-
HINTERGRUND DER ERFINDUNG
-
Technisches Gebiet der Erfindung
-
Das Internet hat die Art und Weise, wie Menschen Informationen sammeln, Beziehungen miteinander etablieren und sogar, wie Menschen miteinander kommunizieren geändert. Außerdem hat das Internet die Art und Weise, wie Unternehmen nach potentiellen Kunden suchen, sowie sogar die Bedeutung eines Unternehmens geändert. Es hat die Art und Weise, wie Unternehmen werben, verkaufen, miteinander kooperieren und miteinander Wettbewerb treiben, geändert. Diese Änderung hat auch eine regelrechte Explosion der Anzahl von Webseiten mit sich gebracht, die von Menschen aufgesucht werden. Suchmaschinen, wie beispielsweise Google, Bing, Yahoo und andere sind aufgetaucht, um den Menschen dabei zu helfen, die Webseiten zu finden, die sie suchen. Im Ergebnis sind auch die Anzahl und die Typen von Kanälen, die ein Vermarkter bemühen kann, ebenfalls explodiert – neben organischer und bezahlter Suche kann ein Vermarkter ebenfalls Blogs, soziale Medien, Videotauschbörsen, mobile Inhalte und Werbungen, Anzeigewerbungen, und viele andere Kanäle bemühen.
-
Zusätzlich konnte eine Webseite durch Verfolgen des Verhaltens von Aktionen von jedem Besucher effizienter vermarktet werden. Insbesondere verfolgen viele Webseiten bei Suchmaschinen für bestimmte Schlüsselwörter ihre Leistung hinsichtlich einer organischen Suche basierend auf einer Anzahl von Besuchen. Allerdings können sie nicht bestimmen, wie viele Besucher gerade aufgrund eines bestimmten Suchmaschinenergebnisses und einer Rangposition der Webseite die Webseite aufgesucht haben; stattdessen müssen sie dieses basierend auf den Daten (Verweisungs-Header) schätzen, die der Webseite zugeführt worden sind, was den Webseiten aber nur hilft, die Anzahl von Besuchern, die aufgrund eines bestimmten Schlüsselworts die Webseite aufgesucht haben, zu bestimmen. Ohne aber Schlüsseleigenschaften ihrer Leistung bei der Suchmaschine verstehen zu können, können die Webseiten die Effizienz ihrer Marketingbemühungen nicht genau bestimmen. Darüber hinaus können sie auch nicht erfassen, wie sich ihre Vermarktungsbemühungen bei einer organischen Suche hinsichtlich des Verhaltens von solchen Besuchern auf der Webseite auswirken, wenn diese die Webseite gefunden haben. Verkauft eine Webseite beispielsweise Waren, so gibt es derzeit keine Möglichkeit, zu bestimmen, wer einen Kauf auf der Webseite vollständig abgewickelt hat, und dies mit der Art und Weise, wie der Besucher zur Webseite kam, zu vergleichen.
-
Daher müssen Eigner und Designer von Webseiten schätzen, wie Besucher zur Webseite gekommen sind und was diese tun, sobald sie auf der Webseite sind. Daraus können sie aber nicht schließen, welche Aktionen zu einer höheren Chance auf Erfolg der Webseite führen würden. Beispielsweise kann ein Webseiten-Eigner einem begrenzten Marketingbudget ausgesetzt sein, das ihn entweder ein Verbessern des Rankings bei Suchmaschinenergebnissen oder ein Platzieren von Werbungen für seine Webseite auf anderen Webseiten erlaubt, nicht jedoch beides. Derzeit muss der Webseiten-Eigner entscheiden, welcher Strategie zu folgen ist, wobei ihm nur begrenzte Informationen darüber zur Verfügung steht, welche effektiver ist.
-
Der vorliegend beanspruchte Gegenstand ist nicht auf Ausführungsformen begrenzt, die oben beschriebene Nachteile vermeiden oder die nur in oben beschriebenen Umgebungen betrieben werden können. Dieser technische Hintergrund wurde eher deshalb beschrieben, um ein technisches Gebiet darzustellen, in welchem einige der vorliegend beschriebenen Ausführungsformen angewendet werden können.
-
KURZE ZUSAMMENFASSUNG DER ERFINDUNG
-
Diese Zusammenfassung erfolgt, um in vereinfachter Form eine Auswahl von Konzepten vorzustellen, die in der ausführlichen Beschreibung näher beschrieben werden. Diese Zusammenfassung dient weder dazu, Schlüsselmerkmale oder wesentliche Eigenschaften des beanspruchten Gegenstandes zu identifizieren, noch soll sie als Hilfsmittel herangezogen werden, um den Umfang des beanspruchten Gegenstandes zu bestimmen.
-
Ein Verfahren zum Verwalten von Referenzen auf eine Entität in einem Netzwerk beinhaltet ein Bestimmen von Shares-of-Voice für eine Entität und andere Entitäten über eine Vielzahl von Kanälen mit Bezug auf eine Vielzahl von Suchbegriffen. Das Verfahren beinhaltet auch ein Korrelieren von Shares-of-Voice für die Entität und die anderen Entitäten mit Bezug auf die Suchbegriffe, um eine relative Share-of-Voice-Änderung für die Entität mit Bezug auf die anderen Entitäten zu bestimmen. Danach können Shares-of-Voice für die Entität über eine Vielzahl von Kanälen korreliert werden, um relative Share-of-Voice-Änderungen für die Entität innerhalb von jedem der Kanäle zu bestimmen. Die relative Share-of-Voice-Änderung für die Entität mit Bezug auf die anderen Entitäten und die relativen Share-of-Voice-Änderungen für die Entität innerhalb von jedem der Kanäle können dann angezeigt werden.
-
Diese und andere Aufgaben und Merkmale der vorliegenden Erfindung werden in Anbetracht der folgenden Beschreibung und der beigefügten Ansprüche deutlicher, oder können von der nachfolgend dargestellten Ausführung der Erfindung abgeleitet werden.
-
KURZE BESCHREIBUNG DER FIGUREN
-
Um verschiedene Aspekte von einigen beispielhaften Ausführungsformen der vorliegenden Erfindung zu verdeutlichen, erfolgt eine detailliertere Beschreibung der Erfindung mit Bezug auf bestimmte Ausführungsformen der Erfindung, die in den beigefügten Zeichnungen veranschaulicht sind. Es versteht sich, dass diese Zeichnungen nur veranschaulichte Ausführungsformen der Erfindungen darstellen und daher nicht als den Umfang der Erfindung begrenzend anzusehen sind. Die Erfindung wird nun unter Verwendung der beiliegenden Zeichnungen mit zusätzlicher Genauigkeit und in zusätzlichen Einzelheiten beschrieben und erläutert, wobei in den Zeichnungen
-
1 gemäß einem Beispiel ein Blockdiagramm eines Systems 100 veranschaulicht, das zum Verwalten von Aktivitäten ausgebildet ist, welche mit einer Entität in Verbindung stehen;
-
2 gemäß einem Beispiel ein Flussdiagramm zum Bestimmen von Shares-of-Voice veranschaulicht;
-
3 gemäß einem Beispiel ein beispielhaftes Verfahren zum Identifizieren von Entitätsleistungsänderungen veranschaulicht;
-
4 gemäß einem Beispiel ein Verfahren zum Bestimmen von Gruppierungen veranschaulicht;
-
5 gemäß einem Beispiel ein Verfahren zum Identifizieren von zusätzlichen Suchbegriffen veranschaulicht;
-
6 gemäß einem Beispiel ein Verfahren zum Identifizieren von Möglichkeiten zum Optimieren von Referenzen veranschaulicht;
-
7 gemäß einem Beispiel ein Verfahren zum Vorhersagen von Ergebnissen einer Initiative veranschaulicht; und
-
8 ein Verfahren zum Bestimmen einer Konformität zur Optimierung von Referenzen auf eine Entität veranschaulicht.
-
AUSFÜHRLICHE BESCHREIBUNG VON BEVORZUGTEN AUSFÜHRUNGSFORMEN
-
Im Folgenden werden Systeme und Verfahren zum Bestimmen von Shares-of-Voice, sowohl für die Entität als auch für andere Entitäten, mit Bezug auf ausgewählte Suchbegriffe über Kanäle und über Zeit vorgestellt. Im Folgenden werden auch Systeme und Verfahren vorgestellt, die dem Bestimmen von Gründen für Leistungsänderungen basierend auf einer Analyse der Shares-of-Voice dienen. Durch Analyse der Shares-of-Voice können die Systeme und Verfahren ferner hochwirkungsvolle Suchbegriffe und Möglichkeiten verwalten. Das System ist auch fähig, sowohl eine Rentabilität für ein Targeting und ein Verwalten von hochwirkungsvollen Suchbegriffen als auch von Initiativen über Zeit und über Kanäle zu bestimmen. Zusätzlich ist das System ausgebildet, eine Konformität hinsichtlich Optimierungsstandards zu bestimmen und zu gewährleisten.
