Din SEO Strategi i 2019 kræver langt mere Data - Er du klar?

Du skal bruge langt flere datakilder end hidtil, når du arbejder fra SEO strategi til SEO eksekvering. Og mere data kræver mere power til indsigter (r.i.p. Excel). Velkommen til denne 1 times video med Christopher Hofman Laursen og Rasmus Bøgelund Christiansen, hvor vi stiller skarpt på next level SEO i 2019, og hvad der kræves for at blive nr. 1 i Google.

Skal i løfte jeres SEO strategi til det næste niveau, så er denne video fra vores seneste webinar din bedste investering i 2019. Videoen er rettet mod dig, som arbejder i en strategisk rolle med digital marketing (CMO, E-com manager, Digital manager, SEO manager…)

I videoen vil du lære om:

➡️ Hvorfor i skal fokusere på bedre trafik fremfor mere trafik i 2019 (4:50)
➡️ At du skal bruge langt flere datakilder end i dag SEO til et nyt niveau. BI er fremtiden (7:50)
➡️ At Excel er fortid og Power BI er fremtiden, når du skal håndtere store mængder data (9:55)
➡️ De 3 vigtigste fokusområder for SEO i 2019 (og nej, det er ikke voice search) (16:10)
➡️ Hvorfor SEO dashboards er så vigtige til at aktivere data (27:45)
➡️ Hvordan vi arbejder med Power BI for at finde guldet (42:00)

Vi havde desværre lidt udfordringer med lyden i denne video, men jeg håber, at det går an. Ellers så brug transkriptionen nedenfor.

Next Level SEO er datadrevet – er du klar?

Og det er det, som denne video handler om. Det handler om, hvordan vi arbejder bedre med data i 2019, når vi arbejder med forskellige digitale discipliner som f.eks. SEO.

Målet for denne video er at sikre, at SEO skal blive en mere profitabel kanal

Målet for i dag er, at du kan se SEO, som en mere profitabel kanal for jer. Det kan det blive ved, at vi fokuserer på at få mere data ind, og være bedre til at blande datakilder for bedre indsigt. Det vil sikre jer en bedre indtjening, hvis vi kan sætte jer i gang med at vise, hvilken retning I skal arbejde for at komme i gang strategisk og taktisk med det her fokus.

Der sidder rigtig mange forskellige virksomheder og lytter med i dag, og der er helt sikkert en masse værdi at hente. Både, hvis man er en lille startup, eller man er en webshop, der omsætter for flere milliarder om året og egentligt allerede ejer Google. Også  hvis man er B2B virksomhed som f.eks. en servicevirksomhed – så er der også helt klart en masse at hente. Vi har glædet os rigtig meget til at fortælle mere om det i de næste 100 slides. Webinaret kommer til at vare 40 minutter. Hvis vi løber lidt over tid, så er den sidste del meget praktisk orienteret, så hvis man er mere på det strategiske niveau, så kan man koble af i den sidste del.

Hvem holder dette webinar?

christopher
Christopher Hofman Laursen

Først bare lige en hurtig præsentation af mig selv. Jeg hedder Christopher Hofman Laursen, og jeg er LEAD SEO her hos Impact Extend. Jeg har faktisk været i SEO-gamet siden 2003. Først med egen webshop og de sidste tre år som konsulent. Jeg sprang på bureauvognen, da Google blev mere marketingagtig. Det vil sige på det tidspunkt, hvor det nu kunne betale sig mere at arbejde mere med brugervenlighed fremfor ninja hacks og andre tricks.

 

Jeg hedder Rasmus Bøgelund Christiansen. Jeg er Analytics konsulent her hos Impact Extend. Jeg har en baggrund hos IBM og fra et par andre bureauer, hvor jeg primært har siddet på den mere datatunge del af det. I Impact Extend går mit arbejde ud på at lave analytiske tiltag, produkter og selvfølgelig også generel analyse. Men primært består mit arbejde i, at finde ud af hvordan vi hiver data ud. Yderligere, kombinerer data i det, vi kalder et dashboard for, at kunden får direkte indsigt i deres data. På den måde behøver kunden kun at kigge et sted for at få alle deres forretningskritiske data samlet.

Agenda: Mere trafik eller bedre trafik?

Agendaen for i dag er: Mere trafik eller bedre trafik? Derefter vil jeg tale om Excel. Hvordan vi siger farvel til Excel. I tredje sektion kommer jeg ind på, hvad er fokusområderne i 2019 for SEO, som jeg ser det. I fjerde del kommer Rasmus til at tale om, hvordan vi aktiverer SEO data i dashboards, og i femte del – den praktiske del – sætter vi strøm til data i power BI.

Så allerførst: mere trafik eller bedre trafik? Og det er egentligt sådan, at vi er blevet opflasket i SEO-industrien med, at vi skal arbejde på at få mere trafik. Det handler alle blogs om. Og det er klart, det er blevet sådan lidt en tanke omkring, hvordan man arbejder med SEO, at det altid gælder om at få mere trafik. Diverse chefer som egentligt ikke er så meget inde i SEO – for dem er det også det her med at sige, ”Lad os få noget mere trafik ind. Lad os få noget mere trafik. Det er en succesfaktor for os.” Men faktisk er det sådan – jeg kalder det her trafik, men det kan sagtens være en vanity metric. Vi ser rigtig mange virksomheder i dag, der har masser af trafik, men de er bare ikke særlig gode til at udnytte den her trafik… Og det er sindssygt vigtigt – at ja, trafik er godt. Dog, skal du i hvert fald i allerførste omgang have styr på din strategi og have styr på dine konverteringer.  F.eks. når vi overtager en kunde herinde, så ser vi ofte følgende: Hvis vi går ind og kigger på, hvad er deres fokus, og hvad er det, de arbejder med i øjeblikket. Derefter sammenligner vi ved at krydse data med deres Google Ads. Så ser vi, at  rigtig mange af de her SEO-fokussøgeord ikke er dem, som de konverterer på inde på Google Ads. Så allerede der er der en disconnect mellem, hvad vi tjener penge på, og hvad vi egentligt arbejder på at ranke på i Google.

Et kig i Power BI med dine Google-data

Her kigger vi på en power BI scatter chart. På X-aksen har vi vores placering i Google, og på Y-aksen har vi årlig søgevolumen. Alle de forskellige bobler er søgeord, som vi ranker på. Så jo længere ude mod venstre, jo bedre ranker vi. Det man typisk ser i en klassisk søgeordsanalyse er, at man går efter de her søgeord, som allerede ranker godt med høj søgevolumen. Men problemet er bare, at vi også skal tjekke, om søgeordet giver os ordrer. Ellers er det bare en vanity metric. Det, der er vigtigt, er, at vi i stedet for går ind og henter mere data ind, og at vi bruger et BI værktøj til at få bedre indsigter. Det vi ser her er f.eks., at hvis man begynder at blande data. Så, kan vi pludselig gå ind og se hvor der faktisk er et omsætningspotentiale fremfor kun at kigge på, at der er søgevolumen. Og når man begynder at kigge denne her vej, så åbner der sig helt nye muligheder for, hvordan man skal arbejde med SEO.

