只需使用Excel 的连接函数将“协

[akbhasan185]

要生成完整 URL，议”和“规范化 URL”列组合起来。您的公式将如下所示：=concatenate(A1, “://”, C1)，以将“://”包含在有效的 URL 字符串中。 我的数据集中有 25,000 多行数据，完全在 Excel 的限制范围内，因此我能够在一个地方轻松操作数据。随着数据集的增长，您可能需要使用数据库（我喜欢 BigQuery）。 步骤 6：按网站类型对 SERP 结果进行分类 浏览 SERP 结果，很容易发现银行并不是唯一一种针对具有本地搜索意图的关键字进行排名的网站。


由于我最初的问题之一是 SERP 构成，因此我必须识别所有不同类型的网站并标记每个网 澳大利亚 whatsapp 资源 站以进行进一步分析。 这一步是迄今为止最耗时和最有见地的。我花了 3 个小时将初始批次的 25,000 多个 URL 归类到以下类别之一： 机构（银行和信用合作社网站） 目录（聚合器、本地商业目录等） 评论（本地和国家网站，例如 Yelp.com） 教育（.edu 域名上的银行内容） 政府（.gov 域名和市政网站上有关银行的内容） 工作（求职网站和职位聚合器） 新闻（包含银行内容的本地和国家新闻网站） 食品银行（是的，很多食品银行在“我附近的银行”关键词中都有排名） 房地产（商业和住宅房地产清单） 搜索引擎（属于搜索引擎的排名内容） 社交媒体（社交媒体网站上的排名内容） 其他（与以上内容无关的完全随机结果） 您的本地 SERP 可能包含许多此类网站和其他不相关的类别，例如食品银行。


通过对 TLD 和规范化 URL 列进行排序和筛选，可以同时对多行进行分类，从而加快此过程。例如，只需快速复制/粘贴，即可将所有 yelp.com 排名归类为“评论”。 此时，您的排名数据集已完成，您可以开始抓取您所在行业中排名靠前的网站，看看它们有什么共同点。 步骤 7：使用 Screaming Frog 抓取目标网站 我最初的 STAT 数据确定了超过 6,600 个来自本地银行网站的独特页面，这些页面在有机搜索结果中排名前 20。