-
1 veranschaulicht ein Blockdiagramm eines Systems 100, das zum Verwalten von Aktivitäten ausgebildet ist, welche mit der Entität in Verbindung stehen. Bei wenigstens einem Beispiel ist das System 100 ausgebildet, für eine ausgewählte Entität und andere Entitäten, wie beispielsweise Wettbewerber, Shares-of-Voice zu bestimmen und zu verfolgen. Entitäten können individuelle Personen, Unternehmen, Marken, Produkte, Modelle oder irgendwelche anderen Entitäten beinhalten, auf die irgendwo in einem Netzwerk, wie beispielsweise dem Internet, verwiesen wird. Die Referenzen können Links und/oder Referenzen auf einer oder mehrerer Webseiten oder anderer der Entität zugeordnete Medien, wie beispielsweise Anzeigewerbungen, beinhalten. Demnach können die Referenzen organische Referenzen, Online-Werbungen mit Anzeigewerbungen, neue Artikel oder eine beliebige andere Referenz auf die Entität beinhalten.
-
1 zeig, dass das System 100 ein Netzwerk 105 beinhalten kann. Bei wenigstens einer Ausführungsform kann das Netzwerk 105 dazu verwendet werden, um verschiedene Komponenten des Systems 100 miteinander zu verbinden, wie beispielsweise zwischen einem Web Server 110, eine Vertiefungsindexmaschine 120, ein Korrelator 130, eine Gruppiermaschine 450 und eine Vorhersagemaschine 150. Es versteht sich, dass diese wiewohl als voneinander getrennt dargestellten Komponenten beliebig miteinander kombiniert werden können. Ferner versteht sich, dass wiewohl lediglich eine einzige von jeder Komponente dargestellt ist, das System 100 eine beliebige Anzahl von jeder dieser gezeigten Komponenten beinhalten kann. Bei wenigstens einem Beispiel ist das System 100 ausgebildet, unter Verwendung der vorliegend beschriebenen Komponenten einen Share-of-Voice zu bestimmen, den eine Entität für Suchbegriffe und Gruppen von Suchbegriffen innerhalb und über eine Vielzahl von verschiedenen Kanälen aufweist. Das System 100 kann ferner dazu ausgebildet sein, den Share-of-Voice der Entität für die Suchbegriffe über die Zeit hinweg zu verfolgen. Das System kann auch dazu ausgebildet sein, einen Share-of-Voice zu bestimmen, den voneinander verschiedene Entitäten für dieselben Suchbegriffe aufweisen. Durch Verfolgen des Share-of-Voice der Entität und der Shares-of-Voice der anderen Entitäten über die Zeit hinweg, die alle auch über die Kanäle verfolgt werden können, kann das System (das System 100) Gründe für Leistungsänderungen eingrenzen.
-
Wie nachfolgend näher diskutiert werden wird, ist die Gruppiermaschine 450 ausgebildet, bedeutungsvolle Gruppierungen von Informationen zu bestimmen, um Verfahren, Prozesse und Plattformen bereitzustellen, um Inhalte und relevante Marketingdaten (SEO Metriken) im Maßstab für große Entitäten zu verwalten, die eine große Anzahl von Inhalten und Marketingdaten verarbeiten. Die Gruppierungen können benutzerdefiniert sein, durch Technologieeingriff maßgefertigt sein, oder automatisch erzeugt sein basierend auf einer intelligenten Analyse, die interne Daten/Fremddaten/externe Daten kombiniert. Im Ergebnis ist das System 100 ausgebildet, Verfahren zum Aggregieren von Inhalten und SEO Metriken in bedeutungsvolle Gruppierungen durchzuführen, die dann verfolgt und gemessen werden können. Die Analyse kann bei diesen Gruppierungen durchgeführt werden, die dem Vermarkter aufgrund der Art und Weise der Segmentierung der Gruppen bedeutungsvolle und belastbare Informationen geben wird. Eine solche Konfiguration erlaubt es dem System 100, Share-of-Voice-Änderungen über die Zeit hinweg zu verwalten und potenzielle Möglichkeiten zu identifizieren.
-
Wie weiter unten näher diskutiert werden wird, ist die Vorhersagemaschine 150 ausgebildet, einen zu optimierenden Suchbegriff oder zu optimierende Suchbegriffe zu bestimmen. Der Suchbegriff oder die Suchbegriffe können von einer Gruppe oder einem Korb von bekannten Suchbegriffen ausgewählt werden, die mit der Entität in Beziehung stehende Aktionen beeinflussen können. Die Vorhersagemaschine 150 kann ferner ausgebildet sein, Vermarktern dabei zu helfen, den Geschäftswert von Optimierungsinitiativen vorherzusagen (z. B.: „Sollte ich an einer Optimierung für fünf gegebene Schlüsselwörter arbeiten, was ist das mutmaßliche Ergebnis der Verbesserung meiner Suchmaschinenrangposition und wie viel mehr Wachstumseinkommen wird durch diese Verbesserung erzeugt werden?”) und die Schwierigkeit und die Ausgaben, die mit der Initiative einhergehen, zu berücksichtigen. Die Vorhersagemaschine kann ferner dazu ausgebildet sein, basierend auf Analysen der Shares-of-Voice Gründe für Leistungsänderungen zu bestimmen. Durch die Analyse der Shares-of-Voice können das System und die Verfahren ferner hochwirkungsvolle Suchbegriffe und Möglichkeiten verwalten. Das System ist ferner fähig, eine Rentabilität für ein Targeting und ein Verwalten von hochwirkungsvollen Suchbegriffen als auch von Initiativen über Zeit und über Kanäle zu bestimmen.
-
Bei wenigstens einem Beispiel beinhaltet das Netzwerk 105 das Internet, das ein globales Internetzwerk beinhaltet, das logische und physikalische Verbindung zwischen einer Vielzahl von Wide-Area-Networks und/oder Local-Area-Networks und optional das World Wide Web („Web”) beinhaltet, das ein System von verlinkten Hypertext-Dokumenten beinhaltet, auf die über das Internet zugegriffen wird. Alternativ oder zusätzlich beinhaltet das Netzwerk 105 ein oder mehrere zellulare Funknetzwerke und/oder ein oder mehrere drahtgebundene und/oder drahtungebundene Netzwerke, wie beispielsweise 802.xx-Netzwerke, Bluetooth-Zugangspunkte, drahtungebundene Zugangspunkte, IP-basierte Netzwerke, oder ähnliches, wobei das Netzwerk 105 nicht auf diese eben genannten Netzwerktypen beschränkt ist. Das Netzwerk 105 kann ferner Server beinhalten, die es einem Typ eines Netzwerks erlaubt, zu einem anderen Typ eines Netzwerks eine Schnittstelle auszubilden.
-
Bei wenigstens einer Ausführungsform kann der Web Server 110 ein beliebiges System beinhalten, das eine Webseite speichern und zu einem Benutzer übertragen kann. Beispielsweise beinhaltet der Web Server 110 ein Computerprogramm, das für das Akzeptieren von Anforderungen von Clients (Benutzerprogramme, wie beispielsweise Webbrowser) verantwortlich ist und für das Liefern von HTTP-Antworten gemeinsam mit optionalen Dateninhalten an die Clients verantwortlich ist, wobei die optionalen Dateninhalte HTML-Dokumente und verlinkte Objekte beinhalten können, die dem Benutzer angezeigt werden sollen. Zusätzlich oder alternativ dazu kann der Web Server 110 die Fähigkeit beinhalten, einige detaillierte Informationen über Client-Anforderungen und Serverantworten in Aufzeichnungsdateien aufzuzeichnen.
-
Die Entität kann eine beliebige Anzahl von Webseiten beinhalten. Die Aggregierung von Referenzen auf die verschiedenen Webseiten kann als Datenverkehr bezeichnet werden. Es sei angemerkt, dass der vorliegend verwendete Begriff „Webseite” einen beliebigen Online-Beitrag bezeichnen kann, der Domains, Subdomains, Web-Beiträge, Uniform-Resource-Identifiers („URIs”), Uniform-Resource-Locators („URLs”), Bilder, Videos oder andere Inhaltsteile und nicht-permanente Beiträge, wie beispielsweise E-Mail und Chat-Beiträge beinhalten kann, sofern es nicht anders beschrieben ist.
-
Bei wenigstens einer Ausführungsform können externe Referenzen auf eine Webseite eine beliebige Referenz auf die Webseite beinhalten, welche einem Besucher zu der Webseite führt. Beispielsweise kann eine externe Referenz Textdokumente, wie beispielsweise Blogs, Nachrichtenbeiträge, Benutzerbewertungen, E-Mails oder ein beliebiges anderes Textdokument beinhalten, in welchem die Webseite diskutiert wird. Zusätzlich oder alternativ dazu kann eine externe Referenz eine Webseite beinhalten, die einen Link auf die Webseite aufweist. Beispielsweise kann eine externe Referenz andere Webseiten, Ergebnisseiten von Suchmaschinen, Werbungen oder ähnliches beinhalten.
