{"id":2776,"date":"2014-06-26T17:53:56","date_gmt":"2014-06-26T15:53:56","guid":{"rendered":"http:\/\/www.wmtools.com\/news\/?p=2776"},"modified":"2014-07-08T18:33:02","modified_gmt":"2014-07-08T16:33:02","slug":"a-content-marketers-guide-to-data-scraping","status":"publish","type":"post","link":"https:\/\/www.wmtools.com\/news\/web-marketing\/a-content-marketers-guide-to-data-scraping","title":{"rendered":"Guida pratica al Data Scraping per i Content Marketer"},"content":{"rendered":"
\n
\n

Come Digital Marketers dovremmo usare i big data come strumento decisionale. Usare determinate informazioni per capire cosa funziona all\u2019interno del nostro\u00a0settore \u00e8 cruciale nelle campagne di content marketing<\/strong>\u00a0e mi sbalordisce sapere che tante aziende non ci si focalizzino.<\/p>\n

Una delle ragioni che sento spesso addurre dalle aziende, \u00e8 che non hanno il budget per investire in strumenti complessi e costosi che gli procurino tonnellate di dati. Detto ci\u00f2, non si ha sempre bisogno di investire in strumenti costosi per raccogliere informazioni preziose \u2013 ed \u00e8 proprio qui che entra in gioco il data scraping<\/strong>.<\/p>\n

Per farvi un esempio, ecco una breve descrizione del Data Scraping estratta da Wikipedia<\/a>:<\/p>\n

“Data scraping is a technique in which a computer program extracts data from human-readable output coming from another program.”<\/p><\/blockquote>\n

Fondamentalmente si tratta di scorrere una pagina web e raccogliere pezzi di informazioni che potete usare per condurre la vostra analisi. Ad esempio, potete cercare in un sito come Search Engine Land e fare lo scrape dei nomi degli autori di ogni post pubblicato, in seguito potete correlarlo con i dati di social sharing per scoprire chi sono i top performing authors<\/strong> di quel sito.<\/p>\n

Spero iniziate a capire quanto questi dati siano utili. Inoltre non si richiede nessuna conoscenza di codifica: seguendo alcune semplici istruzioni, potrete cominciare a raccogliere informazioni utili per le vostre campagne.<\/p>\n

Nota:<\/strong> Prima che iniziate a leggere il post \u00e8 necessario specificare che lo scraping di un sito rischia di violarne i termini di servizio. Dovete assicurarvi che questo non succeda prima di iniziare le vostre attivit\u00e0 di scraping. Ad esempio, Twitter proibisce tassativamente lo scraping<\/strong> delle informazioni sul proprio sito.
\nQuesto e\u2019 ci\u00f2 che si legge sulle Condizioni del Servizio<\/a> di Twitter:<\/p>\n

l\u2019effettuazione di ricerche a scopo di indicizzazione (crawling) nei confronti dei Servizi \u00e8 permesso se ci\u00f2 avviene nel rispetto delle disposizioni del file robots.txt, tuttavia l\u2019estrazione di informazioni effettuata con modalit\u00e0 automatizzate (scraping) senza il previo consenso di Twitter \u00e8 espressamente vietato<\/p><\/blockquote>\n

In maniera analoga Google<\/a> proibisce lo scraping del contenuti:<\/p>\n

I Termini di servizio di Google non consentono l’invio al sistema di query automatizzate di alcun tipo senza il previo consenso esplicito di Google. L’invio di query automatizzate consuma risorse e prevede l’utilizzo di software (ad esempio WebPosition Gold) per stabilire il posizionamento di un sito o di una pagina web nei risultati di ricerca di Google per varie query. Oltre al controllo del ranking, anche altri tipi di accesso automatizzato a Google senza autorizzazione costituiscono una violazione delle nostre Istruzioni per i webmaster e dei nostri Termini di servizio.<\/p><\/blockquote>\n

