Slide 1

Slide 1 text

Automazione no-code/low-code per SEO e Web Analytics Gianluca Campo @giancampo [email protected] #wmf2022

Slide 2

Slide 2 text

SONO Head of SEO & Analytics @ Nucleus NON SONO • uno sviluppatore • uno statistico • un venditore della piattaforma che vedremo

Slide 3

Slide 3 text

Indice 1. Partiamo con un gioco 2. Strumenti di programmazione no-code 3. Introduzione a KNIME 4. Come funziona KNIME 5. Workflow per la SEO 6. Workflow per la Web Analytics 7. Dimentichiamo qualcosa?

Slide 4

Slide 4 text

Partiamo con un gioco

Slide 5

Slide 5 text

No content

Slide 6

Slide 6 text

Mito #1: ci sono due tipi di persone al mondo Ci sono due tipi di persone: quelle che sanno programmare e quelle che non riescono. La realtà è che le persone che non sanno programmare si scoraggiano perché si paragonano subito alle persone che lo sanno fare. E' solo una questione di curva di apprendimento! https://blog.stephsmith.io/learning-to-code-apps/

Slide 7

Slide 7 text

Mito #2: quale linguaggio è il migliore? Meglio Python o JavaScript? E' importante cominciare da ciò che si preferisce o si ritiene più semplice da imparare. E' possibile che alcuni linguaggi facilitino alcuni passaggi ma il focus deve essere sulla partenza!

Slide 8

Slide 8 text

Mito #3: "non ci capisco nulla, non sono portato" Occorre distinguere tra sintassi e logica: la prima è quella da studiare e che non consente di essere subito autonomi. La logica è in genere più semplice da comprendere ed è il vero core della programmazione!

Slide 9

Slide 9 text

Mito #3: "non ci capisco nulla, non sono portato" Occorre distinguere tra sintassi e logica: la prima è quella da studiare e che non consente di essere subito autonomi. La logica è in genere più semplice da comprendere ed è il vero core della programmazione!

Slide 10

Slide 10 text

Mito #4: focalizzarsi sull'idea e non sull'esecuzione Meglio fare qualcosa che cercare la perfezione (e magari perdere più tempo). Una buona esecuzione vale più di una buona idea! Ideas Execution -1 = bad idea 1$ = no execution 1 = weak idea 1.000 $ = weak execution 5 = average idea 10.000 $ = average execution 10 = good idea 100.000 $ = good execution 15 = great idea 1.000.000 $ = great execution 20 = amazing idea 10.000.000 $ = amazing execution Derek Sivers, https://www.youtube.com/watch?v=QgaBvEO2LYY

Slide 11

Slide 11 text

Mito #4: focalizzarsi sull'idea e non sull'esecuzione Meglio fare qualcosa che cercare la perfezione (e magari perdere più tempo). Una buona esecuzione vale più di una buona idea! Ideas Execution -1 = bad idea 1$ = no execution 1 = weak idea 1.000 $ = weak execution 5 = average idea 10.000 $ = average execution 10 = good idea 100.000 $ = good execution 15 = great idea 1.000.000 $ = great execution 20 = amazing idea 10.000.000 $ = amazing execution Derek Sivers, https://www.youtube.com/watch?v=QgaBvEO2LYY = 20 $ = 10.000.000 $

Slide 12

Slide 12 text

Mito #5: "ho cominciato troppo tardi" Non è troppo tardi per cominciare a programmare. Meno dello 0,5% della popolazione mondiale riesce a programmare. Siamo dunque ancora alla prima fase della curva della diffusione dell'innovazione, non proprio tardi... Meno dello 0,5% di persone al mondo programmano https://sphweb.bumc.bu.edu/otlt/MPH-Modules/SB/BehavioralChangeTheories/BehavioralChangeTheories4.html

Slide 13

Slide 13 text

Mito #6: "non ho abbastanza tempo" Circa 1/3 delle nostre ore diurne sono spese sugli smartphone. Probabilmente molte di queste sono spese per lavoro, ma altre per puro intrattenimento. Cosa accadrebbe se convertissimo tutte le nostre ore di intrattenimento in ore di apprendimento? https://www.data.ai/en/go/state-of-mobile-2022/