-
Bei dem dargestellten Beispiel ist die Vertiefungsindexmaschine 120 ausgebildet, oben genannte Suchbegriffe zu verwenden, um in dem Netzwerk eine Suche durchzuführen, um Referenzen auf die Entität zu identifizieren. Die Vertiefungsindexmaschine 120 ist ferner dazu ausgebildet, die Ergebnisse der Suche in dem Netzwerk mit Bezug auf die Entität zu bewerten. Diese Bewertung kann eine Position beinhalten, an der Referenzen auf die Entität innerhalb der Suchergebnisse angezeigt werden. Die Bewertung kann optional auch Konformitäts-/Nicht-Konformitätswerte beinhalten. Die relative Position der Referenzen auf die Entität innerhalb der Suchergebnisse kann beeinflussen, wie sich die Referenzen auf Aktionen, die mit der Entität in Beziehung stehen, auswirken. Demnach ist die Vertiefungsindexmaschine 120 durch Bestimmen der relativen Position der Referenzen innerhalb der Suchergebnisse fähig, eine aktuelle Leistungsmetrik für jeden der Suchbegriffe hinsichtlich ihrer Beziehung zu der Entität zu bestimmen.
-
Alternativ oder zusätzlich dazu kann die Vertiefungsindexmaschine 120 ausgebildet sein, die Suchergebnisse für jeden der Suchbegriffe mit Bezug auf die anderen Entitäten, die Entitäten beinhalten können, die in Konkurrenzauflistungen für die Suchergebnisse gefunden worden sind, zu bewerten. Demnach kann die Vertiefungsindexmaschine 120 ausgebildet sein, externe Daten zu sammeln, die sich auf die Leistung von anderen Entitäten beziehen, um auch für solche Entitäten aktuelle Basislinien zu etablieren.
-
Alternativ oder zusätzlich dazu kann die Vertiefungsindexmaschine 120 ferner ausgebildet sein, die Suchergebnisse betreffend jeden der Suchbegriffe durchzusehen, um externe Daten zu beschaffen. Insbesondere kann die Vertiefungsindexmaschine 120 ausgebildet sein, die Suchergebnisse für jeden der Suchbegriffe durchzusehen und die mit dem Durchsehen einhergehenden Daten zu analysieren, insbesondere auch On-Page-Information und Rückverweisdaten (beispielsweise ein Rückverweis-URL, ein Ankertext, etc.) für jede URL in dem Suchergebnis. Die Vertiefungsindexmaschine 120 kann die Daten dann analysieren, um zusätzliche Suchbegriffe zu identifizieren, die für die Entität relevant sein können, nach denen aber vielleicht nicht gesucht worden ist oder für die die Entität nicht gelistet wird. Bei wenigstens einem Beispiel kann diese Analyse ein Durchführen einer Schlüsselwortfrequenzanalyse beinhalten. Demnach kann die Vertiefungsindexmaschine 120 ausgebildet sein, zusätzliche Suchbegriffe aufzudecken. Bei wenigstens einem Beispiel werden diese zusätzlichen Suchbegriffe und Möglichkeiten in jedem Kanal (SEO, bezahlte Suche, soziale Netzwerke, etc.) identifiziert und verfolgt. Kanalübergreifende Möglichkeiten sind ebenfalls Teil der Identifizierens von Möglichkeiten (wenn beispielsweise ein Kunde für ein Schlüsselwort bei einer organischen Suche nicht in der Rangliste auftaucht, in der aber ein Wettbewerber auftaucht, so kann der Kunde dieses Schlüsselwort sofort im Rahmen einer bezahlten Suche verfolgen). Weitere externe Daten können beispielsweise Konformitäts-/Nicht-Konformitätswerte beinhalten. Es versteht sich, dass Konformitäts-/Nicht-Konformitätswerte auch als interne Daten beschafft werden können.
-
Eine beispielhafte Vertiefungsindexmaschine ist etwas näher in der anhängigen US-Patentanmeldung mit der Seriennummer 12/436, 704 und dem Titel „COLLECTING AND SCORING ONLINE REFERENCES”, die am 6. Mai 2009 eingereicht worden ist, beschrieben, wobei der Offenbarungsgehalt dieser Anmeldung in Gänze durch Bezugnahme zum Inhalt der vorliegenden Anmeldung gemacht wird.
-
Zusätzliche aktuelle Leistungsmetriken können auch interne Daten beinhalten, die von dem Korrelator 130 bestimmt worden sind. Gemäß wenigstens einer Ausführungsform kann der Korrelator 130 bestimmen, wie Besucher zu der Entität geführt werden und wie sich diese Besucher verhalten, sobald sie sich auf der Entität befinden. Beispielsweise kann der Korrelator 130 eine Besuchsaktionen mit den Suchbegriffen korrelieren, die zu den Besuchen geführt haben.
-
Ein beispielhafter Korrelator ist etwas genauer in der anhängigen US-Patentanmeldung mit der Seriennummer 12/574,069 beschrieben, die am 6. Oktober 2009 eingereicht worden ist und den Titel „CORRELATING WEBPAGE VISITS AND CONVERSIONS WITH EXTERNAL REFERENCES” trägt, wobei der Gegenstand dieser Patentanmeldung hiermit in Gänze durch Bezugnahme zum Inhalt der vorliegenden Anmeldung gemacht wird.
-
Wie weiter unten näher beschrieben ist, kann die Vorhersagemaschine 150 Daten von Dritten (Fremddaten) empfangen, die Informationen über eine Netzwerkaktivität beinhalten, die mit den oben beschriebenen Suchbegriffen in Beziehung steht. Die Vorhersagemaschine 150 kann auch ausgebildet sein, interne Daten zu empfangen, die die Ausgangssignale des Korrelators 130 beinhalten, als auch externe Daten, die die Ausgangssignale der Vertiefungsindexmaschine 120 beinhalten. Die Vorhersagemaschine 150 kann die internen Daten, die Fremddaten und die externen Daten verwenden, um sowohl Möglichkeiten zum Optimieren einer Platzierung von Referenzen auf die Entität zu identifizieren als auch zum Vorhersagen der wahrscheinlichen Kosten und Vorteile einer Verbesserung von Referenzen auf die Entität. Dies kann es dem System erlauben, basierend auf Analysen der Shares-of-Voice Gründe für Leistungsänderungen zu bestimmen. Ferner können die Systeme und Verfahren durch Analyse der Shares-of-Voice hochwirkungsvolle Suchbegriffe und Möglichkeiten verwalten. Das System ist auch fähig, eine Rentabilität für ein Targeting und ein Verwalten von hochwirkungsvollen Suchbegriffen als auch von Initiativen über Zeit und über Kanäle zu bestimmen.
-
Kurz zusammengefasst kann das System ausgebildet sein, Shares-of-Voice sowohl für die Entität als auch für andere Entitäten mit Bezug auf ausgewählte Suchbegriffe über Kanäle und über die Zeit hinweg zu bestimmen. Das System ist auch ausgebildet, basierend auf einer Analyse der Shares-of-Voice Gründe für Leistungsänderungen zu bestimmen. Außerdem kann das System durch Analyse der Shares-of-Voice hochwirkungsvolle Suchbegriffe und Möglichkeiten verwalten. Das System ist auch fähig, eine Rentabilität für ein Targeting und ein Verwalten von hochwirkungsvollen Suchbegriffen als auch von Initiativen über Zeit und über Kanäle zu bestimmen. Zusätzlich ist das System ausgebildet, eine Konformität hinsichtlich Optimierungsstandards zu bestimmen und zu gewährleisten. Jeder dieser Aspekte wird nun detaillierter beschrieben.
-
2 veranschaulicht ein Flussdiagramm zum Bestimmen von Shares-of-Voice. Das Verfahren kann unter Verwendung von Software, Hardware oder einer beliebigen Kombination davon ausgeführt werden. Wenn das Verfahren unter Verwendung von Hardware ausgeführt wird, können die Schritte des Verfahrens in einem maschinenlesbaren Medium gespeichert sein, so dass diese bedarfsmäßig zur Ausführung ihrer Funktionen aufgerufen werden können. Ferner können, falls das Verfahren unter Verwendung von Software ausgeführt wird, die Schritte durch einen Prozessor, einen Field Programmable Gate Array (FPGA) ausgeführt werden, oder durch eine beliebige andere logische Vorrichtung, die zum Ausführen von Softwareinstruktionen oder anderen logischen Funktionen ausgebildet ist.
-
Alternativ oder zusätzlich dazu kann das Verfahren unter Verwendung eines Servers oder einer Einzelrechenstation ausgeführt werden. Wenn ein Server oder eine Einzelrechenstation verwendet wird, müssen die Besuchsaktionen nicht in Gruppen unterteilt werden, weil alle Besuchsaktionen von demselben Server oder von derselben Einzelrechenstation analysiert werden.
-
Wie in 2 veranschaulicht, beginnt das Verfahren mit Schritt 200 durch Bestimmen von Suchbegriffen. Bei wenigstens einem Beispiel können die Suchbegriffe Schlüsselwörter beinhalten, die über eine Schlüsselwortdatenbank beschafft worden sind. Die Schlüsselwortdatenbank beinhaltet ein oder mehrere Schlüsselwörter, die in der Seiten-Suche zu verwenden sind. Ferner können die Suchbegriffe auch über Eingangssignale von einem Benutzer empfangen werden. Bei einigen Ausführungsformen können zusätzliche Suchbegriffe durch Durchsehen von Suchergebnissen, die zu vorhergehenden Suchbegriffen ergangen sind, aufgedeckt werden, wobei die vorhergehenden Suchbegriffe solche Suchbegriffe beinhalten, die über die Schlüsselwortdatenbank und/oder über Eingangssignale von einem Benutzer beschafft worden sind.
