Un Colab di JR Oaks per il calcolo di PageRank and CheiRank a partire da dati presi da ScreamingFrog e dalle API di Moz.
colab.research.google.com/github/MLTSEO/MLTS/blob/master/Tutorials/PageRankandCheiRank.ipynb

Figo quello sul calcolo degli intenti, anche se l'ho scorso solo velocemente. Richiede troppo studio ed in questo periodo mi manca il tempo.

@MaxxG ha detto in Colab (python) per la SEO:

Un Colab di JR Oaks per il calcolo di PageRank and CheiRank a partire da dati presi da ScreamingFrog e dalle API di Moz.
colab.research.google.com/github/MLTSEO/MLTS/blob/master/Tutorials/PageRankandCheiRank.ipynb

Ecco, questa è una cosa che si può fare con tool già esistenti, quindi ha un po' il sapore di reinvenzione della ruota.

Ad esempio il Pagerank lo calcolo già con Gephi in modo veloce, gratuito e senza sbatta (e in più faccio anche i grafi di link, che sono tanta roba).

Il CheiRank non ho ancora visto se si può calcolare con Gephi, ma presumo di sì, probabilmente con un plugin.

@kal ha detto in Colab (python) per la SEO:

Ad esempio il Pagerank lo calcolo già con Gephi in modo veloce, gratuito e senza sbatta (e in più faccio anche i grafi di link, che sono tanta roba).

Si lo uso anch'io, anzi ci ho rimesso mano dopo avertelo visto usare in una live di un mesetto fa se non sbaglio
Certo in parte, come dicevi, sono esercizi, ma proprio nel senso didattico del termine, è un modo per iniziare a masticare python lavorando su esempi vicini al nostro ambito lavorativo (pensa ai crawler che stanno iniziando a essere sviluppati in python , non è certo perché ce ne sia bisogno? Non sono alternative free, neanche a livello amatoriale, a un qualsiasi screamingfrog).
Poi certo, le possibilità del NLP, anche attraverso l'interrogazione delle API di Google mi pare offrirà possibilità davvero interessanti che automatizzeranno alcuni ambiti ripetitivi e noiosi del lavoro, e certo i tool professionali non staranno a guardare, e infatti ne stanno fiorendo a bizzeffe a partire dall'italiano neuraltext. A proposito hai avuto modo di provarlo?

@MaxxG ha detto in Colab (python) per la SEO:

a partire dall'italiano neuraltext. A proposito hai avuto modo di provarlo?

Non ancora, ma l'ho attenzionato (come si suol dire )

Buongiorno a tutti, spero di non essere OT.
Sono un informatico e sarei interessato a tutte le "necessità" che chi si occupa di SEO (ma anche di digital markting) potrebbe avere per quel che riguarda il recupero, l'analisi e l'elaborazione dei dati (naturalmente non già offerte da qualche tool).
Ho trovato molto interessanti gli articoli di Hamlet Batista suggeriti in questa discussione.
Avete qualche esperienza o suggerimento in merito ?
Grazie

@maxxg ha detto in Colab (python) per la SEO:

Non sono alternative free, neanche a livello amatoriale, a un qualsiasi screamingfrog

È vero, però possono darti il modo di evidenziare in maniera "diretta" dati che altrimenti possono richiedere più lavorazioni, o l'uso di più tool.

Diciamo che al 95% alle cose ci arrivi con SF o altro esistente, tipo Gephi; però c'è sempre quel margine su cui può essere utile avere un po'di padronanza di Python; R o altri linguaggi (io lavoro con questi due poco e male, sto ancora imparando tantissimo) per estrarre informazioni che magari SF non ti dà.

@aledandrea Una interessante chiacchierata con Hamlet Batista su NLP e python per la SEO

@maxxg ha detto in Colab (python) per la SEO:

@aledandrea Una interessante chiacchierata con Hamlet Batista su NLP e python per la SEO

Nel pomeriggio me lo guardo, lui fa della roba sempre molto interessante!

Comunque, segnalo un'iniziativa che ho scoperto da poco, ma che può essere interessante per chi ama queste cose.

La community di R organizza i TidyTuesday, in cui si lavora su DB di dati pre-forniti, e si ha una consegna. Obiettivo è realizzare una visualizzazione dei dati forniti ordinata per evidenziare certe cose.
Se cercate su LinkedIn qualcosa trovate sicuro

Un nuovo articolo di Hamlet Batista, atvolta siamo alla generazione di Title tag usando Ludwig di Uber per addestrare T5 che Google stessa definisce come una versione superiore di BERT.
Sarebbe bello creare un dataset italiano per l'addestramento, che ne dite?
www.searchenginejournal.com/automated-title-tag-optimization-using-deep-learning/390207/

Segnalo questo articolo di Andrea Volpini sui trend della automazione SEO
https://wordlift.io/blog/en/seo-automation/
L'articolo è molto interessante non solo perché linka alcune risorse/esercizi che la community sta realizzando, ma perché è Andrea il papà di un noto tool, Wordlift, che automatizza l'inserimento di schema "menzionando" nello schema le entità di cui si parla e collegandole all'Open Data Cloud. In qualità di sviluppatore i trend che indica sono poi le feature che sta sviluppando per Wordlift: generazione stocastica di tag_title, summary, meta description, generazione automatica di FAQ compreso il relativo schema. Le feature sono già in una fase di test ristretto con pochi clienti.
Nell'articolo si vede che si sta appoggiando all'IA Davinci ma su Twitter si vede l'implementazione anche con GPT-3.

L'immagine che apre l'articolo è la stessa, generata da GPT-3 e DALL·E, di cui avevo già parlato qui:
https://connect.gt/topic/244494/e-dopo-gli-scrittori-è-tempo-per-illustratori-e-designer-di-tremare?_=1610312652005