Quindi, occhio ragazzi!<\/p>\n

Analisi dei contenuti<\/span><\/h2>\n

Padroneggiare le basi del data scraping aprir\u00e0 una gamma infinita di possibilit\u00e0 per l\u2019analisi dei contenuti. Consiglio ad ogni content marketer (o almeno ad un membro del suo team) di tenersi aggiornato sull\u2019argomento.<\/p>\n

Prima che inizi con esempi specifici, assicuratevi che il vostro computer abbia Microsoft Excel<\/strong> (tutti dovrebbero avere Excel!) e anche il SEO Tools plugin<\/strong> per Excel (qui puoi scaricarlo gratuitamente<\/a>). Ho anche realizzato un tutorial<\/a> per SEO Tools plugin che potrebbe interessarvi.<\/p>\n

Inoltre servirebbe uno strumento per il Web Crawling<\/strong> come Screaming Frog\u2019s SEO Spider<\/a> o Xenus Link<\/a> (entrambi hanno opzioni gratuite). Una volta impostati, sarete in grado di fare tutto cio\u2019 che descrivo a seguire. Qui imparerete come fare lo scraping finalizzato dell’analisi di contenuti e alcune modalit\u00e0 per applicarlo alle vostre campagne di content marketing.<\/p>\n

1. Trovare i diversi autori di un blog<\/h3>\n

Analizzare importanti pubblicazioni e blog per scoprire chi sono gli autori influenti pu\u00f2 fornirvi dei dati veramente importanti. Una volta ottenuta la lista degli autori di un blog, potrete scoprire quelli che hanno creato contenuti, ottenuto buoni risultati sui social media e generato molti commenti, e anche raccogliere statistiche supplementari circa il loro seguito sui social, ecc.<\/p>\n

Io personalmente uso quotidianamente queste informazioni per stabilire relazioni con gli autori pi\u00f9 influenti <\/strong> e riesco a far s\u00ec che il mio contenuto venga pubblicato sui siti web pi\u00f9 importanti del settore. Ecco come fare:<\/p>\n

Passo 1:<\/h4>\n

Raccogliete una lista di URL dal dominio che state analizzando utilizzando Screaming Frog\u2019s SEO Spider. Basta aggiungere il root domain\u00a0all’interno dell\u2019interfaccia di Screaming Frog\u2019s e premere start (se non avete mai usato questo strumento, date un’occhiata al mio tutorial<\/a>). Non appena il tool avr\u00e0 completato la raccolta di tutti gli URL (questa operazione pu\u00f2 richiedere molto tempo per i siti di grandi dimensioni), semplicemente esportate tutto su un foglio Excel.<\/p>\n

Passo 2:<\/h4>\n

Aprite Google Chrome e spostatevi in una delle pagine contenenti articoli all’interno del dominio che state analizzando e trovate dove si menziona il nome dell\u2019autore (solitamente lo si trova all\u2019interno della sezione bio di un autore oppure sotto il titolo del post). Una volta trovato, cliccate sul nome col tasto destro e selezionate la voce ispeziona elemento (arriverete cos\u00ec alla console sviluppatori di Chrome). All\u2019interno della console sviluppatori, la linea di codice associata al nome dell\u2019autore che avete selezionato sar\u00e0 evidenziata (guardate l\u2019immagine sotto). Ci\u00f2 che dovete fare adesso \u00e8 cliccare col tasto destro sulla linea di codice evidenziata e selezionare Copy XPath.<\/p>\n

Per il sito Search Engine Land, il codice da copiare sar\u00e0 il seguente:<\/p>\n

\"codice<\/a><\/p>\n

\u00a0Passo 3:<\/h4>\n

Riprendete il vostro foglio con gli URL ed eliminate tutte le informazioni extra che Screaming Frog vi ha fornito, lasciando unicamente la lista degli URL. Fatto questo, aggiungetele alla prima colonna (colonna A) del vostro foglio di lavoro<\/a>.<\/p>\n

