Optimisation du portefeuille dans le marketing de contenu

Les sources de cette incertitude sont rapidement identifiées: classements peu sûrs du contenu dans le moteur de recherche et comportement prévisiblement conditionnel des concurrents. Chaque poste supplémentaire augmente l'incertitude, avec de très grandes quantités de contenu, de sorte qu'il existe une incertitude importante quant aux mesures appropriées et à la hiérarchisation des priorités.

Dans le même temps, le marketing de contenu et l'optimisation prennent beaucoup de temps. Par conséquent, l'un des principaux défis du marketing de contenu est de réduire, voire de minimiser les risques liés à l'optimisation. Un moyen de réduire les incertitudes et les risques consiste à associer l'optimisation au contenu d'un portefeuille. Dans le cadre d'un portefeuille, les objectifs du marketing de contenu et les risques associés peuvent être gérés bien mieux qu'avec un seul article ou un seul sujet. Plus important encore, une approche systématique du portefeuille permet d'optimiser un très grand nombre de contributions d'un portefeuille de contenu existant, en utilisant des critères objectifs.

Dans cet article, je voudrais présenter quelques approches qui vous aideront à optimiser votre portefeuille de contenu. Cela inclut à la fois une discussion sur les indicateurs de performance clés appropriés et le transfert d'instruments de portefeuille éprouvés au marketing de contenu.

Evaluation et priorisation du contenu

Le terme "contenu" désigne généralement un ensemble de contributions textuelles résumées qui sont visitées dans le contexte d'un site Web, d'une boutique en ligne ou d'un site de réseau social d'utilisateurs et qui conduisent ainsi à des contacts. Si vous souhaitez afficher l'ensemble du contenu sous forme de portefeuille, vous devez d'abord définir les caractéristiques importantes pour l'optimisation du portefeuille.

Chaque contribution individuelle peut être décrite par des caractéristiques qualitatives et quantitatives. Une caractéristique qualitative centrale est, par exemple, le mot clé pour lequel une contribution est optimisée. L'attribution qualitative implique des caractéristiques quantitatives telles que le volume de recherche associé au mot clé ou au CPC moyen. De telles caractéristiques quantitatives ont l'avantage de contribuer à l'objectification de l'optimisation de portefeuille. En outre, ils peuvent être distingués en fonction des indicateurs d'entrée et de sortie.

• Les codes d’entrée décrivent les paramètres de création du contenu,
• Les codes de sortie, d’autre part, sont les paramètres du résultat de l’utilisation du contenu pour obtenir des contacts.

La première étape de l'optimisation du portefeuille consiste à définir les objectifs pertinents, à savoir les indicateurs de production.

Les objectifs quantitatifs possibles sont:

• la plage mesurée en visites
• conversions dérivées de contenu
• Revenus dérivés du contenu ou marges de contribution

Du point de vue commercial, l’accent est mis sur les retours, c’est-à-dire les marges bénéficiaires réalisées avec un objet de contenu. Celles-ci dépendent toutefois non seulement de la qualité du contenu, mais également du prix et de la qualité des produits proposés, ainsi que de la qualité de la conversion d'un magasin en ligne.

Variables de contrôle pour le portefeuille de contenu

A partir des variables cibles liées à la sortie, les variables d’entrée ou de contrôle doivent être distinguées. Ces tailles peuvent être directement influencées, par exemple en sélectionnant un mot clé de focus optimisé pour. Par conséquent, l'efficacité du contenu doit être mesurée à l'aide de mesures permettant de contrôler directement la qualité du contenu en termes d'objectifs commerciaux et d'optimisation.

En tant que variables de contrôle possibles pour le contenu et la qualité des mots clés

• la le volume de recherche pour un mot clé
• la prix cliquez sur pour un mot clé
• dérivé de celui-ci Valeur de recherchequi résulte en tant que produit du volume de recherche et du prix des clics, et
• le marqué Position de classement

en question.

L’optimisation du portefeuille de contenu consiste maintenant à identifier les objets de contenu présentant un fort potentiel d’optimisation. Dans le même temps, il s’agit d’identifier d’autres objets au potentiel particulièrement faible et de les déconcentrer.

Pour faire cette sélection, la position de classement d'un objet existant constitue une bonne mesure du succès du contenu déjà obtenu. Dans tous les cas, il est clair qu'un élément de contenu atteignant une position de classement sur 1 a un potentiel plus élevé pour atteindre une portée élevée qu'un élément de contenu avec une position de 10. La position de classement est probablement le facteur déterminant le plus important. pour les visites effectivement effectuées via l'optimisation des moteurs de recherche.

