V současném digitálním prostředí čelí společnosti neustálému konkurenčnímu tlaku v boji o zákazníka. Vzhledem k možnostem online marketingu a cíleného obsahu již úspěch závisí nejen na kvalitě nabízeného produktu či služby, ale rovněž na efektivní komunikaci, jejímž primárním prostředníkem bývá právě webová prezentace. Z tohoto důvodu nelze opomíjet klíčovou roli optimalizace pro vyhledávače (SEO) jakožto součásti strategického řízení a marketingu.
Hlavním cílem SEO je dosažení předních pozic ve výsledcích vyhledávání na konkrétní dotazy. Bez ohledu na odvětví mají všechny podniky společný zájem – být viditelné na prvním místě. S ohledem na tuto skutečnost je nezbytné sledovat a analyzovat aktivity konkurence, vyhodnocovat jejich dopad a plánovat efektivnější strategie vedoucí k dosažení předních pozic.
Na základě této motivace jsem se začal hlouběji zabývat problematikou SEO a navrhl jsem metodiku pro identifikaci silných a slabých stránek webových stránek. Cílem této metodiky je optimalizace alokace rozpočtu na jednotlivé SEO aktivity. V následujícím textu bych se s Vámi rád o tuto metodiku podělil.
Analýza konkurence a mapa konkurenčních skupin
Nepřetržité sledování konkurence je nezbytné, jelikož právě ona často představuje hlavní hnací sílu inovací a rozvoje na trhu. Pravidelná analýza konkurence umožňuje identifikaci jejich silných a slabých stránek, což následně napomáhá při tvorbě vlastní strategie – ať již v oblasti marketingu, inovací, či výroby (Kotler a Keller, 2007).
Za výchozí bod považuji identifikaci konkurenčních subjektů prostřednictvím tzv. map konkurenčních skupin. Ve většině odvětví se klíčovým kritériem pro jejich vymezení stává ziskovost. Pro klienta je důležité prezentovat nejen analytický pohled, ale i ten obchodní. Prvním z ukazatelů je proto podíl tržeb.
Obr. 1. Mapa konkurenčních skupin – Tržby Zdroj: vlastní zpracování (2024)
Dále je vhodné analyzovat poměr počtu klientů k organické návštěvnosti webových stránek, což umožňuje zhodnocení významu organického vyhledávání pro daný segment.
Obr. 2: Mapa konkurenčních skupin – Organic Zdroj: vlastní zpracování (2024)
V neposlední řadě doporučuji posouzení síly značky (brandu) prostřednictvím korelace mezi zpětnou hledaností značky a její brandovou návštěvností.
Obr. 3: Mapa konkurenčních skupin – Brand Zdroj: vlastní zpracování (2024)
Jak uvádí Srpová (2011), je nezbytné identifikovat jak současné, tak potenciální budoucí konkurenty, a to na základě parametrů jako je obrat, rychlost růstu, šíře produktového portfolia, cenová politika či organická návštěvnost.
Co je to ta SEO GAP Analysis?
V procesním řízení se často využívá benchmarking a diferenční analýza, které se staly inspirací pro tvorbu mého frameworku. GAP analýza je pouze jednou částí celkového procesu, který bych Vám rád představil.
Důležitou roli zde hraje konkurence – webové stránky neexistují v izolaci, ale sdílejí trh se všemi ostatními globálními hráči. Většina organizací má jasnou představu o svých obchodních konkurentech, nicméně v oblasti SEO tomu tak být nemusí. (Infante, 2022)
V rámci SEO konkurence se hodnotí tři klíčové segmenty:
- Content – obsah webu,
- Links – online identita a povědomí o značce,
- Technical – technické parametry webu (rychlost, struktura, funkčnost).
I pokud Vaše firma dosahuje nejlepších výsledků v porovnání se zvolenými konkurenty, nemusí to být dostačující. Je možné, že byli vybráni nevhodní konkurenti. Pokud na trhu neexistuje přímý konkurent, lze investicemi dále prohlubovat rozdíl (GAP) a stát se dominantním hráčem. (Infante, 2022) Pro sestavení analýzy je třeba definovat parametry napříč třemi segmenty: Content, Brand a Technical.
Prvním pilířem je obsah (Content). V tomto segmentu je třeba porovnat jednotlivé prvky ovlivňující SEO hodnocení a analyzovat postavení klienta vůči konkurenci. Lze využít obecné metriky i sémantická data s podporou jazykových modelů.
Obr. 4: Content GAP Zdroj: vlastní zpracování (2024)
Druhý pilíř představují brandové metriky (Brand). Sem patří ukazatele, které ovlivňují organickou návštěvnost, ale nelze je přímo ovlivnit úpravou webu. Brand se posiluje prostřednictvím ostatních marketingových aktivit.
