Czy kliknięcia pochodzą z „głębokich” stron w strukturze serwisu?

PrzezBartosz Spychalski Godziny Aktualizacja

To pytanie można analizować na wiele sposobów.
Jednym z najbardziej praktycznych jest sprawdzenie, z jakiej głębokości URL-i (path depth) pochodzą kliknięcia dla konkretnych zapytań w Google Search Console.

💡 Przykład poniżej pokazuje, ile kliknięć dla każdego zapytania pochodzi ze stron na różnych poziomach głębokości struktury URL.

Dlaczego to ma znaczenie?

  • Jeśli większość kliknięć pochodzi z bardzo głębokich stron, najczęściej oznacza to:
    • zapytania niszowe,
    • bardzo precyzyjne intencje,
    • długie ogony (long-tail).
  • Zapytania, które generują ruch z głębokich poziomów, są świetnym materiałem do:
    • wzmacniania kategorii,
    • budowy hubów tematycznych,
    • optymalizacji struktury produktów (e-commerce),
    • decyzji, które sekcje warto „wypchnąć” wyżej w architekturze.

➡ Możesz pójść o krok dalej i sprawdzić, czy Twoja struktura strony faktycznie wspiera widoczność, czy tylko ją komplikuje.

Kiedy ta analiza ma sens?

❗ Ta metoda działa najlepiej dla:

  • e-commerce,
  • serwisów contentowych z rozbudowaną hierarchią,
  • portali z kategoriami, podkategoriami i listingami.

❌ Nie ma sensu, jeśli:

  • struktura strony jest płaska,
  • większość treści leży na 1–2 poziomach URL.

Ważne zastrzeżenie

Używamy tu proxy dla głębokości strony.
Path depth (liczba „/” w URL-u) nie zawsze = rzeczywista głębokość architektury lub nawigacji.

Ale jako sygnał analityczny – sprawdza się bardzo dobrze.

Logika analizy

  1. Obliczamy „głębokość” URL-a na podstawie liczby segmentów ścieżki.
  2. Łączymy to z danymi GSC (kliknięcia, zapytania).
  3. Agregujemy kliknięcia według:
    • zapytania,
    • poziomu głębokości strony.
  4. Sprawdzamy, na jakich poziomach struktury faktycznie zarabiamy ruch.
WITH path_depth AS (
  SELECT
    url,
    ARRAY_LENGTH(SPLIT(url, '/')) - 1 AS depth -- proxy głębokości ścieżki
  FROM
    your_project.your_dataset.your_table
  GROUP BY
    url
),

performance_metrics AS (
  SELECT
    pd.depth,
    gsc.query,
    SUM(gsc.clicks) AS clicks,
    SUM(gsc.impressions) AS impressions
  FROM
    your_project.your_dataset.your_table gsc
  JOIN
    path_depth pd
  ON
    gsc.url = pd.url
  WHERE
    gsc.data_date >= DATE_SUB(CURRENT_DATE(), INTERVAL 90 DAY)
  GROUP BY
    pd.depth,
    gsc.query
)

SELECT
  query,
  SUM(CASE WHEN depth = 1 THEN clicks ELSE 0 END) AS depth_1_clicks,
  SUM(CASE WHEN depth = 2 THEN clicks ELSE 0 END) AS depth_2_clicks,
  SUM(CASE WHEN depth = 3 THEN clicks ELSE 0 END) AS depth_3_clicks,
  SUM(CASE WHEN depth = 4 THEN clicks ELSE 0 END) AS depth_4_clicks,
  SUM(CASE WHEN depth = 5 THEN clicks ELSE 0 END) AS depth_5_clicks,
  SUM(CASE WHEN depth = 6 THEN clicks ELSE 0 END) AS depth_6_clicks
FROM
  performance_metrics
GROUP BY
  query
HAVING
  SUM(clicks) > 10 -- filtr szumu
ORDER BY
  SUM(clicks) DESC
LIMIT 100;

Jak interpretować wyniki?

  • Kliknięcia głównie z depth 1–2
    → zapytania generyczne, kategorie, silna architektura
  • Kliknięcia z depth 4–6
    → nisze, produkty, long-tail
    → potencjał do:
    • linkowania wewnętrznego,
    • podbijania kategorii,
    • konsolidacji treści
  • Brak kliknięć z wyższych poziomów
    → struktura może nie wspierać SEO
    → warto sprawdzić crawl depth, linkowanie i breadcrumbs

Podobne wpisy