Vil du dykke ned i Søgeordsanalyser med Power BI, så læs min 10 trins guide her.

Case: Kontaktlinser – (klassisk søgeordsanalyse vs. udvidet søgeordsanalyse)

Sidste forår fik jeg en opgave for en kunde, som gerne ville ligge højere i Google på kontaktlinser. De havde lavet en klassisk søgeordsanalyse. Her havde de hentet data fra Google Keyword Planner, og det er jo også et udmærket udgangspunkt. Problemet er bare i dag, at Google Keyword Planner er et meget begrænset datafundament, og vi kunne egentligt ikke bruge den analyse til særligt meget. Så vi valgte at hente endnu mere data ind fra Google Search Console, Searchmetrics, SEMRush og Ahrefs. Det gjorde, at når man henter så meget data ind kan man faktisk identificere endnu flere søgeintentioner, og vores søgevolumen blev ændret fra 20.000 til 32.000 søgninger om måneden.

Det er jo interessant, at vi kan udvide dette søgeunivers og dermed endnu bedre forstå brugernes søgeadfærd. Vi har en eksisterende menustruktur på kontaktlinser, som ser sådan her ud.  Når vi tilføjer ny data, så får vi faktisk en langt mere brugervenlig menustruktur. I sidste ende bliver det et site, der konverterer endnu bedre.

Den store idé

Casen med kontaktlinser satte nogle tanker i gang for mig. Henter jeg mere data ind, så får jeg mulighed for bedre indsigter. Så har jeg mulighed for at eksekvere bedre, og i sidste ende lave flere Dollars.

Excel stoppede mig

Men problemet er bare, at jeg sad med Excel. Dette er er altså et problem, fordi Excel er rimeligt begrænset til denne opgave. Problemet med Excel i dag er, at det simpelthen er for langsomt til at håndtere store datasæt. Vi skal tænke på, at Excel er fra 1986. Det var ikke meningen, at det stadigvæk skal være et centralt værktøj i 2019. Derudover, er det også for tungt til visualiseringer. Man kan selvfølgelig sidde og lave en masse visualiseringer, specielt hvis man er en Excel-specialist. Dog, for resten af os, så er det rigtig, rigtig tungt, og i sidste ende, så er det lidt af et formelhelvede. Man kan sidde fast i en VLOOKUP en halv dag.

Power BI gav mig nye muligheder i mit data

Så vi kastede vores blik på Power BI. Jeg skal nok komme ind på, hvad sådan et Business Intelligence-værktøj er. For at starte ud, så har Microsoft 12 år i træk, vundet Gartners pris for bedste BI-tool. Så det er et oplagt valg indenfor denne verden af BI-værktøjer at bruge Power BI. Jeg vil på det kraftigste anbefale det. Der er også andre fine værktøjer som Tableau, og jeg er agnostisk i min tilgang, men Power BI løser virkelig nogle udfordringer, som jeg har.

Fordelene ved Power BI er, at det kan håndtere store datasæt. Der er nem tilgang til visualiseringer, og vi kan hurtigt komme i gang med indsigter.

 

Jeg kommer til at vise det i den sidste del af denne præsentation. Ham, som har inspireret mig til at kigge i den retning, er Wil Reynolds, som er CEO i Seer Interactive. Følg ham på Twitter eller LinkedIn. Han er en inspirerende mand, og om Power BI siger han meget rammende: ”I don’t want to get good at writing Excel formulas. I want to get good at insights. And that’s why I love power BI” Det kan ikke siges bedre.

Hvad er Microsoft Power BI?

Power BI er et cloud baseret business intelligence værktøj fra Microsoft. Her kan man trække diverse datakilder ind og krydse dem for at få nye indsigter. Du kan selvfølgelig hente data fra Excel, du kan hente dem fra Access og diverse andre databaser. Du kan også scrape et website som f.eks. IMDb, hvis du vil prøve at finde ud af, hvilken skuespiller der har vundet flest Oscars o.s.v., så kan man sidde og lege med data direkte fra websitet. Man kan f.eks. hente content ind fra ens konkurrenters sites, hvis vi skal tale om vores verden.

Sådan her ser maskinrummet ud. Power BI er selvfølgelig ikke kun et værktøj for min disciplin, SEO. Det er et værktøj, som rækker langt ud over enkeltdiscipliner. Jeg vil faktisk gå så langt som til at sige, at Power BI demokratiserer dataindsigter. Det vil sige, at det er et sindssygt godt værktøj til at arbejde på tværs i organisationen med hensyn til data.

Her er vores proces med, hvordan vi arbejder med data internt, og jeg kunne godt tænke mig lige at få Rasmus på banen.

Power BI: Demokratisering af Data

Jeg er glad for, at du sagde det med demokratisering af data, fordi det er virkelig det, jeg synes at Power BI kan. Det kan samle data, som virksomhederne nødvendigvis ikke ville se, fordi det er gemt i Excelark rundt omkring i hjørnerne i organisationen. Men her kan man hive dem ind virkeligt nemt. Når vi laver udtræk, gør vi det f.eks. på den måde, at vi har nogle datakilder, som vi nok alle sammen er bekendte med. Det kunne være Google Analytics. Men vi har nogle datakilder, som vi ved, at vi får vores web analytics-indsigter fra. I SEO-verdenen ville det være Google Search Console, Ahrefs og andre værktøjer, som vi bruger i den forbindelse.

Det starter med, at vi lokaliserer vores datakilde. Når vi har gjort det, så får vi oprettet en forbindelse til den pågældende datakilde, og det gør vi igennem det her fantastiske program, der hedder R. Det er lidt langhåret, fordi man faktisk skal kunne kode lidt, for at komme videre i denne her proces. Til vores cloud storage miljø bruger vi primært BigQuery, fordi det er nemt og hurtigt, og man kan skrue op og ned på de forskellige kontakter, hvis man vil det. Hvis det går for langsomt, så kører man bare noget mere muskelkraft, så man kan lave sine processeringer derinde. Men til de her analyser bruger vi det primært bare til at have et sted online. Så det vi gør, er at vi connecter til BigQuery, når vi allerede har lavet vores opsætning i BigQuery. Her har vi de rigtige tabeller med de rigtige navne, og lige pludselig har man så alt sin data tilgængeligt til at kunne analysere og skabe de her indsigter, man skal have i power BI.

På intet tidspunkt er vi inde i Excel

Jeg synes det er et smågenialt setup, for læg mærke til, at vi ikke på noget tidspunkt er inde at rode i Excel. Det vil sige, at der ikke er nogle Excelark, der ligger på skrivebordet. Vi behandler data centralt. Har I derfor en medarbejder, som ikke længere er en del af organisationen, vil de mange gange tage værdifulde data med sig. I kender også det, at får man nye medarbejdere ind, så har man nu en struktureret måde at arbejde med data og rapporteringer på, som de kan forholde sig til.

