Ranking Factor

Na wykresie przedstawiono cztery przykładowe korelacje i odpowiednie krzywe.

1. Faktor A: Korelacja zerowa – krzywa liniowa, pozioma / wysoka średnia
2. Faktor B: Korelacja dodatnia (najwyższa) – funkcja wykładnicza, opadająca
3. Faktor C: Korelacja ujemna (najniższa) – krzywa liniowa, rosnąca
4. Faktor D: Positive Correlation – krzywa nieregularna, opadająca

Explanation: Correlation Calculation And Interpretation Approaches

Oś y wskazuje średnią wartość dla wszystkich 10 000 badanych adresów URL na pozycji X (oś x). Czynniki o wartości „zero”, zgodnie z naszą analizą, wskazują na brak mierzalnej korelacji pomiędzy dobrymi i złymi wynikami Google. Im wyższa wartość korelacji, tym większe i bardziej regularne różnice między pozycjami. Wartości w przedziale ujemnym najlepiej rozumieć przy pozytywnej interpretacji przeciwnego stwierdzenia.

Najprościej rzecz ujmując, im większe różnice między pozycjami od 1 do 30, tym wyższa wartość korelacji. Do interpretacji współczynników zawsze stosuje się wartości średnie. Na przykład, czynniki B i C z powyższego wykresu mają taką samą wartość korelacji (czyli 1), ale są zupełnie różne w swoich krzywych. Natomiast dla czynnika A średnia wartość wynosi 95 (oś y) dla każdej pozycji (oś x), ale może wynosić nawet 5 (oś y). Wartość korelacji pozostałaby identyczna na poziomie 0, ale interpretacja czynnika byłaby zupełnie inna.

Search Engine Algorithms And Ranking Factors Of Google & Co.

Wyszukiwarki działają przy użyciu algorytmów do oceny stron internetowych według tematu i istotności. Ocena ta jest używana do struktury stron w indeksie wyszukiwarki, co ostatecznie prowadzi do zapytań użytkowników wyświetlania najlepszy możliwy ranking wyświetlania wyników. Kryteria oceny stron internetowych i tworzenia tego rankingu są ogólnie określane jako czynniki rankingowe.

Przyczyny tego są proste: gwałtownie rosnąca liczba dokumentów w Internecie – i w indeksie wyszukiwania – uniemożliwia uszeregowanie tych stron bez automatycznego algorytmu, pomimo istnienia ludzkich „oceniaczy jakości”. Algorytm ten jest zarówno obowiązkowy (porządek, w końcu, wymaga wzorca), a jednocześnie jest najlepiej strzeżoną tajemnicą w biznesie internetowym, ponieważ dla wyszukiwarek jest niezbędne, aby utrzymać w ścisłej tajemnicy czynniki leżące u podstaw algorytmu.

Ta nieodłączna tajemnica ma mniej wspólnego z konkurencją między wyszukiwarkami niż z bardziej podstawowymi powodami: Jeśli sposoby na uzyskanie dobrych rankingów byłyby powszechnie znane, stałyby się one nieistotne, ponieważ byłyby stale manipulowane. Nikt poza Google nie wie, jakie są prawdziwe czynniki rankingowe. Analizujemy dane za pomocą analizy korelacji rang, aby opracować nasze wnioski w oparciu o właściwości istniejących, organicznych wyników wyszukiwania. Na tej podstawie wnioskujemy, jakie mogą być Czynniki Rankingowe i ich wagi. Nasza ogromna baza danych zapewnia wiarygodną podstawę dla tych analiz.

Black Hat SEO: Keyword Stuffing, Cloaking & Co.

Na początku ery wyszukiwarek Google uznawało strony za istotne dla konkretnych tematów, w których związane z tematem terminy wyszukiwania (słowa kluczowe) były często używane. Operatorzy witryn szybko wykorzystali tę wiedzę i osiągnęli bardzo dobre pozycje w SERP-ach poprzez „wypychanie” stron słowami kluczowymi, umożliwiając swoim często nieistotnym stronom znalezienie się na dobrych pozycjach rankingowych dla zamierzonych terminów wyszukiwania.

To nie tylko wygenerowało prawdziwą konkurencję między wyszukiwarkami i SEO, ale także stworzyło mit czynnika rankingowego. Cel wyszukiwania semantycznego stworzył sieć kryteriów, które początkowo były ściśle techniczne (np. liczba backlinków), ale zostały uzupełnione o mniej techniczne elementy (np. sygnały od użytkowników).