Slide 14

Slide 14 text

No content

Slide 15

Slide 15 text

No content

Slide 16

Slide 16 text

Strumenti di programmazione no-code

Slide 17

Slide 17 text

No content

Slide 18

Slide 18 text

Cosa sono le piattaforme di sviluppo no-code? 1. Le piattaforme di sviluppo no-code (o No-Code Development Platforms, NCDP) consentono anche a non programmatori di creare applicazioni mediante interfacce grafiche intuitive 2. NCDP e LCDP (Low-Code Development Platforms) possiedono lo stesso obiettivo: velocizzare il processo di sviluppo di un’applicazione 3. In particolare, le NCDP offrono in genere template che non richiedono alcuna conoscenza per costruire applicazioni 4. Queste piattaforme stanno crescendo in popolarità perché le aziende riescono così a superare la scarsa disponibilità di competenze di programmazione e la crescente mobilità dei lavoratori https://en.wikipedia.org/wiki/No-code_development_platform

Slide 19

Slide 19 text

Alcune piattaforme NCDP Airtable Appery.io Google AppSheet Betty Blocks Buildbox Bubble Creatio DronaHQ Studio FileMaker HyperCard IFTTT integromat monday.com Podio PWCT QuickBase, Inc. Salesforce lightning platform Shopify Silex website builder Unqork Webflow Wix.com WordPress Zapier

Slide 20

Slide 20 text

Alcune piattaforme NCDP Airtable Appery.io Google AppSheet Betty Blocks Buildbox Bubble Creatio DronaHQ Studio FileMaker HyperCard IFTTT integromat monday.com Podio PWCT QuickBase, Inc. Salesforce lightning platform Shopify Silex website builder Unqork Webflow Wix.com WordPress Zapier

Slide 21

Slide 21 text

AppSheet (categoria: app building)

Slide 22

Slide 22 text

Buildbox (categoria: game making)

Slide 23

Slide 23 text

Wordpress (categoria: website building)

Slide 24

Slide 24 text

Zapier (categoria: workflow automation)

Slide 25

Slide 25 text

Caratteristiche delle piattaforme no-code • Focalizzate sui verticali Le NCDP sono progettate con un focus su industry particolari in modo da accelerare la pubblicazione di applicazioni bypassando i classici vincoli dello sviluppo: tempo, soldi, carenza di capitale umano subito impiegabile per scopi molto precisi. • Facili da integrare Sfruttano spesso API, servizi web di ampia scala, dataset aperti, template già testati, per integrare rapidamente sistemi di business preesistenti. • Rivoluzionarie Stanno trasformando il ruolo di manager e dipartimenti IT: da controllo completo del ciclo di ricerca, sviluppo e approvazione di nuove applicazioni, a governance su linee di business che sviluppano applicazioni di nicchia adatte al proprio flusso di lavoro. https://en.wikipedia.org/wiki/No-code_development_platform

Slide 26

Slide 26 text

No content

Slide 27

Slide 27 text

Il mercato globale • Valore di mercato di 16,1 mld di dollari nel 2021 • Forecast di 84,8 mld di dollari nel 2027 • Crescita media annua del +31,9% (CAGR, tasso annuo di crescita composto) https://www.spreadsheetweb.com/how-big-is-the-global-low-code-no-code-market-and-how-fast-is-it-growing/

Slide 28

Slide 28 text

I numeri delle NCDP 65% del fabbisogno totale di sviluppo applicazioni nel 2024 70% nuove applicazioni nelle aziende che sfrutteranno NCDP/LCDPs entro il 2025 https://research.aimultiple.com/low-code-statistics/ 75% grandi imprese che entro il 2024 useranno LCDPs per sviluppo IT e citizen development 60% nuove applicazioni aziendali che non vengono più sviluppate da reparti IT

