Technologie

Automatizace SEO auditů

Peter Kráľ 0

Proč automatizovat technické audity (v kontextu Technického SEO & výkonu)

Technické SEO a výkonnost webu jsou dynamické disciplíny, ve kterých se stav infrastruktury, šablon, směrování a obsahu prakticky neustále mění. Manuální audity jsou pomalé, neškálovatelné a náchylné k chybám. Automatizované skripty umožňují kontinuální monitorování kritických metrik (indexovatelnost, renderovatelnost, rychlost, dostupnost) a rychlé odhalení regresí. Tím zkracují čas mezi incidentem a nápravou, zvyšují spolehlivost dat a poskytují opakovatelné výsledky.

Základní principy navrhování auditovacích skriptů

  • Determinističnost: stejný vstup musí generovat stejný výstup; skripty verzujte a uzamykajte závislosti.
  • Idempotentnost: opakované spuštění nesmí poškodit stav (např. zbytečně nezatěžovat server).
  • Škálování: paralelizace s limity (rate limiting), dávkování a retry mechanizmy.
  • Observabilita: bohaté logování, metriky, health checky a jasné chybové stavy.
  • Bezpečnost a etika: respektování robots.txt, hlaviček, legislativy a interních zásad zátěže.

Referenční architektura: od URL zdroje po report

  1. Zdroje URL: sitemap.xml, export z CMS, logy, databáze, API, vzorkování z GSC.
  2. Crawl/Fetch vrstva: asynchronní s limity, podporující HTTP/2 a správu cookies/hlaviček.
  3. Rendering: prerender (HTML), headless pro JS (např. Puppeteer) u vybraných šablon.
  4. Analytika a validace: parsování DOM, ověření SEO pravidel, měření výkonu (CWV, TTFB).
  5. Ukládání dat: objektové úložiště (JSON/Parquet), relační DB (agregace), data lake.
  6. Alerting a reporty: prahové hodnoty → notifikace; denní/týdenní HTML nebo CSV výstupy.

Výběr technologií a knihoven

  • Python: httpx/requests (fetch), aiohttp (async), lxml/BeautifulSoup (parsování), pydantic (validace), pandas (agregace).
  • Node.js: Puppeteer/Playwright (rendering), cheerio (parsování HTML), got (HTTP), yargs (CLI).
  • Bash/CLI: curl, jq, grep, vhodné pro lehké kontroly v CI.
  • Měření výkonu: Lighthouse CLI, WebPageTest API, PageSpeed Insights API pro dávkové spuštění.
  • Ukládání a BI: SQLite/PostgreSQL, BigQuery; vizualizace v Metabase/Grafana.

Konstukce seznamu URL (coverage, sampling a priorita)

Ideální audit pracuje s reprezentativní množinou URL a prioritizací podle dopadu. Pro úplný crawling použijte sitemap indexy, pro velké weby kombinujte:

  • Stratifikované vzorkování: podle typu šablony (kategorie, detail, blog, filtry).
  • Rizikové klastry: čerstvě nasazené šablony, A/B testy, oblasti s historií chyb.
  • Traffic-Weighted: URL s nejvyšší návštěvností/konverzemi mají vyšší frekvenci kontroly.

Kontroly indexovatelnosti a směrování

  • HTTP kódy: 2xx, 3xx řetězce, 4xx/5xx; délka řetězení, detekce loop.
  • robots.txt a meta robots (noindex, nofollow, max-snippet, max-image-preview).
  • Konzistence canonical tagu (self-referencing, cross-domain, parametrické duplicity).
  • Hreflang: správně propojené páry, návratnost, regionální kódy, konzistence s kanonickým URL.
  • Sitemap(y): dostupnost, velikost, lastmod, pokrytí vs. realita, orphan pages.

Kontroly renderování a JavaScriptu

  • Prerender vs. klientský render: přítomnost klíčového obsahu v HTML před vykonáním JS.
  • Hydratace a lazy-load: ověření, že důležitý obsah není skrytý za interakcí.
  • Structured Data: JSON-LD validace, přítomnost povinných polí pro rich výsledky.

Výkonnost a Core Web Vitals v automatizaci

Automatizace musí sledovat metriky LCP, INP, CLS spolu s TTFB, velikostí HTML, počtem požadavků a cache politikami. Pro porovnatelnost používejte konzistentní emulované podmínky (ať už Lighthouse CLI, nebo syntetické testy na stejných throttling profilech).

Metrika Doporučený limit Úroveň alertu
LCP (pomalé připojení) < 2,5 s > 3,0 s
INP < 200 ms > 300 ms
CLS < 0,10 > 0,15
TTFB < 0,8 s > 1,2 s
Počet požadavků < 60 > 90

Audit médií a distribuční vrstvy

  • Formáty obrázků (WebP/AVIF), správné sizes a srcset, lazy-load nad foldem.
  • Komprese (Brotli/Gzip), HTTP/2/3, CDN cache-control, ETag a stale-while-revalidate.
  • Video: preload="metadata", titulky, adaptivní bitrate, poster.

