Alternativ till DataForSEO, läs som en ordlista över åtgärder
En referens du kan hålla öppen bredvid notebooken. Först åtgärderna och deras pris, sedan ordlistan över termer som ofta förvirrar när en länktabell landar i R.
CranSEO forskarlag ·
Hitta åtgärden du behöver, notera dess kreditkostnad, och kontrollera sedan termlistan nedan för allt okänt. Vi listar inga kolumnnamn här eftersom du bör läsa dem från din egen glimpse()-utmatning.
Åtgärder: vad ett anrop ger dig
| Åtgärd | Krediter | Vad du får |
|---|---|---|
| domain, overview, stats, suggest | Gratis | Snabb profil av en domän och förslag; ingen nyckel |
| bulk_dr | 1 | DR för upp till 2 000 domäner per anrop |
| compare | 1 | Sida-vid-sida-siffror för upp till 20 domäner |
| top, dr_distribution, tld_breakdown | 1 | Rankningar och fördelningar av indexet |
| refdomains, backlinks | 2 | Rader med länkande domäner eller enskilda länkar |
| anchors, toppages, anchor_cloud | 2 | Ankertext och mest länkade sidor |
| intersect | 2 | Domäner som länkar till 2 till 10 mål samtidigt |
| search, keyword | 3 | Fulltext sökning över ankertexter, titlar och URL:er; exakt ankersökning |
Termer som förvirrar i ett dataframe
| Term | Enkel betydelse |
|---|---|
| Länkande domän | En distinkt webbplats som länkar till dig, räknad en gång oavsett hur många länkar den skickar |
| Backlink | En länk från en sida till en annan; många kan komma från samma länkande domän |
| DR | round(100 log(ref_domains + 1) / log(2 10^7)); en logaritmisk skala, så 10 till 20 är enklare än 70 till 80 |
| Anker | Den klickbara texten i en länk, användbar som en kategorisk kolumn |
| Länkgraf | Vår egen crawlers karta över domän-till-domän-länkar: 2 774 625 913 av dem |
| Ögonblicksbild | Indexets månatliga tillstånd; spara dess datum bredvid varje hämtning |
| Kredit | Faktureringsenhet, $0.0001 per st; ett anrop faktureras en gång oavsett antal rader |
Vad en rad innebär för varje åtgärd
Om du kom hit från en sökning efter alternativ till DataForSEO visar denna ordlista vad en länkbar åtgärd returnerar på radnivå. Radbetydelse är viktigast. De flesta missförstår det först, och det är den del som kostar mest.
Länkande domän jämfört med backlink
En länkande domän räknas en gång, oavsett hur många länkar den skickar. En backlink är en länk från en sida till en annan, så en enskild webbplats kan bidra med många av dem. Om din graf säger länkar men raderna är domäner, är antalet en räkning av domäner och bör märkas som så.
Välj kornstorlek innan det första join-et. Åtgärdstabellen ovan är referensen för vilket anrop som returnerar vilken kornstorlek.
En tabell som blandar de två kommer att se ut som en räkning av länkar när det egentligen är en räkning av webbplatser. Kontrollera de första raderna för ögat innan du sammanfattar något.
Ankertext som kategori, inte som nyckel
Ankertext fungerar bra som en kategorisk kolumn. Du kan gruppera ankertexter i klasserna varumärke, generisk och ren URL, och sedan räkna varje klass per länkande domän. Det är en dålig nyckel, eftersom samma ord återkommer i obekväma länkar.
Behåll ankertexten som text, gör den gemener en gång vid import, och joina aldrig två tabeller på den.
Ögonblicksbildsdatumet
Ögonblicksbilden är indexets månatliga tillstånd. Spara dess datum bredvid varje hämtning, i filnamnet eller i en kolumn, så att en jämförelse över månader jämför likvärt med likvärt.
Två hämtningar med olika ögonblicksbiktsdatum är ingen trend förrän du kontrollerat att datumen matchar vad grafen påstår.
En användbar vana är att skriva ögonblicksbildsdatumet i den första raden i varje rapport, så att en utskriftsbild också bär det. Läsare glömmer var ett datum fanns i en fil, men de läser den första raden.
Medelvärden döljer svansarna
Medelvärden på en logaritmisk skala vilseleder. Medelvärdet av 20 och 60 är 40, men det talet beskriver varken webbplats, och det säger inget om spridningen.
Behåll minimum och maximum bredvid varje medelvärde. En mycket stor domän kan dra upp medelvärdet, och en läsare av grafen kan inte se från medelvärdet ensam att det hände.
Läs åtgärdstabellen som en datamodell
Varje åtgärd returnerar rader på en viss nivå, och att blanda nivåer är det snabbaste sättet att dubbelräkna, så tänk i kornstorlekar.
refdomains ger en rad per länkande webbplats, backlinks ger en rad per länk, anchors ger en rad per distinkt ankertext. Ett join mellan det första och det andra multiplicerar rader, så aggregera innan du mergar och kontrollera nrow() före och efter.
Sidor fungerar på samma ställe överallt: page och per, med per mellan 10 och 5000, sorterat efter sort och order=asc|desc. Upp till 1 000 rader returneras per anrop, och djup paginering slutar vid 50 000, så be om den sortering som sätter ditt svar först.