Slide 29

Slide 29 text

Fattori di crescita e limiti all’espansione delle NCDP Fattori di crescita • Accessibilità. Nel 2018 si stima che oltre la metà delle app B2E (business-to-employee) sarebbero state create da business analyst che usano strumenti codeless. • Agilità. Sviluppo di applicazioni più rapido rispetto al classico sviluppo IT, grazie a template preimpostati che possano essere utilizzati rapidamente e per molteplici scopi. • Efficienza. Efficientamento del backlog di attività IT: i dipartimenti IT vengono scaricati di attività meno onerose per potersi concentrare sugli sviluppi più complessi. • Produttività. Crescita di produttività delle risorse umane, che possono introdurre applicazioni di business in modo rapido. • Ricchezza. Queste piattaforme stanno accrescendo il numero di funzionalità e integrazioni messe a disposizione, rendendo possibile lo sviluppo di applicazioni complesse. Limiti alla crescita • Rigidità. I template preimpostati è vero che semplificano il processo di creazione ma in alcuni casi non riescono a soddisfare le esigenze più sofisticate per via di chiari ma necessari limiti. • Sicurezza. Le applicazioni vengono create da risorse inesperte di sicurezza informatica e manca controllo sul prodotto realizzato. https://www.emergenresearch.com/industry-report/no-code-development-platforms-market

Slide 30

Slide 30 text

KNIME

Slide 31

Slide 31 text

KNIME Analytics Platform • KNIME Analytics Platform è una NCDP/LCDP (si definiscono anche Some-Code) per la data science, che usa la programmazione visuale per costruire sequenze di attività. • La piattaforma è basata su un’interfaccia drag & drop in cui si costruiscono pipeline di blocchi e ognuno di questi corrisponde ad un’attività precisa. • KNIME nasce per la data science dunque è trasversale a diversi ambiti per propria natura. • KNIME è nato nel 2006 nei laboratori dell’Università di Costanza: a questo deve il suo nome KN (Konstanz) IM (Information Miner) E. https://en.wikipedia.org/wiki/KNIME

Slide 32

Slide 32 text

Cosa vuol dire programmazione visuale La programmazione visuale consente a chiunque di creare le proprie applicazioni usando template e moduli su interfacce grafiche. Un po’ come si fa per insegnare la programmazione ai bambini…

Slide 33

Slide 33 text

Cosa ne pensa Gartner https://www.gartner.com/en/documents/3998753 Nel 2018 KNIME è stato confermato da Gartner – celebre società di consulenza IT– tra i leader delle piattaforme per data science e machine learning. Il famoso Quadrante Magico valuta due caratteristiche: • Abilità di esecuzione (customer experience, attenzione al prodotto, operations) • Completezza di visione strategica (consapevolezza dei trend di mercato, innovazione, posizionamento).

Slide 34

Slide 34 text

Posizionamento rispetto ad altri strumenti di analisi dei dati https://www.apogeonline.com/articoli/quando-e-perche-scegliere-knime-andrea-de-mauro/

Slide 35

Slide 35 text

Input di dati e ETL (Extract, Transform, Load) La facilità di importare flussi di dati, trasformarli armonizzandoli con formati diversi e, infine, esportarli o caricarli su altri sistemi. I processi di ETL sono facili e immediati da impostare in KNIME. https://www.apogeonline.com/articoli/quando-e-perche-scegliere-knime-andrea-de-mauro/

Slide 36

Slide 36 text

Algoritmi di machine learning disponibili L’applicazione di algoritmi intelligenti è il cuore pulsante di una piattaforma analitica. KNIME include nella sua versione base oltre 200 algoritmi di machine learning configurabili con facilità anche dai non esperti. https://www.apogeonline.com/articoli/quando-e-perche-scegliere-knime-andrea-de-mauro/

Slide 37

Slide 37 text

Visualizzazione dei dati L’inesorabile conclusione di un lavoro di analisi dei dati è visualizzare l’informazione che essi contengono. Questo non è – almeno per il momento – un punto di forza di KNIME. https://www.apogeonline.com/articoli/quando-e-perche-scegliere-knime-andrea-de-mauro/

