Exploration visuelle d’un netlinking, réseaux de données, et plus encore…

Je ne sais pas vous, mais l’idée de représenter graphiquement les backlinks d’un site, ou tout autre réseau mettant en relation des données, m’a toujours fait triper. Mon côté graphiste / photographe y est certainement pour quelque chose. Durant mes premières investigations sur le sujet, je me posais souvent les mêmes questions : Pour quoi faire ? Pour qui ? A quelle fin ? Est-ce vraiment exploitable ?
Au fil des expérimentations, les réponses sont venues d’elles-mêmes : impressionner son boss ou apporter au client un second degré de lecture. En un coup d’oeil (et quelques clics ludiques), une bonne représentation graphique peut être beaucoup plus parlante qu’un fichier excel contenant des milliers d’entrées, et aide à mieux comprendre comment les moteurs de recherche Google analyse nos liens et nos interactions sur les réseaux sociaux.

Toute relation entre plusieurs entités peut être représentée graphiquement, par exemple :

• Votre réseau d’amis sur Facebook, ou encore vos followers sur Twitter
• Votre linking interne et la mise en exergue des pages de destination
• Une recherche de mots clés pour un positionnement marketing
• Une cartographie d’une infrastructure réseau
• L’arbre généalogique de votre famille…

Comme le SEO est le thème dominant de ce blog, je vous épargnerai les exemples basés sur l’arbre généalogique de ma p’tite famille ;-) On commencera pépère avec une recherche de mots clés sur adwords, puis on élèvera le niveau avec une analyse de netlinking et des outils beaucoup plus complexes comme Gephi.

Un domaine encore expérimental
Autant vous le dire de suite, pour arriver à un résultat exploitable, il vous faudra beaucoup de tâtonnement, de bidouillage, et d’expérimentation. Rien ne peut être accomplit en une seule passe. Vous devrez jongler avec plusieurs logiciels, faire des exports en csv, nettoyer, ré-encoder en UTF-8, (re)repasser sous excel, tronquer vos fichiers, les fusionner… Vous êtes toujours là ? Ok, allons-y !

Visualisation graphique et interactive d’une recherche sémantique avec les tables de fusion de Google

Ouaip… rien que ça ! Vous connaissiez l’outil ? Il est encore très confidentiel dans le domaine SEO, pourtant si « fusion table » n’est pas l’outil le plus évolué pour représenter graphiquement un « réseau » de données, c’est de très loin le plus simple d’utilisation. Idéal donc pour commencer.

Imaginons pour l’exemple que nous voulions créer un site e-commerce de jouets. Pour des besoins marketing et SEO, nous avons besoin de nous représenter graphiquement les différents univers sémantiques, et les relations entre eux.

Voilà ce que ça donne au final :

Je vais bien entendu vous expliquer pas à pas comment obtenir ce résultat :

1) Récupération des mots clés

Dans un premier temps, il faut aller à la pêche aux mots clés. Pour faire simple (et gratuit), direction la régie Adwords, mais vous pouvez tout aussi bien utiliser un autre outil, du moment que vous pouvez extraire votre liste en bonne et due forme au format CSV.

Processus de récupération des mots clés avec un tableur (Excel) :

1. Une fois dans la régie Adwords, allez dans le générateur de mots clés via le menu « Outils et analyses ».
2. Dans la colonne de gauche sélectionnez [Exact] (Ca reste facultatif).
3. Dans le menu déroulant « Colonne » à droite, sélectionnez par exemple : Concurrence, recherche mensuelles dans les zones ciblées, et CPC approximatif.
4. Dans « Mot ou expression », saisissez l’occurrence « vente de jouets ».
5. Cliquez sur « Recherche ».
6. Via le menu déroulant « importer », téléchargez (au format CSV) tous les résultats de la recherche.
7. Ouvrez le fichier avec Excel.
8. Ajoutez une colonne « source » juste avant « Mot clé ». La colonne source sera donc la première.
9. Remplir toutes les cellules de la colonne « source » avec le mot clé saisi à l’étape n°4.
   
