Alors, quand nous sommes dans BigQuery, comment créons-nous réellement ce tableau de bord ? BigQuery utilise SQL, qui n'est qu'un langage de programmation. Si vous avez déjà utilisé quelque chose comme XL, vous pouvez le considérer comme tel. Il s'agit essentiellement d'une formule XL, mais dans BigQuery. Et ce que fait cette instruction, c'est qu'elle indique que lorsque notre URL, qui n'est qu'une colonne de données dans BigQuery, est comme, et tout ce que nous disons avec ce « like », c'est que si nous y pensons dans XL et le filtrage, contient en-gb, n'est que le slug d'URL, alors nous voulons le catégoriser comme le Royaume-Uni. Nous faisons simplement cela plusieurs fois pour chaque URL ou langue de pays que nous ciblons.
Vous regardez peut-être cela et vous vous dites : « Hé, ça me semble familier. » Si vous avez déjà réalisé des rapports Looker Studio, où vous avez dû séparer vos requêtes de marque et vos requêtes génériques, vous avez probablement utilisé ceci. Vous possédez donc déjà de nombreuses compétences nécessaires pour créer ce tableau de bord.
Voici donc quelques exemples de ce à quoi ressemblent ces colonnes. Notre colonne URL provient directement de la Search Console. Nous l'obtenons gratuitement. Nous n'avons rien à faire ici. Ici, nous disons que lorsque cette colonne contient une URL qui contient cette phrase spécifique, je souhaite qu'elle cible le Royaume-Uni. Et cela crée ensuite une autre colonne pour ce pays cible. Ce que nous faisons ensuite avec ce pays cible, c'est que nous exécutons une autre instruction case pour le comparer au pays réel d'où l'utilisateur a atterri, et encore une fois, ce sont des données qui proviennent directement de la Search Console. Vous devez manipuler un peu ces données, simplement parce que Google fournit les données sous forme de codes de pays alpha-3, vous devez donc utiliser une table de recherche. Mais c'est vraiment très simple à obtenir. Et une fois que vous avez compris cette instruction case, vous avez compris l'essentiel du rapport.
Ici, nous avons utilisé l'exemple d'un sous-dossier de langue de pays. Mais même si vous utilisez uniquement un sous-dossier de pays, la beauté de SQL est qu'il nous offre beaucoup de flexibilité et nous permet de cibler même juste « en ». Ici, nous pourrions dire que si en, alors nous ciblons le Royaume-Uni et les États-Unis. Nous pouvons définir notre pays cible comme Royaume-Uni et États-Unis et mettre à jour le code pour qu'il envoie le ciblage correct.
Cela nous permet de visualiser ces données dans Looker Studio. Et tout ce que nous faisons, c'est créer une colonne contenant notre pays cible. Nous utilisons la colonne de la Search Console contenant le pays sur lequel l'utilisateur a atterri. Et tout ce que nous faisons, c'est comparer les deux. L'utilisateur vient-il du Royaume-Uni ? Oui. L'URL est-elle celle du Royaume-Uni ? Oui. Notre ciblage fonctionne alors. Si l'utilisateur vient de France, le ciblage ne fonctionne pas.
Cela nous donne un exemple général des pays d'où provient le trafic le plus mal ciblé, ce qui peut ensuite nous aider à orienter nos stratégies de contenu et nous aide également à mesurer l'efficacité des stratégies de référencement international. Maintenant, il s'agit de savoir si vous avez déjà mis en œuvre ces stratégies ou si vous envisagez de les mettre en œuvre.
Si vous êtes au début de votre parcours de ciblage international, ce tableau de bord peut vous aider à déterminer où nous en sommes actuellement sans mise en œuvre. Ensuite, lorsque nous nous rendons auprès de l'entreprise et lui demandons quels sont les investissements dans notre référencement, nous pouvons alors montrer, à l'aide de données, l'efficacité de cet investissement et pourquoi il est si important.
Je m'appelle Tanvir Ali. Si vous souhaitez me contacter, je suis sur LinkedIn, ou si vous souhaitez discuter plus en détail de ce rapport. Merci.