\"foglio<\/a>Passo 4:<\/h4>\n

Nella cella B2 aggiungete la seguente formula:<\/p>\n

\"formula\"<\/a><\/p>\n

 <\/p>\n

Giusto per esemplificare meglio questa formula, la funzione XpathOnUrl vi consente di usare direttamente all\u2019interno il codice XPath (ma solo con il SEO Tools plugin installato, senza non funzioner\u00e0). Il primo elemento della funzione specifica su quale URL stiamo per fare lo scrape. In questo esempio ho selezionato la cella A2, che contiene un URL che ho ottenuto dalla scansione fatta con Screaming Frog (in alternativa potreste semplicemente digitare la URL, facendo in modo che si trovi tra virgolette). Per finire, l\u2019ultima parte della funzione e\u2019 il nostro codice XPath. Dovete eliminare le virgolette dal codice e sostituirle con gli apostrofi. In questo esempio (mi riferisco alla sezione \u201cleftCol\u201d<\/strong>, che ho modificato in \u2018leftCol\u2019<\/strong> ) se non lo fate Excel non sar\u00e0 in grado di leggere correttamente la formula.<\/p>\n

Una volta premuto Enter, probabilmente ci vorranno un paio di secondi affinch\u00e8 il SEO Tools plugin scansioni la pagina.<\/p>\n

Bisogna notare che all\u2019interno dell\u2019esempio fato sopra, stiamo cercando nomi di autori all\u2019interno delle pagine di un articolo, quindi se provo ad usare un URL che non e\u2019 un articolo (ad esempio: la homepage) otterr\u00f2 un errore<\/a>.<\/p>\n

\"screenshot<\/a>Il\u00a0 codice XPath funziona partendo dall’inizio del codice dell’URL specificato e seguendo le istruzioni riportate per trovare elementi on-page e restituire risultati. Quindi, per il seguente codice:<\/p>\n

\"codice<\/a><\/p>\n

 <\/p>\n

Stiamo dicendo che cercher\u00e0 ogni\u00a0elemento (\/\/*) che ha un ID di leftCol e poi di scendere gi\u00f9 sino al\u00a0secondo TAG DIV (div[2]), seguito da un TAG P, uno SPAN ed un A. Il risultato dovrebbe essere il testo contenuto dentro il TAG A.<\/p>\n

Non vi preoccupate se non riuscite a capirlo, ma se ci arrivate, vi aiutera\u2019 a creare il vostro XPath. Ad esempio, se volete estrarre il contenuto di un TAG A che contiene rel=auothor (un altro ottimo sistema per trovare autori di pagine), allora potreste usare un XPath che assomigli a questo:<\/p>\n

\"rel<\/a><\/p>\n

 <\/p>\n

La formula completa in Excel sara\u2019 qualcosa del genere:<\/p>\n

\"funzione<\/a><\/p>\n

 <\/p>\n

Una volta creata la formula, potete trascinarla gi\u00f9 e applicarla ad un gran numero di URL allo stesso tempo. Ci\u00f2 comporta un enorme risparmio di tempo poich\u00e9, senza lo scraping, avreste dovuto andare manualmente su ogni sito e fare copia e incolla per ogni autore per ottenere gli stessi risultati. Un enorme perdita di tempo!<\/p>\n

Ora che vi ho spiegato le basi, vi mostrer\u00f2 altri modi in cui lo scraping puo\u2019 essere usato.<\/p>\n

2. Trovare altri dettagli nella pagina degli autori<\/h2>\n

Dunque, abbiamo trovato una lista di nomi di autori, ed \u00e8 fantastico, ma per saperne veramente di pi\u00f9 su di loro abbiamo bisogno di pi\u00f9 dati. Lo ripeto: spesso questi dari possono essere recuperati con lo scraping del sito che si sta analizzando.<\/p>\n

La maggior parte di blog\/pubblicazioni che elencano i nomi degli autori degli articoli, hanno in realt\u00e0 pagine sui singoli autori. Nuovamente, utilizzando Search Engine Land come esempio, se cliccate il mio nome in cima a questo post verrete portati su una pagina contenente pi\u00f9 dettagli su di me, inclusi i miei profili Twitter, Google+ e Linkedin. Questo e\u2019 il genere di dati che voglio raccogliere perch\u00e8 mi forniscono un punto di contatto con l\u2019autore che sto cercando di raggiungere.<\/p>\n