De 3 SEO fokusområder i 2019

Nu vil jeg gerne prøve at tale lidt mere ind i SEO i 2019. Jeg har identificeret tre SEO-fokusområder, som man skal arbejde med. Det er ikke dem, som I ser i de typiske list posts om ti SEO trends i 2019. Så jeg kommer ikke til at tale om voice search, visual search eller andet. Det er mere på det strategiske niveau, vi kommer til at fokusere.

  • Vi ser igen og igen, at det gør den normalt ikke. Specielt ikke hvis der kun er fokus på trafik, så kan man sagtens sidde i sin egen afdeling og fokusere på de store søgeord, som vi skal ud at eje.

 

  • Dernæst så skal vi bruge langt flere datakilder, end vi gør i dag, og vi skal også være bedre til at blande datakilder.

 

  • Det sidste er, at Google er blevet så hurtig i dag, at vi faktisk kan gå ind og synkronisere SEO – og marketingaktiviter. Jeg kommer til at dykke ned i de tre områder i mine næste slides.

Hav en målrettet strategi for SEO-arbejdet

Her har vi det klassiske SEO-team. Jeg har også selv siddet i den klassiske rumkapsel. Det er sådan et team, der arbejder i sin egen silo i organisationen. Mange gange gør de det, fordi virksomheden måske ikke har en klar strategi. Så, man bliver bedt om at finde ud af, hvordan man kan få mere trafik ind til sitet. Det er helt klart en rumkapsel, vi skal væk fra. Noget andet er, at der er rigtig mange blogs, som taler om, hvordan man får mere trafik. Den måde som SEO-teamet bliver inspireret til at arbejde med SEO skyldes de her forskellige blogs, som taler om trends, google nyheder og hacks. Hver gang Google ændrer i et eller andet, så springer vi alle sammen med på vognen. Når metabeskrivelsen blev øget fra 160 tegn til 320, så går man ind og optimerer det. Det er en rigtig farlig måde at arbejde på. Et udslag af, at man ikke har en strategi på SEO-området.

Vores model for SEO: Match intentionen i søgningen

Her er vores model for SEO. Det allervigtigste er, at vi har en kunde derude, som vi skal være synlige for overfor Google. Vi skal matche deres intention ude i søgeresultatet. Vi skal give dem det rigtige svar, når de kommer ind på siden, og så skal vi lede dem videre mod vores mål. Hvad er det, vi gerne vil opnå? Til det har vi disse fire SEO-håndtag. Teknik, hvor vi sikrer at sitet bliver korrekt indekseret og er hurtigt. Så skal vi have det indhold, som matcher brugintentionerne. Vi skal dernæst sørge for, at vi har domæneautoritet . I 2019 er links stadig en sindssygt vigtig faktor. Med UX-delen skal vi sørge for, at brugerne har en god oplevelse på sitet. Google belønner os, hvis de kan se, at brugerne bruger lang tid inde på vores site. Udenom dette ligger der er strategibælte. Det vil sige, at alt hvad vi gør på SEO-området skal hænge sammen med virksomhedens strategi. Så det er simpelthen udgangspunktet for vores arbejde.

Hav disse 5-trin i din SEO-proces

Vi arbejder så med en fem-trins SEO-proces, som jeg kommer til at gennemgå her.

 

  1. Den starter med en strategi.
  2. Bagefter går vi ind og kigger på data.
  3. Dernæst får vi indsigter fra disse data.
  4. Derefter eksekverer vi ud fra indsigterne
  5. I sidste ende – måler vi.

 

Jeg kommer til at gennemgå de fem dele nu. I første omgang, når vi taler om strategi, så ser vi på, hvordan SEO skal gå ind og understøtte denne digitale strategi. Måden man kan gøre det på er at sige, hvad er det for nogle kunderejser, vi skal eje for vores produkt eller service? I forhold til alle jer, der sidder med på dette call, så tror jeg, at der er rigtig mange af jeres kunder, der spørger Google til råds undervejs i deres kunderejser. Så vi skal gå ind og eje de her forskellige touchpoints i Google fra SEO-siden.

 

Derefter skal vi hente mere data ind. Med mere data kan vi forstå søgeadfærden. Det her er et udsnit af de datakilder, vi bruger i dag til at forstå brugeren bedre og også til at krydse vores data. Det er selvfølgelig Googles egne værktøjer, men også tredjeparts værktøjer, som kan grave dybere. I 2020 bliver denne stack helt sikkert udvidet, hvis vi skal præsentere det her igen. Så skal vi til det her data blend. En ting er at hente mere data ind. En anden ting er at sige, hvordan man kan krydse de her datakilder for at få nye indsigter. En typisk og helt basal måde at gøre det på er f.eks. at tage forskellige analytics data, og krydse det med Google Search Console-data. Jeg kommer til at vise det i sidste del af denne præsentation. Nu er vi ovre i indsigter. Det bliver i sidste del, at vi kommer til at tale om, hvordan vi egentligt finder indsigter via Power BI. Derfor hopper jeg hurtigt videre til eksekveringer. Med de indsigter vi har fra forrige sektion, så kan vi gå ud og eksekvere.

 

FAB: Forsvar, Angrib og Byg

Vi arbejder ud fra FAB. FAB står for Forsvar, Angrib og Byg. Så hvis vi kan gå ud og identificere de søgeord, som vi ranker allerbedst på, så skal vi forsvare deres position. Hvis det er low hanging fruit, altså søgeord på placering 4-20 som vi kan rykke op i top 3, så skal vi gå til Angrib, og hvis vi er uden for top 20 indenfor disse søgeord, så er der noget galt… Her skal vi enten bygge nyt indhold, eller vi skal repurpose det eksisterende indhold.

I det her eksempel har vi en placering to. Det er et vigtigt søgeord for os. Det generer en rigtig god omsætning, så det skal forsvares. Her har vi nogle søgeord, som ligger på side to, som også generer rigtig god omsætning på Google Ads, så der skal vi angribe. I sidste ende har vi et søgeord her, som genererer rigtig god omsætning, men vi ranker ikke på det på Google. Der er noget galt, så vi må ud og arbejde med at bygge indhold.

Jeg var inde og tale om trenden med at synkronisere med marketingaktiviteterne. Marketing i en virksomhed kører mange kampagner i løbet af et år. Det ville være fantastisk, hvis SEO kunne være en del af dette. Nu har jeg været med siden 2003. Jeg ved hvor langsom, Google har været til at indeksere. Jeg mener også, at der i 2003 gik otte uger mellem hver opdatering. Så det er klart, at hvis man tænker traditionelt om SEO. Så, vil man tænke, at det jo ikke er muligt at arbejde med SEO på samme måde som med resten af vores marketingkampagner. Men det er det faktisk i dag. Den måde, at vi arbejder på; er, at vi arbejder i kampagnespor med SEO, og så har vi et Always-on spor for de vigtigste søgeord, som konverterer hele året. Selvfølgelig starter man med at arbejde med SEO lidt tidligere, end man gør med resten af ens marketingkampagne. Det tager selvfølgelig noget tid at ranke højere i Google.

