Google Volatility Score - Forstå Konkurrencen i Google på et Søgeord

22. marts 2019

Nysgerrig efter at finde ud af, hvor svært det er at rangere på et specifikt søgeord i Google?

Der er flere anbefalede metoder til at forstå konkurrencen på et søgeord, men faktum er, at ingen af metoderne er særligt gode.

Det skal der ændres på!

Vi har derfor udviklet….

GOOGLE VOLATILITY SCOREN

Google Volatility Score (fra nu af kaldet GVS) kan du lære mere om nedenfor, og hvis du vil i gang med at beregne scoren for dine søgeord, så får du også en 3-trins guide til sidst i indlægget.

Men hvorfor skal man egentlig beregne konkurrence på et søgeord?

Du kender det sikkert.

Der er blevet lavet en søgeordsanalyse for jeres website. Ud fra analysen har i identificeret de vigtigste søgeord, og på hvilke sider at de skal optimeres for at rangere højere i Google og give jer $$$ trafik.

Så vi skal i gang med at optimere.

Men…

Hvordan når man at få optimeret alle siderne? For større websites kan det sagtens være +50 sider. Hvis hver side tager 2 timer at optimere, så er det et 100 timers projekt.

Min erfaring er, at gassen hurtigt siver ud af ballonen, når det bliver hverdag. Medarbejderen, som er ansvarlig for at få optimeret siderne, bliver oversvømmet af andre projekter med strammere deadlines, og optimering af sider bliver sparket til hjørne.

Og det er ærgerligt.

For grunden til at vi optimerer er netop fordi, der har vist sig et stort forretningspotentiale, hvis man kan rangere på de udvalgte søgeord.

Her hos IMPACT Extend arbejder vi med større SEO projekter for e-commerce sites og B2B virksomheder, og vi har fuldt fokus på, at vores analyser bliver fulgt op, fordi det netop er så svært at komme i mål med dem i praksis.

Fundamentet for GVS er 80/20 reglen. Det kan godt være, at du skal optimere 100 sider, men kun 20% af de sider vil i sidste ende bidrage med 80% af trafikken og ordrerne. Så hvis du kan identificere de vigtigste 20%, så udnytter vi vores tid langt bedre i fht. at opnå resultater.

Hvad er alternativerne til at måle konkurrence på et søgeord?

Langt de fleste, der laver søgeordsanalyser, undersøger slet ikke konkurrencen på et søgeord men vælger at prioritere ud fra fluffy parametre som søgevolumen eller eksisterende placering i Google. Problemet er, at selvom dit søgeord har 5.000 månedlige søgninger eller du ligger nr. 12 på søgeordet, så ved du simpelthen ikke, hvor svært det vil være for dig at blive nr. 1. Ja, du kan være heldig at rykke frem, men du kan også stå på stedet og slå i en dyne, når du ikke har lavet din research.

I stedet skal vi prøve på at forstå konkurrencen på søgeordet.

Her er tre typiske metoder:

Metode 1: Intitle+intext

Man kan forstå, hvor hård konkurrencen er ved at lave en intitle+intext søgning i Google på det specifikke søgeord. I eksemplet nedenfor er der 194.000 resultater for søgeordet løbesko.

Dette antal fortæller, hvor mange sider, som har optimeret mod det pågældende søgeord. Ved at forstå konkurrencen på makroniveau, kan man få en idé om, hvilke af vores søgeord, der har lavere konkurrence. Scoren fortæller dog intet om konkurrencen på side 1 i Google.

 

Metode 2: Google Ads data

En anden metode er at se på Google Ads data i Keyword Planner. Man kan selvfølgelig se på, hvor høje at budpriserne er og derigennem få en forståelse for, hvilke bottom funnel søgeord, som konkurrenterne har fokus på. En anden måde er at dividere søgevolumen med Competition fra ens Google Ads konto. I Keyword Planner kan du se Competition som High, Medium og Low, men hvis du downloader data, så får du antallet af annoncører for det specifikke søgeord.

 

Competition på løbesko søgeord er High. Download data for at se antallet af annoncører.

Jo højere at tallet er, jo mere attraktivt er søgeordet ud fra tesen om, at høj søgevolumen og lav konkurrence er vores sweet spot.