-
In Schritt 210 werden interne Daten beschafft, die die Suchbegriffe betreffen. Beispielsweise vorhergehende Aktionen, die das Netzwerk betreffen, um eine Gesamtanzahl von Besuchsaktionen, die mit den Suchbegriffen in Verbindung stehen, als auch den Gesamtwert solcher Besuchsaktionen zu bestimmen. Die internen Daten können in beliebiger Art und Weise beschafft oder berechnet werden. Die internen Daten können auch Informationen beinhalten, die identifizieren, welche Kanäle mit den Werten und den Besuchsaktionen in Verbindung standen.
-
Das Verfahren beinhaltet auch ein Beschaffen von Fremddaten betreffend die Suchbegriffe (Schritt 220). Diese Fremddaten können beliebige gewünschte Informationen beinhalten, die Informationen über eine Netzwerkaktivität, wie beispielsweise Datenverkehr oder Besuche, die mit den Suchbegriffen in Beziehung stehen, beinhalten. Fremddaten können auch Informationen über die Kanäle beinhalten, in denen der Datenverkehr oder die Besuche stattfanden. Beispielsweise können die Fremddaten Suchmaschinendaten, wie beispielsweise Cost-per-Click-(CPC-)Werte für die Suchbegriffe, eine Suchfrequenz für die Schlüsselwörter, und beliebige andere gewünschte Daten beinhalten, die durch Dritte bereitgestellt werden können. Anforderungen von und/oder ein Empfang von Fremddaten können zu einem beliebigen Zeitpunkt stattfinden, beispielsweise gleichzeitig mit dem Beschaffen von internen Daten betreffend die Suchbegriffe im Rahmen des Schritts 200.
-
Weiter Bezug nehmend auf 2, beinhaltet das Verfahren auch ein Durchführen einer Suche (Schritt 230), bei der die Suchbegriffe verwendet werden, um das Netzwerk nach Referenzen auf die Entität zu durchsuchen. Zum Durchsuchen des Netzwerkes nach Referenzen auf die Entität kann ein beliebiges Verfahren eingesetzt werden. Die Suche kann über eine Zeit hinweg ausgeführt werden und/oder in einer Weise, um ein Durchsuchen an verschiedenen geografischen Orten zu simulieren. Im Rahmen eines solchen Prozesses können Daten hinsichtlich der Volatilität einer Leistung einer Website in dem organischen Kanal beschafft werden, und zwar durch Ablesen mehrerer Beispiele und Messen der Volatilität ihrer Leistung (beispielsweise Rangdifferenzen).
-
Bei wenigstens einem Beispiel beinhaltet das Durchführen der Suche ein Bewerten der Ergebnisse der Suche in dem Netzwerk mit Bezug auf die eine oder mehreren der Entitäten, auf die in den Suchergebnissen verwiesen wird. Zusätzlich oder alternativ kann die Bewertung auch den Kanal beinhalten, der mit der Suche in Verbindung steht. Zusätzlich oder alternativ kann diese Bewertung eine Position beinhalten, an der Referenzen auf jede der Entitäten innerhalb der Suchergebnisse angezeigt werden. Das Durchführen der Suche kann auch ein Durchführen eines Durchsehens der Suchergebnisse betreffend jeden der Suchbegriffe beinhalten. Insbesondere kann das Verfahren ein Durchsehen der Suchergebnisse für jeden der Suchbegriffe beinhalten sowie ein Analysieren der Daten, die mit dem Durchsehen einhergehen, wobei die Daten On-Page-Informationen und Rückverweisdaten (beispielsweise Rückverweis URL, Ankertext, etc.) für jede URL in dem Suchergebnis beinhalten. Im Rahmen eines solchen Durchsehens kann auch das Sentiment von Referenzen auf jede Website-Referenz identifiziert werden (beispielsweise bestimmen sowohl die SERP-Auflistung für jede Website als auch der Inhalt auf der Webseite, auf die in der SERP-Auflistung verwiesen wird, das Sentiment der Referenz). Gemäß einem anderen Beispiel, ...
-
Sobald die internen Daten, die externen Daten und/oder die Fremddaten beschafft worden sind und nach den Suchbegriffen gesucht worden ist und bewertet worden ist, kann ein Multiplizierer in Schritt 240 angewendet werden, um Anteilswerte zu aggregieren. Faktoren, die im Multiplizierer beinhaltet sein können oder für diesen als relevant betrachtet werden, können eine beliebige Kombination oder Gewichtung von den internen Daten, den externen Daten und/oder den Fremddaten beinhalten. Beispielsweise beinhaltet der Multiplizierer das Produkt von einer geschätzten Klickrate und einem Datenaufkommen bei einer Suche nach einem Begriff. Bei anderen Beispielen können Sentimentkorrekturen, geographiebasierte Korrekturen, volatilitätsbasierte Korrekturen oder andere Korrekturen wie gewünscht in dem Multiplizierer beinhaltet sein, wie beispielsweise industriespezifische Erwägungen.
-
Die aggregierten Anteilswerte für alle Entitäten, auf die in der Suche verwiesen wird, können dann kombiniert werden und der Share-of-Voice für jeden berechnet werden (Schritt 250) durch Dividieren des aggregierten Anteilswerts von jeder Entität mit dem Gesamtwert von allen aggregierten Anteilswerten.
-
3 veranschaulicht ein beispielhaftes Verfahren zum Identifizieren von Änderungen bei einer Leistung einer Entität. Wie in 3 dargestellt, kann das Verfahren mit einem Bestimmen von Shares-of-Voice beginnen (Schritt 300). Die Shares-of-Voice können in beliebiger Art und Weise berechnet werden, wie durch das mit Bezug auf 2 beispielhaft beschriebene Verfahren zum Bestimmen von Shares-of-Voice. Derweil Shares-of-Voice zum Korrelieren und Bestimmen von Leistungsmetriken verwendet werden können, versteht es sich, dass eine beliebige andere Metrik oder Variable ebenfalls analysiert werden kann, wobei eine solche Metrik oder Variable eine Konformität/Nicht-Konformität beinhalten kann, die gemäß einem Verfahren bestimmt worden ist, welches mit Bezug zu 8 näher beschrieben ist.
-
Danach können die Shares-of-Voice in Schritt 310 verfolgt werden. Das Verfolgen von Shares-of-Voice für Suchbegriffe kann ein Bestimmen von Shares-of-Voice zu bestimmten Zeitintervallen oder über eine ausgewählte Zeitperiode hinweg beinhalten. Das Verfolgen von Shares-of-Voice über eine Zeitperiode hinweg kann ein Bestimmen von Shares-of-Voice zu bestimmten Zeitperioden oder nach einem Ablauf der Zeitperiode beinhalten.
-
Um einen Grund für eine Leistungsänderung zu bestimmen, wird die Leistungsänderung zunächst identifiziert, wie in Schritt 320. Eine solche Änderung kann eine Einkommensänderung beinhalten. Je nach wunschgemäßer Ausgestaltung des vorliegenden Verfahrens können auch beliebige andere Leistungsänderungen identifiziert werden. Das Identifizieren einer Leistungsänderung gemäß Schritt 320 kann auch ein Bestimmen einer Zeitperiode von Interesse beinhalten, die dem Leistungsabfall zugeordnet ist. Eine solche Zeitperiode kann jedwede gewünschte Länge aufweisen.
-
Wie in 3 gezeigt, kann das Verfahren auch ein Korrelieren der Shares-of-Voice der Entität für Suchbegriffe über mehrere Kanäle mit Shares-of-Voice von anderen Entitäten für dieselben Suchbegriffe über dieselben Kanäle beinhalten (Schritt 330). Diese Korrelationen können sodann verwendet werden, um potentielle Gründe für die Leistungsänderung einzugrenzen.
-
Beispielsweise können, wie oben bereits angedeutet, Shares-of-Voice für verschiedene Entitäten über die Zeit hinweg und über Kanäle für eine beliebige Anzahl von Suchbegriffen verfolgt werden. Das Verfolgen von Shares-of-Voice für verschiedene Entitäten kann eine Konkurrenzbasislinie bereitstellen. Insbesondere kann das Verfahren ein Bestimmen von Share-of-Voice-Änderungen für die Suchbegriffe für jede der Entitäten für die Zeitperiode, die mit der Leistungsänderung in Verbindung steht, beinhalten (Schritt 340). Falls der Share-of-Voice der Entität zu derselben Zeit abgenommen hat, in der Shares-of-Voice von Wettbewerbern zugenommen haben, so kann ein Teil der Leistungsänderung auf einen Verlust bei dem Share-of-Voice der Entität für diese Suchbegriffe zurückzuführen sein. Änderungen der relativen Shares-of-Voice für die Entitäten können gewichtete Werte zugeordnet werden, die später basierend auf relativen Größen der Änderungen zu analysieren sind.
