na cílovém trhu nebyli žádní jiní konkurenti, s nimiž by se firma mohla porovnávat, kontinuálním investováním lze prohloubit mezeru (GAP) a stát se dominantním subjektem na trhu. (Infante, 2022) K sestavení analýzy je potřeba definovat XY parametrů napříč třemi segmenty: Content, Brand a Technical.

První z těchto pilířů tvoří obsah (Content). Tady potřebuješ porovnat prvky, které z pohledu SEO mají dopad na hodnocení, a podívat se, jak je na tom klient oproti konkurenci. K tomu můžeš využít nejen obecné metriky ale i sémantická data za využití jazykových modelů.

Obr. 4: Content GAP Content GAP Zdroj: vlastní zpracování (2024)

Dalším pilířem jsou obecně brandové metriky (Brand). Sem řadíme všechny metriky ovlivňující organickou návštěvnost, které však nelze přímo ovlivnit na webu. Brand se zvyšuje pomocí ostatních marketingových aktivit.

Obr. 5: Brand GAP Brand GAP Zdroj: vlastní zpracování (2024)

Do poslední části patří analýza technických aspektů a řešení. Pokud má klient interní vývoj, je dobré diskutovat rovnou s nimi – sami vám odhalí, co chtějí implementovat i co se jim nepodařilo protlačit. To ti může dát skvělou inspirací, co sledovat za metriky.

Obr. 6: Technical GAP Technical GAP Zdroj: vlastní zpracování (2024)

Jednotlivé parametry pak můžeš bodově ohodnotit na standardizované škále. To ti zjednoduší interpretaci výsledků, které pak snadněji půjdou promítnout do grafu. Nakonec stačí sečíst body napříč segmenty. To ti pomůže odhalit tvoje silné a slabé stránky, které potřebuješ znát pro zvolení správné strategie. Pokud je znáš, pomohou ti zvýšit tvou organickou návštěvnost, posílit konkurenční boj v online prostředí a samozřejmě zvýšit tržby.

Obr. 7: SEO GAP Analysis SEO GAP Analysis Zdroj: vlastní zpracování (2024)

Jakmile všechny tyto výstupy promítneme do jednoho, získáme ten nejdůležitější graf ze všech! Tedy hlavně pro management. Ten sice často není úplně zběhlý v technickém a SEO žargonu, ale chápe, když jste v něčem pozadu nebo je něco špatně.

Takže vyhráváme ve dvou ze tří segmentů – to je dobře, ne? Ale jak je tedy na tom ten červený konkurent a proč má větší návštěvnost i více indexovaných stránek než náš web? Asi jim to prostě líp běží a my bychom měli tedy investovat do technického řešení.

Identifikace klíčových segmentů

Jak další důležitý krok potřebuješ definovat nejziskovější segmenty webu, tedy přistávací stránky a cluster klíčových slov pokrývající dané stránky. To jsou části webu, které nemají nejvyšší návštěvnost, ale mají nejvyšší konverzní potenciál.

Obr. 8: Klíčové segmenty identifikace klíčových segmentů pro seo strategii Zdroj: vlastní zpracování (2024)

Jakmile máš tohle hotovo, stačí si vypůjčit některou ze studií CTR a ukázat potenciál organiku. Pak už zbývá jenom vypočítat potenciál první pozice ve vyhledávači. Já jsem se při výpočtu podíval na návštěvnost, kterou tam máme teď při třetí pozici.

Obr. 9: Google Organic SERP CTR Curve Google Organic SERP CTR Curve Zdroj: Advance Web Ranking (2024)

Je vidět, že při dosažení první pozice získáme celkově 2390 návštěv, což je přibližně 18 000 Kč za PPC. Nemluvě o ušlých ziscích, které dělají za rok v přepočtu 870 000 Kč. Pokud se budeme bavit o návratnosti implementace do jednoho roku, máme na stole budget v rozsahu 1 mil. Kč.

Obr. 10: Potenciál organické návštěvnosti Potenciál organické návštěvnosti Zdroj: vlastní zpracování (2024)

Sběr dat pro korelační studii

Teď už jen stačí dopočítat, na kterou z metrik se zaměřit. Pokud děláš jednorázovku, potřebuješ k tomu akorát Excel a trochu času: uděláš si pěkný sheet, otevřeš Ahrefs, Screaming Frog, CrUX atd. a přepisuješ hodnoty. Vhodné řešení pro méně technické jedince anebo pro krátkodobé projekty.

Metriky jsem sbíral separé napříč třemi výše zmíněnými segmenty. Manuálně to může být sice zdlouhavé, ale není to technicky náročné, a pokud na to člověk myslí už při sestavování GAP analýzy, má většinu práce za sebou.

