etil alkol rp satın al
chat eczaonline.com

Google Analytics Verisinin SEO Başarısını Ölçmek için R ile Görselleştirilmesi

kutluseo

Paylaşım Ekibi
Katılım
29 Kas 2019
Mesajlar
277
Beğeniler
2
Yaş
20
Konum
İzmir
#1
Yeni Başlayanlar için R ve GA Verisi
ggplot plotly paketlerini kullanmaya başlamadan önce R kullanmaya başlamak ve GA verisine API aracılığıyla erişmek için bu içeriği kullanabilirsiniz. Eğer bir Analytics hesabınız yoksa endişelenmeyin, bu içerikle Google tarafından sağlanan demo hesaba erişim sağlayabilirsiniz. Verileri incelemeye başlamak için bir web sitesine de ihtiyacınız yok. Eğer bir web siteniz varsa dahi, onun verisini kullanmak yerine GA demo hesabını kullanmak isteyebilirsiniz, çünkü herhangi bir analizde anlamlı sonuçlara ulaşabilmek için çok sayıda veri gerekir. Bu iki link sayesinde R paketleriyle ve Google Analytics’den aldığınız verilerle kendi analizlerinizi yapmanız mümkün hale geliyor.

İlk ggplot Grafiğimiz
Arama motorları sıralamalarında genel bir yükselme olup olmadığını anlamanın en iyi yolu organik arama trafiğine bakmaktır. Ben doğrudan Google’ın Dimension & Metric Explorer API servisi üzerinden bulduğum organicSearches metriğini kullandım. Bu metrik GA içerisinde Organik Trafik kaynaklarına göre Session değerlerinden bir miktar farklı ölçümler veriyor. Fakat bu yazının amacı gereği bu metriği kullanmamızda herhangi bir sorun bulunmamakta. Bu içerik için kullanılan web sitesinin içerik bazlı bir web sitesi olduğunu da ekleyelim. Burada öncelikle ggplot paketini kullanarak R’da basit bir grafik oluşturalım. Aşağıda grafiğin çiziminde kullanılan kodları görüyorsunuz:

  1. g <- ggplot(ga_data, aes(date, organicSearches)) + geom_point()
  2. g

Grafiği biraz daha çekici hale getirmek için;

• Y eksenini 100,000’e bölerek düzenleyebilir.
• Grafiğe bir başlık ekleyebilir ve onu merkeze alabilir.
• Kalabalık olarak görüntülenen bölgelere bir miktar blur ekleyebilir ve
• Noktaların renklerini değiştirebiliriz.

İçerik sitemizin organik trafiğinin grafiğini tekrar çizdirecek olursak:

  1. g <- ggplot(ga_data, aes(date, organicSearches / 100000))
  2. + geom_point(color = "midnightblue", alpha = 0.5)
  3. + ggtitle("Organic Search Increase from 2014 to 2017")
  4. +labs(x = "Date")+labs(y = "Sessions Multiple with 100.000")
  5. + theme(plot.title = element_text(size = 15, face = "bold", hjust = 0.5,family="Arial"),axis.title.x = element_text(family = "Arial", color="forestgreen", vjust=-0.35),axis.title.y = element_text(family = "Arial",color="forestgreen" , vjust=0.35))
  6. g



Atacağımız bir sonraki adım yıllık SEO başarısını incelemek olacak. Burada İçerik-Bazlı web sitemizin yıllara göre performansının değişimini görmek istiyoruz. Burada plotly paketini kullanacağız.

Yıl Yıl SEO Performansı
Öncelikle veri setimizin ilk beş satırına göz gezdirelim.

  1. > head(ga_data)
  2. date organicSearches
  3. 1 2013-06-18 9523
  4. 2 2013-06-19 9368
  5. 3 2013-06-20 8615
  6. 4 2013-06-21 8803
  7. 5 2013-06-22 7876
  8. 6 2013-06-23 6662
burada tarih değerlerine karşılık organik trafik değerlerine sahip olduğumuzu görüyorsunuz. Şimdi Organic Searches metriğimizin toplamlarını yıl bazında gruplayalım. Bunun için Hadley Wickham’ın oluşturduğu lubridate fonksiyonunu kullanabiliriz.

  1. > library(lubridate)
lubridate fonksiyonu ile tarihlerimiz içerisinden sadece yıl bölümünü alabiliyoruz. Aşağıdaki kodla bunu yapabilmek mümkün;

  1. > sum(ga_data[year(ga_data$date) == 2014,]$organicSearches)
Organic Searches metriğinin 2014 ve sonrası için yıllara göre toplamlarını alabiliriz.

  1. years <- c("2014", "2015", "2016","2017")
  2. counts <- c(sum(ga_data[year(ga_data$date) == 2014,]$organicSearches), sum(ga_data[year(ga_data$date) == 2015,]$organicSearches), sum(ga_data[year(ga_data$date) == 2016,]$organicSearches), sum(ga_data[year(ga_data$date) == 2017,]$organicSearches))

  3. growth <- data.frame(years,counts)

  4. > growth
  5. years counts
  6. 1 2014 22510804
  7. 2 2015 83490723
  8. 3 2016 106399551
  9. 4 2017 75052130
Burada yıllara karşılık toplam sayımları içeren bir data frame oluşturduk. Verimizi plotly ile görselleştirecek olursak;

  1. library(plotly)
  2. p <- plot_ly(growth, x = ~years, y = ~counts, type = 'bar', name = 'Sessions')
  3. p


ggplot’un aksine plotly temel grafiği oluşturduktan sonra herhangi bir ek düzenlemeye ihtiyaç duymuyor. Y eksenini otomatik olarak milyon kat olarak ayarlarken, aynı zamanda da interaktif bir deneyim sağlıyor.
Burada içerik sitemizin 2015 yılında 2014’e göre yaklaşık %400 büyüme sağladığını görüyoruz. Büyüme 20M tıklanma ile 2016’da devam ederken, 2017 Ağustos itibariyle büyümenin 2017 yılı için 125M ile devam etme eğiliminde olduğunu görüyoruz. Önceki yıla göre 20M fazla (yoksa daha da mı fazla?)
 

Bu konuyu okuyanlar (Üyeler: 1, Misafirler: 0)

Türkiye’nin ilk webmaster forum sitesi iyinet.com'da forum üyeleri tarafından yapılan tüm paylaşımlardan; Türk Ceza Kanunu’nun 20. Maddesinin, 5651 Sayılı Kanununun 4. maddesinin 2. fıkrasına göre, paylaşım yapan üyeler sorumludur. iyinet.com sayfalarında yer alan yazı, görsel ve linklerle ilgili hukuki şikayetleriniz için Buradan iletişime geçmeniz durumunda, ilgili kanunlar ve yönetmelikler çerçevesinde en geç 7 gün içerisinde iyinet yönetimince tarafınıza dönüş sağlanacaktır. Betcup porno Artemisbet Forum canlı bahis sohbet - - chat
Üst