-
Die Leistungsänderung kann auch auf andere Faktoren zurückzuführen sein, die ebenfalls unter Verwendung von Korrelationen der Shares-of-Voice der Entitäten für Suchbegriffe eingegrenzt werden können. Beispielsweise können bei Schritt 350 historische Suchen in Schlüsselsuchsignalen bestimmt werden. Derartige Änderungen können solche Änderungen beinhalten wie Änderungen bei Rückverweisen, Seitenänderungen, Ankertextänderungen, Inhaltsaktualisierungen, etc. Änderungen bei den historischen Suchen kann ein gewichteter Wert zugeordnet werden, der später basierend auf den relativen Größen der Änderungen zu analysieren ist.
-
Ferner kann das Korrelieren von Shares-of-Voice für die Entität einen Vergleich eines Share-of-Voice einer Entität für die Suchbegriffe über die Kanäle erleichtern (Schritt 360). Insbesondere kann, falls Änderungen bei dem Share-of-Voice der Entität über die Kanäle mehr oder weniger gleichmäßig sind, ein geringerer Anteil der Leistungsänderung auf Leistungsänderungen über die Kanäle zurückzuführen sein. Falls jedoch Änderungen bei dem Share-of-Voice der Entität signifikant zwischen Kanälen variieren, kann die Leistung innerhalb dieser Kanäle sodann separat analysiert werden, um das Eingrenzen von Gründen für die Änderung zu unterstützen. Gemäß einem Beispiel beinhalten die Kanäle Suchmaschinen. Beispielsweise kann dann, falls eine Share-of-Voice-Änderung identifiziert wird, der Share-of-Voice analysiert werden, um zu bestimmen, ob ähnliche Änderungen bei den Suchmaschinen entstanden sind. Falls die Abnahme auf eine bestimmte Suchmaschine eingegrenzt werden kann, kann es wahrscheinlich sein, dass für diese bestimmte Suchmaschine ein Algorithmus geändert worden ist und Aktionen unternommen werden können, um den Share-of-Voice für diese Suchmaschine zu verbessern. Änderungen über Kanäle kann ein gewichteter Wert zugeordnet werden, der später basierend auf relativen Größen der Änderungen zu analysieren ist.
-
Share-of-Voice-Änderungen, die durch die gewichteten Werte widergespiegelt werden, die in Schritten 340 bis 350 bestimmt werden, können dann in Schritt 370 verglichen werden, um das Eingrenzen, welcher Aspekt einer Share-of-Voice-Änderung mit der Leistungsänderung stark korrelieren muss, zu unterstützen. Bei Schritt 380 kann die korrelierte Liste dann dem Benutzer für die Zwecke einer Analyse angezeigt werden. Demnach kann einem Benutzer durch Untersuchen von Signalen, wie der Wettbewerbsbasislinie und der Leistung über mehrere Kanäle desselben Typs eine priorisierte Liste mit potentiellen Gründen für Leistungsabnahmen und Leistungszunahmen bereitgestellt werden.
-
Zusätzlich zum Korrelieren von Leistungsänderungen zu Share-of-Voice-Änderungen kann das mit Bezug zu 1 beschriebene System dazu ausgebildet sein, Suchbegriffe in bedeutungsvolle Gruppierungen zu gruppieren, um es der Entität zu ermöglichen, die Leistungsänderungen nachzuvollziehen, weil Änderungen eher auf Gruppierungen eingegrenzt werden können als auf aggregierte Referenzen auf die ganze Entität. Ein solcher Ansatz kann einen hilfreichen Granularitätsgrad bereitstellen, weil jede Gruppierung eine bedeutungsvolle Datenkategorie repräsentiert. Ferner kann ein solcher Ansatz unterstützen, aufzudecken, wie Gruppierungen tendieren, als auch zu untersuchende Kategorien zu identifizieren. Die oben mit Bezug auf 3 diskutierten Suchbegriffe können Gruppierungen von Suchbegriffen beinhalten. Ein beispielhaftes Verfahren zum Gruppieren von Suchbegriffen wird nun mit Bezug auf 4 genauer erläutert.
-
4 veranschaulicht ein Verfahren zum Bestimmen von Gruppierungen gemäß einem Beispiel. Das Verfahren beginnt bei Schritt 400 durch ein Empfangen einer Eingangsauswahl, die bestimmt, ob die Gruppierungen durch einen Benutzer definiert werden wie bei Schritt 410, ob die Gruppierungen durch Systemintelligenz bestimmt werden wie bei Schritt 420, oder ob die Gruppierungen durch eine Kombination dieser beiden bestimmt werden wie in Schritt 430. Die Auswahl hinsichtlich der Art und Weise, wie die Gruppierungen zu bestimmen sind, kann in beliebiger Manier erfolgen, wie beispielsweise durch Verwendung von Eingabe-/Ausgabevorrichtungen. Dieses Eingangssignal kann während einer initialen Einstellphase empfangen werden, oder bevor eine jeweilige Suche durchgeführt wird oder zu irgendeiner anderen beliebigen Zeit.
-
Bezug nehmend auf Schritt 410, kann der Benutzer, falls die empfangene Eingangsauswahl anzeigt, dass die Gruppierungen benutzerdefiniert zu sein haben, die Gruppierungen in beliebiger Art und Weise definieren. Beispielsweise kann der Benutzer die Gruppierungen direkt definieren. Insbesondere für benutzerdefinierte Gruppierungen gilt, dass Benutzer Kenntnis von Schlüsselwörtern, Schlüsselwortvarianten oder Schlüsselwortkategorien für Aktionen haben, die in Beziehung zu der Entität stehen, wie beispielsweise Datenaufkommen Events-/Interaktionen mit der Website während Besuchsaktionsereignisse, Kauf/Verkauf, Download, Registrieren, oder irgendwelche anderen Aktionen, Konformität/Nicht-Konformität. Beispielsweise kann ein Benutzer Gruppen definieren, die beispielsweise Schlüsselwortgruppierungen, basierend auf einer Schlüsselwortkategorie oder einer Schlüsselwortvariante, die lobende Begriffe, eine Interessenskategorie, und eine geografische Kategorie kombinieren. Eine solche beispielhafte Gruppierung kann den Satz „beste Restaurants”+[Stadt] (beispielsweise beste Restaurants in San Francisco, beste Restaurants in New York, etc.) beinhalten.
-
Zusätzlich zum direkten Eingeben von Schlüsselwörtern kann ein Benutzer auch Seiten hinsichtlich eines Seitentyps gruppieren. Beispielsweise kann ein Benutzer Produktseitentypen, redaktionelle Seiten, Blog-Beiträge, oder andere Kategorien zusammen gruppieren. In wenigstens einem Beispiel kann ein Benutzer benutzerdefinierte Vorlagen durch Kopieren von Seitentypen wie gewünscht erzeugen. Zusätzlich zu den benutzerdefinierten Gruppierungen kann Schritt 410 ein Empfangen von Eingangssignalen zum Kombinieren von Seiten mit Variablen, wie beispielsweise ein Seitenname, ein Titel, ein Uniform-Resource-Locator (URL), Kosten eines gesponserten Links, Einkommen pro Besuch, Zeit auf der Website, Bounce-Rate, Seitenaufrufe, Besucheranzahl, essentielle treibende Kräfte, oder andere Eigenschaften, die von dem Benutzer bereitgestellt werden können, interne Systeme oder Fremddaten, beinhalten. Demnach kann das Verfahren ein Empfangen von Eingangssignalen beinhalten, um verschiedene Gruppierungen von Suchparametern zu etablieren, wie sie vom Benutzer definiert werden.
-
Wie angedeutet, kann das Verfahren auch ein automatisches Bestimmen von Gruppierungen beinhalten. Bezug nehmend zu Schritt 420 kann das System, falls die Eingangsauswahl anzeigt, dass die Gruppierungen unter Verwendung einer Systemintelligenz zu bestimmen sind, zumindest initial Eingangssignale zum Abstecken der Suche empfangen. Bei anderen Beispielen kann das Bestimmen ohne Benutzereingriff automatisch durchgeführt werden.
-
Für den Fall, das initial Benutzereckdaten bereitgestellt werden, kann das System Eingangssignale empfangen, um allgemeine Parameter auszuwählen, nach denen das System zu suchen hat. Beispielsweise kann das System Eingangssignale empfangen, die erstrangige Schlüsselworte auswählen, die Datenverkehr oder Datenaufkommen zu der Entität führen. Bei einem solchen Beispiel kann das System diese Schlüsselwörter automatisch gruppieren. Ferner kann das System darüber hinaus Eingangssignale zum Auswählen von Seitentypen, Seitennamen, Uniform-Resource-Locators, oder andere Kategorien oder Klassifikationen von Webseiten, die Datenverkehr in einer ausgewählten Art und Weise beeinflussen, empfangen. Zusätzlich kann das System auch Eingangssignale zum Auswählen von erstrangigen Seiten empfangen, die eine Abnahme von Benutzeraufrufen, Besuchsaktionen oder andere gewünschte Leistungsmetriken verzeichnen. Das System kann dann automatisch basierend auf irgendwelchen oder all diesen Eingangssignalen Gruppierungen erzeugen. Demnach kann das Verfahren ein Empfangen von Eingangssignalen zum automatischen Etablieren von verschiedenen Gruppierungen von Suchparametern beinhalten.