Ten rozwój, wraz z dążeniem do uzyskania optymalnego wyniku, doprowadził do ciągłej ewolucji czynników rankingowych. Niekończąca się pętla sprzężenia zwrotnego stałych, powtarzających się cykli aktualizacji ma na celu wyłącznie generowanie wyników wyszukiwania, które oferują ciągłe ulepszenia dla poszczególnych użytkowników. Struktura i złożoność czynników rankingowych, dodana do silnego wpływu sygnałów od użytkowników, ma na celu wytworzenie najbardziej odpowiednich treści dla użytkownika.

Z perspektywy biznesowej, długoterminowy sukces można osiągnąć poprzez zastosowanie zrównoważonej strategii biznesowej opartej na włączeniu odpowiednich czynników jakościowych w celu utrzymania silnych pozycji wyszukiwania. Takie podejście oznacza lekceważenie opcji negatywnego wpływu i wyraźne skupienie się na istotnych treściach, przy jednoczesnym zwalczaniu spamu i krótkoterminowości.

Przyczynowość ≠ Korelacja

Nie jesteśmy Google. Analiza i ocena czynników rankingowych przy użyciu naszych danych opiera się na dobrze uzasadnionej interpretacji – nie spekulacji – faktów; mianowicie oceny i strukturyzacji właściwości stron internetowych z wysokimi pozycjami w wynikach wyszukiwania.

Oceny rankingowe Searchmetrics są dokładne, świeże i oparte na wielu danych. My w Searchmetrics agregujemy miliardy punktów danych miesięcznie – i oto jest pytanie za 64 miliony dolarów: Jakie czynniki odróżniają dobrze pozycjonowane strony od tych z niższych pozycji w wynikach wyszukiwania Google?

Porównujemy właściwości stron internetowych z sumą ich pozycji w Google i otrzymujemy uporządkowaną listę mniej lub bardziej ważonych czynników. Tak więc, jeśli na przykład na pierwszych pozycjach badanych SERP-ów wiele stron zawiera słowo kluczowe w znaczniku title, to uznajemy to za wysoką korelację z dobrym rankingiem. Z korelacji tych można zatem wyciągnąć wnioski, które strony wyświetlane w czołówce wyników wyszukiwania mają podobne cechy.

Należy jednak zaznaczyć, że korelacje nie są synonimem związku przyczynowo-skutkowego, a co za tym idzie nie ma gwarancji, że dane czynniki faktycznie mają wpływ na ranking – lub są kiedykolwiek wykorzystywane przez Google jako sygnał. Jednak to, co robimy w Searchmetrics, to interpretacja tych korelacji.

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

Rośliny usychają, gdy nie dostają wody: dom jest ciepły, gdy podkręcisz ogrzewanie – a ponieważ jedna strona ma wiele sygnałów społecznych, wspina się na #1? Stop!

Istnieje wiele przykładów iluzorycznych korelacji lub ocen, które są określane jako „logiczne błędy” (Cum hoc ergo propter hoc – patrz Wikipedia). Przykładem może być współwystępowanie zjawisk takich jak liczba bocianów i wyższy przyrost naturalny na pewnych obszarach, czy też związek pomiędzy sprzedażą lodów a zwiększoną częstotliwością występowania oparzeń słonecznych w lecie. Ale czy od lodów naprawdę można dostać poparzenia słonecznego? Oczywiście, że nie. Te przykłady pokazują (iluzoryczną) korelację, a nie związek przyczynowy. (Znajdź więcej przykładów tutaj)

Chcemy za wszelką cenę uniknąć logicznego fałszu i iluzorycznych korelacji, a nasze doświadczenie pokazuje, że zbyt łatwo jest ocenić czynnik rankingowy jako mający znaczenie przyczynowe tam, gdzie go nie ma. Wolimy pracować używając „współczynnika korelacji rangowej”, a to wymaga ocenionej interpretacji i solidnej bazy danych.

Baza danych dla czynników rankingowych Searchmetrics

Nasza analiza opiera się na wynikach wyszukiwania dla bardzo dużego zestawu słów kluczowych 10 000 wyszukiwanych haseł dla Google U.S.. Pulą wyjściową jest zawsze 10 000 najlepszych słów kluczowych według ilości wyszukiwań, z których jednak wyodrębniane są specyficzne słowa kluczowe zorientowane na nawigację, aby nie zniekształcać ocen. Za słowa kluczowe zorientowane na nawigację uważa się takie, w których wszystkie wyniki oprócz jednego są mniej lub bardziej nieistotne dla szukającego (np.: „Facebook Login”).

Naszą bazą danych dla analiz współczynnika rankingowego są zawsze trzy pierwsze strony organicznych wyników wyszukiwania. Zestawy słów kluczowych z kolejnych lat z reguły pokrywają się w ponad 90 procentach z bazą z roku poprzedniego. Szukaliśmy tutaj środka, aby wziąć pod uwagę dwa czynniki, a mianowicie zachowanie „największego wspólnego mianownika” jako optymalnej podstawy do porównania z poprzednim badaniem, a z drugiej strony uwzględnienie nowych słów kluczowych, których wolumen wyszukiwania wzrósł w top 10 000.