Igen er dette en usikker metrik, da Google Ads og organisk trafik er to adskilte siloer. Ja, Competition er et tal, som fortæller, hvor mange annoncører, som byder på det specifikke søgeord, men mange annoncører er ikke nødvendigvis afgørende for konkurrencen i de organiske resultater. For det andet så ved vi, at søgevolumen i Google Keyword Planner er misvisende, da Google slår søgevolumen på ens søgeord sammen.

Metode 3: Keyword difficulty score

SEO værktøjer såsom Ahrefs, SEMrush og Rank Tracker viser en Keyword difficulty score. De fleste SEO eksperter vil anbefale denne score, men det er en meget light metode. Ahrefs baserer deres score på antallet af links, som der kræves for at ligge på side 1. Som vi alle ved, er links er kun én brik i det store puslespil, så det er en underlig måde kun at basere scoren på links.

Tjek deres bud på konkurrencen på løbesko:

Nej, så let er det alligevel ikke at rangere på Løbesko…. (GVS viser 5,7 hvilket fortæller, at søgeordet er middelsvært at rangere på. Mere om det senere).

Som vi også skal se senere, så er det langt vigtigere at ligge i top 3 fremfor på side 1, og det fortæller denne score ikke noget om.

SEMrushs score er baseret på domæneautoriteten for de sites, som rangerer i top 20. Igen er det en score, som ikke fortæller meget om, hvor svært det er at rangere.

Data fra de tre metoder kan bruges som en indikator for konkurrencen, men hæng din hat op på en af ovennævnte metoder og du kommer i værste fald til at prøve at høste de “højthængende frugter” først. Senere viser jeg, hvor forskellige (læs:tilfældige) at data er for de forskellige metoder.

Kort sagt:

Vi har brug for en bedre metode.

Google Volatility Score

Hvad skal vi vide, før vi eksekverer?

Vi skal primært kunne svare på følgende spørgsmål:

1. Hvem ligger foran os, og hvor stærke er de?
2. Hvor bevægelig er top 10 i Google?

Bevægelighed i top 10 er ikke en faktor, som andre metoder inddrager, men det er min påstand, at den er essentiel for at forstå, hvor gode vores muligheder er.

Her følger formlen, som vi vil bruge fremadrettet:

Formlen for Google Volatility Score

Volatility % * Avg. DR top 10  = Google Volatility Score

Volatility %
Jeg har som sagt ikke hørt om nogen, som taler om dette tal i forbindelse med optimering. For mig er det nøglen til at forstå, om vi kan rangere i toppen af Google. Dette tal fortæller, hvor mange bevægelser der har været i top 10 i Google for en specifik periode. Har vi en Volatility % på 6, betyder det at der på én dag har været seks omrokeringer på side 1 i Google, hvor flytning af et søgeresultat op eller ned tæller 1 point per plads. Bytter plads 2 plads med plads 4, og alt andet er uændret, så er Volatility % 2+2=4. Rykker et site ud af side 1 kan det højst give 10 points, da placering 11 dækker alle placeringer udenfor side 1.

Til at beregne GVS har vi valgt at bruge gennemsnittet af de daglige bevægelser over de sidste 30 dages data, da det har vist sig at give et solidt datagrundlag.

Shout-out til Serpwoo, som tilføjede Volatility % til deres API på vores foranledning.

DR
DR er Ahrefs’ Domain Rating metrik, som er en score fra 0 til 100 for at estimere, hvor stærkt et site er. Vores DR beregning er baseret på den gennemsnitlige Domain Rating for top 10 placeringer for det specifikke søgeord. Hvis vi ser på et meget konkurrencepræget søgeord som løbesko, så ligger DR på 60/100. Umiddelbart et svært søgeord, men alt er relativt.

Så hvordan fortolker man GVS?

GVS er en relativ score. Vi bruger følgende som udgangspunkt:

0-3,9
Dette søgeord har relativ lav konkurrence. Konkurrenterne har ikke særlig høj domæneautoritet og har ikke fokus på SEO på det pågældende søgeord. Vi burde derfor kunne rykke forholdsvis hurtigt op i Google, når vi arbejder med on-page SEO for søgeordet.