-
Bezug nehmend auf Schritt 430, also auf den Pfeil, bei dem die empfangenen Eingangssignale Ausfall anzeigen, dass die Gruppierungen durch eine Kombination von Systemintelligenz und benutzerdefinierten Begriffen zu bestimmen ist, können die Systemintelligenz und die Benutzereingangssignale in beliebiger Art und Weise miteinander kombiniert werden. Beispielsweise kann das System oben beschriebene Eingangssignale zum Bestimmen von benutzerdefinierten Gruppierungen empfangen. Basierend auf einem Ergebnis der Gruppierungen, kann das System automatisch eine Suche durchführen, um Schlüsselwörter, Begriffskombinationen, Seitentypen oder irgendwelche anderen Daten, die häufig benutzerdefinierten Gruppierungen zugeordnet sind, identifizieren. Andere Typen von Suchbegriffen beinhalten Konformität/Nicht-Konformität. Das System kann sodann die aufgedeckten Schlüsselwörter, Begriffskombinationen, Seitentypen, etc. und die benutzerdefinierten Suchbegriffe automatisch miteinander in Gruppierungen kombinieren, nach denen sodann, wie gewünscht, nochmals gesucht werden kann. Ferner kann hinsichtlich der Suchergebnisse mit Bezug auf Wettbewerber eine Frequenzanalyse durchgeführt werden, um zusätzliche Schlüsselwortvarianten und/oder andere Korrelationen zu bestimmen. Das Suchen kann je nach Wunsch automatisch durchgeführt werden oder auf Empfang von zusätzlichen Eingangssignalen hin. Demnach kann das Verfahren Benutzereingangssignale und Systemintelligenz miteinander kombinieren, um Gruppierungen zu bestimmen, nach denen zu suchen ist. Ferner können die Suchergebnisse, wie oben beschrieben, dazu verwendet werden, die Gruppierungen wie gewünscht weiter zu bestimmen und/oder zu verfeinern.
-
Zusätzlich oder alternativ dazu können automatische Gruppierungen auf eine aktuelle Saison oder auf aktuellen Events basiert sein. Insbesondere wird nach einigen Schlüsselwörtern in Abhängigkeit der aktuellen Jahreszeit häufiger gesucht, wie beispielsweise das Suchen nach Begriffen betreffend Weihnachtsbäume während November und Dezember.
-
Nachdem ein Suchauftrag ausgeführt worden ist, können die Ergebnisse analysiert und die Gruppierungen verwaltet werden. Beispielsweise können die Gruppierungen gemäß dem mit Bezug zu 2 und 3 diskutierten Verfahren analysiert werden, was es einem Benutzer erlaubt, Leistungsänderungen hinsichtlich bedeutungsvoller Varianten weiter einzugrenzen und abzusondern. Das Verfahren zum Gruppieren von Suchbegriffen kann auch dazu verwendet werden, das Aufdecken von weiteren Schlüsselwörtern, die von Interesse sein könnten, zu unterstützen, und zwar sowohl mit Bezug auf eine Analyse einer aktuellen Leistung als auch mit Bezug auf das Identifizieren von potenziellen Möglichkeiten. Ein beispielhaftes Verfahren zum Identifizieren von zusätzlichen interessanten Suchbegriffen wird nun mit Bezug auf 5 näher erläutert.
-
Wie in 5 dargestellt, kann ein Verfahren zum Identifizieren von zusätzlichen Suchbegriffen mit einem Empfangen von initialen Suchergebnissen beginnen (Schritt 500), die als Basissatz von Suchbegriffen dienen. Bei wenigstens einem Beispiel kann der Basissatz von Suchbegriffen als Teil von den Gruppierungen empfangen werden, die gemäß dem mit Bezug auf 4 diskutierten Verfahren bereitgestellt werden. Bei anderen Beispielen können die Suchergebnisse auf Suchbegriffen basieren, die in irgendeiner anderen Art und Weise bereitgestellt worden sind, beispielsweise durch empfangene Eingangssignale von einem Benutzer.
-
Bei Schritt 510 fährt das Verfahren mit einem Durchsehen der Suchergebnisse fort, wobei die Suchergebnisse die URLs beinhalten, die in den Suchergebnissen wiedergegeben sind, als auch jedwede APIs, die der Suche zugeordnet sind. Ferner fährt das Verfahren bei Schritt 510 mit einem Durchsehen der Suchergebnisse nach jedem der Suchbegriffe fort. Wie in Schritt 520 gezeigt, kann das Verfahren ein Analysieren von Daten beinhalten, welche aufgrund des Durchsehens hervorgegangen sind, wobei diese Daten On-Page-Informationen und Rückverweisdaten (z. B. Rückverweis URL, Ankertext, etc.) für jede URL in dem Suchergebnis beinhalten. Bei wenigstens einem Beispiel beinhaltet das Analysieren von Daten, die aus dem Durchsehen hervorgegangen sind, ein Ausführen einer Frequenzsuche hinsichtlich der Information. Eine Frequenzsuche oder eine andere Analyse der Daten, die im Rahmen des Durchsehens hervorgegangen sind, kann das Identifizieren von zusätzlichen Suchbegriffen, die nicht im Basissatz enthalten sind, aber die relevant für die Suchergebnisse sind, unterstützen. Zusätzlich oder alternativ dazu können eingehende Verweise von Fremdwebauftritten (Fremdwebsites) in bedeutungsvolle Seitentypen gruppiert werden (basierend auf dem Inhalt der Seite), und zwar für die Zwecke eines Durchführens einer Analyse, um den Wert eines Verweis (Links) von einem gegebenen Seitentyp oder den Unternehmenswert von die Entität betreffenden Aktionen, welche von einem gegebenen Seitentyp betrieben werden, zu verstehen. Diese Ergebnisse können einen bedeutungsvollen Einblick und nachvollziehbare Möglichkeiten basierend auf einer aggregierten Datenanalyse bereitstellen, welche auf individuelle Gruppierungen, Kombinationen von Gruppierungen oder Vergleichsgruppierungen angewendet wird.
-
Wie in Schritt 530 gezeigt, werden die Ergebnisse der Analyse berichtet, wobei die Ergebnisse der Analyse die zusätzlichen Suchbegriffe beinhalten können, welche während der Analyse entdeckt worden sind. Bei wenigstens einem Beispiel kann das Berichten der Ergebnisse ein Bereitstellen der Ergebnisse zur Verwendung im Rahmen einer der oben beschriebenen Verfahren beinhalten. Zusätzlich oder alternativ dazu können die Ergebnisse durch Anzeigen der Ergebnisse für einen Benutzer berichtet werden. Zusätzlich zu dem Bereitstellen einer bedeutungsvollen Analyse relativ zur Leistung der Entität kann auch das Identifizieren von zusätzlichen Suchbegriffen das Identifizieren von potenziellen Möglichkeiten unterstützen.
-
Wie in 6 dargestellt, kann ein Verfahren zum Identifizieren von Möglichkeiten zum Optimieren von Referenzen durch Korrelieren von internen Daten und externen Daten bei Schritt 600 beginnen. Optional können auch Fremddaten in diese Korrelation einbezogen werden. Bei wenigstens einem Beispiel beinhaltet das Korrelieren von internen Daten und externen Daten ein Korrelieren von Bewertungen für jeden der Suchbegriffe mit Bezug auf Referenzen auf die Entität, die Gesamtanzahl von das Netzwerk betreffende Besucher, welche jedem der Suchbegriffe zugeordnet sind, die Anzahl von diesen Besuchen zugeordneten Besuchsaktionen, das Verhältnis von Besuchsaktionen zu Besuchen, und die Gesamtanzahl von Besuchsaktionen, die den Suchbegriffen zugeordnet sind. Die Suchbegriffe können in jeder geeigneten Art und Weise bestimmt oder identifiziert werden, auch nach Verfahren, wie sie oben beschrieben sind.
-
Wie in Schritt 610 gezeigt, kann das Verfahren ein Anzeigen von Suchergebnissen für einen Benutzer beinhalten. Nachdem die internen Daten und die externen Daten miteinander korreliert worden sind, können Suchbegriffe für eine Untersuchung identifiziert werden, wie es in Schritt 620 dargestellt ist. Das Identifizieren von Suchbegriffen zur Untersuchung kann ein Identifizieren von Suchbegriffen beinhalten, für welche die Referenzen mit Bezug auf die Entität als schlechte Bewertungen erzielen. Solch ein Beispiel kann beinhalten, welche Bewertungen die Referenzen auf einer zweiten Seite oder noch schlechteren Seite der Suchergebnisse platzieren.
