Cải thiện liên kết nội bộ cho SEO: Tính toán PageRank nội bộ

Nhà báo Paul Shapiro chia sẻ phương pháp của mình trong việc xác định trang nào trong trang web của bạn có thể được xem là đáng tin cậy bởi các công cụ tìm kiếm, dựa trên một thông số ông ấy gọi là “PageRank nội bộ”. Cấu trúc trang web của bạn – cách mà bạn cấu trúc và tổ chức các liên kết nội bộ (ví dụ như mọt liên kết đến phần About Us của trang web từ phần điều hướng) – có một vai trò quan trọng trong việc người dùng và các công cụ tìm kiếm có thể điều hướng trong trang web của bạn thế nào, cuối cùng ảnh hưởng đến thứ hạng trang của bạn. Các công cụ tìm kiếm sử dụng liên kết để thu thập dữ liệu web. Các trình thu thập được sử dụng bởi các công cụ tìm kiếm này nhấn vào mỗi liên kết xuất hiện trên một trang web – cả liên kết nội bộ và liên kết ngoài – và sau đó tất cả các liên kết trong các trang tiếp theo, và tiếp tục thế. Nó cho phép các công cụ tìm kiếm tìm thấy các trang của bạn và xếp hạng chúng trong chỉ mục của chúng. Các công cụ tìm kiếm như Google cũng sử dụng số lượng liên kết để xếp hạng các kết quả truy vấn, xem mỗi liên kết như một lá phiếu cho sự quan trọng của trang (như PageRank). Vì lý do này, cách mà bạn liên kết các trang trong trang web của mình có một vai trò lớn trong việc các công cụ tìm kiếm thu thập dữ liệu, hiểu và xếp hạng trang web của bạn. Như một người làm SEO, làm thế nào để bạn đảm bảo cấu trúc trang web của mình là tối ưu và các liên kết nội bộ đó được sắp xếp đúng? Hãy tìm hiểu về việc tính toán một thông số mà tôi gọi là PageRank Nội Bộ có thể giúp chúng ta làm việc này như thế nào. Cấu trúc cơ bản của trang và các liên kết nội bộ dựa trên điều hướng Có hai kiểu cơ bản của các liên kết nội bộ: 1. Các liên kết nội bộ hình thành cấu trúc điều hướng trang của bạn. 2. Các liên kết nội bộ thứ cấp xuất hiện trong ngữ cảnh trong trang web của bạn (trong các bài báo và các nơi khác mà không cần thiết phải là một sản phẩm của cấu trúc điều hướng của trang của bạn), Hãy đến với kiểu đầu tiên. Bước đầu tiên để các liên kết nội bộ vào trật tự đó là sắp xếp các yếu tố điều hướng chung và tuân theo một cấu trúc trang được tổ chức tốt. Tôi khuyến nghị việc tạo ra một cấu trúc liên kết nội bộ cổ điển và sử dụng cấu trúc silo của Bruce Clay như một nền tảng cho các liên kết nội bộ. Đây là những cấu trúc đã được thử nghiệm, hợp lý và làm việc tốt. Dưới đây là một ví dụ từ Portent:

Giờ thì trang web của bạn đã có một nền móng vững chắc cho các liên kết nội bộ, hãy tìm hiểu về việc làm thế nào mà các liên kết điều hướng này, cũng như các liên kết nội bộ tồn tại trong ngữ cảnh có thể ảnh hưởng đến việc các công cụ tìm kiếm thu thập dữ liệu và xếp hạng trang của bạn. Để xem xét về ảnh hưởng liên kết nội bộ một cách tổng thể, chúng ta sẽ phân thích PageRank nội bộ của tất cả các trang. PageRank là gì? Trước khi tiếp tục, hãy dành chút thời gian để xem PageRank là gì. PageRank là một trong những thuật toán mà Google sử dụng để xếp hạng các trang web trong kết quả tìm kiếm của họ. Nó được đặt theo tên Larry Page, một trong những nhà sáng lập của công ty. Thuật toán PageRank, theo giải thích đơn giản của Google “làm việc bằng cách tính số lượng và chất lượng của các liên kết của một trang để xác định một ước tính sơ bộ về tầm quan trọng của trang web”.

Diễn họa về PageRank PageRank nội bộ? Google tính toán PageRank cho mọi trang web trong chỉ mục của họ, liên kết nhiều trang trong một trang web với nhau, cũng như liên kết các trang web khác đến các trang đó. Nhưng ý tưởng đằng sau PageRank – xác định sự quan trọng của một trang dựa trên các liên kết từ các trang khác – có thể được áp dụng trên một mạng lưới lớn (như mạng lưới được phát hiện bởi các trình thu thập của Google) hoặc trong một phần nhỏ của mạng lưới. Với mục đích phân tích các liên kết nội bộ, chúng ta sẽ sử dụng ý tưởng của PageRank để xem xét tầm quan trọng tương đối của từng trang trong một trang web riêng lẻ. Với “PageRank nội bộ”, tôi không nói đến thuật toán PageRank của Google, mà là một tính toán tương tự dựa trên các liên kết nội bộ của một trang web riêng lẻ. Hãy bắt đầu tính toán PageRank nội bộ của trang web của bạn. Lưu ý: Cần nói rõ là tôi không nói đến hoặc ủng hộ cho PageRank. Tôi nói đến việc sử dụng một thông số giống như PageRank để chuẩn đoán các vấn đề trong cấu trúc trang web của bạn. Điều này sẽ trở nên rõ ràng hơn khi tôi đưa ra các ví dụ. Bước 1: Thu thập dữ liệu với Screaming Frog Trước khi chúng ta có thể thật sự tính toán PageRank nội bộ, ta cần phải thu thập dữ liệu về trang web của mình. Với ví dụ này, tôi sử dụng Screaming Frog, vì nó là một công cụ tiêu chuẩn của giới SEO. Bắt đầu bằng việc khởi động Screaming Frog và thu thập dữ liệu về trang web của bạn. Khi quá trình thu thập kết thúc, chọn Bulk Export > All Outlinks từ thanh công cụ bên trên và lưu tệp CSV vào nơi bạn muốn.