Ecco come farlo.<\/p>\n

Passo 1:<\/h4>\n

Per prima cosa abbiamo bisogno di avere gli URL del profilo autore cos\u00ec da poterne fare lo scrape e ottenere maggiori dettagli. Per farlo, potete usare lo stesso approccio usato per trovare il nome dell\u2019autore, con una piccola aggiunta alla formula:<\/p>\n

\"aggiunta<\/a><\/p>\n

L\u2019aggiunta della parte \u201chref\u201d della formula estrarra\u2019 la produzione dell\u2019attributo href dell\u2019A TAG. In altre parole si trover\u00e0 il collegamento ipertestuale collegato al nome dell\u2019autore e come risultato ne dar\u00e0 l’URL <\/a><\/p>\n

\"lista<\/a>Passo 2:<\/h4>\n

Ora che abbiamo gli URL delle pagine profilo dell\u2019autore, potete procedere con il recupero dei profili sui social media. Invece di fare scraping sugli URL degli articoli, useremo gli URL dei profili.<\/p>\n

Come prima, per raccogliere i link Twitter, Google+ e Linkedin abbiamo bisogno di trovare il codice XPath. Per farlo aprite Google Chrome e navigate in una delle pagine dei profili degli autori, cliccate il tasto destro sul link Twitter e selezionate Ispeziona Elemento. Una volta fatto, passate il mouse sopra il codice evidenziato all\u2019interno di Chrome developer tools, cliccate con il tasto destro e selezionate Copy XPath.<\/p>\n

\"come<\/a>Passo 3:<\/h4>\n

Infine aprite il vostro foglio Excel e aggiungete la seguente formula (usando l\u2019XPath che avete copiato sopra):<\/p>\n

\"xpath<\/a><\/p>\n

Ricordatevi che questo e\u2019 il codice per fare scraping su Search Engine Land, quindi se lo state facendo su un sito diverso sar\u00e0 quasi sicuramente differente. Una cosa importante da sottolineare \u00e8 che qui ho selezionato la cella C2, che contiene l’URL del profilo dell\u2019autore e non solo la pagina che contiene l’articolo. Oltre a questo, noterete che ho incluso \u201chref\u201d alla fine perch\u00e8 vogliamo l\u2019effettiva URL del profilo Twitter e non solo le parole \u2018Twitter\u2019.<\/span><\/p>\n

\"fare<\/a>A questo punto potete ripetere la stessa procedura per ottenere gli URL dei profili Google+ e Linkedin e aggiungerli al vostro foglio di calcolo. Spero che stiate iniziando a vedere il valore di questo processo e capire come puo\u2019 essere usato per raccogliere tante informazioni nascoste che possono essere utilizzate per tutti i tipi di attivit\u00e0 online, non soltanto per le vostre campagne SEO e social media.<\/p>\n

3. Raccogliere la lista dei follower dei Social Network<\/h3>\n

Ora che abbiamo gli account degli autori sui social media, \u00e8 ragionevole avere l\u2019elenco dei loro follower in modo che possano essere classificati in base alla loro influenza all\u2019interno dell’elenco.
\nQui trovate e formule finali XPath che potete collegare direttamente ad Excel per ogni social network per ottenere gli elenchi dei loro follower. Tutto cio\u2019 che dovrete fare \u00e8 sostituire il testo INSERT SOCIAL PROFILE URL<\/strong> con la cella di riferimento all’URL Google+\/Linkedin:<\/p>\n

Google+:<\/strong><\/span><\/p>\n

\"google+<\/a>LinkedIn:<\/strong><\/span><\/p>\n

\"linkedin<\/a><\/p>\n

4. Fare scraping con i titoli delle pagine<\/h3>\n

Una volta ottenuta una lista di URL, avrete voglia di sapere quali siano i contenuti. Utilizzando questo XPath per ogni URL verr\u00e0 visualizzato il titolo della pagina:<\/p>\n