Obr. 11: Manuální sběr dat Manuální sběr dat pro korelační analýzu SEO Zdroj: vlastní zpracování (2024)

Druhou možností je automatický sběr dat, u kterého si můžeš nastavit například kvartální vyhodnocování. To je vhodné pro dlouhodobou spolupráci nebo interní týmy. Pro menší weby stačí tahat třeba do sheetů, pro větší objem a hezčí vizualizace je jasná volba BigQuery a Looker Studio. Největšími pomocníky jsou Ahrefs API, CrUX API a třeba Natural Language AI nebo jiná AI pro práci s obsahem.

Provedení korelační studie

Pak už jen zbývá vyhodnotit přínos implementace – k tomu ti stačí provést jednoduchou korelační analýzu. Korelace znázorňuje statistickou závislost dvou kvantitativních veličin, které na sobě závisejí. Pokud tedy nastane změna u jedné veličiny, musí se změna projevit i u druhé. (Hendl, 2009) Korelace však ještě neznamená kauzalitu – vztah mezi příčinou a následkem.

Nejdůležitější je stanovit si výzkumnou hypotézu. Stačí se tedy podívat na náš graf a uvidíš, že Total Blocking Time je výrazně nejslabší. Korelaci si proto ukážeme u něho :) (Obr. 6).

Pro ty, kdo se matematiky děsí, je tu snadné řešení díky studii Semrushe – v něm tu analýzu udělali obecně za vás. Jednoduchá interpretace grafu by mohla být, že nejlepší pozice ve vyhledávání nemají nejnižší hodnotu.

Obr. 12: Semrush – RANKING FACTOR STUDY Semrush – RANKING FACTOR STUDY Zdroj: Semrush (2024)

Nebo je můžeš jednoduše dát do vaší tabulky rovnou k danému segmentu pomocí funkce correl a klasického spojnicového grafu. Tady je výhoda, že dostaneš výsledky přímo ke svému případu. Ideálně by to však chtělo realizovat aspoň pro top 10 pozic, a ne jenom pro tři, jako na obrázku. Je také třeba dávat pozor, jelikož v rámci GAP analýzy jsme hledali nejlepší hodnoty a ty zhodnocovali nejlepším hodnocením. V případě technických metrik často dochází k tomu, že hodnoty musejí být inverzní (tedy vynásobené (–1). Ilustrační obrázek níže proto vypadá stejně jako v případě Semrushe, ale jeho výpovědní hodnota je opačná – tzn. web s nejlepším TTB dosahuje nejlepší pozice.

Obr. 13: Google Sheets Graph Korelační analýza Google sheets Zdroj: vlastní zpracování (2024)

Pokud jsi navíc technický fajnšmekr, není vůbec náročné si udělat automatizaci pro pravidelný monitoring třeba v Pythonu nebo Rku. Tam jen nahraješ svá data (ideálně automaticky sbíraná) a dostaneš svoje grafiky kdykoliv na přání. Dost velkým pomocníkem může být CHAD (ChatGPT), který i v případě, že jsi úplný zelenáč, může výrazně pomoci.

Obr. 14: Python nebo klidně Rko Využitá pythonu k provedení korelační analýzy Zdroj: vlastní zpracování (2024)

Vyhodnocení SEO analýzy

A nyní máme všechny potřebné informace k ověření hypotéz. Pokud je korelace vysoká a vidíme, že je tam prostor, vyplatí se do implementace investovat. Semrush nám tedy řekl ‚Nene, neinvestuj do TBT‘, ale my jsme se nezalekli a narvali do toho prašule.

Co si z toho máš odnést?

Nestačí jen papouškovat, co říkají internetoví gurus, a platit jim nehorázné peníze za hloupé kurzy. Vždy je to o selském rozumu. Google sám o sobě nabádá k dílčím krokům, které vedou k pěkným pozicím.

Pokud tedy zapojíš rozum, data a trochu statistiky, můžeš i v sebevětší firmě dokázat svůj přínos a důvod, proč to SEO potřeba je. Nezalekni se informací a tabulek, zkoušej nové věci a šiř znalosti dál. Těpic.

“Mým cílem je poukázat na to, že tvořit 1000stránkové audity plné balastu a technického žargonu je jedna věc, ale sestavit funkční strategii, srozumitelnou pro management, je věc druhá. Pro ty z vás, kdo by se tím chtěli zabývat více, přikládám nějakou literaturu a osobní kontakt, kdybyste to chtěli probrat třeba u piva.”

Martin Bangho

Zdroje