Ranking Factor

グラフには、4つの相関関係とそれぞれの曲線の例が示されています。

1. 係数A：相関ゼロ-直線曲線、水平/高平均
2. 係数B：正の相関（最高）-指数関数、低下
3. 係数C：負の相関（最低）-直線曲線、上昇
4. Factor D: 正の相関-不規則な曲線、下降

の説明。 Correlation Calculation And Interpretation Approaches

Y軸は位置X（X軸）で調査した全1万URLの平均値を示しています。 私たちの分析によると、値が「0」の要因は、Googleの良い結果と悪い結果の間に測定可能な相関関係がないことを指しています。 相関の値が高いほど、順位間の差は大きく、規則的であることを示します。 負の範囲にある値は、反対の文を肯定的に解釈して理解するのが最善です。

簡単に言えば、1位から30位までの差が大きいほど、相関の値が高くなるということです。 因子を解釈するには、常に平均値が使われる。 例えば、上のグラフの因子BとCは同じ相関値（つまり1）ですが、それぞれの曲線については全く異なっています。 しかし、要因Aについては、各ポジション（x軸）の平均値は95（y軸）であるが、5（y軸）であってもよい。

Search Engine Algorithms And Ranking Factors Of Google & Co.

検索エンジンは、アルゴリズムを用いて、トピックと関連性によってウェブサイトを評価することで機能します。 この評価は、検索エンジンのインデックスでページを構成するために使用され、最終的にユーザーのクエリが結果表示の可能な限り最高のランキングを表示することになります。 Web ページを評価し、このランキングを作成するための基準は、一般にランキング要素と呼ばれます。

その理由は簡単で、インターネット上、および検索インデックス内のドキュメント数が指数関数的に増加しているため、人間の「品質評価者」の存在にもかかわらず、自動アルゴリズムなしでこれらのページをランキングすることが不可能になっているためです。 このアルゴリズムは必須であると同時に（結局のところ、秩序はパターンを必要とします）、インターネット ビジネスにおいて最も秘匿されている秘密でもあります。 良いランキングを得る方法が広く知られてしまうと、常に操作されることになり、無意味になってしまいます。 本当のランキングファクターが何であるかは、Google以外誰も知らないのです。 私たちは、順位相関分析によってデータを分析し、既存のオーガニック検索結果の特性に基づいて、調査結果を出します。 そこから、ランキングファクターとその重み付けを導き出します。

ブラックハットSEO。 キーワードスタッフィング、クローキング & Co.

検索エンジン時代の初期に、Googleは、主題に関連する検索語（キーワード）が頻繁に使用される特定のトピックに関連するページとみなしていました。 サイト運営者はすぐにこの知識を利用し、ページにキーワードを「詰め込む」ことによって、SERPs で非常に良い位置を獲得し、意図した検索キーワードで上位に表示されるよう、しばしば非関連ページを見つけることができました。 セマンティック検索の目標は、最初は厳密に技術的な基準（たとえばバックリンクの数）であったものの、より技術的でない要素（たとえばユーザーシグナル）によって追加された基準のネットワークを作り出しました。 永久反復更新サイクルの無限のフィードバックループは、個々の検索者に一定の改善を提供する検索結果を生成するために純粋に設計されています。 ランキング要因の構造と複雑さにユーザーシグナルの強い影響力が加わり、ユーザーにとって最も関連性の高いコンテンツを生み出すように設計されています。 このアプローチは、ネガティブな影響の選択肢を無視し、関連するコンテンツに明確に焦点を当てると同時に、スパムや短期主義と戦うことを意味します。

原因≠相関

We are not Google.私たちはGoogleの一員ではありません。 弊社のデータを用いたランキング要因の分析・評価は、推測ではなく、事実に基づいた解釈、つまり検索結果で上位に表示されるWebサイトのプロパティの評価と構造に基づいています。 私たちサーチメトリクスは、毎月何十億ものデータポイントを集計しています-そして、ここに6400万ドルの疑問があります。 Googleの検索結果で上位にあるサイトと下位にあるサイトを区別する要因は何か、

Webページの特性をGoogleでのポジションの合計と比較し、多かれ少なかれ重みのある要因の構造化リストを導き出します。 そのため、例えば調査したSERPの前方位置で、多くのページがタイトルタグにキーワードを含んでいれば、良いランキングと高い相関関係があると認識します。 しかし、相関関係は因果関係と同義ではないため、それぞれの要因が実際にランキングに影響を与えている、あるいはGoogleがシグナルとして使用しているという保証はないことを指摘する必要があります。

“Cum hoc ergo propter hoc” – Logical Fallacy And Illusory Correlations

Plants wither when they get no water: The house is warm when you turn the heating up – and because one site has many social signals, it climbs to #1??植物に水がないと枯れる。 やめなさい！