SEO-sprints: Arbejd agilt med SEO

Hvordan kan det være, at vi kan arbejde med SEO sprints? Det er fordi, Google er blevet endnu hurtigere til at opdatere, indeksere og rangere – også lokalt her i Danmark. F.eks. opdaterede jeg min guide om Power BI og søgeordsanalyser for nogle uger siden. Det der skete var, at jeg efter opdateringen var inde at trykke Fetch and render i Google Search Console. Ti minutter efter var disse ændringer live i Google. Så hurtigt kan det altså gå. Det er den nye virkelighed. Det kan være langt mere agilt at arbejde med SEO, end man måske på forhånd havde troet.

Eksempler på en SEO-sprint

Så hvordan virker det at arbejde på denne måde, hvor man arbejder mere agilt? Det virker sindssygt godt. Her er et eksempel på en efterårskampagne. Vi kørte for en kunde, hvor vi sideløbende med alle deres andre marketingsaktiviteter kørte et SEO-spor. Det er klart, at det er lidt nemmere at surfe, når der er bølger. Det betyder, når Marketing er ude for at lave PR-kampagner. Så, er der større mulighed for, at de kan hente et link med det samme, fremfor at vi skal ud og hente det nogle måneder senere. Denne  kampagne gav en average CTR på 9,4%. Det er altså hver 10. bruger, som klikker på vores resultat. Og det er altså for +200 non brandede søgeord. Det er ret voldsomt. Et endnu hurtigere sprint var en nytårskampagne, hvor vi havde tre uger til at lave den op til nytår. Der gik vi fra 0 til 6,4% markedsandel på få uger, så det kan altså gå rigtig stærkt.

Den sidste del af vores fem-trins-SEO-proces er målingen af vores arbejde. Det er her, jeg skal have Rasmus på banen. Vi skal selvfølgelig måle effekten af de ting, vi arbejder med. Det er sindssygt vigtigt. Her har vi et af vores real-time data dashboards, som vi arbejder med. Der er en masse vigtige KPI’er, som vi følger. Som I også kan se nedenfor, arbejder vi også her med FAB, så vi i real time kan følge med i, hvordan vores søgeord udvikler sig, og måske modificere vores strategi efter hvordan, Google tager imod søgeordene.

Spørgsmål: Arbejder vi med SEO-dashboards?

Jeg kunne egentligt godt tænke mig at spørge jer, om I allerede i dag arbejder med SEO dashboards? Okay, så der er faktisk en del, der arbejder med SEO dashboards i dag. Det er ca. 60%. Det er faktisk en del, der arbejder med SEO dashboards i dag. Der er rigtig fedt at se. Så er der også nogle, der ikke er kommet i gang endnu. Det er helt klart noget, jeg vil anbefale, og det er også noget, som Rasmus kommer til at tale ind i nu.

SEO-dashboards: Aktiver alt det guld af data

R: For jer som endnu ikke er kommet i gang med SEO dashboards endnu. Så, handler det i bund og grund om, at vi skal have aktiveret alt det guld af data, vi har liggende i butikken. Når vi arbejder med vores kunder, så har de selvfølgelig en forretningsstrategi, som de arbejder ud fra. Hvad er det, de fokuserer på i deres forretningsstrategi? Hvis vi ikke kan måle på det, så er der nogle, der siger, at så eksisterer det simpelthen ikke. Derfor når vi har disse digitale strategier – nu prøver jeg at holde det indenfor SEO – skal vi have defineret nogle KPI’er. Altså nogle målbare tal, således at vi kan se hvorvidt, vi kommer tættere på målet, eller om vi er langt fra målet. Det var det vi så på tidligere. Det er, at de øverste heroppe, de fire cirkulære grafer, hvor vi f.eks. har revenue, der definerer vi et target for kunden og holder det op imod det realiserede. Det er bare et indekstal på, at nu er vi på indeks 69 ift. hvad target er, og hvad vi skal nå. Det kan være på dagsniveau. Det kan også være på månedsbasis alt afhængigt af, hvordan man bruger den tidsselektor, man har i de her dashboards.

SEO Dashboards: Definer KPI’er og mål på dem

Det handler i bund og grund om, at vi skal have defineret nogle KPI’er, så vi ved, hvad vi skal måle på. Ved vi ikke, hvad vi skal måle på, ja, så ved vi ikke, om vi er på vej i den rigtige retning, eller den forkerte retning. Så når vi har defineret nogle KPI’er, så begynder vi på at se, hvad det er, som vi skal have, for at kunne nå de her KPI’er på sigt. Vi tager vores datakilder, som kunne være Google Analytics, Google Search Console, Searchmetrics, Ahrefs og alle de andre datakilder, hvor vi kan bruge dem til at understøtte, hvor langt og hvor vi skal hen. Når vi har fundet datakilderne, som understøtter, at vi kommer i mål med vores KPI, så skal vi finde ud af, hvordan vi tager disse datakilder, og så skal vi lede ind i integration med de her. Det var her med de datakilder, da vi begyndte at arbejde før, at vi f.eks. begyndte at bruge R. Her siger vi så, at vi har en masse datakilder. Vi får samlet vores data et sted. Vi får lavet nogle scripts, der kører automatisk, således vi ikke skal opdatere disse kilder hver dag, men de kører automatisk. Hvis vi har nogle lidt langhårede personer herinde, som sørger for at teknikken spiller i den forbindelse.

 

Gå fra dataintegration og monitorering til overordnet strategi i cockpit

Da vi lavede dataintegrationen, som efter min erfaring kan være utrolig svær at begynde med, så kom vi til monitorering. Vi har integreret data, vi har alle vores datakilder klar og parat til at smide over i Power BI. Det kunne også være Tableau, men alt data er nu klart. Hvis vi kalder monitorering/dashboards også, så har jeg sat en pil op der. Det er simpelthen fordi, at når vi har monitorering, og vi kan se, hvor flyet er. Nu begynder jeg langsomt at tale om fly, fordi så kan vi komme ind på et begreb, vi kalder cockpit, senere. Vi har nu et pejlemærke for, om virksomheden går den rigtige vej – i forhold til de digitale tiltag og marketingaktiviteter, som vi laver både på SEO og yderligere ting. Men det vil sige, at når vi har det her data, og vi kan se, om vi går den rigtige vej, så begynder vi at gå tilbage til forskellige dele af virksomheden. Her kan vi se, at der er en interesse på et givent felt og derfor skal vi måske lige ændre vores forretningsstrategi.

 

Når vi så har ændret vores forretningsstrategi, så begynder vi at få nye KPI’er. Hvis vi får nye KPI’er, så kan vi ende med at få nye datakilder, og så skal vi ændre dataintegrationen og derved også monitoreringen. Det vil sige, at for os, er det en ongoing drill hele tiden, at vi har noget forretningsstrategi, som hele tiden bliver ændret ift., hvor rykker markedet sig hen. Jeg har sat sådan en fin boks herop, for forretningsstrategien kan man sige, det er jo jeres, og KPI’erne er sådan set også jeres. Vores erfaring er, at jo bedre man kender den virksomhed, man skal sidde og arbejde med, jo nemmere er det at definere KPI’er ud fra forretningsstrategien, fordi det stadig er et spørgsmål om digital modenhed, og om man er klar til de her ting og tiltag ift. at bruge det aktivt i sine strategiske overvejelser.

