{"id":772,"date":"2008-12-06T13:00:25","date_gmt":"2008-12-06T11:00:25","guid":{"rendered":"http:\/\/www.wmtools.com\/news\/posizionamento-motori\/tommaso-galli-social-media-interference-e-posizionamento"},"modified":"2019-11-13T13:02:32","modified_gmt":"2019-11-13T11:02:32","slug":"tommaso-galli-social-media-interference-e-posizionamento","status":"publish","type":"post","link":"https:\/\/www.wmtools.com\/news\/posizionamento-motori\/tommaso-galli-social-media-interference-e-posizionamento","title":{"rendered":"Tommaso Galli: Social Media Interference e posizionamento"},"content":{"rendered":"

Tommaso Galli<\/strong> fa un intervento piuttosto tecnico. Partendo dall’analisi come fase indispensabile di ogni attivit\u00e0 di web marketing.
\nLa Web analysis<\/strong> comprende la web analytics ma ha anche altre attivit\u00e0:<\/p>\n

– analisi contesto competitivo
\n– studio campo semantico
\n– reputazione online
\n– analisi di mercato
\n– fattibilit\u00e0 di progetto
\n– web analytics
\n– analisi per i prospects<\/p>\n

Tommaso in questa sede parla di analisi del contesto competitivo, un’attivit\u00e0 non troppo lunga ma molto efficace tramite la quale si pu\u00f2 impostare una strategia vincente.<\/p>\n

CONTESTO COMPETITIVO<\/strong><\/p>\n

\"social<\/a>Ci possono aiutare 2 strumenti, due tools sviluppati da Intarget.net che possono essere definiti unit\u00e0 di misura:<\/p>\n

Click Probability e Social Media Interference<\/strong><\/p>\n

La CP \u00e8 una stima probabilistica che un utente interessato finisca su un sito\u00a0 specifico.<\/p>\n

La SMI \u00e8 un’estensione, \u00e8 la stima probabilistica che un utente finisca su un sito di UGC.<\/p>\n

Come funzionano? Si mette in relazione queste 3 caratteristiche<\/p>\n

le keyword del campo semantico
\nle abitudini di ricerca degli utenti
\ne la visibilit\u00e0 dei siti per queste keyword<\/p>\n

Si prende una keyword list di circa 100 elementi <\/strong>ordinata per volumi di ricerca (trovate dal tool delle parole chiave di Google) che possono essere settate. Per ogni keyword si fa un report di posizionamento top 20<\/strong> e si assegna per ogni serp un punteggio<\/strong> a ognuno dei siti in serp, sulla base del ctr del numero di ricerche. Ad ogni keyword sommiamo i risultati di tutti i siti e alla fine normalizziamo base 100. Abbiamo una distribuzione percentuale di dove gli utenti<\/strong> finiscono partendo da un certo campo semantico.<\/p>\n

Un sito posizionato bene su keyword a basso volume di ricerca riceve meno punti di un sito posizionato peggio su keyword con alti volumi di ricerca.<\/p>\n

E la long tail? il rapporto fra volumi e numero di keyword in long tail \u00e8 proporzionale. Questo tipo di analisi tiene conto della long tail.<\/p>\n

Alto numero di k
\nVolumi in broad
\nRanking top 20<\/p>\n

Tommaso mostra l’applicazione di questi strumenti, citando alcune case history<\/strong> sul turismo.<\/p>\n

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

Click probability “hotel roma”<\/p>\n

I motori di ricerca sono cambiati, \u00e8 ora di cambiare l’obiettivo<\/strong>. Se consideriamo che le due fonti di visibilit\u00e0\/guadagno da internet per un hotel sono i motori di ricerca (accesso diretto al sito) versus i portali di prenotazione. Ma i portali all’hotel costano! Una percentuale della prenotazione va al portale.<\/p>\n

Abbattere l’incidenza dei portali sui risultati puo’ far risparmiare l’albergatore.<\/p>\n

L’obiettivo \u00e8 comparire con il brand dell’hotel nella prima pagina della serp con pi\u00f9 di un risultato<\/strong>.
\nDoppio vantaggio:<\/strong><\/p>\n

– Maggior guadagno: le prenotazioni per ricerche di brand costano meno
\n– Maggior controllo se abbattiamo la SMI per le ricerche del proprio brand: se si compare con 8 risultati controllati nella pagina \u00e8 meglio.
\n<\/p>\n