La Data Science : le levier caché du webmarketing et du SEO

Migration CMS Framework

Lors de notre participation à la journée de conférences Performance Web organisée le 17 mai 2019 à Genève en Suisse, nous avons assisté à une conférence sur le thème « Data science : création de valeur en SEO et en webmarketing » animée par Sylvain Peyronnet. Nous vous présentons dans cet article les grandes lignes résumant l’utilisation de la Data science au service du SEO et du webmarketing.

Comment exploiter les données au service du SEO ?

La science des données – Data Science – est une discipline qui a pour objet la mise en valeur de la donnée au service de l’entreprise. Il s’agit de l’exploration et de l’analyse des données pour les transformer en informations permettant de résoudre des problématiques liées au monde de l’entreprise ou à proposer des solutions innovantes qui répondent à un besoin précis.

Le SEO ne peut être optimisé pour un site web que si on exploite les informations et les données d’une façon appropriée et adaptée au contexte. Les données, comme le volume de trafic généré par un mot-clé, ont un rôle très important pour déterminer les prochaines étapes dans le processus du référencement naturel. La récolte des données devient donc une étape incontournable visant l’amélioration de la visibilité.

Avant, la densité des mots-clés dans une page web était la principale méthode d’optimisation on site pour les moteurs de recherche. Actuellement, Google valorise plus des pages qui sont riches, qui contiennent des informations pertinentes et qui offrent une meilleure expérience utilisateur. C’est pour cela que nous nous intéressons aujourd’hui à la Data science vu qu’il s’agit d’un processus qui nous permet d’exploiter les données pour adapter les pages web et leur architecture SEO.

Le TF-IDF est une fonction mathématique qui nous donne un indice sur le poids d’un mot-clé sur une page. Cette formule est une représentation du champ sémantique utilisé dans la page qui permet de la comparer avec d’autres pages. Pour mieux vous expliquer, le TF désigne en anglais « Term Frequency » et désigne la fréquence d’un terme ou d’une combinaison de termes employés dans une page. IDF « Invers Document Frequency » désigne la fréquence d’utilisation d’un terme ou d’une combinaison de termes sur un ensemble plus global (le web de façon générale). Par exemple, dans “Le Marketing”, les mots “Le” et “Marketing” ont la même fréquence (1) mais l’IDF de “Le” est bien plus importante car c’est un “mot vide”. C’est donc le mot “Marketing” qui nous permet de “cartographier” la thématique de l’expression.

L’objectif principal de la fonction TF-IDF est de rassembler les pages avec une proximité sémantique. Cela permet notamment de mettre en place un cocon sémantique efficace au sein du site web.

 

L’utilisation de la data science pour le renforcement du SEO peut donc servir à :

  • Analyse sémantique de la page
  • Détection de l’intention de l’utilisateur
  • Analyse de la qualité des contenus
  • Clustering des mots-clés
  • Clustering des contenus
  • Prédiction des critères du Ranking
  • Priorisations diverses

 

Comment récolter des données ?

La récolte des données peut se faire à travers plusieurs outils dédiés, nous pouvons vous en citer quelques-uns :

  • Screamingfrog
  • SEObserver
  • Majestic
  • Yooda
  • Ranxplorer
  • Monitorank
  • SEO hero
  • Outils de Google (Analytics, Ads, Search consol…)
  • Yourtext.guru
  • Webpagetest
  • Et tant d’autres…

Quels sont les enjeux webmarketing de la Data Science ?

L’utilité des données pour une stratégie SEO est intéressante car elle permet d’avoir une meilleure visibilité sur les moteurs de recherche ainsi que de générer plus de trafic. Les enjeux webmarketing sont quant à eux liés au contenu car la data science permet aussi de créer la data product. Cette data permet de bien comprendre le besoin du visiteur pour mieux le servir.

Parmi les leviers principaux en webmarketing que la data science permet de développer, on retrouve la recommandation de produits. En effet, il est possible de déterminer une intention d’achat des internautes à partir des comportements de l’ensemble des acheteurs. Grâce à la date science, plusieurs entreprises connaissent des informations très pertinentes sur leurs cibles, ce qui leur permet de faire un ciblage précis et des recommandations bien orientées, au bon moment (la mise au panier).

Les personnes qui achètent des bières, achètent aussi des cacahuètes (exemple de règles d’association proposé par Sylvain Peyronnet).

Pour illustrer ce que nous venons de dire sur les enjeux webmarketing, nous pouvons vous donner l’exemple d’Amazon qui utilise ce type d’algorithme. Ils analysent le comportement des utilisateurs sur le site afin de proposer des produits complémentaires ou équivalents autres acheteurs. Grâce à cette fonctionnalité de recommandation, l’internaute se voit proposer des produits qui pourront véritablement l’intéresser et auxquels il n’aurait même pas penser.