Как стать экспертом для поисковых систем

Не так давно я познакомился с описанием E-A-T алгоритма от Google ^[1], который расшифровывается как «Expertise, Authoritativeness, Trustworthiness» (экспертность, авторитетность, достоверность). И мне, как автору, который пишет для разных сайтов стало интересно — насколько я сам соответствую критериям этого алгоритма и могу ли повлиять на текущую ситуацию. Тем более, что некоторые заготовки в виде открытой гугл таблицы для учета и мониторинга собственных публикаций LynxReport ^[2] уже были.

Google Таблицы → Node.js → Google Charts → Сайт-визитка → Топ-3 место в поиске ФИО + специализация

На основании данных таблицы я решил дополнить сайт-визитку, сведениями о публикациях, которые бы генерировались автоматически. Что я хотел получить:

1. Актуальную сводку публикаций, расположенную на временной шкале Google Charts ^[3].
2. Автоматическую генерацию выходных данных и ссылок на статьи из гугл таблицы в html версию визитки.
3. PDF версии статей со всех сайтов, из-за опасений закрытия некоторых старых сайтов в будущем.

Как получилось можно посмотреть здесь ^[4]. Реализовано на платформе Node.js с использованием Bootstrap, Google Charts и Google Таблицы для хранения исходных данных.

Исходные данные о публикациях в Google Spreadsheet

Гугл-таблица LynxReport: учёт публикаций ^[5] содержит все исходные данные и аналитику по публикациям. Я поддерживаю актуальность сведений на вкладке «Данные», вручную вписывая новые ссылки на статьи, остальное скачивается по большей части автоматически.

Часть таблицы LynxReport: учёт публикаций ^[5] с исходными данными

Актуальные данные по просмотрам и комментариям подгружаются через формулы.

Например, чтобы получить количество просмотров со страниц Хабра в ячейке гугл таблиц используется формула:

=IF(
ISNUMBER(IMPORTXML(D6, "//*[@class='post-stats__views-count']"))
,
SUBSTITUTE(
IMPORTXML(D6, "//*[@class='post-stats__views-count']")
,",",".")
,
value(SUBSTITUTE(SUBSTITUTE(
IMPORTXML(D6, "//*[@class='post-stats__views-count']")
,"k","")
,",","."))*1000
)

Формулы это не самый быстрый вариант и для того, чтобы получить несколько сотен позиций приходится ждать около получаса. После окончания загрузки можно видеть все цифры как на скриншоте ниже. Они дают ответы какие темы популярны, а какие нет.

Часть таблицы LynxReport: учёт публикаций ^[5] с аналитикой

Считывание данных из Таблицы и преобразование в формат Google Charts

Чтобы трансформировать эти сводные данные из гугл таблицы в сайт-визитку ^[4] мне надо было преобразовать данные в формат временной шкалы Google Charts ^[3].

Получившаяся временная шкала Google Charts на сайте-визитке ^[4]

Для того, чтобы корректно отрисовать такой график данные должны быть организованы следующим образом:

Данные для Google Charts на сайте-визитке ^[4] в html виде

Чтобы выполнять все преобразования автоматически я написал под Node.js скрипт, который доступен на GitHub ^[6].

Если вы не знакомы с Node.js, то в своей предыдущей статье я подробно расписал как можно воспользоваться скриптом под разными системами:

1. Windows
2. macOS
3. Linux

Ссылка с инструкциями здесь ^[7]. Принцип аналогичен.

Работа скрипта по преобразованию в нужный формат данных и генерации pdf версий статей с сайтов ^[6] (все строки обрабатываются мгновенно — я специально поставил задержку, чтобы записать это видео)

Для того считывать данные из гугл таблицы в автоматическом режиме я пользуюсь авторизацией по ключу ^[8].

Получить этот ключ можно в консоли управления проектами гугла ^[9]:

Учетные данные в Google Cloud Platform

После завершения работы скрипта должны сгенерироваться два текстовых файла с html данными графиков и все pdf копии онлайн статей.

Данные из текстовых файлов я импортирую в html код сайта-визитки.

Генерация pdf копий статей с сайтов

При помощи Puppeteer ^[10]сохраняю текущий вид статей вместе со всеми комментариями в pdf виде.

Если не ставить задержку, то несколько десятков статей по списку можно сохранить в виде pdf файлов всего за несколько минут.

А задержка нужна для того чтобы на некоторых сайтах (например на Т—Ж ^[11]) успели подгрузиться комментарии.

Результаты

Поскольку написание скрипта затевалось с целью большего соответствия поисковым алгоритмам, то оценить результаты можно воспользовавшись поиском.

Поиск по имени и фамилии + указание специализации в обоих случаях возвращает ссылки на мои статьи и даже сайт-визитку:

В выдаче Яндекса ^[12]:

В выдаче Гугла ^[13]:

Пока что не могу решить — стоит ли регистрировать отдельное доменное имя, если визитка empenoso.github.io и так находится на верхних строчках поиска?

Вместо заключения

1. Возможно, эта статья заставит кого-то задуматься о том, как он выглядит в интернете.
2. Возможно, эта статья поможет кому-то наладить учёт и организацию публикаций.
3. Исходный код скрипта расположен на GitHub ^[6].

Автор: Михаил Шардин ^[14]

17 августа 2020 г.

Автор: Михаил Шардин

Источник ^[15]