10. Enregistrer le fichier (format xlsx ok) sous « liste-kw-jouets.xlsx », mais ne le fermez pas.
11. Revenez à l’étape n°4 sous Adwords, en saisissant cette fois-ci l’occurrence « jouets bébé », puis refaire les étapes jusqu’à 7. A ce stade vous devriez avoir 2 fichiers ouverts dans Excel : celui que vous venez de télécharger, et votre fichier (final) « liste-kw-jouets.xlsx ».
12. Il faut maintenant fusionner les 2 fichiers. Dans celui que vous venez de télécharger, sélectionnez et copiez (dans le presse papier) tout le contenu.
    
13. Basculez sur le fichier « liste-kw-jouets.xlsx », et à la fin, collez votre contenu à partir de la colonne « Mot clé ».
    
14. Remplissez maintenant le reste de la colonne « source » avec l’occurrence « jouets bébé » comme à l’étape 9.
15. Renouvelez tout le processus avec les occurrences « jeux d’éveil », « jeux de société », « modélisme » et autres niches relatives aux jeux. Enregistrez votre fichier une fois le processus d’import et fusion terminé.

2) Importation des données dans une table de fusion

Direction maintenant Google drive.

1. Créez une nouvelle table de fusion via le bouton « Créer » -> Plus -> Table de fusion.
2. Importez ensuite votre fichier « liste-kw-jouets.xlsx », et passez les écrans suivants en laissant par défaut.
3. A coté de l’onglet "Cards1", cliquez sur le « + » puis choisissez « Add chart ».
4. Dans la colonne de gauche, cliquez sur l’icône « Network graph »… Nous y sommes.
   
5. Cochez « Color by columns » pour mieux différencier les noeuds, et mettre « Weight by » sur « Recherches mensuelles… » (dans l’absolu ce n’est pas le critère le plus intéressant, mais pour l’exemple, c’est le plus visible).
6. Faites tout exploser en changeant la valeur des nodes affichés au maximum. Feu d’artifice garanti !
   

N’hésitez pas à déplacer les noeuds (mots clés « source ») : vous remarquerez les connivences entre les différents univers sémantiques… ou plutôt lexicaux (c’est juste que « sémantique » ça claque plus ^^). Comme pour les autres outils que j’aborderai plus loin, vous pouvez très bien représenter graphiquement un réseau de backlinks, une linkwheel etc.

Le gros avantage des tables de fusion de Google, c’est sa simplicité d’utilisation, sa fluidité, et la possibilité de faire des embed (menu tools -> Publish).
Vous aurez sans doute remarqué que le processus est 100% Google… ou presque ! Dommage qu’il n’y ait pas de passerelle entre Adwords et les tables de fusion, ça éviterait la cuisine sous Excel.

Pour des réglages plus fins, des réseaux plus complexes et plus volumineux, il vous faudra certainement vous tourner vers des outils plus puissants comme Gephi… j’y viens. Par ailleurs, l’outil étant encore au stade expérimental, rien ne garantit qu’il restera à disposition dans le temps… Google a déjà retiré pas mal de services intéressants par le passé.

Plus puissant, plus sexy, plus complexe, la représentation graphique avec Gephi

Gephi est un programme Open source, multi-plateforme, et entièrement gratuit. Il est considéré comme le Photoshop de la visualisation graphique de données. Autant vous le dire de suite, niveau ergonomie et prise en main, il se rapproche plus de Scrapebox que de Photoshop, si vous voyez ce que je veux dire. Gephi est un vrai soft de geek. Complexe et expérimental, son apprentissage requiert de la patience et du temps.

La vidéo d’introduction (planante et hypnotique) de Gephi :

L’exemple d’utilisation que je vais développer n’a d’autre ambition que de vous montrer par le petit bout de la lorgnette les capacités infinies de ce logiciel.