4-10
Nu bliver det sværere. Konkurrenterne er stærkere – kunne være de ledende virksomheder i branchen – og de arbejder aktivt med SEO. Søgeordene kan være generiske søgeord med høj søgevolumen, hvor søgeintentionen som regel er top funnel. Vi kan stadig rykke forholdsvis hurtigt op på side 1, men top 3 ligger et stykke væk. Fra kun at arbejde med on-page SEO skal vi til at arbejde mere målrettet med linkbuilding, udvide indhold o.a.

+10
Dette søgeord har meget høj konkurrence, grundet at der er høj søgevolumen og søgeintentionen er transaktionel. Konkurrenterne har fokus på søgeordet, og arbejder aktivt med at rangere højere på dette. De ser søgeordet som forretningskritisk. Som regel er generel domæneautoritet vigtig her, og man arbejder ikke kun med SEO, men også med at øge brandværdien generelt.

Her er udviklingen i bevægelser for søgeordet lån, som er et af de søgeord med mest konkurrence i Danmark – 18.000 månedlige søgninger med potentiela høj værdi for låneudbydere og affiliates. 27% i Volatility % over den seneste måned:

 

Nedenfor er tallene for en lidt roligere branche. Sportstøj er et søgeord som har en månedlig søgevolumen på 2.900 søgninger og nok for det meste et top funnel søgeord, som volatiliteten også indikerer:

Lad os dykke ned i tre eksempler fra samme branche i næste sektion.

Eksempler på tre søgeords GVS

Med udgangspunkt i den danske webshop Løbeshop ser vi i det følgende tre eksempler på søgeord ud fra de tre grupperinger nævnt før.

Løbestrømper har en månedlig søgevolumen på 590 og en GVS på rolige 3,1. Der er stærke konkurrenter til Løbeshop, men også et par outsidere som lagersport.dk (DR 26) og sport24outlet.dk (DR 38).

Som det kan ses nedenfor, ligger top 10 placeringerne meget stabilt over de sidste 30 dage. Selv på side 2 sker der ikke rigtigt nogen forskydninger. Dette er et typisk eksempel på et søgeord, hvor der ikke er det store SEO fokus. Hvis man er ny i markedet, ville et sådant søgeord være det rigtige sted at få hurtige resultater.

Det næste søgeord er løbesko. Det er et søgeord med høj søgevolumen, men også et søgeord som normalt ligger i top funnel. Så det er ikke her, at det største fokus ligger for de mest aktive sites. I forhold til screenshottet for løbestrømper, så er der større bevægelser både i top 3 og i top 10 generelt. Læg også mærke til, at konkurrenterne er stærkere. så det er naturligt at søgeordet har en højere GVS på 5,4.

Det kræver langt mere at komme på side 1 på dette søgeord end i sidste eksempel, når det kommer til indhold og links.

 

I det sidste eksempel går det vildt for sig. Garmin Vivosmart HR er et søgeord med en GVS på hele 10,5, og man ser, hvorfor scoren er så høj. Med 4.400 søgninger om måneden og et søgeord, hvor brugerne sidder med Dankortet i hånden, er der dømt cat fight. Fire sites er i løbet af de sidste 30 dage udskiftet i top 10. Selvom der er meget bevægelse, så læg mærke til at top 3 er stabil. Udenfor top 3 bliver man kastet rundt, men når du først kommer i top 3, så skal der mere til for at flytte dig ud igen.

De tre scenarier er vidt forskellige og kræver forskellige indsatser. De er alle tre søgeord, som en virksomhed som Løbeshop bør gå efter, men de skal forstå, at det taktiske oplæg er forskelligt.

Og det er essensen af GVS. Ikke om man skal vælge søgeord fra, men om hvordan man hurtigst kan skabe resultater, og hvor intensivt at man skal arbejde med søgeordet for at nå en top 3 placering.

Google Volatility Score sammenlignet med andre metoder

Nu startede jeg med at introducere de typiske metoder til at forstå konkurrencen.

Lad os sammenligne dem med GVS.

I følgende eksempel har jeg set på 15 søgeord, som Løbeshop sikkert har på radaren, og jeg har indhentet data via de forskellige metoder nævnt tidligere.

