Search Intent Clustering with NLP & Python
Pengelompokan 50.000+ query pencarian menggunakan TF-IDF dan K-Means clustering untuk pemetaan arsitektur konten dan internal linking.
kmeans_clusters.py
50.000+Query dikelompokkan
+145%Click-through rate
Tantangan
Puluhan ribu query dari Google Search Console sulit dipetakan ke struktur konten. Akibatnya ada topik yang tumpang tindih dan peluang internal linking terlewat.
Pendekatan
- Menarik query dari GSC API lalu membersihkannya dengan Pandas.
- Mengubah teks query menjadi vektor TF-IDF.
- Mengelompokkan query dengan K-Means untuk menemukan kelompok intent yang mirip.
- Memakai hasil klaster untuk menyusun arsitektur konten dan merencanakan internal linking.
Hasil
Click-through rate naik 145 persen setelah struktur konten dan internal linking disesuaikan dengan klaster intent.
Teknologi
| Kategori | Data Analytics |
|---|---|
| Stack | Python, Pandas, Scikit-Learn, GSC API |
| Dampak utama | +145% Click Through Rate |
Butuh hasil serupa?
Diskusikan kebutuhan SEO teknis dan analisis data Anda.
Hubungi saya