ક્વેરી ફેચિંગ: બહુવિધ સ્ત્રોતોમાંથી શોધ ડેટા એકત્રિત કરવી

આ લેખ સમજાવે છે કે કેવી રીતે અમે SEO પાઈપલાઇન માટે એક વ્યાપક ડેટાસેટ બનાવવા માટે પાંચ અલગ અલગ સ્ત્રોતોમાંથી શોધ ક્વેરીઓ એકત્રિત કરીએ છીએ.

સમસ્યા: અપૂર્ણ ક્વેરી ડેટા

એક જ ડેટા સ્ત્રોત પર આધાર રાખવાથી અપૂર્ણ ચિત્ર મળે છે:

• Google Search Console: ફક્ત એવી ક્વેરીઓ બતાવે છે જે ક્લિક્સ તરફ દોરી ગઈ હોય (ઉચ્ચ-ઇમ્પ્રેશન, ઓછી-CTR ક્વેરીઓ ચૂકી જાય છે)

• Google Ads: ફક્ત પેઇડ શોધ શબ્દો બતાવે છે (ઓર્ગેનિક ટ્રાફિક ચૂકી જાય છે)

• લાઇવ શોધ લોગ્સ: ફક્ત ઓન-સાઇટ શોધ બતાવે છે (બાહ્ય શોધ ચૂકી જાય છે)

• Algolia: ફક્ત ઓટોકમ્પ્લીટ ક્વેરીઓ બતાવે છે (સંપૂર્ણ શોધ ચૂકી જાય છે)

સંપૂર્ણ શોધ લેન્ડસ્કેપ સમજવા માટે અમે બધા સ્ત્રોતોમાંથી ક્વેરીઓ એકત્રિત કરવાની જરૂર છે.

સારાંશ: પાંચ ક્વેરી સ્ત્રોતો

પાઈપલાઇન પાંચ સ્ત્રોતોમાંથી ડેટા લાવે છે:

• Google Search Console: એન્ગેજમેન્ટ મેટ્રિક્સ સાથેની ઓર્ગેનિક શોધ ક્વેરીઓ

• Google Ads: કન્વર્ઝન ડેટા સાથેના પેઇડ શોધ શબ્દો

• લાઇવ શોધ લોગ્સ: ઓન-સાઇટ વપરાશકર્તા ક્વેરીઓ

• Algolia એનાલિટિક્સ: ઓટોકમ્પ્લીટ શોધ ક્વેરીઓ

• કીવર્ડ પ્લાનર: સંબંધિત કીવર્ડ સૂચનો

દરેક સ્ત્રોત અલગ અલગ સમજણ પૂરી પાડે છે; તેમને જોડીને એક વ્યાપક ક્વેરી ડેટાસેટ બનાવવામાં આવે છે.

પગલું 1: દરેક સ્ત્રોતમાંથી ક્વેરીઓ લાવવી

1.1 Google Search Console (GSC)

હેતુ: એવી ઓર્ગેનિક શોધ ક્વેરીઓ એકત્રિત કરવી જે ક્લિક્સ તરફ દોરી ગઈ હોય.

ઇનપુટ: Search Console માં ચકાસાયેલ વેબસાઇટ URL.

આઉટપુટ: એન્ગેજમેન્ટ મેટ્રિક્સ સાથેની ક્વેરી યાદી (ક્વેરીઓ, ક્લિક્સ, ઇમ્પ્રેશન, CTR, પોઝિશન).

ડેટા સ્પેસિફિકેશન:

• ક્વેરી ટેક્સ્ટ

• ક્લિક્સ (અમારા રિઝલ્ટ પર ક્લિક કરનાર વપરાશકર્તાઓની સંખ્યા)

• ઇમ્પ્રેશન (અમારું રિઝલ્ટ કેટલી વખત દેખાયું તેની સંખ્યા)

• CTR (ટકાવારી તરીકે ક્લિક-થ્રુ રેટ)

• શોધ પરિણામોમાં સરેરાશ પોઝિશન

લુકબેક સમયગાળો: 90 દિવસ (વિગતવાર ક્વેરી ડેટા માટે મહત્તમ)

ફિલ્ટરિંગ: ઓછામાં ઓછી 1 ક્લિક (ફક્ત ઇમ્પ્રેશન-માત્ર ક્વેરીઓ બાકાત રાખે છે)

ઍક્સેસ: Google Search Console API રીડ-ઓનલી સ્કોપ સાથે સર્વિસ એકાઉન્ટ દ્વારા

1.2 Google Ads Search Terms

હેતુ: એવા પેઇડ શોધ શબ્દો એકત્રિત કરવા જેણે એડ્સ ટ્રિગર કર્યા હોય.

ઇનપુટ: મેનેજર એકાઉન્ટ ઍક્સેસ સાથેનું Google Ads એકાઉન્ટ.

આઉટપુટ: પર્ફોર્મન્સ મેટ્રિક્સ સાથેની શોધ શબ્દ યાદી (શબ્દો, ઇમ્પ્રેશન, ક્લિક્સ, ખર્ચ).

ડેટા સ્પેસિફિકેશન:

• શોધ શબ્દ ટેક્સ્ટ

• ઇમ્પ્રેશન (એડ વ્યૂઝની સંખ્યા)

• ક્લિક્સ (એડ ક્લિક્સની સંખ્યા)

• માઇક્રોસમાં ખર્ચ (1 મિલિયન યુનિટ = 1 ચલણ)

લુકબેક સમયગાળો: 2 વર્ષ (બધો ઐતિહાસિક ડેટા ઉપલબ્ધ)

એગ્રિગેશન: બધા ઓથોરાઇઝ્ડ એકાઉન્ટ્સમાં ડેટા જોડે છે

ફિલ્ટરિંગ: ઓછામાં ઓછી 1 ઇમ્પ્રેશન

ઍક્સેસ: Google Ads API OAuth2 દ્વારા

1.3 લાઇવ શોધ ક્વેરીઓ

હેતુ: ઓન-સાઇટ વપરાશકર્તા શોધ ક્વેરીઓ એકત્રિત કરવી.