 

Rækkefølgen på søgeordene er sat fra lav til høj GVS. Alt andet lige så vil det være bedst at optimere mod løbestrømper først for hurtigt at få trafik, mens Asics Gel er det sværeste søgeord.

Hvis jeg skulle basere mine prioriteringer ud fra intitle+intext, så ville jeg gå efter de søgeord med færrest søgeresultater ud fra tesen om, at det må være lettere at rangere på. Det ville bl.a. betyde, at Garmin Vivosmart 3 ville være det første søgeord, som jeg skulle i gang med at optimere. GVS er rigtig høj, og, som vi så i eksemplet fra før med Garmin Vivosmart HR, er der rigtig meget konkurrence på denne type søgeord.

Konklusion:

Det ville være en forkert beslutning, hvis man skal have hurtige resultater.

Dernæst lad os se på Volume/Suggested bids

Når man ser på Google Keyword Planner data i Volume/suggested bids, så er det de højeste tal, som skulle være de mest interessante. Langt hen ad vejen så følger søgeordene med højeste score også de laveste GVS. Og de søgeord med højeste GVS også har den laveste score i Volume/suggested bids. Der er stadig forskelle, hvor GVS virker langt mere solidt, men af alternative metoder ville jeg anbefale denne ud fra, hvad jeg ser her.

I sidste kolonne har vi Ahrefs’ Keyword Difficulty Score. Man må konkludere, at det er let at komme på side 1 på alle søgeordene. Men scoren er ikke brugbar til det, som vi virkelig vil, og det er at komme helt til tops i Google.

Alt i alt kan man konkludere at intitle+intext ikke gav os et særligt godt grundlag for at tage beslutninger, at der var fælles træk ved at se på data i Google Keyword Planner, og at Ahrefs Keyword difficulty score er et forkert sted at kigge hen.

 

Eksempel på eksekvering ud fra GVS data

Intet indlæg her på bloggen uden at inkludere Power BI!

Hvordan skal man så eksekvere i praksis, når vi har GVS på vores fokussøgeord? Man kan se på et spreadsheet, men med Power BI får vi det visuelle overblik, som giver os de indsigter, som vi har brug for.

Alle bobler repræsenterer et søgeord. Størrelsen af boblen i dette eksempel er vores omsætningspotentiale. Jo større, jo bedre. På X-aksen finder vi vores placering i Google for søgeordet med placering 1 til venstre. På Y-aksen har vi vores GVS.

For hvert søgeord har vi følgende data til hurtigt at få et overblik:

De ideelle søgeord som vi skal starte med at arbejde på ligger nede i venstre hjørne af scatter charten, og boblen har en vis størrelse. D.v.s. et højt omsætningspotentiale, en top 20 placering i Google og en lav GVS.

GVS bør ikke stå alene m.h.t. prioritering af sider. Her er andre faktorer, som vi inddrager:

1. Google Trends udvikling: Vi bruger Paul Shapiros Slope formula til at forstå ud fra de sidste 5 års data i Google Trends, om et søgeord udvikler sig positivt eller negativt m.h.t. søgevolumen.

2. Konverteringer i Google Ads: Vi identificerer, hvilke søgetermer i Google Ads har haft konverteringer og assisterede konverteringer over de sidste 12 mdr.

Jeg håber, at du nu siger “YES! Jeg skal i gang med Google Volatility Score”.

Godt, for nedenfor finder du en udførlig guide til at komme i gang.

3-trins guide: Lær at lave din egen Google Volatility Score

Dette er en trin-for-trin guide til Google Volatility Score (GVS).

Beregningen af Google Volatility Score er opdelt i tre faser:

  1. Volatility % via et API kald til Serpwoo
  2. Den gennemsnitlige Domain Rating i Ahrefs for top 10 URLer for hvert søgeord
  3. Merge af de to datasæt.

Vi bruger følgende programmer for at finde GVS. Vi forklarer undervejs, hvordan du henter dem. Ahrefs er det eneste betalingsværktøj, men du kan så benytte dit eget værktøj (SEMrush, Rank Tracker etc.):

    1. SERPWoo API
    2. Javascript
    3. Nodejs
    4. Excel
    5. SeoTools for Excel
    6. Ahrefs

Trin 1: Hent Volatility % i Serpwoo

A. Opret dig som bruger på SERPWoo

Du kan gratis oprette dit første projekt på tre søgeord på Serpwoo.com. Når man har oprettet kontoen, vil det være muligt at generere API-koden, som vi skal bruge senere.

