Return to site

网站排名优化-如何避免4个数据分析陷阱

网站排名优化

· seo优化

数字营销是一个自豪的数据驱动领域。然而,特别是作为google seo,我们往往有如此不完整或有问题的数据可供处理,以致我们在试图证实我们的论点或量化我们的问题和机会时,最终得出了错误的结论。

在这篇文章中,我将概述我们这个行业普遍存在的4个数据分析缺陷,以及如何避免它们。

1.仓促下结论

今年早些时候,我围绕品牌意识进行了一项排名因素研究,并发布了以下警告:

“.领域管理局(或品牌搜索量或其他任何东西)与排名正相关这一事实可能表明,以下任何或所有情况都有可能:
  • 链接会使网站优化排名更好。
  • 排名良好会使网站获得链接。
  • 第三个因素(如声誉或网站的年龄)导致网站同时获得链接和排名。“

然而,我想更深入地讨论这个问题,并给你一个自己分析这些问题的框架,因为它仍然会出现很多。以这个为例石庙研究近况,你可能在Moz前10名或Rand‘s上见过推特,或者这个优秀文章讨论SEMRush最近的直接交通发现。说得非常清楚,我并不是在批评这两项研究,但我确实想提请大家注意,我们可以如何解释这些研究。

首先,我们确实会受到一点确认偏差-当我们看到成功的网站被关键词填充时,我们都急于找出老生常谈的“相关性与因果关系”的区别,但当我们看到研究用我们认为是有效的或者是有效的(比如链接)做同样的事情时,我们就太赞同了。

其次,我们没有对潜在的机制进行批判性分析。选择不仅仅是因果关系或巧合。

在您根据相关性得出结论之前,您必须考虑各种可能性:

  • 完全重合
  • 反向因果关系
  • 联合因果关系
  • 线性度
  • 广泛适用性

如果这些没有任何意义,那就足够公平了-它们是行话。让我们来看一个例子:

在我警告你不要吃奶酪之前,因为你可能会死在床单上,我不得不检查一下,它不是下列任何一种:

  • 完全巧合-那么多的数据集是否有可能被比较,有些数据一定是相似的呢?为什么,这正是泰勒·维根做是的,这是可能的。
  • 反向因果关系-我们有可能走错路了吗?例如,也许你的亲属,在哀悼你的床单相关的死亡,吃了大量奶酪来安慰自己?这似乎不太可能,所以让我们给它一个通行证。不,这不太可能。
  • 联合因果关系-这两者背后是否都有第三个因素呢?也许财富的增加会让你更健康(这样你就不会死于营养不良之类的事情),还会导致你吃更多的奶酪吗?这似乎很有道理。是的,这是可能的。
  • 线性-我们在比较两个线性趋势吗?线性趋势是一个稳定的增长或下降速度。随着时间的推移,任何两个统计数据都是大致线性的,它们之间都有很好的相关性。在上面的图表中,我们的两个统计数据都呈线性上升趋势。如果图形是用不同的比例绘制的,它们可能看起来完全不相关,就像这,这个但因为它们都有一个稳定的比率,所以它们之间仍然有很好的相关性。是的,这看起来很可能。
  • 广泛适用-这种关系是否可能只存在于特定的利基情景中,或者至少不存在于我的利基情景中?例如,也许奶酪会对某些人产生这种影响,而这就足以造成这种关联,因为床单上的死亡人数很少-否则就会造成严重的死亡?是的,这似乎是可能的。

所以我们有4““答案与一”“从那5张支票上回答。

如果你的例子没有得到5““从这5项检查中得到的答案是失败的,你不能说这项研究已经确定了奶酪消费的排名因素或致命的副作用。”

一个类似的过程应该适用于案例研究,这是另一种形式的相关性-你做出改变和一些好事(或坏事!)之间的关联。例如,问:

  • 我是否排除了其他因素(例如外部需求、季节性、竞争对手犯错)?
  • 我是通过做我想做的事情来增加流量,还是同时意外地改善了其他因素?
  • 这是因为特定客户/项目的独特情况而起作用的吗?

这对SEO来说尤其具有挑战性,因为我们很少有这种质量的数据,但我建议另外提出两个问题,以帮助您在这个雷区中导航:

  • 如果我是谷歌,我会这么做吗?
  • 如果我是谷歌,我可以这么做吗?

直接流量作为一个排名因素通过了“可以”测试,但只有很少-谷歌可以使用来自Chrome,Android或ISP的数据,但这将是粗略的。不过,它并没有真正通过“想”测试-谷歌使用品牌搜索流量要容易得多,你可以通过比较直接流量水平来回答同样的问题(例如,这个网站有多受欢迎?)

2.缺少上下文

如果我告诉你,今天我的流量每周增长20%,你会怎么说?祝贺你!

如果去年这个时候涨了20%呢?

如果我告诉你,直到最近,它已经比去年上升了20%呢?

有趣的是,一个小小的背景就能完全改变这一点。这是另一个问题的案例研究和他们的邪恶倒置孪生,交通跌落分析。

如果我们真的想知道是对某件事感到惊讶,积极还是消极,我们需要将它与我们的期望进行比较,然后找出什么偏离我们的期望是“正常的”。如果这听起来像统计,那是因为它是统计-实际上,我写了一种统计方法来测量变化2015.