-
Besuchsaktionsraten und/oder Gesamtwerte können dann analysiert werden, um zu bestimmen, ob die Suchbegriffe es wert sind, untersucht zu werden. Falls die Suchbegriffe eine hohe Besuchsaktionsrate aufweisen, kann es sich lohnen, das Verbessern der Bewertung für diese Suchbegriffe mit Bezug auf die Entität zu untersuchen. Falls der Gesamtwert, der dem Suchbegriff zugeordnet ist, vergleichsweise groß ist, obwohl die Bewertung eher gering ausfällt, kann dies ferner anzeigen, dass sich das Untersuchen eines Verbesserns der Bewertung der Suchbegriffe lohnen kann. Demnach kann ein Verfahren zum Identifizieren von Suchbegriffen zur Untersuchung ein Bestimmen eines Bewertungsstellenwerts umfassen, wie beispielsweise eine Seitenrankbewertung, ein Bestimmen einer Schwellenwertbesuchsaktionsrate und ein Bestimmen eines Grenzgesamtwerts. Falls die der Bewertung zugeordneten Parameter erfüllt sind und entweder der Besuchsaktionsschwellenwert oder der Grenzgesamtwert oder beide erfüllt sind, so kann der Suchbegriff automatisch zur Untersuchung identifiziert werden.
-
Zusätzlich oder alternativ dazu können die oben beschriebenen externen Daten analysiert werden, um Suchergebnisse für Referenzen auf andere Entitäten, wie beispielsweise ein Wettbewerber, zu analysieren. Die den Suchbegriffen zugeordneten Bewertungen können dann analysiert werden, um zu bestimmen, wo ein anderer Wettbewerber schwach sein könnte. Falls beispielsweise ein Wettbewerber bei einem Suchbegriff, der einen signifikanten Datenverkehr oder damit in Verbindung stehende Besuche aufweist, wie es durch die Fremddaten wiedergespiegelt wird, eine niedrige Randposition einnimmt, so kann dieser Suchbegriff für eine weitere Untersuchung identifiziert werden.
-
Zusätzlich oder alternativ dazu können die externen Daten, die analysiert worden sind, ohne Suchergebnisse für Referenzen auf eine andere Entität zu bewerten, anzeigen, wo die Entität eine Schwäche aufweist. Beispielsweise können zusätzliche Suchbegriffe durch Durchsehen der Suchergebnisse für einen gegebenen Satz von Suchbegriffen identifiziert werden, wie es oben beschrieben ist. Nach den zusätzlichen Suchbegriffen kann dann gesucht werden und eine Bewertung, welche für die Suchergebnisse mit Bezug auf sowohl die Entität und die Wettbewerber kann erzeugt werden. Falls die Bewertungen anzeigen, dass die Wettbewerber mit Bezug auf diese Suchbegriffe hohe Bewertungen erzielen und die Entität dies nicht tut, so kann diese Bestimmung anzeigen, dass es sich lohnt, diese Suchbegriffe zu untersuchen, beispielsweise durch Einsetzen dieser Suchbegriffe in bezahlten Suchen. Bei wenigstens einem Beispiel kann für die Entität ein Schwellenwertrank bestimmt werden, wie beispielsweise ein Rank, der anzeigt, dass Referenzen auf die Entität erst auf der dritten oder einer noch schlechteren Seite erscheinen. Wunschgemäß kann ein beliebiger Schwellenwertrank verwendet werden. Bei so einem Beispiel können die Suchbegriffe automatisch im Rahmen einer bezahlten Suche eingesetzt werden, falls ein Wettbewerber mit Bezug auf die Suchbegriffe eine bessere Bewertung erzielt als der Schwellenwertrank und die Entität eine schlechtere Bewertung als der Schwellenwertrank erzielt.
-
Zusätzlich oder alternativ dazu können die Fremddaten anzeigen, dass eine Aktivität betreffend bestimmte Suchparameter in die Höhe geschossen ist. Dieser Höchststand kann als solcher Suchbegriffe identifizieren, die es sich lohnt, zu untersuchen.
-
7 veranschaulicht ein Verfahren zum Vorhersagen von Ergebnissen einer Initiative gemäß einem Beispiel. Die Suchbegriffe können durch einen Benutzer erzeugt werden, können im Rahmen des Verfahrens zum Identifizieren von Möglichkeiten, wie es oben beschrieben ist, aufgedeckt werden oder durch irgendein anderes Verfahren erzeugt werden. In einem vorläufigen Schritt können die Suchbegriffe oder andere Variablen, die der Initiative zugeordnet sind, wie oben beschrieben analysiert werden. Danach kann das Verfahren, wie es in 7 dargestellt ist, beginnen durch Bestimmen der aktuellen Parameter, die den Suchbegriffen zugordnet sind, für Aktionen betreffend die Entität, wie in Schritt 700. Diese Parameter können interne Daten und externe Daten beinhalten, wie beispielsweise korrelierte Bewertungen für jeden der Suchbegriffe mit Bezug auf Referenzen auf die Entität, die Gesamtanzahl von Besuchen betreffen das jedem Suchbegriff zugeordnete Netzwerk, die Anzahl von diesen Besuchen zugeordneten Besuchsaktionen, das Verhältnis von Besuchsaktionen zu Besuchen, und den Gesamtwert der Besuchsaktionen, die den Suchbegriffen zugeordnet sind. Diese Parameter können auch Fremddaten beinhalten.
-
Sobald die aktuellen Parameter für die Suchbegriffe bestimmt sind, schätzt das Verfahren bei Schritt 710 die Zunahme von Aktionen, die mit dem Verbessern von Bewertungen für die Suchbegriffe mit Bezug auf die Entität in Beziehung steht. Diese Schätzungen können mit Hilfe eines Wahrscheinlichkeitsmodels unternommen werden, welches Daten von beliebigen der oben beschriebenen Quellen beschafft. Beispielsweise versteht es sich, dass Schlüsselwörter an gegebenen Positionen einen vergleichsweise vorhersagbaren Anteil des Netzwerkdatenverkehrs oder der Besuche für diese Seite empfangen.
-
Bei Schritt 720 fährt das Verfahren mit einem Bestimmen von Kosten für das Verbessern von Bewertungen fort. Beispielsweise beinhaltet das Verbessern von Bewertungen ein Aufbauen von Rückverweisen auf die Entität. Das Bestimmen von Kosten für das Verbessern von Bewertungen kann ein Verfolgen von vorherigen Zunahmen von Rückverweisen und ein Korrelieren von vorhergehenden Rankverbesserungen beinhalten. Danach kann eine historische Regressionsanalyse oder eine andere Methodik auf die vorgehenden Bemühungen angewendet werden, um Kosten für das Verbessern von Bewertungen basierend auf den Kosten und der Zeit, die mit den Aktivitäten, welche die Bewertung verbessern, einhergehen.
-
Bei Schritt 730 fährt das Verfahren mit einem Bestimmen eines Werts zum Verbessern der Ergebnisse unter Verwendung irgendeiner gewünschten Berechnung fort, wie beispielsweise benutzerdefinierte Formeln, probabilistisches Modellieren oder unter Verwendung irgendeiner anderen Methode. Demnach gestattet es das vorliegende Verfahren Vermarktern oder anderen Anwendern die mutmaßlichen Ergebnisse von Initiativen vorherzusagen.
-
Im Ergebnis können Vermarkter für jede Initiative eine ähnliche Analyse durchführen, um die mutmaßlichen Kosten für jede Initiative als auch die Wirkung dieser Initiativen abzuschätzen. Dies kann über die Zeit hinweg verfolgt werden, um ein Bestimmen der Effektivität des Verfahrens zu unterstützen und ein wunschgemäßes Anwenden von Korrekturfaktoren ebenfalls zu unterstützen. Darüber hinaus kann die Allokation von oben bestimmten Vorteilen über mehrere Initiativen hinweg verteilt werden, beispielsweise gleichmäßig oder wunschgemäß proportional.
-
8 veranschaulicht ein Verfahren zum Bestimmen einer Konformität zur Optimierung von Referenzen auf eine Entität. Wie in 8 gezeigt, beginnt das Verfahren bei Schritt 800 durch das Definieren von Regeln. Diese Regeln können initiale Standardregeln beinhalten, wobei diese aber in jede Instanz gemäß den Vorzügen der Entität definiert oder modifiziert werden können. Bei wenigstens einem Beispiel können die Regeln durch einen Benutzer definiert werden, durch das System oder durch eine Kombination dieser beiden. Beispiele für Regeln beinhalten die Anwesenheit von Titel-Tags, Größe von Charakter-Tags, und jede andere Regel, die gewünscht sein kann. Derartige Regeln können auf die gesamte Entität angewendet werden, um das Sicherstellen von Konformität über Seiten hinweg zu unterstützen.
-
8 veranschaulicht auch, dass das Verfahren ferner ein Definieren eines Satzes von Konstrukten beinhalten kann (Schritt 810). Diese Konstrukte können irgendwelche Informationen über die Struktur von Webseiten beinhalten, die mit der Entität in Beziehung stehen. Beispielsweise kann das Konstrukt Seitenvorlagen, Website-Landkarten, Suchpfade, etc. oder andere Konstrukte, die widerspiegeln, wie eine Entität eine Website organisiert hat, beinhalten.