Représentation graphique d’un réseau de backlinks avec Gephi

Préambule : A l’instar de notre visualisation graphique de mots clés, cette opération passera également par une étape de collecte de données (les backlinks), suivie d’une minutieuse préparation des fichiers CSV, et une bonne dose de nettoyage, condition sine qua none pour avoir des résultats exploitables.

Histoire de s’appuyer sur un exemple concret, je réaliserai l’exercice sur le site de la ville d’Evian.

Récupération des backlinks

Pour récupérer les BL, les outils sont nombreux mais rarement gratuits, surtout pour faire des exports (CSV) corrects. Quel qu’il soit, vous devrez obtenir à l’export un fichier csv sous cette forme :
source;target;PR;anchor
url-1;url-3;2;ancre1
url-2;url-5;3;ancre2
url-2;url-2;3;
url-1;url-3;2;ancre3
...

Il faut impérativement l’URL source du backlink, et l’url de la page cible (target) pour qu’il y ait association. Le PageRank, l’ancre, le nbr d’OBL, authority rank etc, sont facultatifs, mais néanmoins très intéressants si vous pouvez les collecter. Pour ma part, j’utilise SEO Spyglass qui peut réaliser des exports csv « sur mesure ». Je ne vais pas m’épancher d’avantage sur comment et avec quoi récupérer les backlinks, c’est un autre sujet, et je part du principe que vous savez faire. Au cas échéant, je vous donne un fichier exemple plus bas.

Avant ou après l’export (dans votre tableur préféré) vous devrez faire un travail de nettoyage pour obtenir un résultat optimal. Vous supprimerez les colonnes superflues comme l’âge du domaine, le listing DMOZ, l’IP… quoi que… ça peut donner des idées pour détecter les linkwheels… bref, faites comme vous voulez :p

Vous éliminerez également les lignes qui correspondent à des backlinks en nofollow, liens absents etc. On ne garde que les vrais BL qui donnent du jus.

Dans la colonne des URLs cibles (URL de l’ancre ou encore target) vous aurez très probablement 2 variantes d’URLs pour la home, et dans une moindre mesure pour les pages profondes :

1. les URLs non fermées, par exemple http://www.site.fr
2. et les URLs fermées du genre : http://www.site.fr/

Vous devez impérativement homogénéiser ces URLs, sinon vous aurez 2 grosses masses dominantes dans votre représentation graphique.

Astuce pour fermer les URLs : une technique rapide sous Excel consiste à remplacer « www.site.fr » par « www.site.fr/xxx ». Effectuez une deuxième passe en remplaçant « xxx/ » par rien, puis une 3ème passe en remplaçant « xxx » par rien. Y’a peut-être plus académique comme procédé, mais j’ignore lequel.

Téléchargez le fichier exemple (nettoyé et zippé) bl-ville-evian.fr.csv
Ce fichier ne vous épargnera pas les étapes essentielles qui vont suivre !

Préparation des fichiers pour Gephi

Nous allons maintenant créer 2 versions de notre fichier de backlinks (Nodes & Edges). Suivez bien le processus, sinon vous n’obtiendrez qu’un sac de noeuds !

1) Création d’un fichier « Nodes » :

1. Ouvrez votre fichier sous Excel (ou équivalent).
2. Si vous avez une colonne PageRank ou apparenté, veillez à ce qu’elle soit uniquement renseignée avec des valeurs numériques. Vous remplacerez les « N/A », « Null », « Aucun PR » par "0", voir rien du tout.
3. Renommez la colonne de l’URL source (la page hôte du backlink) par « Id ». Dans le fichier exemple, la colonne s’appelle « Page de lien retour ».
4. Vous pouvez également supprimez la colonne qui contient l’URL de la page cible (URL de l’ancre). Oui oui, vous avez bien lu ! Cela dit ça reste facultatif.
5. Enregistrez une version de votre fichier sous le nom « bl-ville-evian.fr-NODES.csv » au format CSV (séparé par des points-virgules).