Obr. 5: Brand GAP Zdroj: vlastní zpracování (2024)
Třetím pilířem je technická analýza. Pokud má klient vlastní vývojový tým, doporučuji přímou spolupráci – ti často odhalí, co se podařilo či nepodařilo implementovat, a mohou tak poskytnout inspiraci pro výběr hodnoticích metrik.
Obr. 6: Technical GAP Zdroj: vlastní zpracování (2024)
Jednotlivé parametry je možné bodově ohodnotit na standardizované škále, což zjednodušuje interpretaci a vizualizaci výsledků. Součtem bodů napříč segmenty pak získáte přehled o silných a slabých stránkách, což je klíčové pro volbu vhodné strategie. Tyto informace mohou pomoci zvýšit organickou návštěvnost, posílit konkurenceschopnost a v konečném důsledku i zvýšit tržby.
Obr. 7: SEO GAP Analysis Zdroj: vlastní zpracování (2024)
Jakmile tyto výstupy sloučíme, získáme nejdůležitější graf – zejména pro management. Ten nemusí být odborníkem na SEO terminologii, ale chápe, pokud je firma v určité oblasti pozadu.
Vyhráváme ve dvou ze tří segmentů – to je pozitivní. Jak je ale možné, že červený konkurent má vyšší návštěvnost a více indexovaných stránek? Možná je jejich technické řešení efektivnější a bylo by vhodné do této oblasti investovat.
Identifikace klíčových segmentů
Dalším krokem je definování nejvýnosnějších částí webu, tedy přistávacích stránek a klastrů klíčových slov, které tyto stránky pokrývají. Jedná se o sekce webu, které sice nemusí mít nejvyšší návštěvnost, ale vykazují nejvyšší konverzní potenciál.
Obr. 8: Klíčové segmenty Zdroj: vlastní zpracování (2024)
Jakmile máte tyto segmenty definované, lze využít některou z CTR studií k určení organického potenciálu. Poté stačí vypočítat, jaký nárůst návštěvnosti by přineslo dosažení první pozice. Ve výpočtu jsem vycházel ze současné návštěvnosti na třetí pozici.
Obr. 9: Google Organic SERP CTR Curve Zdroj: Advance Web Ranking (2024)
Při dosažení první pozice lze získat přibližně 2 390 návštěv měsíčně, což odpovídá reklamní hodnotě kolem 18 000 Kč v PPC. Ročně to představuje ziskový potenciál ve výši cca 870 000 Kč. Pokud bychom očekávali návratnost investice do jednoho roku, rozpočet by mohl dosahovat až 1 milionu Kč.
Obr. 10: Potenciál organické návštěvnosti Zdroj: vlastní zpracování (2024)
Sběr dat pro korelační studii
Nyní je třeba určit, na které metriky se zaměřit. V případě jednorázové analýzy postačí tabulkový procesor (např. Excel) a určitá časová investice. Stačí vytvořit datový list, využít nástroje jako Ahrefs, Screaming Frog, CrUX a ručně zapsat hodnoty. Tento přístup je vhodný pro méně technicky zdatné uživatele nebo pro krátkodobé projekty.
Metriky jsem sbíral samostatně v rámci výše uvedených tří segmentů. I když je proces manuální zdlouhavý, technicky náročný není, a pokud na něj myslíte již při sestavování GAP analýzy, máte většinu práce hotovou.
Obr. 11: Manuální sběr dat Zdroj: vlastní zpracování (2024)
Druhou možností je automatizovaný sběr dat s možností například čtvrtletního vyhodnocování. Tato varianta je vhodná pro dlouhodobé spolupráce nebo interní týmy. Pro menší weby stačí synchronizace se sheetem, u rozsáhlejších řešení je vhodné využít BigQuery a Looker Studio. Klíčové nástroje zahrnují Ahrefs API, CrUX API a například Natural Language AI pro analýzu obsahu.
Provedení korelační studie
Zbývá provést samotné vyhodnocení přínosu implementace. To lze realizovat prostřednictvím jednoduché korelační analýzy. Korelace představuje statistickou závislost mezi dvěma kvantitativními proměnnými. Pokud dojde ke změně jedné, mění se i druhá. (Hendl, 2009) Korelace však neimplikuje příčinnou souvislost.
Nejdůležitějším prvkem je formulace výzkumné hypotézy. Například graf ukazuje, že Total Blocking Time je výrazně nejslabší metrikou – korelaci proto analyzujeme na tomto příkladu.
Obr. 12: Semrush – RANKING FACTOR STUDY Zdroj: Semrush (2024)
Můžete využít vlastní tabulky a funkci correl
, případně zobrazit data ve spojnicovém grafu. Výhodou tohoto přístupu je, že výsledky reflektují konkrétní případ. Ideálně však provádějte analýzu pro 10 pozic, nikoliv pouze 3. Zároveň mějte na paměti, že v rámci GAP analýzy hledáme optimální hodnoty, které někdy vyžadují inverzní přístup (např. vynásobení -1). Ilustrační graf je proto vizuálně podobný výstupu Semrushe, ale jeho výpovědní hodnota je opačná – web s nejlepším TBT dosahuje nejvyšší pozice.