B. Installér NodeJS

Sørg for at have NodeJS installeret på din enhed. Du kan downloade NodeJS her: https://nodejs.org/en/download/. Test din NodeJS i din Windows kommando (WIN+R, skriv ”cmd”).

Derefter skriver du node -v i din kommando. Den vil vise, hvilken version, du har installeret. Eksempelvis 15.3. Se billede:

C. Hent SERPWoos API mappe fra Github

Du skal oprette dig som bruger på Github og hente SERPWoos API mappe ned fra Github.com: https://github.com/SERPWoo/API

 

D. Brug vores script til dine søgeord

Normalt er det lavet til at hente et søgeord, men vi har udviklet et script til at hente alle dine søgeord ned. Åben scriptet i dit foretrukne program. (Eksempelvis: ”Visual Studio Code”).

Her er scriptet:


var request = require("request");
var sprintf = require("sprintf-js").sprintf;

// Get your API Key here: https://www.serpwoo.com/v3/api/ (should be logged in)
var API_key = "";
var Project_ID = ;

var KEYWORDS_LIST = [];
var urlproject = "https://api.serpwoo.com/v1/projects/" + Project_ID + "/keywords/?key=" + API_key

request({
url: urlproject,
json: true
}, function (error, response, JsonData) {
if (!error && response.statusCode === 200) {

if (JsonData.success === 1) {

for(var project_id in JsonData.projects) {

for(var id in JsonData.projects[project_id]['keywords']) {

KEYWORDS_LIST.push(id)
}}
loop_through_list(KEYWORDS_LIST);

}else {
console.log("Something went wrong: ", JsonData.error);
}}});

async function loop_through_list(KEYWORDS_LIST) {

for (var id_of_keyword in KEYWORDS_LIST) {

Keyword_ID = KEYWORDS_LIST[id_of_keyword];
call_api(Keyword_ID);
await sleep(3000); //If you set something slower this will cause some text output to not be read correctly
}
console.log("--[End]");
}
//API call function
console.log(sprintf("%-16s %-40s %-16s %-15s %-10s", 'Keyword ID', 'Keyword', 'Time', 'Timestamp', 'Volatility'));
console.log(sprintf("%-16s %-40s %-16s %-15s %-10s", '----------', '----------', '----------', '----------', '---------'));

function call_api(the_keyword_id = 0){

if (the_keyword_id == 0) { return; }
var url = "https://api.serpwoo.com/v1/volatility/" + Project_ID + "/" + Keyword_ID + "/?key=" + API_key + "&since=1552107660" + "&metadata=1" //Since January 1st 2019

request({
url: url,
json: true
}, function (error, response, JsonData) {

if (!error && response.statusCode === 200) {

if (JsonData.success === 1) {

for(var project_id in JsonData) {

for(var keyword_id in JsonData[project_id]) {

if (keyword_id == Keyword_ID) {
for(var timestamp in JsonData[project_id][keyword_id]) {

for(var volatility in JsonData[project_id][keyword_id][timestamp]) {
console.log(sprintf("%-16s %-40s %-16s %-15s %-10s", keyword_id, JsonData["meta"][project_id]["keyword"][keyword_id]["kw"], formatDate(timestamp), timestamp, JsonData[project_id][keyword_id][timestamp].volatility + ' %'));
}}}}}
}else {
console.log("Something went wrong: ", JsonData.error);
}}});}

// Formating Date
function formatDate(date) {
var d = new Date(date * 1000), month = '' + (d.getMonth() + 1), day = '' + d.getDate(), year = d.getFullYear();

if (month.length < 2) month = '0' + month;
if (day.length setTimeout(resolve, ms));}

Script for ét søgeord

Hvis du kun vil teste dette og hente et enkelt søgeord ned, så gå ind under mappen ”nodejs”. Her finder du scriptet keyword-volatility. Dette script henter Volatility % ud for et enkelt søgeord fra et projekt.

