Post by account_disabled on Jan 30, 2024 3:34:59 GMT
作者的观点完全是他们自己的(不包括催眠这一不太可能发生的事件),并且可能并不总是反映 Moz 的观点。 你也许也喜欢: 有机点击率会影响 SEO 排名吗? 什么是好的关键字有机点击率分数? 第一个、最后一个、最后一个:SEO 的 3 个基于点击的重要信号 点击率 (CTR) 是一个重要的指标,可用于对网站的 SEO 性能进行大量计算,从估计收入机会、优先关键词优化到市场中 SERP 变化的影响。大多数 SEO 都知道为其网站创建自定义点击率曲线以使这些预测更加准确的价值。来自 Google Search Console (GSC) 数据的自定义点击率曲线的唯一问题是, 众所周知,GSC 是一个有缺陷的工具,可能会提供不准确的数据。这使得我们从 GSC 获得的数据变得复杂,并且很难准确解释我们通过该工具创建的 CTR 曲线。幸运的是,有一些方法可以帮助控制这些不准确性,以便您可以更清楚地了解数据的含义。 通过仔细清理数据并深思熟虑地实施分析方法,您可以使用 4 个基本步骤更准确地计算网站的点击率: 从 GSC 中提取您网站的关键字数据 — 您获得的数据越多越好。
删除有偏见的关键词——品牌搜索词可能会影响你的点 目标电话号码或电话营销数据 击率曲线,因此应该将其删除。 找到您的数据集的最佳展示级别 - Google 在低展示级别对数据进行采样,因此删除 Google 可能在这些较低级别错误报告的关键字非常重要。 选择您的排名方法 - 没有数据集是完美的,因此您可能需要根据关键字集的大小更改排名分类方法。 让我们快速退后一步 在深入了解计算 CTR 曲线的细节之前,简要介绍一下计算 CTR 的最简单方法很有用,因为我们仍将使用此原理。 要计算点击率,请下载您网站排名的关键字以及点击次数、展示次数和位置数据。然后,将 GSC 数据中每个排名级别的点击次数总和除以展示次数总和,您将得到一条自定义点击率曲线。有关实际计算 CTR 曲线数字的更多详细信息,如果您不熟悉该过程,可以查看SEER 的这篇文章。 当您开始尝试控制点击率数据固有的偏差时,这种计算就会变得棘手。然而,即使我们知道它会提供错误的数据,我们实际上也没有太多其他选择,因此我们唯一的选择是尝试消除数据集中尽可能多的偏差,并意识到使用所带来的一些问题那个数据。 如果不控制和操作来自 GSC 的数据,您可能会得到看似不合逻辑的结果。例如,您可能会发现您的曲线显示位置 2 和 3 的 CTR 的平均值比位置 1 的平均值大得多。
如果您不知道您使用的 Search Console 数据有缺陷,您可能会接受该数据作为事实,并且 a)尝试根据不正确的数据提出假设,解释为什么 CTR 曲线看起来是这样的,并且 b) 根据这些 CTR 曲线创建不准确的估计和预测。 第 1 步:提取数据 任何分析的第一部分实际上是提取数据。这些数据最终来自 GSC,但是您可以从许多平台提取这些数据,这些平台比 GSC 的网络提取更好。 Google Search Console—— 获取数据最简单的平台是 GSC 本身。您可以进入 GSC 并提取过去三个月的所有关键字数据。Google 将自动下载 csv。为您归档。此方法的缺点是 GSC 一次仅导出 1,000 个关键字,这使得您的数据量太小而无法进行分析。您可以尝试通过对您排名的主要术语使用关键字过滤器并下载多个 1k 文件来获取更多数据来解决此问题,但此过程非常艰巨。除此之外,下面列出的其他方法更好、更简单。 Google Data Studio — 对于任何寻求一种简单方法来免费从 Search Console 获取更多数据的非程序员来说,这绝对是您的最佳选择。Google Data Studio直接连接到您的 GSC 帐户数据,但您可以提取的数据大小没有限制。
删除有偏见的关键词——品牌搜索词可能会影响你的点 目标电话号码或电话营销数据 击率曲线,因此应该将其删除。 找到您的数据集的最佳展示级别 - Google 在低展示级别对数据进行采样,因此删除 Google 可能在这些较低级别错误报告的关键字非常重要。 选择您的排名方法 - 没有数据集是完美的,因此您可能需要根据关键字集的大小更改排名分类方法。 让我们快速退后一步 在深入了解计算 CTR 曲线的细节之前,简要介绍一下计算 CTR 的最简单方法很有用,因为我们仍将使用此原理。 要计算点击率,请下载您网站排名的关键字以及点击次数、展示次数和位置数据。然后,将 GSC 数据中每个排名级别的点击次数总和除以展示次数总和,您将得到一条自定义点击率曲线。有关实际计算 CTR 曲线数字的更多详细信息,如果您不熟悉该过程,可以查看SEER 的这篇文章。 当您开始尝试控制点击率数据固有的偏差时,这种计算就会变得棘手。然而,即使我们知道它会提供错误的数据,我们实际上也没有太多其他选择,因此我们唯一的选择是尝试消除数据集中尽可能多的偏差,并意识到使用所带来的一些问题那个数据。 如果不控制和操作来自 GSC 的数据,您可能会得到看似不合逻辑的结果。例如,您可能会发现您的曲线显示位置 2 和 3 的 CTR 的平均值比位置 1 的平均值大得多。
如果您不知道您使用的 Search Console 数据有缺陷,您可能会接受该数据作为事实,并且 a)尝试根据不正确的数据提出假设,解释为什么 CTR 曲线看起来是这样的,并且 b) 根据这些 CTR 曲线创建不准确的估计和预测。 第 1 步:提取数据 任何分析的第一部分实际上是提取数据。这些数据最终来自 GSC,但是您可以从许多平台提取这些数据,这些平台比 GSC 的网络提取更好。 Google Search Console—— 获取数据最简单的平台是 GSC 本身。您可以进入 GSC 并提取过去三个月的所有关键字数据。Google 将自动下载 csv。为您归档。此方法的缺点是 GSC 一次仅导出 1,000 个关键字,这使得您的数据量太小而无法进行分析。您可以尝试通过对您排名的主要术语使用关键字过滤器并下载多个 1k 文件来获取更多数据来解决此问题,但此过程非常艰巨。除此之外,下面列出的其他方法更好、更简单。 Google Data Studio — 对于任何寻求一种简单方法来免费从 Search Console 获取更多数据的非程序员来说,这绝对是您的最佳选择。Google Data Studio直接连接到您的 GSC 帐户数据,但您可以提取的数据大小没有限制。