 

Aktivering af dit data gennem andre datakilder

Hvis man begynder at snakke om datakilder, har jeg lavet et hurtigt udsnit her.

Der er mange flere, vi kunne inkorporere, men ift. Datakilder så er det Google Analytics. Vi har også Google Ads dataen derinde. Det kunne være sådan noget som Revenue, Clicks og andre relevante metrikker, vi kunne finde på at bruge ift., hvordan jeg ranker et søgeord, og hvad får jeg egentligt ud af det? Hvordan ser det ud på revenue-siden ift. de givne søgeord. I forhold til SEO-data, har vi selvfølgelig Google Search Console som en kilde, og så begynder vi mix og match med Searchmetrics, som giver nogle andre indsigter, som Google Search Console ikke kan levere. Hvis der nogle vi yderligere mangler, har vi Ahrefs, så vi kan bare begynde at bevæge os derned af ift. disse kilder, hvor vi, ikke at vi har sandheden, men vi begynder, at komme tættere og tættere på den, fordi vi får et større og større indblik i, hvad der ligger af information omkring vores rank og vores aktiviteter derude. Når vi krydsrefererer de her datakilder med hinanden får vi en skarpere indsigt i, hvor vi er på vej hen.

 

CRM-data kan vise reelle data

Til sidst har vi noget som CRM-data, hvor vi kigger på reel revenue fra, det kunne være Dynamics CRM, hvor vi stikker et strømkabel ind og pludselig har data op i mod, hvad Google Analytics siger ift. revenue, og hvad siger vores reelle salgstal egentligt ift. det her. Alle de her kan vi mixe og matche med hinanden. Det kræver selvfølgelig, at man har en vis forståelse for databehandling, men i bund og grund er det det. Hvis vi går videre til næste punkt ift. dataintegrering, så er det lidt i forbindelse med det overordnede slide, vi så før, men vi havde Google Analytics, vi havde R og til sidst går vi til power BI.

Dataprocessering: Hvor kommer dit data fra?

I bund og grund er processen bare, at vi begynder at finde ud af, at vi skal indhente noget data, og hvor kommer det data fra? Hvilke interessenter kan være gatekeepers ift. at få denne data ind for os, fordi det kan i sig selv være svært nok. Især hvis man sidder i en meget stor organisation, så kan der være folk med spørgsmål som f.eks. at den database har jeg ikke adgang til, der må du spørge nede på IT, og IT ved det heller ikke, så der kan være en vis udfordring i forbindelse med indhentning af data. Når det problem er løst, så skal vi begynde at klargøre det. Det er fordi, at alt data ikke nødvendigvis er pænt at se på til at starte med. Man siger som regel med de projekter, at 80% af tiden faktisk er klargøring af data, og at sørge for, at data kommer rigtigt ind.

 

Når vi så har gjort det, så er det næste step, som hedder overførsel til database, der forklarede jeg at vi brugte BigQuery til vores database. Det er simpelthen bare for at have det et sted, online, i en cloud storage, hvor vi kan have fuldstændig kontrol over, hvem der har adgang til det, også ift. GDPR og sådanne tinge, så vi kan slette ting og kun har adgang til enkelte tabeller. Det er meget granulleret adgang, vi har herinde, hvilket passer rigtig godt til, når man har flere kunder derinde i de samme processer, uden at man matcher noget på nogen måde.

 

Automatisering af data input til datavisualisering

Når vi så har lavet det, begynder vi at sige, hvordan vi så kan automatisere det. Lige nu kører vi med nogle virtuelle maskiner, der står og banker hele tiden og siger, at nu skal vi huske at overføre det her SEO-script, og så henter den data ned på ny og spytter det ud til vores dage ift. dataintegrering. Direkte i forbindelse med det går vi over til datavisualisering, som er denne input, der kommer, som er automatiseret dataudtræk, og bliver til data input. Vi begynder så at kigge på, hvad vi skal opsætte, og som ham den kloge Stephen Few, dashboard-guru, siger, at alle dashboards er brugerdefineret, dvs., at der ikke er nogen kunders forretning, som er en-til-en.

 

Vi kan godt have et SEO dashboard, der viser mange af de samme ting og indsigter, men i bund og grund så har vi alle sammen nogle overordnede mål, som adskiller sig fra hinanden. Derfor er denne dataopsætning og visualiseringsdel altid en lillebitte smule forskellig fra kunde til kunde, og derfor vil der altid være lidt tilrettelæggelse i forbindelse med det. Derudover ligger der et punkt, som hedder vedligeholdelse af løsning. Det er, at vi skal sikre os at data hele tiden flyder, som det skal, og vi har nogle grafer herinde, som hele tiden løber, hvor vi kan se, at nu overførte vi data til det og det punkt, så vi hele tiden er up to date med, at alting kører fuldstændigt automatiseret

 

Data Cockpits: De data du kan bruge

Jeg lige vende, fordi vi snakkede om dashboards, en flyterminologi, der hedder cockpits. Det er fordi i et fly, har du alle disse kontrolelementer, men du har kun dem, du skal bruge. Når det er sagt, skal de her dashboards ikke være fyldt med irrelevant data. Vi har kun den data, vi kan bruge konstruktivt og tage action på. Det er derfor, vi bruger data cockpit som en terminologi.

 

Et data cockpit er et sted, der visualiserer data og kommunikerer indsigt på en handlingsorienteret måde.

 

Gennem nemme aflæsninger af grafer, god spacing imellem dem, bliver man ikke forvirret og mister håret bare af at kigge på det. Vi har alle sammen set de her Excelark, hvor man tænker, ”Hvordan skal jeg komme i gang med det her, for jeg kan simpelthen ikke se, hvad det er, det her betyder.” Derfor er det vigtigt at kommunikationen er i top, når man læser det. Man plejer at sige at på tre minutter, skal man gerne kunne læse det hele, og hvis man er i tvivl, om det tager mere end tre minutter, så må man gå tilbage til grundkonceptet og sige, at der må være noget, som skal laves om, så det kan visualiseres, så folk kan læse det. Det er simpelthen bare for at optimere de her visualiseringer og måden, vi kommunikerer på, så vi får bedst mulig kommunikation og derved kan tage noget handling i organisationen.

3 forskellige Data Cockpits

Når vi arbejder ud fra cockpittet, har vi tre forskellige.

 

  1. Vi har et strategisk cockpit, som besvarer de organisatoriske mål og måler KPI’er. Jeg plejer at sætte det op i sådan en trekant, hvor vi har et C-level. Det er de store tal, som enten er røde eller grønne, når vi ser på dem. Der skal vi se, om skibet stadig flyder, og om vi stadig er i luften med flyet – og det er vi simpelthen, så er det fint, og så kører det videre.

 

  1. Når vi går steppet ned, kommer vi til en mellemleder; det operationelle cockpit, der viser, hvad sker der nu, og hvad er status lige nu? Det kan være eCommerce managers og online traffic managers.