A ce stade vous devriez donc avoir 2 fichiers csv : l’original (ex: bl-ville-evian.fr.csv) et une version modifiée (bl-ville-evian.fr-NODES.csv). Nous allons maintenant créer une seconde déclinaison (Edges) pour déterminer les associations (liens/backlinks) entre les pages.

2) Création d’un fichier « Edges » :

1. Ouvrez de nouveau votre fichier csv original (ex: bl-ville-evian.fr.csv).
2. Supprimez toutes les colonnes, et ne gardez que celle de l’URL source, et celle de l’URL cible (URL de l’ancre).
3. Renommez ces 2 colonnes respectivement par « Source » et « Target ».
4. Enregistrez une seconde version de votre fichier sous le nom « bl-ville-evian.fr-EDGES.csv » au format CSV (séparé par des points-virgules).

Voilà, si tout s’est bien passé et que vos fichiers sont sains, vous pouvez maintenant attaquer la cuisine avec Gephi !

Importation et visualisation des données avec Gephi

L’interface de Gephi est parfois extrêmement confuse. Par exemple, il y a 2 façons d’ouvrir un CSV : via le menu File -> Open, ou via l’onglet « Data laboratory ». La première méthode ne m’a généré que de la bouillie, quant à l’autre elle marche, mais m’a donné beaucoup de fil à retordre. Le wizard n’en est pas vraiment un, et la logique n’est pas forcément simple à saisir au premier abord.

Il faut bien saisir la nuance entre « node » et « edge ». Le node est une entité, en l’occurrence une page web représentée par une URL. On associe à un node plusieurs critères comme un poids (weight), un PageRank etc.
Les edges représentent les relations (directes ou indirectes) entre les nodes.

1) Importation du fichier « Nodes » :

1. Placez vous dans le « Data laboratory ». C’est ici que nous allons importer nos fichiers.
2. Créez un nouveau document (Ctrl+Shift+N).
3. Dans la fenêtre « Data table », sélectionnez « Nodes ».
4. Cliquez sur « Import spreedsheet ».
5. Ouvrez votre fichier Nodes (ex: bl-ville-evian.fr-NODES.csv) en faisant bien attention de choisir le bon séparateur (logiquement Semicolon), « As table » sur « Nodes table », et l’encodage qui va bien. Puis « Next ».
6. Dans la fenêtre suivante (import settings), décochez les colonnes superflues si besoin, mais surtout, vous devez définir la nature des données. Tout ce qui est URL, ancre, titre de page etc est considéré comme « string ». Le PR, nombre de liens sortants etc : « Integer ». Ne décochez pas « Id » !. Cliqez sur Finish quand tout est ok.
7. Si tout s’est bien passé, vous devriez avoir une colonne « Nodes » et « Id » identiques.

2) Importation du fichier « Edges » :

1. Toujours dans la fenêtre « Data table », sélectionnez maintenant « Edges ». Le tableau est vide.
2. Cliquez sur « Import spreedsheet ».
3. Ouvrez à présent votre fichier Edges (ex: bl-ville-evian.fr-EDGES.csv), et cette fois ci « As table » doit être sur « Edges table ». Cliquez ensuite sur « Next ».
   
4. Dans l’écran suivant ne décochez surtout pas « Create missing nodes » ! Les URLs des pages cibles que je vous ai fait supprimer lors de la préparation du fichier « Nodes » seront automatiquement recrées lors de l’import du fichier « Edges ». Cliquez maintenant sur Finish.

Vite vite vite, voyons voir ce que ça donne !!!

Ca vient ! Cliquez sur l’onglet Overview. C’est ici que tout se passe maintenant. La partie « Preview » ne donne qu’une version « statique » et vectorielle du maillage.