Cependant, le classement n'est toujours pas un indicateur suffisant. Quel est l’avantage d’un classement 1, si le volume de recherche correspondant ayant actuellement 10 accès existe. Et à quoi bon un classement élevé avec un volume de recherche élevé si le mot clé n'a aucune pertinence commerciale. Cependant, la pertinence commerciale d'un mot clé reflète le prix du clic, qui est également un bon indicateur de la concurrence.

Dans ce contexte, la prochaine étape avec le "potentiel de recherche" est un paramètre de contrôle efficace du portefeuille de contenu à l'aide des facteurs.

• position de rang
• le volume de recherche
• prix cliquez sur

développé. Le volume de recherche et le prix des clics sont la valeur de la recherche en tant qu'indicateur distinct de l'attractivité d'un mot clé. La position de classement déjà atteinte détermine le temps nécessaire pour atteindre la valeur de recherche.

Le potentiel de recherche en tant qu'indicateur de la qualité du contenu

Mathématiquement, il s'agit de saisir le potentiel d'optimisation d'un portefeuille de contenu. Cela se produit entre deux extrêmes: dans un classement supérieur, les chances de réaliser la valeur de recherche sont élevées; dans le cas d'un classement précédent ou d'aucun classement, il n'y a aucune chance de participer à la valeur de recherche d'un mot clé.

Le classement obtenu avant l’optimisation est donc décisif. Plus le résultat est mauvais, plus la probabilité que les valeurs de recherche soient élevées soit faible, plus elle est élevée, plus la probabilité de réussite de l'optimisation est élevée.

En tant qu'indicateur de cette relation, l'inverse du chiffre au carré des positions de classement est maintenant disponible, avec lequel le volume de recherche est multiplié. Si un numéro de position de classement est très élevé, le potentiel de réalisation d'un volume de recherche élevé est également proche de zéro. En revanche, le potentiel de recherche est généralement plus important si le classement est élevé et si la valeur du chiffre de la position de classement est petite.

Il en résulte le potentiel de recherche en fonction de la valeur de recherche et le classement avec le numéro de position p:

Un exemple numérique montre l'évolution du potentiel de recherche:

Si maintenant les articles sont triés en fonction du potentiel de recherche et donc classés par ordre de priorité, l'image suivante apparaît:

Ensuite, l'optimisation du contenu existant doit commencer par les contributions C, D, F et H, car elles offrent le potentiel de recherche le plus élevé en termes de valeur de recherche et de classement existant. Le but de l'optimisation est d'atteindre le classement 1, dans lequel, comme dans les contributions A et C de l'exemple, il n'est plus nécessaire d'optimiser.

Optimisation du portefeuille de contenu avec l'analyse ABC

Grâce au potentiel de recherche, une hiérarchisation significative peut être mise en œuvre dans un portefeuille de contenu existant lorsqu'il s'agit d'optimiser davantage le contenu existant. Aujourd'hui, les portefeuilles de contenu existants sont généralement très volumineux (par exemple, avec un nombre de messages classés à cinq chiffres), de sorte qu'une sélection ou un filtrage plus poussés sont intéressants et utiles.

L'analyse ABC connue de la gestion des clients convient à cet effet, dans laquelle un portefeuille peut être trié par rapport à une valeur cible. Tout d'abord, la somme de toutes les valeurs est atteinte pour atteindre une valeur cible. L'étape suivante consiste à déterminer la contribution relative d'un élément du portefeuille à la somme des valeurs cibles. Ensuite, les éléments du portefeuille sont triés en fonction de leur part dans la valeur cible totale et à la fin, cette proportion est cumulée. Le résultat est une liste des éléments du portefeuille qui ont la plus grande importance pour la réalisation des valeurs cibles. Celles-ci sont ensuite différenciées en catégories A, B et C. Les éléments A sont les plus importants, les éléments C sont les moins importants.

Dans le tableau suivant, l'analyse ABC a été réalisée pour l'exemple numérique ci-dessus.

La catégorisation des contributions en fonction de leur part dans le potentiel de recherche total est maintenant à leur discrétion. Il est habituel de définir une part cumulée de 75% à 80% pour la catégorie A et une valeur inférieure ou égale à 5% pour la catégorie C. Les éléments B sont compris entre A et C. Dans cet exemple, cinq contributions représentent 75% du potentiel de recherche. Trois d'entre elles, à savoir les contributions D, F et H, doivent être optimisées avec une priorité élevée.

conclusion

Avec l'analyse ABC, le principe bien connu de Pareto peut être intégré dans le marketing de contenu et l'optimisation des moteurs de recherche. Des analyses plus différenciées et complexes sont envisageables, mais cette forme d'analyse de portefeuille ne devrait pas être une fin en soi. Enfin, la tâche d'optimisation réelle est l'objectif principal de l'exercice, qui devrait être soutenu par l'analyse ABC.