ઇનપુટ: શોધ સેવામાંથી આંતરિક શોધ લોગ્સ.

આઉટપુટ: ફ્રીક્વન્સી મેટ્રિક્સ સાથેની ક્વેરી યાદી (ક્વેરીઓ, ગણતરી, એન્ગેજમેન્ટ).

ડેટા સ્પેસિફિકેશન:

• ક્વેરી ટેક્સ્ટ

• ફ્રીક્વન્સી (કેટલી વખત શોધાયું તેની સંખ્યા)

• એન્ગેજમેન્ટ ડેટા (એવી શોધો જે પ્રોડક્ટ ઇન્ટરેક્શન તરફ દોરી ગઈ હોય)

લુકબેક સમયગાળો: બદલાય છે (સામાન્ય રીતે લોગ રિટેન્શન પર આધારિત 30-90 દિવસ)

વેઇટિંગ: એન્ગેજમેન્ટ દ્વારા ક્વેરીઓને વજન આપવામાં આવે છે (ઇન્ટરેક્શન સાથેની શોધોને વધુ સ્કોર મળે છે)

ફિલ્ટરિંગ: ડુપ્લિકેટ દૂર કરો અને ઘટનાઓની ગણતરી કરો

1.4 Algolia ટોપ શોધો

હેતુ: Algolia એનાલિટિક્સમાંથી ઓટોકમ્પ્લીટ શોધો એકત્રિત કરવી.

ઇનપુટ: Algolia શોધ એનાલિટિક્સ ડેટા.

આઉટપુટ: ફ્રીક્વન્સી સાથેની ટોપ શોધ ક્વેરી યાદી (ટોપ શોધો, ગણતરી).

ડેટા સ્પેસિફિકેશન:

• ક્વેરી ટેક્સ્ટ

• શોધ ગણતરી (કેટલી વખત શોધાયું તેની સંખ્યા)

લુકબેક સમયગાળો: 90 દિવસ

ફિલ્ટરિંગ: તાજેતરની ઉચ્ચ-વોલ્યુમ શોધો સુધી મર્યાદિત

ઍક્સેસ: Algolia Analytics API એપ્લિકેશન ક્રેડેન્શિયલ્સ દ્વારા

1.5 કીવર્ડ પ્લાનર આઇડિયાઝ

હેતુ: સંબંધિત કીવર્ડ સૂચનો એકત્રિત કરવા.

ઇનપુટ: સીડ કીવર્ડ્સ (પ્રોડક્ટ કેટેગરીઝ, ફેમિલીઝ, સામાન્ય શોધ શબ્દો).

આઉટપુટ: મેટ્રિક્સ સાથેની કીવર્ડ યાદી (કીવર્ડ્સ, શોધ વોલ્યુમ, કોમ્પિટિશન, બિડ સૂચનો).

ડેટા સ્પેસિફિકેશન:

• કીવર્ડ ટેક્સ્ટ

• સરેરાશ માસિક શોધો

• સ્પર્ધા સ્તર (ઓછું, મધ્યમ, ઉચ્ચ)

• સૂચિત બિડ મૂલ્ય

ફિલ્ટરિંગ: ફક્ત સંબંધિત કીવર્ડ્સ (અસંબંધિત સૂચનો બાકાત રાખો)

ઍક્સેસ: Google Ads Keyword Planner API OAuth2 દ્વારા

પગલું 2: ક્વેરીઓને નોર્મલાઇઝ અને એગ્રિગેટ કરવી

2.1 ક્વેરી ટેક્સ્ટ નોર્મલાઇઝ કરો

એગ્રિગેશન પહેલા ક્વેરીઓને પ્રમાણિત કરવામાં આવે છે:

• લોઅરકેસમાં કન્વર્ટ કરો

• વ્હાઇટસ્પેસ નોર્મલાઇઝ કરો (બહુવિધ જગ્યાઓને એક જગ્યામાં ફોલ્ડ કરો)

• અગ્રગામી/ટ્રેઇલિંગ વ્હાઇટસ્પેસ ટ્રિમ કરો

• સ્પેશ્યલ કેરેક્ટર્સ દૂર કરો (જ્યારે લાગુ પડે)

2.2 મર્જ કરો અને ડુપ્લિકેટ દૂર કરો

બધા સ્ત્રોતોમાંથી ક્વેરીઓને જોડવામાં આવે છે:

1. બધા સ્ત્રોત ક્વેરી યાદીઓ લોડ કરો
2. નોર્મલાઇઝ્ડ ક્વેરી ટેક્સ્ટ દ્વારા ડુપ્લિકેટ દૂર કરો
3. મેટ્રિક્સ મર્જ કરો (ક્લિક્સ, ઇમ્પ્રેશન, શોધો જોડો)
4. ટ્રૅક કરો કે કયા સ્ત્રોતોએ દરેક ક્વેરીમાં ફાળો આપ્યો છે
5. જોડાયેલ એન્ગેજમેન્ટ સ્કોર દ્વારા સૉર્ટ કરો

2.3 એન્ગેજમેન્ટ સિગ્નલ દ્વારા વજન આપો

ક્વેરીઓને એન્ગેજમેન્ટના આધારે સ્કોર આપવામાં આવે છે:

• **GSC મ