Глава 30
Автоматизація SEO: від Excel до API, Python, SQL і BigQuery
Читати повну главу 30 з оригінальної книги →Автоматизувати треба повторювані детерміновані операції, а не саме мислення. Сильна SEO-автоматизація збирає факти, нормалізує їх, знаходить відхилення й залишає людині рішення.
Більшість SEO-команд починає з таблиць. Це нормально. Проблема починається, коли таблиця стає ручним конвеєром даних: щопонеділка хтось завантажує GSC, вставляє GA4, копіює позиції, оновлює VLOOKUP, фарбує червоні клітинки й робить знімок екрана у Slack. Така «звітність» дорога, крихка й не відтворюється.
Автоматизація для мене має три критерії: операція повторюється; вхід і вихід можна формально описати; помилка автоматизації помітна й контрольована. Стратегічна пріоритизація, інтерпретація або оцінювання контенту можуть використовувати автоматичні підказки, але не мають зникати за `if/else`.
30.1Що автоматизувати першим
Я починаю із завдань, де найбільше ручного копіювання: експорт, нормалізація URL, регулярні порівняння, перевірки шаблонів, виявлення аномалій. Потім — класифікація типів сторінок, зіставлення запитів, пропозиції внутрішніх посилань. І лише після цього — генеративні завдання.
30.2GSC: інтерфейс, API і BigQuery — різні режими
Інтерфейс Search Console зручний для ручної діагностики, API — для керованих запитів та інтеграцій, масовий експорт — для повної історичної аналітики в BigQuery. Google документує, що Search Analytics API за замовчуванням повертає 1 000 рядків, має `rowLimit` до 25 000 і пагінацію через `startRow`; верхня доступна межа даних для API описувалася як до 50 000 рядків на день на сайт і тип пошуку.[1][2]
30.3GA4 не є заміною GSC
GSC вимірює взаємодію з Google Search, GA4 — поведінку після завантаження вашого сайту. Через різні визначення, часові пояси, канонікалізацію, приватність і покриття відстеження цифри не повинні збігатися 1:1. Google прямо рекомендує використовувати обидва джерела разом і, для максимальної деталізації, зводити масові експорти в BigQuery.[4]
30.4Схема даних важливіша за інструмент
Поганий конвеєр легко перенести з Excel у Python і отримати автоматизований хаос. Перед кодом я визначаю єдині виміри даних: `date`, `site`, `url`, `page_type`, `country`, `device`, `query_cluster`, `channel`, `event`. Потім кожне джерело зіставляється з цією схемою.
30.5Виявлення аномалій без магії
Не кожне -20% WoW — інцидент. Я порівнюю з днем тижня, сезонністю, рухомою базою порівняння й датами оновлень. На ранньому етапі прості правила часто кращі за складну ML-модель: якщо clicks падають >30% YoY у page type із >10k baseline і impressions теж падають, створити alert; якщо clicks падають, а impressions стабільні — перевірити CTR/SERP.
30.6Оркестрація
Коли скриптів більше трьох, потрібен планувальник і журнал виконання. Це може бути GitHub Actions, Cloud Run/Functions, cron, Airflow, Make/n8n — інструмент залежить від масштабу. Важливі повторні спроби, часова позначка, версія вхідних даних, місце збереження результату й сповіщення про збій.
30.7Версіонування SEO-логіки
Регулярні вирази, правила типів сторінок, редиректи, генератори розмітки, шаблони запитів до моделі — це код або конфігурація, а отже, вони мають бути в системі контролю версій. Git дає відповідь на питання «хто і коли змінив правило», а не тільки останній файл у Drive.
30.8LLM як інтерфейс до даних
LLM може генерувати SQL, пояснювати аномалію, перетворювати питання природною мовою на запит. Але робочий конвеєр не повинен залежати від того, що модель «пам’ятає» схему. Я передаю схему, дозволені таблиці, приклади й обмеження, а SQL проходить перевірку.
30.9Секрети і доступи
Ключі API, JSON службового облікового запису, паролі баз даних не повинні лежати в коді або історії запитів до моделі. Використовуйте сховище секретів, змінні середовища, мінімальні дозволи й ротацію. Особливо це важливо, коли LLM отримує доступ до файлів або репозиторіїв.
30.10Що має автоматизувати керівник SEO
Мій пріоритет: збір даних, моніторинг, регулярні аудити, журнали змін, виявлення аномалій, реєстр контенту, реєстр посилань, сегментація індексації, перевірка якості релізів. Не автоматизую фінальне рішення про намір, позиціювання бренду, прийняття ризику й бюджет лише тому, що це можливо.
Це скорочений виклад: у книзі кожна глава має повний розбір, таблиці й приклади. Завантажити книгу або почати зі вступу.
Практичний інструмент автора: SEO Clusterizer допомагає автоматизувати кластеризацію семантики (відкриється в новій вкладці) до створення структури сторінок.