Praktické validátory a testy, které se vyplatí skriptovat

  • Status & redirect testy: maximálně 1–2 přesměrování, bez řetězení na externí domény.
  • Canonical a duplicitní klastry: hash HTML/hlavních bloků, porovnání title a H1, identifikace kanonických skupin.
  • Hreflang matice: generování matice jazyk ↔ URL, ověření reciprocity a regionálních párů.
  • Robots direktivy: parsování X-Robots-Tag a meta, konfliktnost vůči sitemap a internímu linkování.
  • Structured data: schémata Product/Article/Breadcrumb/FAQ; report chybějících povinných polí.
  • Interní odkazy: hustota, hloubka kliků, detekce osiřelých stránek, zacyklení navigace.
  • Bezpečnostní hlavičky: Content-Security-Policy, HSTS, X-Frame-Options, Referrer-Policy.

Implementační vzory (náčrty skriptů bez závislosti na frameworku)

1) Paralelní fetch s limitem (Python):

urls = load_urls()
sem = asyncio.Semaphore(10)
async def fetch(url):
  async with sem: resp = await client.get(url, timeout=20)
  return { "url": url, "status": resp.status, "ttfb": resp.elapsed.total_seconds() }
results = await asyncio.gather(*(fetch(u) for u in urls))

2) Render kontrola elementu (Node + Playwright):

for (const url of urls) {
 const page = await browser.newPage();
 await page.goto(url, { waitUntil: "networkidle" });
 const hasLd = await page.locator('script[type="application/ld+json"]').count();
 report(url, hasLd > 0);
}

3) Rychlá kontrola přesměrování (Bash):

while read url; do curl -I -s -L "$url" | grep -E "HTTP/|Location"; done < urls.txt

Propojení s CI/CD a plánováním

  • CI pipelines: spouštějte subset auditů při každém merge do main (např. kontrola 404, přesměrování, structured data).
  • CRON/Plánovače: noční kompletní běhy s agregovanými reporty; hodinové smoke tests.
  • Feature flagy: rozlišujte produkci/staging přes prostředí a whitelisty hostů.

Alerty, prahové hodnoty a eskalace

Každou metriku vázat na prah a trend. Příklady:

  • Podíl 5xx > 0,5 % za posledních 30 minut → High alert.
  • Průměrný LCP zhoršený o > 15 % mezidenně → Warning + otevření úkolu v ticket systému.
  • Nárůst 404 na nové šabloně > 20 URL → okamžitá eskalace vývojářům.

Strukturování a verzování dat z auditů

Ukládejte raw výsledky (JSON raději než CSV), k nim normalized tabulky (např. pages, requests, metrics) a derived agregace (denní KPI). Dodržujte schéma s verzí:

  • schema_version v každém záznamu.
  • collected_at, runtime_env (CI job ID, commit SHA), tool_version.

Metodika prioritizace nálezů

Přiřaďte skóre dopadu: Impact × Confidence × Ease. Např. 5xx na /checkout má vysoký Impact, Confidence je vysoká (více měření), Ease nízká (běžná oprava), výsledné skóre posouvá úkol na vrchol backlogu.

Nejčastější úskalí a jak se jim vyhnout

  • Příliš agresivní crawl: nastavte concurrency a backoff podle server loadu.
  • Nekonzistentní prostředí: zamykajte verze nástrojů a používejte kontejnery.
  • Falešné pozitivy: validujte nálezy druhým nástrojem nebo manuálním vzorkem.
  • Ignorování JS renderingu: pro šablony závislé na JS vždy spouštějte headless kontrolu.

Automatizace mezinárodních webů

  • Hreflang validace pro všechny jazykové páry, detekce chybějících regionálních verzí.
  • Geo-varianty a přesměrování podle Accept-Language – testujte s různými hlavičkami.
  • Konzistence kanonických URL napříč doménami (ccTLD vs. subdirectory/subdomain).

Reportování pro stakeholdery

Vytvořte dvě vrstvy reportů: technické (detailní CSV/JSON s řadovými daty) a manažerské (HTML dashboard s KPI, trendy a prioritizovanými doporučeními). Každý nález by měl mít: popis, důkaz (URL/hlavičky/snímek), riziko, návrh řešení, owner a SLA.

Kontrolní seznam pro první nasazení

  • Definovaná vzorka URL a šablon, pravidla zátěže a identifikátor User-Agent.
  • Kontejnery s pevnými verzemi nástrojů, tajemství přes secrets manager.
  • Úložiště dat a retenční politika, práva a přístupové logy.
  • Prahy metrik a příjemci alertů, zkušební fire drill scénáře.

Mini playbook: od incidentu k nápravě

  1. Skript detekuje anomálii (např. nárůst 5xx).
  2. Spustí alert s přílohou (výběr URL, vzorky logů, graf trendu).
  3. Vytvoří ticket s prioritou a přiřazením; připojí poslední commit, který měnil šablonu.
  4. Po opravě spustí verifikační běh a uzavře incident s měřitelným zlepšením.

Rozšířené techniky a heuristiky

  • Detekce duplicitního obsahu: shingle/MinHash nad textem, porovnání metadat a kanonických URL.
  • Link equity audit: výpočet interního PageRanku z grafu odkazů, identifikace dead ends.
  • Render-time diffs: porovnání HTML před/po JS k odhalení skrytého obsahu.
  • Change monitoring: DOM diff na klíčových šablonách po nasazení.

Automatizované technické audity skripty transformují reaktivní, manuální procesy na předvídatelnou, datově řízenou kontrolu kvality. Správně navržené skripty s jasnými prahy, stabilní infrastrukturou a inteligentním vzorkováním přinášejí rychlejší odhalení chyb, konzistentní měření

Peter Kráľ

Website:

Related Story