Analiza ruchu na stronie z wykorzystaniem metod eksploracji danych wraz z prognozowaniem zmian pozycji w wyszukiwarce Google dla wybranej strony www

Abstract

Praca magisterska opiera się na statystycznej analizie wizyt na stronie internetowej wraz z przewidywaniem przyszłych pozycji w wyszukiwarce Google. Jej celem jest wykazanie konieczności rezygnacji z usług firmy pozycjonującej a także rozpoznanie współczesnych metod analizy przedmiotowych zagadnień. Do realizacji projektu magisterskiego wykorzystano dwie popularne metody - metoda regresji wielorakiej a także sieci neuronowych. Wyniki analiz pokazały jak zmienia się ilość wizyt na stronie w zależności od okresu roku. W analizach wykorzystano także informacje, czy w danym dniu wystąpiły święta a także czy strona społecznościowa była aktualizowana. W wyniku tych analiz wyciągnięto wnioski, że współczesna strona internetowa nie wymaga tak silnych akcji pozycjonerskich, aby jej pozycja w wyszukiwarce się podniosła. Projekt pozwolił zdobyć szerszą wiedzę na temat pozycjonowania stron a także budowy modeli statystycznych, co będzie mogło zostać wykorzystywane w przyszłości do okresowych analiz wyników pozycjonowania strony. The master's thesis presented herein is based on the statistical analysis of user visits to a given website and its related expected position in the Google search engine’s ranking. Its aim is to demonstrate the need for resigning from positioning services and the recognition of modern methods of analysis of SEO. The thesis takes advantage of two research methods, i.e.: the method of multiple regression and neural networks. The results of the analyses show how the number of page visits fluctuates depending on the period of the year. It took into account both national holidays and if related social network pages are up-to-date. Basing on these criteria, it has been concluded that modern websites do not require such strong search engine positioning to be ranked high. The project allows for expanding knowledge of search engine optimization (SEO) and building statistical models, which can be used in the future for regular evaluations of website positioning.