Dans la partie centrale (Graph) on a un gros blob avec une multitude de points. Il faut maintenant appliquer un algorithme pour articuler tout ça.
Dans la palette « Layout », déroulez la liste pour choisir « Yifan Hu », puis cliquez sur Run. Cet algo est l’un des plus lisibles (et faciles à maîtriser) pour représenter des baclinks. Vous pourrez également vous amuser avec « AtlasForce 2 », et moduler le rendu avec les paramètres « LinLog mode » et « Prevent Overlap ». Cliquez sur stop quand vous êtes satisfait de la présentation globale. En fonction du nombre de données, vous aurez peut-être besoin de jouer avec la valeur « Scaling ». Bref, ici on bricole !

Allons plus loin

Nous allons maintenant faire ressortir les pages à fort PageRank, ou autres critères numérique.
Dans la palette « Ranking », sélectionnez « Nodes », puis l’icône « Colors » à droite. En dessous, dans le menu déroulant, sélectionnez le PageRank de la page, ou à défaut, un autre critère. Juste en dessous, jouez avec le nuancier de couleurs en attribuant une couleur pour les petits PR, et une autre pour les gros. Cliquez sur Apply.
Cliquez ensuite sur l’icône en forme de diamant « Size/Weight ». En plus de la couleur, on va également jouer avec les tailles : min size = 10, et max size = 30. Apply ! Yeah ! ça commence à poutrer :o)

En un coup d’oeil, vous devriez voir les pages les plus linkées du site. La home est comme bien trop souvent le cluster dominant.

Un peu de légende…
En bas de la fenêtre « Graph », activez l’icône « T », puis à l’extrême droite cliquez sur l’icône « Attribute ». Sélectionnez les valeurs que vous voulez afficher.

Le problème des légendes c’est qu’elles sont vite envahissantes. Vous aurez sans doute remarqué la possibilité de changer la police, la taille et la couleur. Vous pouvez également afficher les informations d’un « node » en activant successivement sur la barre d’outils à gauche l’icône « Direct selection », et « Edit » (en gros les deux icônes en forme de flèche). Un clic sur un « node » vous donnera toutes les informations contenues dans celui-ci via la palette « Edit ».

Toujours dans la barre d’outils de gauche, cliquez maintenant sur l’icône « Drag » en forme de main. Maintenez Ctrl appuyez et faites quelques tours de roulette de souris. Un cercle de sélection devrait apparaître sous votre curseur : variez la forme pour déplacer des paquets de nodes.

Revisionnez attentivement la vidéo d’introduction, vous y verrez les possibilités de filtrage, de groupage, et bien plus encore. Elle résume très bien les capacités du bousin. Selon les réseaux analysés, et les réglage graphiques de Gephi, on obtient parfois de véritables oeuvres d’art.

Co-authorship network map of physicians publishing on hepatitis C (Source Flickr)

Enfin, faites travailler votre imagination : enrichissez vos nodes (via le data laboratory) avec des données provenant de Google analytics : nombre de visites, landing pages, durée de visite… Sans utiliser ces données « brutes », vous pouvez par exemple vous créer un KPI sous Excel pour mieux cibler certaines pages (voir le très bon billet de Raph).

Ca va bien comme ça…

J’aimerais vous proposer d’autres exemples encore plus excitants, mais j’ai largement dépassé la ligne de flottaison, et je ne veux pas donner une indigestion aux robots d’indexation, ni à mes chers lecteurs ;-) Du coup, je vous parlerai de cartographie de réseaux sociaux en temps réel, et autres outils exotiques dans un autre billet « part II ».

Pour clore cette première partie, je ne vous cacherai pas mon étonnement sur l’absence quasi totale de ressources sur le sujet dans la sphère SEO francophone. Once more…
J’espère que ces petits tutoriaux mettront un peu de lumière sur ces outils et leurs possibilités, et qu’ils susciteront chez certains autant de passion et de curiosité qu’ils m’en ont procuré.

—
Todo : Me mettre au screencast.