Obr. 13: Google Sheets Graph Zdroj: vlastní zpracování (2024)
Pokud jste technicky zdatní, není složité vytvořit automatizovaný monitoring v Pythonu nebo R. Po nahrání automaticky sbíraných dat lze generovat vizualizace kdykoliv dle potřeby. Významným pomocníkem může být i ChatGPT (CHAD), který může s implementací pomoci i začátečníkům.
Obr. 14: Python nebo klidně Rko Zdroj: vlastní zpracování (2024)
Vyhodnocení SEO analýzy
V tuto chvíli máme k dispozici veškeré potřebné informace k ověření hypotéz. Pokud analýza prokáže vysokou míru korelace a zároveň je prostor ke zlepšení, vyplatí se implementace. I když studie Semrushe doporučuje neinvestovat do TBT, naše vlastní analýza ukázala opak a rozhodli jsme se do této oblasti alokovat rozpočet.
Co si z toho máš odnést?
Nestačí slepě přebírat tvrzení samozvaných internetových expertů a investovat prostředky do předražených kurzů. Klíčové je používat selský rozum. Samotný Google doporučuje strukturovaný a datově podložený přístup k optimalizaci.
Pokud využijete zdravý úsudek, kvalitní data a základní statistické nástroje, můžete i ve velké firmě obhájit přínos SEO strategií. Nebojte se práce s informacemi a daty, experimentujte a sdílejte své poznatky dále.
- Advance Web Ranking. (2024). Google Organic SERP CTR Curve. Dostupné 1.08.2024 z https://www.advancedwebranking.com/free-seo-tools/google-organic-ctr
- Alazab, A., Becinakoppa, S., & Khraisat, A. (2018). Maximising Competitive Advantage on E-Business Websites: A Data Mining Approach.
- Al-Mayahi, I. (2012) ISO 27001 Gap Analysis-Case Study. Dostupné 1.08.2024 z https://www.semanticscholar.org/paper/ISO-27001-Gap-Analysis-CaseStudy-Al-Mayahi/ee69cc104cba13fccc0d0bc02f5232f73052cb04
- CZ.NIC. (2024). Domain Report 2023. Dotupné 1.08.2024 z https://stats.nic.cz/domain-report/2023/index_cz.html
- Fleisher, C. S., & Bensoussan, B. E. (2015). Business and competitive analysis: effective application of new and classic methods. (2. vyd.). Pearson Education.
- Grasseová, M. (2010). Analýza po dniku v rukou manažera. (2. vyd.) BizBooks.
- Grant M. R. (2019). Contemporary Strategy Analysis (10. vyd.). John Wiley & Sons.
- Hendl, J. (2009). Přehled statistických metod: Analýza a metaanalýza dat. Praha: Portál.
- Infante, L. (2023). How to find your real SEO competitors. Wix. Dostupné 20.04.2024 z https://www.wix.com/seo/learn/resource/find-your-seo-competitors
- Infante, L. (2023). SEO gap analysis: Outrank your competitors with data. Wix. Dostupné 20.04.2024 z https://www.wix.com/seo/learn/resource/seo-gap-analysis
- Infante, L. (2023). SEO Gap Analysis — Whiteboard Friday. MOZ. Dostupné 24.04.2024 z https://moz.com/blog/seo-gap-analysis-whiteboard-friday
- Kino, L. F. (2022) Improving performance of Looker Studio. Dostupné 1.08.2024 z https://www.linkedin.com/pulse/improving-performance-looker-studio-former-data-google-kino/
- Kotler, P. (2007). Moderní marketing. Grada Publishing.
- Kotler, P., & Keller, K., L. (2013). Marketing management. (4. vyd.). Grada Publishing.
- Melt Digital. (2024). How to use Apps Script to automate daily SEO tasks. Dostupné 1.08.2024 z https://www.meltdigital.com/knowledge-hub/seo-automation-with-app-script
- Nenadál, J., Vykydal D. & Halfarová P. (2011). Benchmarking – mýty a skutečnost. Management Press.
- Ryan, D., & Jones, C. (2010). Understanding digital marketing: Marketing strategies for engaging the digital generation. (2. vyd.). Kogan Page.
- Sedláčková, H., & Buchta, K. (2006). Strategická analýza. (2. vyd.). C.H. Beck.
- Semrush. (2024). Google Ranking Factors. Dostupné 1.08.2024 z https://go.semrush.com/ranking-factors.html
- Taher, S. (2022). How to Do a Content Audit for SEO. Dostupné 1.08.2024 z https://www.sara-taher.com/how-to-do-a-content-audit/