Analyse des SERPs à l’aide de 3 scripts Python

Dans cet article, je vais vous présenter trois scripts Python que vous pouvez utiliser en ligne pour analyser les SERPs, qu’il s’agisse d’obtenir les noms, adjectifs et entités les plus utilisés ou de faire du scraping afin de trouver les titres les plus pertinents pour vos articles.

J’ai intégré les scripts dans Colab (un dispositif virtuel de Google qui vous permet d’écrire et d’exécuter Python dans votre navigateur) afin que vous puissiez les utiliser directement comme outil où voir le code complet pour l’analyser. C’est à vous de voir !

Ok, commençons par le premier script.

Script 1 : Idées de contenu pour vos clusters tirés de Google

Avec ce script en Python, il vous suffit de saisir votre mot-clé, d’appuyer sur play et il va procéder au scraping des SERPs, en boucle, en suivant les requêtes associées.

Voyons, par exemple, ce que Google associe au mot-clé « SEO technique » :

Comme vous pouvez le constater dans l’image ci-dessus, pour un mot-clé donné, le script effectue un scraping pour :

• Autres questions posées
• Requêtes similaires
• Google suggest

Une fois qu’il a fini de les scraper pour le mot-clé principal, il continue, en boucle, avec les requêtes similaires afin de recueillir les mêmes informations que la première fois.

Le plus intéressant est que vous récupérez les requêtes et questions similaires que Google considère comme pertinentes par rapport à votre mot-clé. Cela signifie que vous obtenez une liste d’idées pour créer un cluster, et qu’elles sont déjà liées entre elles grâce à Google.

Dans certains cas, vous pouvez utiliser ces idées pour créer un article à part ou vous pouvez les utiliser comme titres dans l’article principal. Cela varie en fonction de chaque cas.

Paramètres supplémentaires pour le script

Comme vous pouvez remarquer dans Colab, vous avez l’option de modifier certains paramètres pour la requête Google :

• Mot-clé, langue et pays de la requête.
• ScrapeLevels : utilisez-en deux si vous voulez obtenir plus de résultats. Avec plus que cela, la procédure devient un peu compliquée.
• LoopPAA : utilisez ‘True’ si vous voulez suivre les ‘People Also Ask’ dans la boucle au lieu des requêtes similaires.

Dans les deux scripts suivants, nous allons nous concentrer plus précisément sur l’analyse du contenu de vos articles. Vous allez adorer le script suivant.
[oc-redirect num=1]

Script 2 : Scraper les résultats de Google pour obtenir du contenu sémantique pour vos articles.

Il est loin le temps où il suffisait de répéter un mot-clé à l’infini. Aujourd’hui, Google veut un contenu sémantique riche et en analysant vos concurrents principaux avec ce script Colab, vous y parviendrez.

J’ai créé ce script spécialement pour les créateurs de contenu et les rédacteurs. En l’utilisant, vous serez en mesure d’extraire les mots les plus fréquemment utilisés dans les 10 premiers articles de la SERP :

• Noms
• Verbes
• Adjectifs
• Adjectif + Nom

Vous voulez plus de données à partir des SERPs ? Dans ce cas, le script vous donnera les entités les plus utilisées (d’après Wikipedia).

Toutes ces données sont affichées dans des tableaux que vous pouvez filtrer ou télécharger au format CSV. Vous pouvez donc modifier les informations dans Excel ou les analyser en ligne directement dans le Colab.

L’utilisation du script se fait en saisissant votre mot-clé (par exemple, mot-clé = « SEO technique ») et en cliquant sur « play ».

Paramètres supplémentaires pour le script

• Langue et pays : permettant de simuler la requête correspondante dans Google.
• Vous pouvez également sélectionner la fonction de recherche d’entités dans les articles dans les SERPs si vous le souhaitez (searchEntities True ou False).

Cette recherche d’entités prend environ trois minutes de plus, mais les résultats en valent le coup.

Script 3 : Obtenir les en-têtes les plus pertinents pour votre mot-clé

Avec ce script, vous serez en mesure de :

• Faire du scraping sur les en-têtes des résultats principaux et organiques de Google.
• Attribuer un score à chaque en-tête en tenant compte de sa similarité sémantique avec le mot-clé.
• Vous obtiendrez un tableau avec les en-têtes notés et un autre avec les mots les plus fréquents dans les en-têtes.

L’image ci-dessous montre les en-têtes pour le mot-clé « SEO technique ». Les résultats sont triés par score en fonction de leur similarité avec le mot-clé.

À première vue, il semble évident que nous devrions inclure « Qu’est-ce que le SEO technique ? » comme un h2, et nous pourrions envisager d’inclure « Pourquoi le SEO technique est-il important ? » comme un autre h2 ou même un h3.

Maintenant que nous avons un tableau avec tous les titres, nous pouvons jouer avec les données afin d’analyser les titres de nos principaux concurrents. Pour ce faire, vous pouvez :

• Filtrer par h2 ;
• Ayant un score supérieur à 0,3 ;
• Trier les résultats par position dans la SERP et position dans l’article.

Il peut aussi être intéressant de vérifier les mots les plus utilisés dans les en-têtes. Par exemple, pour « SEO technique », nous voyons que « indexing » est utilisé sept fois.

Et en filtrant par « indexing », nous pouvons voir qu’il peut être avantageux d’utiliser ce mot avec les mots « crawl », « rendering » ou même « sitemap ».

Vous pouvez effectuer votre analyse des SERPs en ligne dans le Colab ou en téléchargeant les données dans un fichier CSV et en les analysant avec Excel ou Google Sheets. C’est à vous de choisir.

Paramètres supplémentaires pour le script

• Langue ou pays pour la requête dans Google.
• OptionalHeaders = [‘h1’, ‘h2’, ‘h3’] . N’hésitez pas à supprimer h3 ou à ajouter h4.

Conclusion

Google a fait le plus dur en analysant des millions d’articles et en nous montrant les meilleurs résultats sur la première page. Nous devons simplement prendre le temps d’analyser ce qui s’y trouve.

Si vous n’êtes pas familier avec Python, je vous conseille de l’apprendre. Coder en Python, c’est comme jouer d’un instrument. Vous devez d’abord apprendre les bases, puis vous pourrez utiliser votre imagination pour créer ce que vous voulez.

En combinaison avec l’analyse des SERPs, Python est l’une des meilleures cartes à jouer pour les SEO : ensemble, ils nous donnent des superpouvoirs.

Tous ces outils Python vous aideront à mieux vous positionner dans Google, mais n’oubliez pas de regarder manuellement les SERPs, sinon vous risquez de passer à côté de données pertinentes comme l’intention de l’utilisateur, les featured snippets et les rich results.

Si les scripts ci-dessus vous sont utiles, pensez à partager cet article. Je vais essayer de publier de nouveaux scripts/outils très prochainement.

¡Un saludo desde Mallorca! 😎