\"title<\/a><\/p>\n

Se utilizzate il plugin SEO Tools per Excel, potete semplicemente usare la funzione del programma che consente lo scrape dei titoli delle pagine, ma e\u2019 sempre utile sapere come farlo manualmente!<\/p>\n

Un\u2019altra bella mossa per l\u2019analisi \u00e8 guardare il numero di parole usate all\u2019interno dei titoli delle pagine. Per farlo usate la seguente formula:<\/p>\n

\"conteggio<\/a>Partendo da qui potrete farvi un\u2019idea di quale sia la lunghezza ottimale per un post all\u2019interno di un sito. Questo \u00e8 molto utile se state preparando un articolo su una pubblicazione specifica. Se create il post in maniera tale da farlo adattare al meglio al sito, avrete una maggiore possibilit\u00e0 di successo.
\nFacendo un ulteriore passo avanti, potrete raccogliere le condivisioni social di ogni URL usando le seguenti funzioni:<\/p>\n

\"funzioni<\/a><\/p>\n

 <\/p>\n

Nota:<\/strong> Per arrivare a questi risultati potreste usare anche uno strumento come URL Profiler<\/a>, che funziona molto meglio su una grande quantit\u00e0 di dati.<\/span><\/p>\n

Se volete ottenere ancora piu\u2019 statistiche social, allora potete usare SharedCount API ed \u00e8 cos\u00ec che si fa.
\nPrima di tutto create una nuova colonna nel vostro foglio Excel e aggiungete la seguente formula (dove A2 e\u2019 l’URL della pagina web da cui si desidera estrapolare statistiche social):<\/p>\n

\"formula<\/a>A questo punto dovreste avere una cella che contiene l’URL della pagina web con il prefisso prefixed SharedCount API URL. Questo \u00e8 ci\u00f2 che useremo per raccogliere statistiche social. Ora ecco la formula Excel da usare per ogni network (dove B2 e\u2019 la cella che contiene la formula sopra):<\/p>\n

StumbleUpon:<\/strong><\/span><\/p>\n

\"formula<\/a>Reddit:<\/strong><\/span><\/p>\n

\"formula<\/a><\/p>\n

Delicious:<\/span><\/strong><\/p>\n

\"formula<\/a>Digg:<\/span><\/strong><\/p>\n

\"formula<\/a>Pinterest:<\/span><\/strong><\/p>\n

\"formula<\/a><\/p>\n

LinkedIn:<\/span><\/strong><\/p>\n

\"formula<\/a>Facebook Shares:<\/span><\/strong><\/p>\n

\"formula<\/a>Facebook Comments:<\/span><\/strong><\/p>\n

\"formula<\/a>Una volta ottenuti questi dati, potete cominciare a guardare pi\u00f9 a fondo tra gli elementi di un post di successo.<\/p>\n

Qui c’\u00e8 l’esempio di un grafico che ho creato intorno ad un ampio campione di articoli analizzati all\u2019interno di Upworthy.com<\/p>\n

\"grafico<\/a>Il grafico analizza la media delle condivisioni social che un articolo su Upworthy riceve vs. il numero di parole contenute nel suo titolo. Si tratta di dati preziosi che possono essere usati per tutta una serie di diversi elementi on-page per ottenere un modello perfetto di articolo per il sito che state\u00a0lanciando.<\/p>\n

Visto? I big data sono utili!<\/strong><\/p>\n

5. Data\/ora in cui il post e\u2019 stato pubblicato<\/h3>\n

Insieme all\u2019analisi dei dettagli dei titoli che funzionano all\u2019interno di un sito, per ottenere migliori risultati si consiglia di guardare anche gli orari migliori in cui vengono inseriti i post. Questo io lo faccio regolarmente nel mio blog per assicurarmi di trarre i migliori risultati dal tempo che impiego scrivendo.<\/p>\n