För budgetsidan av dessa val, se notebook budget, och för en vald leverantör blandas beslutsträdet.
Långa tabeller istället för ett ark per hämtning
Vanan att öppna ett nytt ark för varje månad är vanlig. Drift börjar där, och det är svårt att ångra. En enda lång tabell är enklare att hålla rätt. Den är också enklare att kontrollera.
Tänk på det på detta sätt. Varje månad lägger till rader till en tabell istället för att skapa ett nytt objekt att underhålla. Tabellen blir längre, men inget enskilt nummer behöver kopieras för hand. Varje rad bär då sitt eget ögonblicksbild, källa och kornstorlek, vilket en läsare kan kontrollera med ett ögonkast.
En lång tabell med en ögonblicksbildskolumn
Många startar ett nytt ark varje månad. En lång tabell med en ögonblicksbildskolumn håller varje månad på ett ställe, och ett filter ersätter kopiera-klistra. Säg att du hämtar länkande domäner för 30 webbplatser över sex månader. Det är en tabell att kontrollera, inte sex ark att förlikas.
Sammanfattningar blir då ett group_by()-anrop istället för ett ark per månad. Behåll de råa hämtningarna orörda, så att tabellen kan byggas om från grunden när som helst.
Samma kolumner, eller så misslyckas join-et tyst
Filer från flera personer kombinerar rent bara när de delar kolumnnamn, typer och kodning. Kontrollera rubrikraden i varje fil innan du binder dem, och stoppa skriptet när en av dem skiljer sig.
Ett omdöpningssteg som mappar gamla namn till ordlistans namn kostar några rader. Det räddar ett andra titt på varje graf som kom ut från mismatchen.
Behåll en kort lista över kolumnnamnen som din notebook förväntar sig, och jämför varje ny fil mot den innan något annat körs.
Två varningar innan du modellerar något
Eftersom DR är vår egen mätning, byggd endast från länkande domäner, är det inte Moz DA. Blanda aldrig det med Ahrefs DR i en regression.
Räkningar beror också på crawlen. En webbplats med ett plötsligt hopp efter den centrala uppdateringen i mars 2024 kan helt enkelt ha crawlats mer fullständigt den månaden, så kontrollera ögonblicksbildsdatumet innan du berättar något för en kund.
Behandla ordlistan som ett avtal med din framtidssjäl. Om en kolumn överraskar dig om sex månader är definitionen ovan det du borde ha antagit.
Namngivningsvanor för dina egna kolumner
Döp om vid import, och gör det en gång.
Prefixa kolumner med åtgärd, till exempel refdomains eller anchors, innan du joinar något, så att en merge aldrig producerar två kolumner som betyder olika saker under samma namn. Skriv omdöpningssteget till en funktion och återanvänd den i varje notebook som rör API:et.
Detta kostar fem rader och räddar argumentet om vad en kolumn betyder, vilket är den vanligaste källan till felaktiga siffror i länkrapporter.
Läs en länktabell i fem pass
Titta på kornstorleken
Kontrollera vad en rad innebär, med hjälp av åtgärdstabellen ovan, innan du läser något nummer.
Kontrollera ögonblicksbilden
Hitta ögonblicksbildsdatumet i filnamnet eller i en kolumn, och bekräfta att det matchar den hämtning du avsåg.
Räkna raderna
Jämför nrow() med det antal du förväntade dig, och skriv skillnaden i en kommentar bredvid läsningen.
Läs intervallen
Titta på minimum och maximum för DR och för räkningarna. En DR utanför 0 till 100 pekar på ett parseringsproblem, inte på en fynd.
Namnge kolumnerna
Döp om varje kolumn till dess åtgärdsprefix, till exempel refdomains eller anchors, innan du joinar något.
Frågor om åtgärder och termer
Detta är de frågor som tenderar att följa en första länktabell in i R.
Vilken åtgärd ska jag börja med?
Börja med domain eller overview, eftersom båda är gratis och inte behöver någon nyckel. De visar formen på ett svar innan du spenderar en kredit.
Flytta till bulk_dr när den formen är klar, eftersom ett enda anrop skapar upp till 2 000 domäner för en kredit.
Varför skiljer sig mina räkningar från ett annat verktyg?
Varje leverantör crawlar webben på sitt eget schema och räknar länkar på olika sätt. Vår länkgraf uppdateras ungefär en gång i månaden, och DR här är vårt eget logaritmiska nummer.
Jämför trender över månader snarare än exakta matchningar.
Hur beräknas DR?
DR är lika med round(100 gånger den naturliga logaritmen av länkande domäner plus ett, dividerat med logaritmen av 2 gånger 10 till sjunde potensen).
Det beror på en input, så du kan beräkna om det från en länkande domän-hämtning.
Behöver jag en nyckel för varje åtgärd?
Gratis åtgärder körs utan nyckel. De betalda åtgärderna tar nyckeln som en frågeparameter eller i en Authorization Bearer-header.
En saknad eller felaktig nyckel returnerar HTTP 401, vilket är det första felet att kontrollera när ett anrop misslyckas.