 

  1. Når vi går ned i den sidste del af trekanten, har vi det analytiske cockpit, hvor vi ser på trends. Her begynder man at snakke om, hvordan viser grafen sig over tid. Der begynder man at snakke om det med at vise sammenligning – det har man selvfølgelig på tværs af dem alle – men det her med at enriche data med at vise data og sammenligne med andre tidspunkter. Det kunne f.eks. være sidste år, det kunne være sidste kvartal. Det her over tid, det er over en længere periode ift. de andre, fordi det er lidt mere her og nu. Når man så har de analytiske cockpits, så vil det sikkert være roller, som at det kunne være mig, der sad i specialistrolle, hvor man sad og kiggede på SEM- og SEO-data, for at kunne se om mit arbejde er fint nok lige nu.

Vejen til Next Level SEO

For at opsummere den her del, inden vi skal tale om den allersidste del, som er det praktiske, så handlede det om, hvordan er det, vi laver bedre SEO i dag.

 

  • Understøt virksomhedens strategi
  • Hent mere data ind
  • Bland data via et BI-værktøj fremfor Excel
  • Eksekvér i SEO Sprints med ”FAB” Frameworket
  • Aktivér data og mål løbende SEO Dashboard

 

Det første er, at virksomhederne har en strategi med at sørge for at SEO understøtter denne strategi. Lad være med at blive forblændet af store søgeord derude, hvor vi kan få en masse trafik ind.

 

Sørg for at hente mere data ind. Det har jeg understreget et par gange. Flere datakilder giver en bedre forståelse for dine kunders brugeradfærd.

 

Sørg for at blande data via et BI værktøj, fremfor at gøre det i Excel.

 

Når du er ude at eksekvere, så prøv at tænk SEO ind i jeres marketing flow. Kan man synkronisere SEO med ens marketing, står man meget stærkere. Når I arbejder med søgeord, når det er nede på søgeordsniveau, så tænk FAB ind. Selvom I ligger nummer ét på et søgeord – en mega cas hcow. Sørg derfor stadigvæk for at arbejde på søgeordet, for der er konkurrenter derude, som cirkulerer rundt og selv prøver at komme op som nummer et, så det ville være ærgerligt bare at fokusere på de søgeord, som kan komme op i top tre og blive ligeså store cash cows. Kig selvfølgelig også på, om der er nogle søgeord derude, som generer vildt mange penge for os på Google Ads, men som vi faktisk ikke har noget indhold til.

 

 

Jeg fik lige et spørgsmål om et konkret eksempel på brugen af disse steps. Vi kan jo tale om kontaktlinsestrategien, hvor man siger: ”Vi har en virksomhed, som gerne vil øge salget af deres kontaktlinser.” Oversætter vi det til en SEO-strategi, så skal vi være synlige, når deres brugere er ude for f.eks. at lede efter synsprøver eller køb af kontaktlinser. Der henter vi en masse datakilder ind, i det her eksempel fem forskellige. For at forstå brugeradfærden sørger vi for at have et website, som egentligt matcher brugeradfærden en-til-en, og bagefter kan vi gå ind – i forbindelse med det har vi selvfølgelig implementering af, hvad det er for nogle søgeord, som er vigtigst, fordi der er nogle, som allerede generer omsætning for os på Google Ads, som er vigtigere end andre, når vi skal ud og prøve at ranke de her sider. Så går vi egentligt helt lavpraktisk ned og kigger på, hvad det er for nogle søgeord, som giver os omsætning. Lad os gå ud og arbejde med dem i Google. I sidste ende sørger vi for, at vi følger resultaterne undervejs i SEO dashboards. Det er egentligt de fire punkter, som jeg gerne vil have, I tager med jer. Der er lige et sidste. Selvfølgelig fem punkter, hvor man aktiverer og måske også modificerer på vejen ud fra den oprindelige strategi

Hvordan arbejder vi med Power BI?

Nu er vi kommet til femte afsnit. Det er meget på det operationelle niveau. Jeg tror specielt at jer, der sidder ovre i SEO, vil finde det rigtig interessant, men det er selvfølgelig også et indblik i, hvordan vi arbejder med power BI. Det er et tool, jeg selv har arbejdet med i et års tid, og jeg synes virkelig, at det er et spændende område at åbne op omkring. Jeg ser ikke nogen derude, der arbejder med det i dag, så jeg håber selvfølgelig også, at det vil inspirere jer til at arbejde mere med power BI som et værksted fremfor måske bare et dashboard

 

Arbejd med det gode spørgsmål – start aldrig med data

Det er sindssygt vigtigt, til at starte med, at vi altid skal starte med det gode spørgsmål fremfor at tage en masse data ind, og se om vi kan finde hoved og hale i. I denne model har vi nogle forskellige spørgsmål, som vi kigger på. Et af dem kunne f.eks. være at se på, hvilke Google Ads søgeord skaber salg for os, men hvor der egentligt er et stort SEO-potentiale for os i dag. Lad os prøve at komme lidt ned i det spørgsmål, og jeg har en reel case på det.

Det vi gør i praksis, som det første, er at gå ind i vores Google Analytics-konto, og så går vi ned i det punkt, der hedder Search Queries, altså ikke de keywords vi har valgt, men simpelthen de søgeord brugerne vælger for at finde os. Det vi kan se er, at ud af alt det data vi har, så har vi en kolonne til højre markeret med grønt, hvor vi kan se, at vi for perioden har haft en omsætning på de her forskellige søgeord, så det er allerede interessante søgeord at arbejde med.

 

Afdæk søgeintentionen – prioriter dine sider

Jeg fik lige et spørgsmål som lyder, ”Ud fra det slide du viste før, hvor I havde arbejdet med menustrukturen, havde I også fokus på at lave ekstra SEO-optimering af de sider, der kunne føre til et egentligt salg.” I den menustruktur, som vi har, prøver vi så vidt muligt at afdække alle de forskellige søgeintentioner. Det er klart, at da man har begrænsede resurser på SEO-området, er det vigtigt at lave en prioritering af, hvilke sider man fokuserer på. De vigtigste prioriteringer er selvfølgelig sider, som kan generere salg. Jeg håber, jeg har svaret på spørgsmålet

 

Du kan få langt flere søgeord med PowerBi end 999

For at komme tilbage så kigger vi på de søgeord, som har størst omsætning på Google Ads. Derefter går vi ind i vores Google Search Console-data og det er her, hvor vi kan se, hvilke søgeord vi bliver fundet på, og hvilke placeringer har de søgeord. Ligesom i Google Ads trækker vi de sidste 12 måneders data. Normalt når man går ind i Google Search Console og trækker, så vil man få lov til at trække 999 søgeord ud, men der er en smart chrome add-on, som hedder Search Analytics for Sheets. Hvis du går ind og henter den, så kan du hente alle jeres søgeord ud. I det her tilfælde, har vi fundet lidt over 18.000.

Hvis I bruger R, så er det faktisk det samme – det er faktisk 50.000 – der er ikke nogen begrænsning på. Så lad være med at stille jer tilfreds med de 999, som i kan få direkte ud.