「論理的誤謬」（Cum hoc ergo propter hoc – Wikipedia参照）と呼ばれる、錯覚した相関関係や評価の例はたくさんあります。 例えば、コウノトリの数と出生率の高さ、アイスクリームの売り上げと夏場の日焼けの関係などが挙げられます。 しかし、本当にアイスクリームで日焼けをするのだろうか？ もちろん、そんなことはない。 これらの例は、因果関係ではなく、（錯覚的な）相関関係を示しているのです。 (他の例はこちら)

私たちは論理的誤謬や錯覚的相関を何としても避けたいと考えていますし、私たちの経験から、あるランキング要因が因果関係のないところに重要性を持っていると評価することはあまりにも簡単であることが分かっています。

Searchmetrics Ranking Factors のデータベース

我々の分析は、Google U.S. の 10,000 検索語の非常に大きなキーワードセットに対する検索結果に基づいています。 スタートプールは常に検索ボリュームの上位10,000語ですが、評価を歪めないために、特定のナビゲーション指向のキーワードが抽出されています。 ナビゲーション重視のキーワード検索は、1つ以外のすべての結果が多かれ少なかれ検索者と無関係であると考えられます（例：「Facebook Login」）。

ランキングファクター分析のデータベースは、常にオーガニック検索結果ページの最初の3ページです。 連続した年のキーワードセットは、原則として前年のデータベースと90％以上一致しています。 ここでは、前回調査との比較の最適な基準である「最大公約数」の保持と、一方で上位1万位以内に検索ボリュームを伸ばした新しいキーワードを加味するという2つの要素を考慮し、中間を模索しました。

Searchmetricsのデータベースは常に最新です。 そのため、以前は存在しなかった「Samsung Galaxy S5」や「iPhone 6」など、新しい関連キーワードが現在の分析に使用されています。

Binary And Numerical Factors – Specification Versus Existence

検討される要因は、バイナリーと数値的特徴に分類されています。 これは、この分析で使用される要因の性質に本質的な違いがあることを意味する。 この違いは、値の解釈において無視されるべきではありません。

バイナリ要素を使用して記述される要素 (ページ上のメタ説明など) は、存在するかしないかのいずれかです。 グラデーションはありません。 また、程度の差こそあれ、段階的に変化する特性を持つ要素も存在します。 たとえば、URL のバックリンク数は 0 か 6,000 かですが、その間の各値も可能です。

これらの数値要素は、スピアマンのような相関計算を用いた研究にとって、ある意味で「ベター」であり、行や、グラデーションに基づくランキング原則があります。 純粋な相関値のみによる解釈の場合、数値要因の記述の方が有意であることが多い。

したがって、我々の研究における二項特徴の相関の妥当性を裏付けるには、平均値をルールで規定する必要がある。 たとえば「説明文の有無」という要素について、順位との相関がゼロに近いものしかないように見えても、実際にはすべてのURLのほぼ100％が説明文を持っていることがあります（上記の要素Aの相関例を参照してください）。

平均値はこれらの平均曲線値から計算され、できるだけ滑らかな曲線と管理しやすいスケール (Y 軸) を実現するために各特徴の上位 5 % を除外し、さもなければそれぞれの曲線のいくつかの低い平均値は見えません。

The Brand Factor

ランキング要因の研究で不変のものの1つは、多くの要因や観察に存在する、我々が「ブランド要因」と呼んでいるデータの興味深い特異性である。

ブランド要因とは、知名度の高いブランドまたは一定の権威を持つ Web サイトが、わずかに下位にランクされている URL が順守している特定の要因を無視しても、一般的にランキングの最上位を占めるという観察結果です。 一言で言えば、SEOの観点からすると、最適化されていないのです。

Google はすでに、特定の分野のブランドを特定し、その URL に優先的なランキングを割り当てることを非常に効率的に行っています。 認知度、ユーザーの信頼、ブランド イメージといった価値観も、ある程度は SERP に反映されます。 なぜRanking Factorsなのか？

Google自身ですら、自らのアルゴリズムがどのように構成されているのか把握していないと言っていいほど、評価指標は複雑になっています。

Searchmetricsの「Ranking Factors」研究の目的は、絶対的真実という福音書を作成することではありません。 むしろ、Searchmetrics の研究は、解釈の視点からの方法論的な分析であると考えています。 これは何を意味するかというと、オンライン業界にデータツールボックスへの容易なアクセスを提供することを目的としているのです。 このツールボックスを使用することで、業界は、広範囲の基準にわたる我々の集中的な調査に基づいて、情報に基づいた意思決定を行うことができます。

研究に乾杯。 ランキングファクター2018 Googleとオンライン市場でより多くの成功を収めるためのターゲット分析

。