Tệp CSV chứa một danh sách của tất cả các liên kết nội bộ trong trang web của bạn. Chúng ta sẽ sử dụng danh sách này để tạo ra một mạng lưới và tính toán PageRank nội bộ. Bước 2: Tính toán PageRank nội bộ với R Nếu bạn chưa biết về R, thì đó là một phần mềm miễn phí cho tính toán thống kê và đồ thị chạy trên nhiều nền tảng khác nhau. Tải xuống và cài đặt nó, nếu bạn chưa có sẵn. Cài đặt thư viện igraph bằng cách chạy R và đánh lệnh: install.packages("igraph") Khi thư viện đã được cài đặt, bạn sẽ có thể sử dụng các dòng lệnh sau kết hợp với dữ liệu thu thập từ Screaming Frog: library("igraph") # Swap out path to your Screaming Frog All Outlink CSV. For Windows, remember to change backslashes to forward slashes. links <- read.csv("C:/Documents/screaming-frog-all-outlinks.csv", skip = 1) # CSV Path # This line of code is optional. It filters out JavaScript, CSS, and Images. Technically you should keep them in there. links <- subset(links, Type=="HREF") # Optional line. Filter. links <- subset(links, Follow=="true") links <- subset(links, select=c(Source,Destination)) g <- graph.data.frame(links) pr <- page.rank(g, algo = "prpack", vids = V(g), directed = TRUE, damping = 0.85) values <- data.frame(pr$vector) values$names <- rownames(values) row.names(values) <- NULL values <- values[c(2,1)] names(values)[1] <- "url" names(values)[2] <- "pr" # Swap out 'domain' and 'com' to represent your website address. values <- values[grepl("https?:\\/\\/(.*\\.)?domain\\.com.*", values$url),] # Domain filter. # Replace with your desired filename for the output file. write.csv(values, file = "output-pagerank.csv") # Output file. Hãy làm theo các lời nhắc (ký hiệu #) và đừng quên: 1. Xác định đường dẫn đến tệp CSV Screaming Frog của bạn. 2. Xác định tên miền và phần mở rộng TLD của bạn. 3. Đặt tên cho tệp xuất ra của bạn, tệp sẽ chứa PageRank nội bộ của mỗi trang trong trang web của bạn. Các ví dụ Hãy xem qua một số ví dụ từ các trang web thực sự. Catalyst Digital Chi nhánh của chúng tôi, Catalyst Digital, gần đây tái khởi động trang web của chúng tôi sau quá trình tái thương hiệu, và chúng tôi vẫn gặp một số vấn đề. Vì thế tôi quyết định thu thập dữ liệu của trang web mới và phân tích PageRank nội bộ của nó.

Dưới đây là mẫu về kết quả đầu ra: Nhìn vào các trang với chỉ tiêu PageRank nội bộ, chúng tôi thấy trang đứng đầu là trang thông tin liên hệ. Điều này không ổn chút nào! Bạn sẽ không nhìn thấy điều này bằng việc thu thập dữ liệu bình thường. Ví dụ như Screaming Frog chỉ báo rằng trang thông tin liên hệ thực sự ít hơn một liên kết so với trang chủ, mặc cho giá trị PageRank nội bộ cao hơn. PageRank nội bộ, cũng như thuật toán PageRank của Google, tính đến các liên kết liên kết đến trang đó trong mạng lưới, hơn là việc chỉ tính đến số lượng liên kết.

Có ít liên kết nội bộ tới trang thông tin liên hệ, mặc dù có một giá trị PageRank nội bộ cao hơn. Giờ hãy tìm kiếm tên thương hiệu chúng tôi trên Googe:

Tìm kiếm Google xác nhận là chúng tôi có vấn đề. Trang thông tin liên hệ của chi nhánh chúng tôi được xếp cao hơn trang chủ trong các kết quả tự nhiên, nhiều khả năng vì cách chúng tôi cấu trúc các liên kết liên kết nội bộ. Giờ chúng ta đã nhận thức được vấn đề, chúng ta có thể xem xét cấu trúc trang web của mình và đưa ra giải pháp. Kiến thức chính là sức mạnh. Online Geniuses Hãy chạy một thử nghiệm tương tự với Online Geniuses, một cộng đồng marketing mạng Slack mà tôi kiểm soát, và xem xem có vấn đề gì không. Dưới đây là mẫu về kết quả đầu ra trong R:

Trang web có một trang việc làm có giá trị PageRank nội bộ cao hơn trang chủ. Nó chưa gây vấn đề gì cho chúng tôi, nhiều khả năng do số lượng liên kết ngoài trỏ đến trang chủ và sự khác nhau trong sử dụng từ khóa, nhưng nó có thể là điều mà chúng tôi nên xem xét khi bảo trì trang web. Kết luận Giờ đây bạn đã có vài ý tưởng về việc làm sao để cấu trúc các liên kết nội bộ trong trang web của mình. Sau khi thiết lập một cấu trúc cơ bản cho các liên kết nội bộ dựa trên điều hướng, bạn có thể bắt đầu kiểm kê trang web của mình về các vấn đề liên kết nội bộ bằng cách thu thập dữ liệu trang web của mình và tính toán PageRank nội bộ bằng chương trình R. Nguồn: searchengineland.com