 

Det sidste vi skal gøre er at trække dagens placeringer ud på Google Search Console. Det er supervigtigt, fordi hvis vi trækker 12 måneders data ud, får vi en gennemsnitlig placering for det år. Det er klart, hvis du startede året som nummer et, og du nu ligger nummer ti, så kan det være, at den viser, at du ligger nummer fem på average position, så vi vil have dagens placering. Det gør vi ved, at ved den allernyeste dato, laver vi et Google Search Console udtræk.

Så skal vi ind og lege med Power BI.

Vi bruger tre forskellige datakilder og forbinder dem

Det vi gør er, at vi går ind og henter de tre forskellige datasæt. Det var i Google Ads datasæt, det var vores Google Search Console datasæt for 12 måneder, og det var Google Search Console datasæt fra den nyeste dato. Det første man skal gøre derinde, Rasmus har også talt om det her med at rense data, er at for at datasættene kan arbejde sammen, skal vi gå ind og rense data. Meget af det vi gør, helt praktisk, er, at vi sørger for at alle tegn er lower case. Vi sørger for, at der ikke er nogle tomme mellemrum efter ord. Vi renser på den måde de tre forskellige datasæt.

 

Når vi skal krydse data, skal vi sørge for, at det skal være en one-to-many connection, og dvs., at vi skal fjerne duplicates i de datasæt, som skal kobles op på det her datasæt, på vores Google Ads datasæt, hvor det samme søgeord går igen flere gange. Så det vi egentligt gør i de to Google Search Console datasæt er, at vi fjerner duplicates, så vi lader kun det søgeord stå, som ranker højest. Vi skal sørge for at have god dataorden på det. Vi skal kalde vores forskellige datasæt noget, vi kan forstå bagefter. Jeg har prøvet at sidde i Power BI med 20 forskellige datakilder, og hvis man ikke har navngivet dem ordentligt, bliver man meget forvirret, og man kan komme til at bruge de forkerte data. Den næste er så det sjove, hvor vi går ind og forbinder de tre datasæt. Vi får dem til at tale sammen. Det gør man ved at finde et fælles datapunkt mellem vores GA-data og vores Google Search Console-data. I det her tilfælde er det så søgeordet.

Start med et blankt kanvas i Power BI – lav et Scatter chart

Nu er vi klar til at arbejde i vores værksted. Vi starter med et blankt kanvas, og fra det kan vi trække forskellige visualiseringer ud.

Det første, vi gør, er at lave en ”Scatter chart”. Alle boblerne er vores forskellige søgeord. X-aksen er vores nuværende organiske placering i Google. Hvis vi ligger helt ovre til venstre, ligger vi nummer et. Hvis vi ligger helt ovre til højre, så er vi uden for de første ti sider. Oppe af y-aksen kigger vi på den årlige søgevolumen. Det vil sige, at vi har f.eks. et søgeord, som ligger nummer et og trækker 120.000 søgninger om året. Her er et andet eksempel. Et søgeord her får 90.000 søgninger, og det er placeret som nummer otte i Google. Det næste vi gør er, at tilføje transaktionsdata fra Google Ads. Det vil sige, at vi har vores screenshot fra før. Læg mærke til musen, hvor vi faktisk trækker data fra vores Google Ads-datasæt. Det betyder, at nu kan vi faktisk se, hvad det er for nogle søgeord, som giver os mest omsætning på Google Ads. Jo større en boble der er, jo større en søgevolumen er der. Det er en sindssygt spændende indsigt at få. Det giver os en forståelse af, hvad det er, vi skal arbejde med – så allerede nu er vi glade.

Hvad er trafikpotentialet? – find det i Power BI

Men pas på, du kan stadigvæk vælge forkert, fordi vi er kun lige startet. Hvad er trafikpotentialet egentligt? Det er klart, at hvis vi allerede ligger nummer ét og sætter alle vores kræfter ind på søgeordet, som ligger nummer ét, så er der måske ikke ret meget trafikpotentiale at hente. Det jeg anbefaler er, at man laver sin egen CTR kurve i stedet for at følge de her Benchmark CTR som er derude omkring, hvis du ligger nummer et, så får du 25% i feedet. Vi ser, at det kan svinge helt vildt fra 5-50%, så vi går ind og kigger på vores egen Google Search Console data, for at forstå hvad vi egentlig kan forvente indenfor denne produktkategori, hvis vi ligger nummer et, tre eller på side ét. Det giver en meget mere reel estimering af, hvad trafikpotentialet er.

Find CTR Benchmark for dine forskellige produkter

Det vi så gør i Power BI er at gå ind og sætte vores forventede placering et CTR benchmark op for de forskellige produkter. Det gør, at vi kan regne trafikpotentialet ud. Det vi ser til venstre, er omsætning per søgeord, men hvis vi går over og kigger på trafikpotentiale per søgeord, får vi et lidt andet billede. For eksempel den allerøverste ser endnu mere interessant ud. Der er faktisk en del trafik at hente på den stadigvæk, selvom det måske ikke er den boble, der er størst omsætning på. Vi har et andet et hernede, som ligger i en grå cirkel, hvor man virkelig sagde wow, det her er noget, vi virkelig tjener penge på. Men går man ind og kigger ovre til højre, så er det egentligt blevet en lidt mindre cirkel. Det var en ting at kigge på reelt, billedet lige nu og her og trafikpotentialet. Men hvad er egentligt omsætningspotentialet?

Trafikpotentiale vs. reel indtjening

En ting er trafikpotentialet, noget andet er, hvor meget vi reelt kan tjene på det pågældende søgeord. Det vi gør, er at tilføje en gennemsnitlig konverteringsrate ved organisk trafik. Lige i dette tilfælde, så er den 2,73%, så vi går ind og tager hver eneste søgeord og ganger søgevolumen med den forventede trafik ved at ligge nummer et, minus de klik vi allerede har, og så ganger vi det op med standard konverteringsrate for organisk trafik. Vi får en ny kolonne. Den er egentligt udregnet i GSC. Vi har en forventet trafik ved at ligge nummer et, og vi har et omsætningspotentiale, og så kan vi gå ind og kigge på, hvis vi har det her trafikpotentiale, hvor meget konverterer vi så egentligt til nye ordre. Det er f.eks. sådan, at vi kan kigge på at den allerstørste boble, og hvis vi lå nummer et på den i stedet for nummer fem på det søgeord, så kunne vi faktisk få 829 ordre ekstra per år. Det er jo et ret interessant grundlag for at arbejde videre med disse søgeord.