不过,如果你想偷懒,一个好的经验法则是放大,并加入前几年。如果有人给你看了可疑的放大的数据,你可能会想要拿一点盐。

3.相信我们的工具

你会根据你的竞争对手可以随意操纵的数字来做一个数百万美元的商业决策吗?嗯,很有可能是这样的,这个数字可以在Google分析中找到。我在其他地方,但大多数分析平台都存在一些主要问题:

  • 他们在外部操作是多么容易
  • 他们如何武断地将点击分组成会话
  • 他们是多么容易受到广告阻滞剂的攻击
  • 他们在抽样调查中的表现,以及他们对此有多明显

例如,您是否知道GoogleAnalyticsAPI v3可以对数据进行大量采样,同时告诉您数据是未采样的,超过了一定数量的流量(在日期范围内~500,000)?我也没有,直到我们在建造Distiled ODN时碰到了它。

许多“搜索分析”工具也存在类似的问题。我的同事萨姆·涅姆泽写了一堆关于这个-你知道大多数关键词排名优化跟踪平台报告完全不同的排名?或者,Google分组的关键字(因此,像SEMRush和stat这样的工具也是)是怎样的呢?不等价物,而不一定要引用这些书吗?

了解我们使用的工具的优点和缺点是很重要的,这样我们至少可以知道它们在方向上是准确的(就像他们的洞察力引导你朝着正确的方向前进),即使不是完全准确。我在这里真正能推荐的是,在SEO(或任何其他数字频道)上的技巧必然意味着理解测量平台背后的机制-这就是为什么在Distiled的所有新起点最终都学会了如何进行分析审计。

最常见的解决根本问题的方法之一是合并多个数据源,但是…

4.组合数据源

有许多平台将两个或两个以上的数据汇集在一起,从而“失败(而不是提供)”:

  • 分析学
  • 搜索控制台
  • AdWords
  • 秩跟踪

这里的问题是,首先,这些平台没有同等的定义,其次,具有讽刺意味的是,(没有提供)往往会破坏它们。

让我们先来处理定义,举个例子-让我们看一个带有通道的登陆页面:

  • 在搜索控制台中,它们被报告为点击,并且当多个维度(例如关键字和页面)或过滤器组合在一起时,很容易受到大量的、不可见的采样的影响。
  • 在GoogleAnalytics中,使用最后一次非直接点击,这意味着您的有机流量包括一系列的直接会议,暂停恢复会议中期,等等。这是没有进入黑暗的交通,广告拦截等。
  • 在AdWords中,大多数报告使用最后点击AdWords,转换的定义可能不同。此外,正如上面所提到的,关键字卷被捆绑在一起。
  • 排名跟踪是特定位置的,而且不一致,正如上面所提到的。

好吧,虽然它可能不精确,但你至少可以找到一些。定向鉴于这些限制,有用的数据。然而,关于“(未提供)”.

你的大多数登陆页面都是通过一个以上的关键字获得流量的。这些关键字中的一些很可能比其他关键字转换得更好,特别是如果它们是品牌的话,这意味着即使是最彻底的点击率模型也不会对你有所帮助。那么,你如何知道哪些关键字是有价值的呢?

最好的答案是从AdWords数据中概括出这些关键词,但是你不太可能对所有关键词和登陆页面的组合都有分析数据。本质上,报告这一点的工具做出了一个非常大胆的假设,即给定的页面对所有关键字进行相同的转换。有些人在这方面比其他人更透明。

再说一遍,这并不是说这些工具不值钱-它们只是需要仔细理解。唯一能可靠地填补由“Not Providing”创建的空白的方法是花费大量的时间在付费搜索上,以便为所有关键字获得合理的音量、转换率和回弹率估计,即使这样,您也没有解决不一致的定义问题。

奖金恼怒:平均职级

我还是经常看到这种情况。三个问题:

  1. 你更关心的是丢失10个非常低容量的查询(每月10次搜索或少于10次)的排名,而不是一次高容量的查询(超过数百万次)吗?如果答案不是“是的,我绝对关心十个低音量的查询”,那么这个指标不适合你,你应该考虑一个基于点击率估计的可见性度量。
  2. 当你开始对一个你以前没有排名的关键字进行100的排名时,这会让你不开心吗?如果答案不是“是的,我讨厌新关键字的排名”,那么这个指标不适合你-因为这会降低你的平均排名。当然,你可以把所有非排名关键字视为100位,就像一些工具所允许的那样,但是下降2个平均排名位置真的是最好的方式来表达你的登陆页面中的1/50已经被取消索引了吗?同样,请使用可见性度量。
  3. 你喜欢把你的表现和你的竞争对手比较吗?如果答案不是“不,当然不是”,那么这个指标不适合你-你的竞争对手可能有或多或少的品牌关键词或长尾排名,这些都会扭曲这种比较。同样,使用可见性度量。
结语

希望你能找到有用的东西。总结一下主要的外卖方式:

  • 批判性地分析相关性和案例研究,看看你是否可以将它们解释为巧合、反向因果关系、共同因果关系、参考第三个相互关联的因素或通过小众适用性。
  • 不要在不考虑上下文的情况下查看流量的变化-您对这段时间的预测是什么,以及有多大的误差?
  • 请记住,我们使用的工具是有局限性的,并对这些工具如何影响其显示的数字进行研究。“这个数字是如何产生的?““这个数字是什么意思?”
  • 如果您最终合并了来自多个工具的数据,请记住要确定它们之间的关系-将这些信息看作是定向的而不是精确的。

谷歌优化seo关键词优化百度seo有需求的企业可以咨询我们。

All Posts
×

Almost done…

We just sent you an email. Please click the link in the email to confirm your subscription!

OKSubscriptions powered by Strikingly