-
Bei Schritt 820 beinhaltet das Verfahren ein Bestimmen eines Eigners für jede der in dem Konstrukt identifizierten Komponenten. Jeder Eigner kann für die entsprechende Komponente verantwortlich sein und benachrichtigt werden, wenn es Probleme mit der Website geben sollte.
-
Bei Schritt 830 werden die Regeln auf das Konstrukt angewendet. Bei wenigstens einem Beispiel kann dieses Anwenden ein Verwenden einer Regelmaschine in einer verteilten Umgebung in der Cloud beinhalten. Bei einem Beispiel kann die Regelmaschine dazu eingesetzt werden, die oben bestimmten Regeln auf die Konstrukte anzuwenden, um eine Konformität zu bestimmen. Diese Schritte können ferner ausgeführt werden unter Verwendung eines Virtual Private Networks und unter Beachtung einer Suchbegrenzung. Das oben beschriebene Verfahren kann im Rahmen einer bewährten Vorgehensweise in einer Staging-Umgebung ausgeführt werden, um ein Sicherstellen einer Konformität zu unterstützen, bevor die Entität irgendwelche Änderungen unternimmt, wie beispielsweise Website-Änderungen. Bei einem solchen Beispiel kann die Entität durch Verfolgen eines Trends von Brüchen gegen die Komponenten der Website in intelligenter Weise bestimmen, ob eine bestimmte Komponente defekt ist. Ferner kann ein solcher Prozess die Entität beim Identifizieren unterstützen, ob eine gesamte Komponente, wie beispielsweise eine Vorlage nicht ordnungsgemäß funktioniert, und eher nicht beim Bestimmen, ob eine bestimmte Seite nicht ordnungsgemäß funktioniert. Ferner kann das oben beschriebene Verfahren eingesetzt werden, um andere Entitäten zu analysieren, um Stärken oder Schwächen zu bestimmen. Die Anwendung der Regeln kann ein Bestimmen eines Anteils der Prüfungen umfassen, die Erfolg hatten. Dieser Anteil kann dann als Teil der oben beschriebenen und diskutierten Bewertungen beinhaltet sein, die im Rahmen einer Suche oder einer Analyse von Referenzen auf die Entität erzeugt werden.
-
Demnach stellt eine Konformitätsmaschine ein System/eine Vorrichtung/ein Verfahren zum Durchsuchen von Webseiten auf einer Website und ein Anwenden einer generellen Bewertungsfunktion um eine Bewertung für ein OPS Management zu erzeugen. Bei einem Fall kann diese Bewertung eine Konformitätsbewertung für die Zwecke des Verwaltens einer Konformität hinsichtlich von SEO Seitenstandards sein. Eine Konformität kann über segmentierte Gruppierungen gemessen werden (beispielsweise von Seiten, die einen bestimmten Typ bzw. eine bestimmte Kategorie von Seiten bezeichnet, wie beispielsweise eine E-Commerce-Website; für letztere Website kann für jeden Satz von Seiten, die nach Produktkategorie gruppiert sind, die Konformität gemessen werden).
-
Bei einem anderen Beispiel kann die Konformität/Nicht-Konformität eine der Variablen sein, die zusätzlich oder alternativ mit Shares-of-Voice korreliert ist, wie es oben beschrieben ist. Die Konformität/Nicht-Konformität kann auch einer der oben identifizierten oder gruppierten Suchbegriffe sein. Demnach können System und Verfahren zum Korrelieren der Änderung von einem Übergang von einer Konformität zu einer Nicht-Konformität (oder umgekehrt) durch Gruppieren und sodann folgendes Korrelieren der Gruppierung zurück zu SEO-Metriken (wie beispielsweise ein Rang) oder Geschäftsmetriken (wie beispielsweise Besuche/Besuchsaktionen/Verkaufsdollarwert) bereitgestellt werden, um abzuschätzen, wie sich eine Änderung des Konformitätsstatus' auf das Unternehmen auswirkt.
-
Demnach kann eine Konformitätsbewertung so einfach sein wie die Anzahl von Prüfungsregeln, die versagt haben, der Anteil von erfolgreichen oder nicht-erfolgreichen Regeln, oder könnte eine anspruchsvolle Funktion sein, die interne Daten/externe Daten/Fremddaten kombiniert, um nicht-konformen Seiten oder Gruppierungen eine Unternehmensbedeutung/einen Wert zuzuordnen.
-
Computerausführbare Instruktionen umfassen beispielsweise Instruktionen und Daten, die einen Mehrzweckcomputer, einen Sonderzweckcomputer oder eine Sonderzweckverarbeitungseinheit veranlassen, eine bestimmte Funktion oder eine Gruppe von Funktionen auszuführen. Obwohl der Gegenstand in einer Sprache beschrieben worden ist, die spezifisch für strukturelle Merkmale und/oder methodischen Handlungen ist, versteht es sich, dass der in den beigefügten Ansprüchen definierte Gegenstand nicht notwendigerweise auf oben beschriebene spezifische Merkmale oder Handlungen beschränkt ist. Vielmehr sind die oben beschriebenen spezifischen Merkmale als beispielhafte Ausführungsformen zum Ausführen der Ansprüche offenbart.
-
Die vorliegend verwendeten Begriffe „Module” oder „Komponente” können Softwareobjekte oder Routinen bezeichnen, die auf dem Rechensystem ausführen. Die verschiedenen Komponenten, Module, Maschinen und Dienste, die vorliegend beschrieben sind, können als Objekte oder Verfahren implementiert werden, die auf dem Rechensystem ausführen (beispielsweise als voneinander separate Programmabschnitte). Obwohl das hier beschriebene System und die hier beschriebenen Verfahren bevorzugt in Software implementiert sind, sind Implementierungen in Hardware oder Implementierungen in einer Kombination von Software und Hardware ebenfalls möglich und vorgesehen. Im Rahmen der vorliegenden Beschreibung kann eine „Rechenentität” ein Rechensystem sein, wie es vorliegend vorstehend definiert worden ist, oder irgendein Modul oder eine Kombination von Modulen, die auf einem Rechensystem betrieben werden.
-
Die vorliegende Erfindung kann auch in anderen Formen verwirklicht werden, ohne von dem Geist oder den wesentlichen Eigenschaften der vorliegenden Erfindung abzuweichen. Die beschriebenen Ausführungsformen sind in jeder Hinsicht als lediglich veranschaulichend und nicht als begrenzend zu betrachten. Der Umfang der vorliegenden Erfindung ist daher eher in den beigefügten Ansprüchen angegeben als in der vorstehenden Beschreibung. Alle Änderungen, die sich hinsichtlich der Bedeutung und des Umfangs der Äquivalenz der Ansprüche ergeben, sollen vom Umfang der Ansprüche umfasst sein.
-
Bezugszeichenliste
-
- 105
- Netzwerk
- 110
- Webserver
- 120
- Vertiefungsindexmaschine
- 130
- Korrelator
- 140
- Gruppiermaschine
- 150
- Vorhersagemaschine
- 200
- Bestimmen von Suchbegriffen
- 210
- Beschaffen von internen Daten
- 220
- Beschaffen von Fremddaten
- 230
- Durchsuchen des Netzwerkes nach Referenzen
- 240
- Anwenden des Multiplizierers
- 250
- Berechnen des Share-of-Voice
- 300
- Bestimmen von Shares-of-Voice
- 310
- Verfolgen von Shares-of-Voice
- 320
- Identifizieren einer Leistungsänderung
- 330
- Korrelieren der Shares-of-Voice der Entitäten
- 340
- Bestimmen von Share-of-Voice-Änderungen
- 350
- Bestimmen von historischem Suchen in Schlüsselsuchsignalen
- 360
- Vergleichen der Share-of-Voice-Änderungen über die Kanäle
- 370
- Vergleichen der Änderungen mit dem Share-of-Voice
- 380
- Anzeigen einer korrelierten Liste
- 400
- Empfangen einer Eingangsauswahl
- 410
- Empfangen von benutzerdefinierten Gruppierungen
- 420
- Bestimmen von Gruppierungen unter Verwendung von Systemintelligenz
- 430
- Bestimmen von Gruppierungen mit Benutzereingaben und Systemintelligenz
- 500
- Empfangen von initialen Suchergebnissen
- 510
- Durchsehen der Suchergebnisse
- 520
- Analysieren der durchgesehenen Ergebnisse
- 530
- Berichten der Ergebnisse
- 600
- Korrelieren der internen Daten, der externen Daten und/oder der Fremddaten
- 610
- Optionales Anzeigen der Ergebnisse
- 620
- Identifizieren von Suchbegriffen zur Untersuchung
- 700
- Bestimmen von aktuellen Parametern
- 710
- Schätzen der Aktionszunahme wegen des Verbesserns von Bewertungen
- 720
- Schätzen der Kosten zum Verbessern der Bewertungen
- 730
- Schätzen des Werts des Verbesserns von Bewertungen
- 800
- Definieren von Regeln
- 810
- Definieren von Konstrukten
- 820
- Bestimmen von Eignern
- 830
- Anwenden der Regeln auf die Konstrukte