 

Vi er ikke helt færdige endnu. Det vi så går ind og kigger på er, ud fra det søgeord, hvad den gennemsnitlige ordre på det søgeord i Google Ads. Vi siger omsætning divideret med transaktioner. Det gør, at vi kan gå ind og sammensætte kolonnerne i de to datasæt. Hvis vi fra det ene datasæt har ordretilgang og i den anden har vi en gennemsnitlig ordreværdi, så vil det sige, at før havde vi 829 ordre, vi kunne forvente ved at ligge nummer et, og nu har vi også en værdi på ordrerne her. Det gør, at vi kan kigge på omsætningspotentialet i stedet for per søgeord. Vi kan sige, at vi har gravet endnu dybere nu. Det vil sige, at det store søgeord, vi har, har et omsætningspotentiale på 1,1 millioner om året, hvis vi rykker det fra placering 5,5 til nummer et. Derfor er det et ret interessant søgeord at kigge på. Vi har et andet, som egentligt ligger godt skjult, og vi har ikke lagt mærke til det før nu. Det ligger nummer syv i Google. Der er faktisk et potentiale på 411.000 kroner, hvis vi kan få det op som nummer ét.

Find ud af hvilke søgeord du reelt skal satse på

Nu er vi pludselig blevet endnu klogere på, hvad det er for nogle søgeord, vi skal satse på. Hvis vi lige summerer op. Vi har vores tre boblediagrammer fra tidligere. Hvis vi kun kigger på nuværende omsætning, trafikpotentiale og omsætningspotentiale. Den grå cirkel, vi tidligere talte om, som så rigtig interessant ud, når bare vi kiggede på reel omsætning – bliver mindre og mindre, jo mere vi kigger på, hvad vi kan generere for os af ekstra salg. Vi har en anden her, som egentligt så ret beskeden ud til at starte med. Den omsatte ikke for særlig meget på Google Ads, men med trafikpotentialet blev den lidt mere spændende, og med omsætningspotentialet blev den endnu mere spændende.

Her er endnu et eksempel:

Og et tredje eksempel:

Det er klart, at hvis man arbejder klassisk med søgeordsanalyser og indsigter, så vil man gå efter det ude til venstre og egentlig lade en ret god mulighed forbipassere. Tredje eksempel er et søgeord, som vi slet ikke ranker på i Google, men som vi faktisk generer en ret stor del af omsætningen. Det allerførste man ville tænke, var at vi skulle bygge noget indhold, så vi kan tjene nogle penge på det her og også på organisk trafik, men hvis vi kigger på trafikpotentialet, bliver den faktisk mindre, og kigger vi på omsætningspotentiale, er det faktisk ikke et søgeord, der er værd at arbejde med.

Spørgsmål: hvor lang en periode trækker vi average position for i Google Search Console?

Der er en der spørger om, hvor lang en periode vi trækker average position for i Google Search Console. Det kan man jo selv bestemme, men min anbefaling er at tage et solidt datagrundlag. 12 måneder er f.eks. et godt datagrundlag for denne her kunde. Jeg vil egentligt helst have, at man sørger for at tage det samme datagrundlag både fra sin Google Ads og Search Console.

 

Det interessant her er, at det er et klasseeksempel på, når man arbejder med SEO. Man sidder kun og kigger på noget omsætning eller søgevolumen, og så bygger man en masse indhold. Derfra, kommer man så op i top tre, og så kan man ikke forstå, hvorfor det ikke har omsat. Så vil man tale om, at SEO er en rigtig langsigtet strategi. Det tager lang tid at tjene pengene ind, men mange gange er det fordi, man ikke har lavet sit forarbejde.

 

Så det var et praktisk eksempel fra en reel kunde. Her, på hvordan vi bliver bedre til at identificere, hvad det er for nogle søgeord, man skal gå efter, hvis man graver ned fra at gå fra reel status, til trafikpotentiale og omsætningspotentiale. Det er klart, at vi også kan gå endnu dybere og kigge på dækningsgrader. Man kan også gå endnu dybere. Ved at sige, at den konverteringsrate vi har på organisk, kan vi faktisk gøre endnu bedre, så lad os prøve at lave en beregning f.eks. ud fra 3,5%. Vi er i hvert fald kommet meget tættere på at sørge for, at vi har de indsigter, som gør, at vi kan arbejde endnu mere effektivt med SEO.

 

5 gode tips til Power BI

Jeg har lige fem gode tips til power BI, og det er lært af egne erfaringer.

 

  1. Det første er: ingen data på skrivebordet. Sørg for at gemme det centralt i organisationen. Lyt til Rasmus. Sørg for at lægge det op i clouden, hvis det er muligt.

 

  1. Er der fejl i dine data og sidder du fast i power BI, så skyldes det normalt, at der er noget galt med formateringen, at man ikke har fjernet duplicates, eller at der er nogle tomme felter i datasættet. Det er egentligt også det, som dækker mit punkt tre.

 

  1. Du kan komme rigtig langt, hvis du sidder og laver det samme igen og igen, så f.eks. hvis man laver de samme typer af visualiseringer, så kan man gøre nr fire.

 

  1. Gem dine power BI-filer som templates og så bare importere nye datasæt ind.

 

  1. Det sidste er det samme. ’Tryg på en knap’ filosofien. Laver man det samme igen og igen, så kan man altså få det automatiseret. Det kræver nogle investeringstimer til at starte med, men det kan godt betale sig i sidste ende.

 

Inspirationskilder: Hvordan kommer du i gang med power BI og SEO?

Jeg har nogle forskellige steder, jeg vil anbefale. Følg Wil Reynolds. Han har både en rigtig god Youtube-kanal, og så ligger der også en masse gode blogs på hans bureaus hjemmeside på seerinteractive.com. Jeg har skrevet en dansk manual til, hvordan man kan arbejde med Power BI til at finde de mest værdifulde søgeord, som ligger inde på impeactextend.dk. Prøv bare at søg på power BI og SEO, så dukker jeg sikkert op. Der er også, hvis man generelt vil komme i gang med at forstå power BI bedre, så er der et godt kursus, som hedder learnpowerbi.com. Det var egentligt afrundingen.

I kan altid stille spørgsmål og læse mere herinde

I er selvfølgelig altid velkomne til at kontakte os. Jeg laver jo ikke så meget andet for tiden. Jeg kan se Power Bi på forskellige måder. Der er derfor altid mulighed for at stille spørgsmål.

 

Der kan selvfølgelig også stilles spørgsmål her til sidst. Det jeg bare vil sige er, at vi holder et nyt webinar i slutningen af marts med Christian Vermehren, som er Head of BI and Customer Insights. Det hedder: Sådan mangedobler du din ROAS med en korrekt måling af kundernes livstidsværdi. Et sindssygt spændende emne, og det er jo også en del af hele forståelsen af, om man skal investere i SEO. Hvor meget vil de kunder, som jeg får ind, være værd i det lange løb. Det er jo ikke kun noget med at kigge på den allerførste ordre, men det er om at kigge på, om de genkøber det samme produkt igen og igen, og om de køber ekstraudstyr osv. Det er i hvert fald et webinar, der hænger godt sammen med det med at prøve at forstå SEO som en værdifuld kanal. Jeg kan ikke se nogle spørgsmål, så det var alt vi havde i dag.

 

Vi er også på LinkedIn, hvis I har spørgsmål.

Tak fordi der var så mange, der lyttede med i dag, og held og lykke med jeres SEO-indsats og forhåbentligt Power BI. Nu må vi se, om der er noget af det her, som har været spændende for jer, og jeg glæder mig til at høre fra jer, hvis I har nogle spørgsmål.