Ogni sito e\u2019 diverso, ed \u00e8 percio\u2019 molto difficile per uno strumento automatizzato raccogliere queste informazioni. Certi siti avranno questi dati all\u2019interno della sezionenelle loro pagine web, ma altri le mostreranno direttamente sotto il titolo dell\u2019articolo. Ancora una volta, Search Engine Land e\u2019 un esempio perfetto di un sito che lo fa:<\/p>\n

\"orari<\/a>Quindi ecco come fare lo scrape di queste informazioni sugli articoli di Search Engine Land:<\/p>\n

\"scraping<\/a>Ora avete data e orario del post. Si consiglia di ridurlo e riformattarlo per la vostra analisi dei dati, e considerato che avete gi\u00e0 tutto nell\u2019Excel dovrebbe risultare piuttosto semplice..<\/p>\n

Approfondimenti<\/h3>\n

Il Data scraping e\u2019 veramente potente, e dopo averlo sperimentato una volta realizzerete che non \u00e8 poi cos\u00ec complicato. Gli esempi che vi ho fornito sono solo un punto di partenza, ma dopo che vi sarete affidati alla vostra creativit\u00e0 inizierete ad accorgervi delle opportunit\u00e0 che ne verranno fuori.<\/p>\n

Ecco alcune letture extra che potreste trovare utili:<\/strong><\/span><\/p>\n

\u2022 http:\/\/findmyblogway.com\/scraping-communities-with-xpath\/
\n\u2022 http:\/\/builtvisible.com\/data-entry-is-a-waste-of-time\/
\n\u2022 http:\/\/www.seotakeaways.com\/data-scraping-guide-for-seo\/
\n\u2022 http:\/\/okdork.com\/2014\/04\/30\/the-step-by-step-guide-to-10x-growth-for-any-blog\/<\/p>\n

Riepilogando<\/h2>\n

>><\/strong> Iniziate con l\u2019usare dei dati reali per le vostre campagne invece di affidarvi alle vostre sensazioni di \u2018pancia\u2019
\n>><\/strong> Raccogliete informazioni riguardo ai\u00a0domini specifici che volete usare per\u00a0l’inserimento dei contenuti e create l’articolo\u00a0ideale per il loro pubblico.
\n >><\/strong> Tenetevi aggiornati su XPath e JSON tramite l\u2019uso del SEO Tools plugin per Excel
\n>><\/strong> Dedicate pi\u00f9 tempo ad analizzare quali contenuti vi portano maggiori risultati invece dei siti che vi portano piu\u2019 link!
\n>> <\/strong>Prima di fare scraping controllate i Termini del servizio.<\/p>\n

 <\/p>\n

Titolo originale del post “A Content Marketer’s Guide to Data Scraping”<\/a> di Matthew Barby pubblicato su Moz.com il 2 giugno 2014.<\/em><\/p>\n

 <\/p>\n<\/div>\n<\/div>\n","protected":false},"excerpt":{"rendered":"","protected":false},"author":57,"featured_media":2832,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[2],"tags":[],"class_list":["post-2776","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-web-marketing"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/www.wmtools.com\/news\/wp-json\/wp\/v2\/posts\/2776","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.wmtools.com\/news\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.wmtools.com\/news\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.wmtools.com\/news\/wp-json\/wp\/v2\/users\/57"}],"replies":[{"embeddable":true,"href":"https:\/\/www.wmtools.com\/news\/wp-json\/wp\/v2\/comments?post=2776"}],"version-history":[{"count":0,"href":"https:\/\/www.wmtools.com\/news\/wp-json\/wp\/v2\/posts\/2776\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.wmtools.com\/news\/wp-json\/wp\/v2\/media\/2832"}],"wp:attachment":[{"href":"https:\/\/www.wmtools.com\/news\/wp-json\/wp\/v2\/media?parent=2776"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.wmtools.com\/news\/wp-json\/wp\/v2\/categories?post=2776"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.wmtools.com\/news\/wp-json\/wp\/v2\/tags?post=2776"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}