Python ile SEO Çalışmalarınıza Katkı Sağlayın!
Python, sunduğu otomasyon yetenekleri ve veri işleme kapasitesiyle SEO uzmanlarına büyük avantajlar sağlamaktadır.
Günümüzde SEO (Arama Motoru Optimizasyonu), dijital pazarlamanın en kritik unsurlarından biri haline gelmiştir. Arama motorlarında öne çıkmak isteyen web siteleri için teknik SEO, anahtar kelime analizi, sayfa hızı optimizasyonu ve içerik analizi gibi konular önemlidir.
İçindekiler
1. Python’un SEO’daki Rolü
Python, SEO uzmanlarının tekrar eden görevleri otomatikleştirerek zaman kazanmalarını sağlar. Python kullanarak:
- Anahtar kelime analizi yapabilir,
- Teknik SEO analizleri gerçekleştirebilir,
- Sayfa hızı testleri yapabilir,
- Geri bağlantı (backlink) analizleri yürütebilir,
- Log dosyalarını analiz ederek tarama hatalarını tespit edebilir,
- İçerik optimizasyonu için doğal dil işleme (NLP) tekniklerinden faydalanabilirsiniz.
2. Anahtar Kelime Analizi Otomasyonu
Python, anahtar kelime analizini kolaylaştıran çeşitli kütüphaneler sunar. Örneğin, Google Trends API ve Pytrends kullanarak popüler anahtar kelimeleri belirleyebilirsiniz.
from pytrends.request import TrendReq
pytrends = TrendReq(hl='tr-TR', tz=360)
kaynaklar = ["Python SEO", "Google Algoritma", "Anahtar Kelime Analizi"]
pytrends.build_payload(kaynaklar, cat=0, timeframe='today 12-m', geo='TR', gprop='')
trend_verileri = pytrends.interest_over_time()
print(trend_verileri)Bu kod parçacığı, belirlenen anahtar kelimelerin zaman içindeki popülerliğini analiz eder.
Ayrıca SEMrush veya Ahrefs API kullanarak rakiplerin en iyi performans gösteren anahtar kelimelerini analiz edebilirsiniz.
3. Teknik SEO Denetimleri
Python’un BeautifulSoup ve Selenium gibi kütüphaneleri, web sitelerinin teknik SEO denetimlerini gerçekleştirmek için kullanılabilir. Örneğin, bir web sitesinin başlık etiketlerini (<title>) ve meta açıklamalarını (<meta description>) kontrol eden bir kod:
from bs4 import BeautifulSoup
import requests
url = "https://www.ornekwebsite.com"
response = requests.get(url)
soup = BeautifulSoup(response.text, 'html.parser')
title = soup.find("title").text
meta_desc = soup.find("meta", attrs={"name": "description"})
print(f"Başlık: {title}")
print(f"Meta Açıklama: {meta_desc['content']}" if meta_desc else "Meta Açıklama Bulunamadı")4. Sayfa Hızı Optimizasyonu
Google PageSpeed Insights API ile sayfa yükleme hızını analiz edebilir ve iyileştirme önerileri alabilirsiniz.
import requests
api_key = "SIZIN_API_ANAHTARINIZ"
url = "https://www.ornekwebsite.com"
response = requests.get(f"https://www.googleapis.com/pagespeedonline/v5/runPagespeed?url={url}&key={api_key}")
data = response.json()
print(f"Mobil Puan: {data['lighthouseResult']['categories']['performance']['score'] * 100}")Bu sayede sayfa hızının SEO’ya etkisini analiz edebilir ve geliştirme yapabilirsiniz.
Ek olarak Lighthouse kütüphanesi ile kapsamlı hız ve erişilebilirlik analizleri yapabilirsiniz.
5. Geri Bağlantı (Backlink) Analizi
Backlink analizleri, Python kullanılarak Ahrefs API veya SEMrush API ile otomatize edilebilir. Bu sayede sitenizin geri bağlantı profili incelenerek otorite artışı sağlanabilir.
import requests
api_key = "SIZIN_AHREFS_API_ANAHTARINIZ"
domain = "ornekwebsite.com"
response = requests.get(f"https://api.ahrefs.com/v2/site-explorer/backlinks?target={domain}&mode=domain&token={api_key}")
data = response.json()
print(f"Toplam Backlink Sayısı: {len(data['backlinks'])}")Bu analiz sayesinde zararlı bağlantıları tespit edip reddetme (disavow) sürecini hızlandırabilirsiniz.
6. Log Dosyası Analizi ile Tarama Hatalarını Tespit Etme
Arama motorlarının sitenizi nasıl taradığını anlamak için sunucu loglarını analiz edebilirsiniz. Pandas ve Matplotlib kullanarak log dosyalarındaki hataları görselleştirebilirsiniz.
import pandas as pd
import matplotlib.pyplot as plt
log_dosyasi = "access.log"
df = pd.read_csv(log_dosyasi, sep=' ', header=None, names=["IP", "Tarih", "İstek", "Durum Kodu", "Referans"])
hata_kodlari = df[df["Durum Kodu"] >= 400]
hata_kodlari["Durum Kodu"].value_counts().plot(kind='bar', color='red')
plt.title("HTTP Hata Kodları Dağılımı")
plt.show()Bu analiz sayesinde sıkça karşılaşılan 404 veya 500 hatalarını tespit edebilirsiniz.
7. Doğal Dil İşleme (NLP) ile İçerik Optimizasyonu
Python’un NLTK ve Spacy kütüphaneleri, içerik analizi ve optimizasyonunda büyük kolaylık sağlar. En sık kullanılan anahtar kelimeleri analiz etmek ve içeriğin anlam bütünlüğünü korumak için NLP kullanabilirsiniz.
import spacy
nlp = spacy.load("en_core_web_sm")
text = "Python SEO süreçlerinde kullanılır ve teknik analizlere büyük katkı sağlar."
doc = nlp(text)
for token in doc:
print(f"Kelime: {token.text}, Tür: {token.pos_}")Bu analiz, içeriğin kelime türlerini belirleyerek semantik SEO çalışmaları yapmanıza yardımcı olur.
Python, SEO süreçlerini otomatikleştirerek zaman ve maliyet tasarrufu sağlar. Anahtar kelime analizinden teknik SEO denetimine, sayfa hızı optimizasyonundan geri bağlantı analizine, log dosyası incelemesinden içerik optimizasyonuna kadar pek çok alanda Python’un gücünden faydalanabilirsiniz. Python ile SEO‘yu birleştirerek rakiplerinizin önüne geçmek için hemen kolları sıvayın!
