Сетевой анализ определяется просто как анализ отношений между объектами. Это поле основано как на теории графов (раздел математики), так и на социологии. Конечным результатом сетевого анализа является сетевой график, который визуально отображает отношения, существующие между объектами. Эти отношения затем могут быть выражены математически на основе положения объекта на графике и количества отношений, которые они имеют.
При применении сетевого анализа к области SEO объекты являются веб-сайтами, а отношения между ними - ссылками. Графиком этих отношений можно получить представление о том, как веб-сайт связан и существует в Интернете.
Существует несколько способов применения сетевого анализа к SEO:
- Визуализация внутренних ссылок на сайте
- Визуализация взаимосвязи между различными доменами
- Визуализация обратных ссылок на домен или домены
- Конкурентный анализ обратных ссылок
В качестве примера того, как сетевой анализ можно использовать для поиска обратных ссылок, ниже приведен сетевой график, показывающий, как связаны шесть различных веб-сайтов. Точки представляют веб-сайты, а линии представляют собой ссылки. Сайт нашего клиента выделен синим цветом, а пять сайтов их основных конкурентов выделены красным. Внешние сайты, которые ссылаются на наших клиентов или их конкурентов, представлены черными точками.
Как видно на графике, каждый из шести основных веб-сайтов имеет свой собственный профиль обратных ссылок - сайты, которые ссылаются только на них. Некоторые ссылки делятся между различными сайтами, и они лежат в центре графика.
На следующем графике сети мы подчеркнули сайты, которые ссылаются как минимум на двух конкурентов нашего клиента, но не ссылаются на нашего клиента.
Эти сайты являются основными целями ссылок. Поскольку они ссылаются как минимум на двух конкурентов, они демонстрируют, что они заинтересованы в этой конкретной отрасли и, вероятно, будут заинтересованы в веб-сайте нашего клиента.
Сетевой анализ может широко применяться в области SEO при анализе того, как веб-сайты связываются друг с другом, и при проведении конкурентного анализа. У области также есть очевидные заявления для социальных медиа в понимании, как пользователи связаны друг с другом в онлайн-сетях. Любая онлайн-социальная сеть - будь то Twitter, Facebook, Youtube, Flickr и т. Д. - может быть легко смоделирована с помощью сетевого графика. График может фокусироваться на том, как один пользователь связан с другими пользователями, что называется сетью эго. Или график социальной сети может фокусироваться на определенной теме - комментарии о видео на Youtube, хэштеге Twitter или группе Facebook - и посмотреть, как эта группа пользователей взаимосвязана. Поисковые системы утверждают, что социальная сеть оказывает небольшое влияние на рейтинги, поэтому для такого типа анализа также есть значение для SEO.
В качестве примера анализа социальной сети приведен сетевой график сети Twitter компании 4FRNT Skys, производителя лыж. Этот график был проанализирован до 1,5 градуса. Это означает, что мы не просто посмотрели, кто следит за 4FRNT в Twitter, но и на то, как эти люди связаны друг с другом.
В то время как 4FRNT имеет около 1200 подписчиков, эти подписчики тесно взаимосвязаны, и между ними примерно 30 000 соединений. Когда у вас есть набор данных этого комплекса, может быть трудно понять, что происходит. Для 4FRNT мы разбили их сеть на кластеры - группы пользователей Twitter с высокой степенью связи - и выяснили, кто является центральным в этих кластерах.
Точки оранжевого цвета - это группа пользователей, ориентированных на ESPN Skis. Зеленые точки - это пользователи Armada Skis, другого производителя лыж, занимающего ту же нишу на рынке, что и 4FRNT. Розовые точки сосредоточены вокруг пользователя Twitter The_Canyons, который является горнолыжным курортом в Юте (расположен в том же месте, что и 4FRNT). Точки в синем фокусируются в основном вокруг самого 4FRNT. Вместо того, чтобы просто просматривать график в виде множества точек и линий, мы смогли получить некоторое представление о том, кто в сети пользователей 4FRNT выступает в качестве подобластей внимания.
Если вы хотите провести собственный анализ сети, есть ряд программ, которые вы можете использовать. Некоторые из программ требуют знания языков программирования, таких как Python или язык статистического программирования R. Простым в использовании, бесплатным плагином с открытым исходным кодом для Excel является NodeXL. Если вы ищете что-то более продвинутое, не требующее навыков программирования, UCINet - хороший вариант.
- Скачать бесплатно NodeXL а также Документация
- Бесплатная 60-дневная пробная версия UCINet а также Документация
Сетевой анализ используется в таких областях, как науки, социальные науки и бизнес. Вот несколько докладов TED, показывающих анализ сети в действии в других областях: