Cómo estamos transformando el SEO en Adevinta de 0 a 100 - Clinic SEO Barcelona 2019

Slide 1

Slide 1 text

Cómo estamos transformando el SEO en Adevinta de 0 a 100 Esteve Castells, Adevinta in/estevecastells/

Slide 2

Slide 2 text

● Global SEO Manager at Adevinta ● Growth, Technology and SEO passionate ● Formerly Softonic, Havas Media ● Travel lover ● Spicy food addict Soy Esteve Castells

Slide 3

Slide 3 text

Newsletter/ AP SEO Newsletter bit.ly/Seopatia Atomic Partners seo@atomicpartners.io

Slide 4

Slide 4 text

Adevinta is an international family of local digital brands 16 countries 800m population footprint +1.5bn monthly visits €594.6m revenue 15–20% mid-to long-term revenue growth target €151.0m EBITDA Spain Brazil Global Markets France 4

Slide 5

Slide 5 text

5 Agenda 01 Pasado, presente y futuro del SEO en Adevinta 02 Machine Learning y SEO en Adevinta

Slide 6

Slide 6 text

1. Pasado, presente y futuro del SEO en Adevinta

Slide 7

Slide 7 text

Nos gastamos €XX milliones en publicidad en Google el último año, mientras solo 3 personas trabajaban en SEO full-time En enero de 2019...

Slide 8

Slide 8 text

No content

Slide 9

Slide 9 text

Cuáles eran los principales problemas por aquél entonces? ● Falta de foco y buy-in en el top management, en el management funcional y los General Managers ● Falta de ownership a nivel local ● Falta de recursos asignados (Producto y Tecnología) ● Poca gente entendía el SEO en la organización

Slide 10

Slide 10 text

Solo estamos aquí Zoom-in 2021 2019 2018 2020 Kick-off Early awareness Awareness & buy-in Results & Traction Scale up Consolida- tion Masteriza- tion Reign Objetivo para 2021: ser líder SEO en todos los mercados donde operamos!

Slide 11

Slide 11 text

No content

Slide 12

Slide 12 text

Tech & Product Strong Ads supply Brand power SEO El SEO es cross-funcional. Necesita estar dentro de la cultura de la empresa, especialmente producto y tech. El SEO es clave para negocios que generan más ingresos con menos costes El SEO es la fundación a un negocio saludable y sostenible a lo largo del tiempo Éxito SEO = Base de anuncios fuerte, fundado en una plataforma P&T sólida, fortalecido por una marca potente

Slide 13

Slide 13 text

Focusing on long tail searches will allow us to get highly speciﬁc qualiﬁed leads for our assets. Long tail searches have less competition than average. Competitors and aggregators are strong on longtail whilst most assets have not explored that area yet. El foco en 2019 serà en mobile, long tail and index optimization Mobile First Index NOW 1 Long tail searches NOW 2 Crawl and index optimization NOW 3 Google is starting to crawl, index and rank our websites as if it was a mobile device. Some of our mobile websites are not ready for this change and it is a potential threat for organic search performance Many of our websites are seeing a negative trend when it comes to indexed pages. Google index contains more than 130 trillion pages and it is becoming more restrictive quality-wise as the amount of content on the internet is growing exponentially. [1] [1] "In less than four years, Google's search knowledge of pages have grown by more than 100 trillion new pages." Search Engine Land

Slide 14

Slide 14 text

Este año nos hemos gastado €XX millones en publicidad en Google, pero tenemos 8 personas trabajando en SEO full-time Y en enero tendremos 11! Hoy, octubre de 2019

Slide 15

Slide 15 text

Estamos en la dirección correcta, pero necesitamos seguir empujando y llevar a todos nuestros SEOs al next level Status 1/1/2019 Status 1/12/2019 Hiring planned by early 2019 Local SEO Manager - Hiring ongoing - Hiring ongoing - - Local SEO Manager Local SEO Manager Agency Agency + Part Time SEO Manager - SEO Consultant Hiring planned by early 2019 Shared with Leboncoin - SEO Developer planned for 2020 SEO Consultant SEO Consultant Local SEO Manager Local SEO Manager Hiring planned by early 2019 Local SEO Manager - Hiring ongoing - - - - Shared with Subito Shared with Subito - - - Shared with Jofogas - Local SEO Manager - Shared with MA - Local SEO Manager Local SEO Manager Local SEO Manager Hiring planned by early 2019 Local SEO Manager - - - - Fuente: Datos anonimizados de cada uno de nuestors marketplaces, comparación M1 vs M12

Slide 16

Slide 16 text

El SEO Engagement en 2019 ha sido fantástico y sigue mejorando en los mercados clave January December FTEs Local SEO Managers 3 8 Agencies/SEO Consultants 2 3 Contrataciones planiﬁcadas 4 3 Recursos SEO compartidos 1 5 Sin SEO ownership 20 6 Países usando Landing Pages Service 1 3 +5 +1 -1 +4 -14 +2 January December Porcentaje de revenue (aprox) de Adevinta cubierto por SEO Managers 15% 90% % de marketplaces Haciendo algo de SEO 38% 92% +600% +240% Engagement evolution Ownership evolution

Slide 17

Slide 17 text

No content

Slide 18

Slide 18 text

Nos encanta entregar resultados Siempre que sea posible!

Slide 19

Slide 19 text

Recopilación de algunos de los resultados hasta la fecha

Slide 20

Slide 20 text

20 Recopilación de algunos de los resultados hasta la fecha

Slide 21

Slide 21 text

Google Discover se está convirtiendo en una fuente importante para algunos de nuestros marketplaces

Slide 22

Slide 22 text

No todo son gráﬁcos bonitos...

Slide 23

Slide 23 text

Sitio web que no está listo para el MFI

Slide 24

Slide 24 text

Bug de Google en palabras clave de marca

Slide 25

Slide 25 text

No content

Slide 26

Slide 26 text

⚠ Nada de esto sería posible sin nuestros increíbles equipos

Slide 27

Slide 27 text

No content

Slide 28

Slide 28 text

No content

Slide 29

Slide 29 text

No content

Slide 30

Slide 30 text

Refactorizando nuestra tecnología para adaptarla a los requerimientos actuales

Slide 31

Slide 31 text

31 On Page Optimization How to do it? CMS Edition

Slide 32

Slide 32 text

32 Title Description H1 Canonical Robots Content Redirects

Slide 33

Slide 33 text

33 Microservice Works with CSV Meti

Slide 34

Slide 34 text

34 CSV conﬁguration ﬁle

Slide 35

Slide 35 text

Slide 36

Slide 36 text

36 Response example 8M Requests per day 6ms Response time Cache Active on all rules

Slide 37

Slide 37 text

24h 3 Semanas para hacer algo 4.000 30.000 líneas de código Ahorrar tiempo y dinero Coste de oportunidad de IT

Slide 38

Slide 38 text

2. Machine Learning y SEO en Adevinta

Slide 39

Slide 39 text

Vamos a hablar de... Estructuras de enlazado interno Manuel Sánchez Esteve Castells

Slide 40

Slide 40 text

Una estructura de enlazado interno...

Slide 41

Slide 41 text

… puede ayudar a posicionar mejor en Google

Slide 42

Slide 42 text

Una buena estructura de enlazado interno... … es especíﬁca, cuanto más, mejor vs two bedroom flat in Barcelona house

Slide 43

Slide 43 text

Una buena estructura de enlazado interno... … es especíﬁca, cuanto más, mejor … utiliza keywords relevantes para buscadores

Slide 44

Slide 44 text

Una buena estructura de enlazado interno... … es especíﬁca, cuanto más, mejor … utiliza keywords relevantes para buscadores … enlace a contenido relacionado y relevante

Slide 45

Slide 45 text

Una buena estructura de enlazado interno... … es especíﬁca, cuanto más, mejor … utiliza keywords relevantes para buscadores … enlace a contenido relacionado y relevante … el contenido se actualiza dinámicamente

Slide 46

Slide 46 text

Introduciendo los Word Embeddings

Slide 47

Slide 47 text

Word embeddings: En cambio de paradigma en 2013 en Natural Language Processing (NPL) Cited 15,211 times

Slide 48

Slide 48 text

Vocabulary Number the 1 a 2 have 3 has 4 egypt 5 that 6 most 7 in 8 of 9 large 10 is 11 so 12 egyptians 13 quickly 14 memorizing 15 often 16 Cómo se puede representar una palabra en un ordenador? Asignando un número a cada palabra

Slide 49

Slide 49 text

- Palabras relacionadas - Pero sin relación con el número asignado Qué pasa si representas una palabra en un ordenador? Podemos asignar un número a cada palabra Vocabulary Number the 1 a 2 have 3 has 4 egypt 5 that 6 most 7 in 8 of 9 large 10 is 11 so 12 egyptians 13 quickly 14 memorizing 15 often 16

Slide 50

Slide 50 text

Cómo se puede representar una palabra en un ordenador? Otra posibilidad, un vector Vocabulary Vector the ( 4.5, 0.6, 9.1 ) a ( 0.5, 1.9, 9.5 ) have ( 1.3, 8.9, 3.4 ) has ( 4.8, 9.2, 6.1 ) egypt ( 5, 0.1, 6.8 ) that ( 8.8, 7.4, 6.6 ) most ( 4, 5.7, 5.1 ) in ( 1.1, 2.4, 1.6 ) of ( 8, 0.1, 6.8 ) large ( 0.2, 4.6, 3.1 ) is ( 5, 6.1, 4.3 ) so ( 3.6, 4.9, 5.5 ) egyptians ( 5.6, 0.7, 4.1 ) quickly ( 6.5, 3.7, 7.5 ) memorizing ( 2.6, 8.8, 2.5 ) often ( 0, 8.2, 9.1 )

Slide 51

Slide 51 text

Y si lo visualizamos: “magic” happens

Slide 52

Slide 52 text

Y si lo visualizamos: “magic” happens

Slide 53

Slide 53 text

53 Y si lo visualizamos: “magic” happens

Slide 54

Slide 54 text

54 Y si lo visualizamos: “magic” happens Puedes encontrar la distancia entre varias palabras!

Slide 55

Slide 55 text

Aplicando word embeddings encontramos las palabras relacionadas por signiﬁcado

Slide 56

Slide 56 text

Aplicando word embeddings encontramos las palabras relacionadas por signiﬁcado Disponible en muchos lenguajes: Portuguese, French, Spanish, German, Belarusian, Arab...

Slide 57

Slide 57 text

SEO solution Automating the construction of a link structure

Slide 58

Slide 58 text

Empezamos una colaboración con 58 Oscar Ompre Manuel Sánchez Esteve Castells Alexandre Dias Pedro Furtado

Slide 59

Slide 59 text

El MVP de la solución fue tal que así: Input: Origin linking URLs (CSV) Destination linked URLs (the ones we want to boost) (CSV) Machine Learning model Model output: Links between popular queries (JSON) Integration with CustoJusto front end

Slide 60

Slide 60 text

INPUT: CSV con palabras clave relevantes para las URLs de CustoJusto 60

Slide 61

Slide 61 text

OUTPUT: JSON (parsed)

Slide 62

Slide 62 text

Integración en el FE de CustoJusto

Slide 63

Slide 63 text

Integración en el FE de CustoJusto

Slide 64

Slide 64 text

En producción Efecto en visibilidad

Slide 65

Slide 65 text

Solve complexity with complexity

Slide 66

Slide 66 text

66 Agenda 02 Categorization ● Source of Truth ● Categorization ● Typos, ambiguities and Similar Names 01 KW Indexation ● KW Generation ● Content Matching ● KW Filtering ● Build a KW Index 03 Internal Linking ● Semantic Linking ● Similar Content Linking ● Category hierarchy linking 04 Spice Up with KW Enrichment ● Automatic Filtering ● Real Time SEO Link Mapping ● Historical and score ● KW rotation ● SEM and ROI heuristics

Slide 67

Slide 67 text

We aim to index the most meaningful KW to avoid flooding Google with too much, duplicated or undiversified content - Discard - KW without content* - Kw with exact or very similar content ** - Favour - Maximize content coverage - Minimize Duplicated content - Minimize indexed KW - Content rotation (new content) - Evenly distributed representation of categories * set some time margin before removing them in case they get some content back ** Or keep them to redirect to the indexed similar KW filtering Apartment Lorem ipsum congue Villa Girona Barcelona (Province) Barcelona (city) Pobleno u Content covered by indexed kws Content distribution management

Slide 68

Slide 68 text

Testing different ML models atm ● Word2Vec ● Doc2Vec ● More soon ML models have the same base optimizations, but per language can be fine tuned e.g: Arabic, Belarusian specificities A hint of our next gen SEO component Integration in Marketplace Front-End Machine Learning Model Marketplace Internal Searches Google Trends Behavioural Data Google Search Console Data treatment - Synonyms - Plurals - Typos, ambiguities and Similar Names - Stop words Data intelligence - Categorizer - Enricher - Prioritizer - Filtering - Historical and score - Item count SEO Tools Data Pipeline - Data Processor Machine Learning Model Improvements ● Improving sentence understanding ● Wording coherence ● Diversity ● Sorting an scoring ● KW Rotation ● Parametrization API CSV Each marketplace sends the key page elements in a unified way: ● Site, language, title, description, category, price, origin URL In each endpoint request so that we are able to send back the links in less than 20ms Different endpoints for: ● Semantic linking ● Trending linking ● Similar linking ● Same category linking ● Different category linking CSV

Slide 69

Slide 69 text

69 Para resumir!

Slide 70

Slide 70 text

70 Aún estamos empezando en SEO en Adevinta… Nos queda mucho camino por recorrer!

Slide 71

Slide 71 text

Pero estamos comprometidos a construir “El SEO que Adevinta merece!” 71

Slide 72

Slide 72 text

SEO Manager @ Fotocasa & Habitaclia - Barcelona SEO Specialist @ OLX Brasil - São Paulo SEO Manager @ Adevinta Hungary - Budapest B2C Growth Manager @ InfoJobs - Barcelona We are hiring! @estevecastells /in/estevecastells/ esteve.castells@adevinta.com

Slide 73

Slide 73 text