
SEO kémkedés az eMAG, Media Markt és Amazon internal search adatbázisában
Sok olyan SEO technika van, aminek a használatához valamilyen kódolási ismeretre van szükség. Néha pedig a minimális tudás már nem is elég. Ez cikk is most egy olyan haladó anyagot dolgoz fel, amihez nem árt mélyebb technikai tudással rendelkezni. Ugyanakkor igyekeztem érthető formába önteni a dolgot, hogy mindenki számára tiszta legyen mi is a haszna ennek a megoldásnak.
A minap egy olyan tweetbe futottam bele, ami azt taglalta, hogy:
Bizonyos megoldásokkal akár ki is lehet nyerni egy ecommerce cég oldalán történő keresési ajánlásokat.
Kipróbáltam jó pár dolgot, és valóban igazat állított a tweet. Gyakorlatilag turkálni lehet a legtöbb webshop internal search (belső keresési kifejezés) adatbázisában. Ebből a cikkből mindjárt ki is derül hogyan.
Az ötlet
A világon nagyon sok jó SEO szakértő van. De még a legjobbak között is vannak abszolút kedvencek. Köztük Justin Briggs, a briggsby.com alapítója az egyik.
Egyszer rájöttem egy szerintem nagyon menő SEO dologra 2017-ben. Aztán ahogy elkezdtem utánaolvasni a témának, kiderült, hogy Justin már 2012-ben írt egy posztot ugyanerről. A pár héttel ezelőtti tweet is tőle származik, amiben ezt írta:
Get an ecommerce competitor’s internal search data: First, open Chrome Dev Tools > Network Tab. Next, load a page and filter URLs for „suggest” or „search” or „auto”, if nothing, start to type a search on their site to AJAX load their suggest JSON feed.
OK, de mit is jelent ez a gyakorlatban?
Ecommerce cégek search adatbázisa
Amikor valaki rákeres egy kifejezésre egy webshopban, akkor feljönnek különböző találatok az autosuggestnek köszönhetően. Nézzük meg ezt az eMAG esetében.
Amint rákattintok a search mezőre, a népszerű keresések jönnek fel (gumiabroncs, kerékpár, vérnyomásmérő stb). Majd ha beírom azt, hogy „nikon”, akkor jön a többi keresési javaslat is:
- Nikon Tükörreflexes gépek,
- Nikon Kompakt fényképezőgépek,
- Nikon Objektívek,
- Nikon coolpix stb
Itt érdemes tudni, hogy ezeket a javaslatokat hogyan tölti be a böngésző?!
- AJAX segítségével jellemzően egy JSON feedben. Amit kliens oldalon tudunk kiolvasni.
A cél, hogy megtaláljuk / „elkapjuk” ezt a dokumentumot, amikor generálja a rendszer.
Ehhez nincs más feladatod, mint bele kell túrni a Google Chrome Dev Toolsban a Network Tab-ba. Majd amikor elkezded beírni az első karaktert, vagy bármilyen kifejezést, akkor az autosuggest szépen dobálja neked a kapcsolódó kifejezéseket.
Azt a fájlt akarod megtalálni, ami ehhez az eseményhez tartozik. Ezt jellemzően a „search”, „suggest”, „suggester”, „autosuggest”, „typeahead” vagy „complete” filterrel találod meg, de igazából manuálisan is végig lehet nézni a listát. Ezt a dokumentumot a rendszer akkor hívja meg, amikor elkezded a gépelést, tehát nem bonyolult rátalálni.
Ezt követően pedig csak ki kell olvasnod a file tartalmát, amiben ott lesznek azok a kifejezések, amiket a felhasználó lát.
Itt látható a folyamat az eMAG oldalán. Menet közben meg van nyitva a Network tab nálam (Inspect Element funkció után) és amint elkezdek gépelni, látszik hogy generálódik a search-suggester, amit kliens oldalon ki lehet olvasni.
Minden ilyen keresési ajánláshoz (autosuggest) tartozik egy egyedi URL, amiből könnyen ki lehet következtetni az autosuggest URL struktúráját. Ha pedig valaki ezt a direkt linket nyitja meg, akkor máris egy JSON feedet fog látni. Ezt a JSON feedet pedig ki tudod exportálni CSV-be, vagy bármilyen formátumba, amibe csak szeretnéd. És máris megvannak a kifejezések.
eMAG
Itt van az eMAG JSON feedje a „NIKON” kifejezésre:
Itt pedig a „canon” kulcsszó.
A sztori akkor lesz igazán izgalmas, amikor olyan webshopra bukkansz, ahol nem csak ezek az adatok vannak benne az adatbázisban, hanem mondjuk valamilyen rangsor vagy kattintásszám is. Ez az eset a Media Marktnál.
Media Markt
Ha rákeresünk a „canon” kifejezésre, akkor a Media Markt weboldalán ezeket az ajánlott kategóriákat és termékeket látjuk.
Ha megtaláljuk az ezt kiszolgáló JSON file-t, akkor látjuk, hogy itt extra infokra is bukkanhatunk:
- priority
- hit count
Hogy ezek mit jelentenek a gyakorlatban? Néha semmit, néha nagyon is sok mindent.
Scraping
Az URL struktúra ismeretében pedig ki lehet gyűjteni rengeteg infot és kifejezést más webshopokról. És nem csak a hazai terepen, hanem akár nemzetközi téren is. Még az Amazonról is.
Vannak oldalak, ahol sokkal szebben formázottak és használhatóbbak ezek az adatok. Máshol kevésbé. De kis körbejárással rá lehet jönni, hogy kell kinyerni megfelelően az adatokat.
Ez például az Amazon összes javaslata a „camera” kifejezésre.
Ha ismerjük az URL- és adatstruktúrát, akkor nagy tételben ki lehet gyűjteni a kifejezéseket. Akár egy scraper segítségével.
Versenytárselemzés
Ezzel a módszerrel és technikával sok versenytárs „belső adataihoz” lehet hozzáférni.
Ráadásul legálisan, merthogy ezeket az infokat kliens oldalon olvassuk ki és nem szerveroldalról „lopjuk el”. Az adatokat akár egy csv-ben, akár egy Google Sheetben tárolhatjuk, hogy később felhasználjuk.
Mire lehet használni ezt az infot?
- Be lehet csatornázni a kulcsszókutatásunkba (új kulcsszavakra bukkanhatunk)
- A Google Adwords kampányunkhoz is találhatunk kifejezéseket, amire érdemes hirdetni
- Új termékeket és termékkategóriákat fedezhetünk fel, amik mondjuk külföldön már nagyon mennek
- A weboldal struktúráját (site architecture) építhetjük fel, frissíthetjük
- Megtudhatjuk melyek a legnépszerűbb és legjobban menő termékek versenytársaknál search vonalon
- Kikövetkeztethetjük mi a termékek fontossági sorrendje, hierarchiája
És így tovább.
Ezt a technikát érdemes továbbvinni és továbbgondolni. A lehetőség mindenki számára adott. De igaz, hogy ehhez azért komolyabb technikai háttértudásra vagy a témában járatos szakértőre van szükség.
Tetszett a cikk? Szeretnél még több ilyet olvasni?
Akkor iratkozz fel és küldünk egy emailt, ha hasonló cikket írunk!
Hozzászólások
Moderáld magad – vagy mi fogunk. :)
Na jó, nem fogunk, szóval csak ésszel!