Baza danych w Searchmetrics jest zawsze aktualna. Dlatego do bieżących analiz wykorzystywane są nowe, istotne słowa kluczowe, takie jak „Samsung Galaxy S5” czy „iPhone 6”, które wcześniej nie istniały.

Binary And Numerical Factors – Specification Versus Existence

Badane czynniki dzielą się na cechy binarne i numeryczne. Oznacza to, że istnieje nieodłączna różnica w naturze czynników wykorzystywanych w tej analizie. Różnica ta nie powinna być pomijana przy interpretacji wartości.

Elementy, które są opisywane za pomocą czynników binarnych – takie jak meta description na stronie – są albo obecne, albo nie. Nie ma tu gradacji. Istnieją również elementy z cechami stopniowanymi, które zmieniają się w różnym stopniu. Na przykład adres URL może mieć zero lub sześć tysięcy backlinków – ale każda wartość pomiędzy jest również możliwa.

Te czynniki numeryczne są w pewnym sensie „lepsze” w przypadku badań wykorzystujących obliczenia korelacji, takie jak Spearman, z rzędami i/lub zasadami rankingu opartymi na gradacji. Jeśli chodzi o interpretacje oparte na samej czystej wartości korelacji, stwierdzenia dla czynników liczbowych są często bardziej znaczące.

Aby wesprzeć ważność korelacji cech binarnych w naszym badaniu, dlatego w regule musi być określona wartość średnia. Na przykład w przypadku czynnika „Istnienie opisu” może się okazać, że istnieje tylko bliska zeru korelacja z rankingami, ale w rzeczywistości prawie 100% wszystkich adresów URL ma opis (patrz przykładowa korelacja dla czynnika A powyżej).

Correlation Values Versus Average Values And Curves

Wartości korelacji wykreślone jako słupek są zawsze obliczane na podstawie wszystkich dostępnych danych dla danej cechy, więc dla jednego lub 10 000 słów kluczowych każda linia wykresu ma 30 wartości dla słowa kluczowego.

Wartości średnie są obliczane na podstawie tych średnich wartości krzywych, które również pomijają górne pięć procent każdej cechy, aby umożliwić najłagodniejszą możliwą krzywą i możliwą do zarządzania skalę (oś Y), w przeciwnym razie niektóre niższe średnie w odpowiednich krzywych nie byłyby widoczne. Również poszczególne mediany i średnie wartości są obliczane dla cech z pominięciem górnych pięciu procent wyników.

Czynnik marki

Jedną ze stałych w badaniach czynników rankingowych jest ciekawa osobliwość w danych, którą nazwaliśmy „czynnikiem marki”, obecna w wielu czynnikach i obserwacjach.

To, co rozumiemy przez czynnik marki, to obserwacja, że strony internetowe należące do marek o wysokim profilu lub cieszące się pewnym autorytetem zazwyczaj zajmują najwyższe pozycje w rankingach, nawet jeśli nie biorą pod uwagę poszczególnych czynników, do których stosują się adresy URL znajdujące się nieco niżej w rankingu.

Na przykład, przeciętnie marki nie mają znacznika h1 na swojej stronie, ich treść ma mniejszą liczbę słów, a słowo kluczowe nie występuje tak często w opisie meta-tytułu. W skrócie: z punktu widzenia SEO są one mniej zoptymalizowane. Z drugiej strony, strony internetowe marek zazwyczaj posiadają o wiele więcej linków zwrotnych i sygnałów społecznych niż inne adresy URL.

Google jest już bardzo skuteczne w identyfikowaniu marek z poszczególnych sektorów i w przyznawaniu ich adresom URL preferencyjnego rankingu. Wartości takie jak rozpoznawalność, zaufanie użytkowników i wizerunek marki są również odzwierciedlone w SERPach do pewnego stopnia.

Intencja: Dlaczego Ranking Factors?

Można powiedzieć, że nawet samo Google nie wie, jak tworzony jest jego własny algorytm, tak złożone stały się metryki oceny.

Celem badań Searchmetrics „Ranking Factors” nie jest tworzenie ewangelii prawdy absolutnej. Zamiast tego uważamy, że badania Searchmetrics to analiza metodologiczna z perspektywy interpretacyjnej. Oznacza to, że naszym celem jest zapewnienie branży internetowej łatwego dostępu do zestawu narzędzi danych. Korzystając z tego zestawu narzędzi, branża może podejmować świadome decyzje w oparciu o nasze intensywne badania w szerokim spektrum kryteriów.

Do opracowania: Ranking Factors 2018: Targeted Analysis for more Success on Google and in your Online Market.

.