Slide 38

Slide 38 text

Usabilità della piattaforma L’interfaccia, i controlli e i comandi sono parte integrante dell’esperienza complessiva di un software. L’interfaccia di KNIME è intuitiva, semplice da navigare e visivamente attraente, What You See Is What You Get. https://www.apogeonline.com/articoli/quando-e-perche-scegliere-knime-andrea-de-mauro/

Slide 39

Slide 39 text

Collaborazione Nel lavoro di team è importante poter condividere con facilità dati, documenti, programmi, codice, risultati intermedi e altro con i propri colleghi. Per KNIME la collaborazione è un punto di forza: i lavori precedenti o parte di essi possono essere modularizzati, esportati. https://www.apogeonline.com/articoli/quando-e-perche-scegliere-knime-andrea-de-mauro/

Slide 40

Slide 40 text

Partecipazione della community Una community forte e presente può espandere oltre ogni limite le potenzialità di un software specialmente se questo non fa parte di un sistema chiuso. KNIME è un applicativo open source. Su circa 2,5 milioni di righe di codice, oltre mezzo milione è stato sviluppato dalla comunità che vi gravita intorno. https://www.apogeonline.com/articoli/quando-e-perche-scegliere-knime-andrea-de-mauro/

Slide 41

Slide 41 text

Come funziona KNIME?

Slide 42

Slide 42 text

Installazione https://www.knime.com/downloads/download-knime

Slide 43

Slide 43 text

Il nodo: componente essenziale di KNIME - #1 https://docs.knime.com/latest/analytics_platform_workbench_guide/index.html#workflow-editor-nodes

Slide 44

Slide 44 text

Il nodo: componente essenziale di KNIME - #2

Slide 45

Slide 45 text

Il nodo: componente essenziale di KNIME - #3

Slide 46

Slide 46 text

Il workflow: una sequenza di nodi

Slide 47

Slide 47 text

Composizione della workbench

Slide 48

Slide 48 text

No content

Slide 49

Slide 49 text

Leggere file comuni (Excel, testo, CSV ecc)

Slide 50

Slide 50 text

Non solo Excel: come connettere Google Sheets - #1

Slide 51

Slide 51 text

Non solo Excel: come connettere Google Sheets - #2

Slide 52

Slide 52 text

Workflow per la SEO

Slide 53

Slide 53 text

No content

Slide 54

Slide 54 text

Andiamo alle impostazioni di KNIME 1 2

Slide 55

Slide 55 text

Procediamo all’installazione di Palladian, un’estensione di KNIME

Slide 56

Slide 56 text

Installiamo Palladian, adesso disponibile

Slide 57

Slide 57 text

Scarichiamo un workflow da NodePit e importiamolo in KNIME

Slide 58

Slide 58 text

Il secondo ramo del workflow è quello che ci interessa

Slide 59

Slide 59 text

No content

Slide 60

Slide 60 text

Creiamo un progetto su Google Cloud Platform 1 2

Slide 61

Slide 61 text

Generiamo un client OAuth

Slide 62

Slide 62 text

Selezioniamo applicazione desktop e avanziamo

Slide 63

Slide 63 text

Recuperiamo Client ID e Client Secret

Slide 64

Slide 64 text

No content

Slide 65

Slide 65 text

Inseriamo Client ID, Client Secret e autorizziamo l’accesso

Slide 66

Slide 66 text

Eseguiamo i passaggi necessari per la POST request alle API

Slide 67

Slide 67 text

Inseriamo l’indirizzo del sito di cui vogliamo i dati

Slide 68

Slide 68 text

Modifichiamo la riga 3, inserendo l’URL tra le virgolette

Slide 69

Slide 69 text

Configuriamo qui i dati che vogliamo scaricare

Slide 70

Slide 70 text

Configuriamo nel nodo il request body in formato JSON ?