E. Tilføj API-key, Project ID og Keyword ID i scriptet

Til dette script tilføjer du din genererede API-kode, project_ID og keyword_ID. API-koden kan hentes fra din SERPWwoo konto her: https://www.serpwoo.com/v3/api. Du finder Projekt_ID og Keyword_ID i linket, ved at klikke på dit projekt.

Disse tre indsættes i scriptet. Benytter du scriptet for et enkelt søgeord, indsættes Keyword_ID med, ellers indsættes kun API-kode og Projekt_ID i det udviklet script. Husk at gemme:

Gå tilbage til din kommando fra punkt B og skriv: node + filspor. Se eksempel nedenfor:

Her er et eksempel på output. Dette resultat skal kopieres ind i Excel:

Hvis du får en fejl i denne fase, så kan der være flere grunde til det. Her er de to typiske fejlmeddelelser:

      1. ”error request”
      2. ”error sprint-js”

    Afhængig af om pakkerne i node er gemt globalt eller lokalt, vil disse felter muligvis give error. I tilfælde af en fejlmeddelelse findes de to mapper på computeren. Når du har fundet dem, så kopierer du dem ind i samme mappe, hvor scriptet ligger. Den mappe hedder “nodejs”.

Vi opsamler data for 30 dage for at få en GVS på et solidt datagrundlag.

Som default henter man data fra 1/1-19, men hvis du vil finde GVS fra en specifik dato, så kan du ændre dette. ”1546300800”, er timestamp for 01/01-19, er du interesseret i en anden timestamp, kan den genereres via timestampgenerator.com.

I eksemplet med Løbeshop i denne guide bruger vi de seneste 30 dages data. Det vil sige at timestamp er sat til dags dato minus en måned.

Trin 2: Hent Domain Rating i Ahrefs for top 10 URL'er per søgeord

Nu skal vi hente Ahrefs’ Domain rating for top 10 URL’er per søgeord.

I SERPWoo mappen ligger et script, som kun henter for et søgeord. Vi har udviklet et script, som henter top 10 URL’er for alle søgeord i projektet.
Projekt_ID og keyword_ID udfyldes igen, hvorefter scriptet køres:


var request = require("request");
var sprintf = require("sprintf-js").sprintf;

// Get your API Key here: https://www.serpwoo.com/v3/api/ (should be logged in)
var API_key = "";
var Project_ID = ;

var KEYWORDS_LIST = [];
var urlproject = "https://api.serpwoo.com/v1/projects/" + Project_ID + "/keywords/?key=" + API_key

request({
url: urlproject,
json: true
}, function (error, response, JsonData) {
if (!error && response.statusCode === 200) {
if (JsonData.success === 1) {
for(var project_id in JsonData.projects) {
for(var id in JsonData.projects[project_id]['keywords']) {

KEYWORDS_LIST.push(id)
}}loop_through_list(KEYWORDS_LIST);
}else {
console.log("Something went wrong: ", JsonData.error);
}}});

async function loop_through_list() {

for (var id_of_keyword in KEYWORDS_LIST) {
Keyword_ID = KEYWORDS_LIST[id_of_keyword];
call_api(Keyword_ID);
await sleep(2000); //If you set something slower this will cause some text output to not be read correctly
}console.log("--[End]");}

//Run this script
loop_through_list();

console.log(sprintf("%-16s %-15s %-10s %-10s %-80s %-80s", 'Keyword ID', 'Timestamp', 'Rank', 'Type', 'Title', 'URL'));
console.log(sprintf("%-16s %-15s %-10s %-10s %-80s %-80s", '----------', '---------', '----', '----', '-----', '---'));

