警报!检测到异常有机CTR。自动检测性能不佳的元数据 2016-10-02 01:02:01

$888.88
所属分类 :奇闻

您是否希望为您的网站提供SEO提升但是您认为您已经用尽大多数优化或者正在寻找快速获胜

考虑致力于提高搜索列表的有机点击率(CTR)我喜欢解决此问题的方法之一是首先检查真正的异常值这里我将概述我在SEO客户端自动完成此过程的过程您应该始终尝试提高网站自然搜索结果的点击率,但是从哪里开始

我首先确定真正的异常值 - 真正超出常规的页面和查询组合可以使用许多统计方法来识别异常值,所以让我们看看我依赖的几个用于检测的异常值

学院,“z分数精确测量数据点的平均值高于或低于标准偏差的数量”所以,如果查询和页面组合的点击率低于z得分-3(有时也是-25或 - 268用作给定有机位置的阈值),它是异常值z得分=(个体CTR-给定位置的平均CTR)/给定位置的CTR标准偏差Khan Academy将IQR定义为“传播量”中间50%,数据集的百分比换句话说,它是第一个四分位数(Q1)和第三个四分位数(Q3)之间的距离“要使用此方法查找异常值,您需要查找超出15倍的点击率四分位数(IQR)低于第一个四分位因此,如果是i单个点击率小于:给定位置点击率的四分之一 - (给定位置的点击率的IQR * 15)...然后它可能被视为异常值Z分数对于较小的数据集也不起作用,因此针对较小网站的问题,在给定位置的点击率较低的数据点,我们可以利用修改后的z得分来检测异常值根据IBM:标准z得分的计算方法是将平均值与平均值除以偏差修正后的z分数是根据平均绝对偏差(MeanAD)或中位数绝对偏差(MAD)计算的

这些值必须乘以一个常数来近似标准差应用于我们的有机搜索列表CTR,我们正在寻找修改小于-35的z分数被认为是异常值修正的z分数=(常数06745 *(个别CTR - 给定位置的中位CTR))/给定位置的CTR的中位数绝对偏差现在我们知道了一点点用于识别异常值的统计数据,我们如何将其应用于搜索结果

输入我之前撰写过的Google Search Console Search Analytics API,甚至还提供了一个公开的Google Search Console Python脚本,用于每月将有机查询数据备份到SQL数据库,这非常适合数据挖掘和其他分析功能,但我们可以通过API做很多事情,例如自动识别效果不佳的点击率这一过程我们想要做的基本想法是识别未被点击的搜索查询和着陆页组合如果他们的表现不如你期望的那么多,可能会有很多原因,例如,可能有SERP功能(例如精选片段)或付费广告正在进行点击共享没有什么可以真正做到的那些但是,有一些SERP的元素在你的控制范围内:丰富的片段和元数据(你的标题标签和元描述)如果你确定这可能是你的元数据导致了一个不太理想的点击率,这是一个简单的修复 - 只是开始玩不同的标题标签和元描述组合理想情况下,这通过A / B测试系统完成只是一个快速的注意事项使用的统计方法:没有一个检测异常值的方法是100%完美你将不得不使用它们作为工具来个人评估它将归结为帐户上的搜索引擎优化更深入挖掘甚至一旦您缩小了较低的点击率效果以复制元数据,仍然可能存在与您的目标不符的漏报,查询和登录页面组合在一天结束时,我们需要我们的SEO从业者在逻辑上思考并在有意义时采取行动而不是其他行为 一旦您提高了低于标准的有机列表的点击率,您就可以开始考虑查看其他列表,并将其从典型点击到卓越的点击率查看行业基准以及其他客户数据尝试变得更好在一天结束时,很多权力掌握在你手中,好的副本可以很长的路在本文中表达的意见是客座作者的意见,而不一定是搜索引擎土地工作人员的作者在这里列出