Slide 71

Slide 71 text

Capire il request body di Google Search Console (Search Analytics) - #1 https://developers.google.com/webmaster-tools/v1/searchanalytics/query

Slide 72

Slide 72 text

Capire il request body di Google Search Console (Search Analytics) - #2 https://developers.google.com/webmaster-tools/v1/searchanalytics/query

Slide 73

Slide 73 text

Un semplice copia e incolla

Slide 74

Slide 74 text

Inviamo la richiesta ed elaboriamo il JSON di risposta

Slide 75

Slide 75 text

Tasto destro e visualizziamo la tabella finale

Slide 76

Slide 76 text

Tabella finale che possiamo esportare su Excel o Google Sheets

Slide 77

Slide 77 text

Altre attività SEO che possiamo fare con KNIME Categorizzazione di keyword per revisione architettura informativa String matching per piani di redirect automatici Clustering di schede prodotto per creazione categorie ecommerce Altre applicazioni di text mining e applicazione di TF-IDF, LDA Text generation per meta tag, anche con GPT-3

Slide 78

Slide 78 text

Workflow per la Web Analytics

Slide 79

Slide 79 text

Come estrarre informazioni da Google Tag Manager?

Slide 80

Slide 80 text

Andiamo alle impostazioni di Google Tag Manager

Slide 81

Slide 81 text

Esportiamo il JSON che contiene tutte le informazioni del container

Slide 82

Slide 82 text

Scarichiamo il workflow su KNIME Hub https://kni.me/w/ped1JbjH-YztQtPz

Slide 83

Slide 83 text

Ecco il workflow su KNIME https://kni.me/w/ped1JbjH-YztQtPz

Slide 84

Slide 84 text

Configuriamo il nodo JSON Reader https://kni.me/w/ped1JbjH-YztQtPz

Slide 85

Slide 85 text

Uno dei JSON Path che applichiamo https://kni.me/w/ped1JbjH-YztQtPz

Slide 86

Slide 86 text

Suddividiamo il risultato del JSON Path in righe diverse https://kni.me/w/ped1JbjH-YztQtPz

Slide 87

Slide 87 text

Scriviamo i risultati in un file Excel https://kni.me/w/ped1JbjH-YztQtPz

Slide 88

Slide 88 text

Un esempio del risultato in Excel https://kni.me/w/ped1JbjH-YztQtPz

Slide 89

Slide 89 text

Vediamo la relativa mappatura in un tag Universal Analytics su GTM https://kni.me/w/ped1JbjH-YztQtPz

Slide 90

Slide 90 text

Altre attività di Web Analytics che possiamo fare con KNIME Download ed elaborazione dati da Google Analytics (con nodi dedicati) Assessment configurazione da UI di GA4 (con i nodi Selenium) Analisi del sentiment di feedback polls raccolti con Hotjar Previsioni di churn con i moduli di machine learning Time series analysis e forecast

Slide 91

Slide 91 text

Dimentichiamo qualcosa?

Slide 92

Slide 92 text

Cos’altro può fare KNIME? Cicli for (detti loop) come qualsiasi linguaggio di programmazione, mediante nodi appositi Alcuni nodi consentono l’integrazione di Python e R così da estendere ulteriormente le potenzialità dello strumento Scheduling di attività come qualunque altra applicazione, ad es. con Windows Task Scheduler (Utilità di Pianificazione) Non dimentichiamo che è possibile utilizzare i 200+ algoritmi di machine learning disponibili!

Slide 93

Slide 93 text

Key takeways

Slide 94

Slide 94 text

Cosa abbiamo visto 1. La curva d’apprendimento per imparare un linguaggio di programmazione rimane ripida e non è detto che tutti vogliano scalarla 2. E’ possibile tuttavia produrre applicazioni di business in modo semplice mediante piattaforme NCDP/LCDP, il cui mercato è in rapida ascesa 3. KNIME Analytics Platform è uno strumento che consente di creare delle applicazioni sfruttando la programmazione visuale 4. Facilità d’integrazione, collaborazione, una community attiva e una folta schiera di algoritmi di ML rendono KNIME un prodotto molto stimato 5. In pochi click è possibile automatizzare task di SEO e Web Analytics ripetitivi e aggiungere valore alle attività quotidiane

Slide 95

Slide 95 text

Grazie!

Slide 96

Slide 96 text