//API call function
function call_api(the_keyword_id = 0){

if (the_keyword_id == 0) { return; }
var url = "https://api.serpwoo.com/v1/serps/" + Project_ID + "/" + Keyword_ID + "/?key=" + API_key + "&since=1555041600"+ "&range_bottom=10" +"&metadata=1"
request({
url: url,
json: true
}, function (error, response, JsonData) {
if (!error && response.statusCode === 200) {
if (JsonData.success === 1) {
for(var keyword_id in JsonData) {
if (keyword_id == Keyword_ID) {
for(var timestamp in JsonData[keyword_id]) {
for(var JsonField in JsonData[keyword_id][timestamp]) {
if (JsonField == "results") {
for(var rank in JsonData[keyword_id][timestamp]['results']) {
console.log(sprintf("%-16s %-15s %-10s %-10s %-80s %-80s", keyword_id, timestamp, rank, JsonData[keyword_id][timestamp]["results"][rank].type, JsonData[keyword_id][timestamp]["results"][rank].title, JsonData[keyword_id][timestamp]["results"][rank].url));
}}}}}}}else {
console.log("Something went wrong: ", JsonData.error);
}}});}
// Formating Date
function formatDate(date) {
var d = new Date(date * 1000), month = '' + (d.getMonth() + 1), day = '' + d.getDate(), year = d.getFullYear();

if (month.length < 2) month = '0' + month;
if (day.length setTimeout(resolve, ms));}

En god idé er at tilføje et timestamp, hvis du er interesseret i dags dato for Top 10 placeringer i Google. Ellers vil kommandoen producere al søgeordets information siden startdatoen, hvor vi i dette tilfælde kun har behov for data for dags dato.

Outputtet skal du kopiere ind i Excel i sit eget sheet men i samme fil som Volatility %.

Se eksempel på output nedenfor:

Trin 3: Merge de to datasæt og få din Google Volatility Score

I sidste del skal vi merge vores to første datasæt – Volatility % og Domain Rating.

Her er de forskellige trin m.h.t. at indsætte og rense data:

      1. Al Volatility % data kopieres fra kommandoen ind i et Excel sheet.
      2. Efter at data er indsat i Excel, vil alt data ligge i kolonne A. Du skal markere kolonne A og klikke på Data -> Text to Columns for at få data ud i fem kolonner.

    Se eksemplet nedenfor:

Derefter tager du gennemsnittet af Volatility % for hvert søgeord.

Se eksemplet nedenunder:

Næste trin, er at rense data for søgeordene i Domain Rating sheetet, for at gøre det muligt at finde Domain Rating for top 10 URL’er per søgeord.

    1. Al data kopieres fra kommandoen ind i sit eget sheet men i samme fil som Volatility %. Derefter
    2. Efter at data er indsat i Excel, vil alt data ligge i kolonne A. Du skal markere kolonne A og klikke på Data -> Text to Columns for at få data ud i seks kolonner.
  • Dernæst, I Excel, find Domain Rating via SeoTools for Excel. (SeoTools for Excel kan downloades her: https://seotoolsforexcel.com/download-seotools/)
  • SeoTools er et værktøj, som kræver login, og der er en 14 dages prøveperiode. Dette værktøj hjælper dig til at importere data fra forskellige SEO værktøjer direkte ind i Excel.
  • For at få en URL’s Domain Rating connecter vi til Ahrefs. For at benytte Ahrefs, skal der genereres en API-nøgle.
  • Når login og Ahrefs API-nøgle er indtastet så gå videre nedenfor:
  • Vinduet vil se således ud:
  1. [F3] er feltet for en enkelt URL. Efter at du har klikket ”Insert”, vil det være muligt at trække feltet hele vejen ned og på den måde få Domain rating for alle URL’er.Se eksempel nedenfor:

Derefter findes dn gennemsnitlige Domain Rating for hver søgeord.

  1. Volatility % og Domain Rating sættes sammen, og en kolonne oprettes, hvor vi ganger de to tal. Derved har du fundet Google Volatility Score.Se eksempel nedenfor:

Opsummering

Google Volatility Score er en praktisk metode for os til at løse et konkret problem, som er:

“Hvordan bruger vi vores begrænsede SEO ressourcer til – bedst muligt – at rangere på side 1 og dernæst top 3 i Google på vores foretrukne søgeord?”

Mange gode søgeordsanalyser står og samler støv. Det er ærgerligt at have identificeret søgeord med omsætningspotentiale, hvorefter man ikke får eksekveret ordentligt på anbefalingerne. Med denne metode fokuserer vi på det vigtigste først. Det kan godt være, at du ikke kommer igennem alle de sider, som skal optimeres, men SEO er ikke en to do list. Med GVS sikrer du, at det er de rigtige sider, som i tager fat på først.

Hvis du overvejer at komme i gang med en søgeordsanalyse, så læs vores indlæg om søgeordsanalyser med Power BI.