В рамках секции «Аналитика и исследования» свой доклад на тему: «Поведенческие факторы: аналитика, легальный подход к улучшению» представил Станислав Поломарь из компании Webit.
Доклад был поделен на 3 части:
- Построение гипотез какие поведенческие факторы поисковики могут учитывать.
- Проверка на реальных продвигаемых сайтах/запросах влияния отобранных факторов.
- Выводы на какие метрики стоит смотреть при оценке работы с поведенческими.
Для начала посмотрим, откуда поисковые системы могут получать информацию:
Выдача
Тут поисковики знают все и по абсолютно всем пользователям!
Они снимают данные по показам и кликам, по времени до клика и между ними. Анализируют, на каком документе остановился пользователь при поиске, как переформулировал запрос или даже ушел в другую поисковую систему.
Собственные системы аналитики (Яндекс.Метрика, Google Analytics)
Опять же, тут поисковики знают все, но уже далеко не по всем пользователям. Идет анализ количества и источников трафика.Как пользователь взаимодействует с сайтом – сколько проводит времени на каких страницах, как активно взаимодействует с сайтом. Нужно учесть, что поисковик в первую очередь интересуют пользователи, которые перешли из его выдачи. В этом случае есть прямая связь между тем, насколько уместен был данный документ по данному запросу, и тем – насколько он решил задачу пользователя.
Различные бары
Речь идет как про собственные бары, так и про покупку данных у любых других, где есть достаточный объем информации. В целом анализируются данные примерно те же, что и в системах аналитики.
А теперь дадим слово непосредственно представителям поиска. От Яндекса стоит обратить внимание на следующие публикации:
1-я статья посвящена анализу данных из поисковых сессий.
2-я (пожалуй, самая интересная) – дополнение данных из поисковых сессий данными по поведению пользователей на сайтах после перехода из поиска.
3-я – про оценку качества выдачи на основе данных по поведению пользователей.
В докладе также были приведены работы по исследованию поведенческих факторов от западных поисковиков (Bing). Как показал их анализ – подход в целом схож с подходом Яндекса.
В итоге были сформированы метрики, которые будем рассматривать в рамках исследования по взаимосвязи с ранжированием на продвигаемых проектах:
Зачеркнутые строчки – факторы, которые мы измерять не можем.
Помеченные звездочкой – факторы, которые считаем приближенно. Т.е., к примеру, мы не можем посмотреть время между кликами в выдаче, но можем посмотреть сколько проводили время на сайте пользователи после перехода из поиска.
Длинные клики – это количество пользователей из поиска, которые провели на сайте не меньше определенного количества времени (30 секунд, 60 секунд и т.п.).
Удовлетворенные шаги – здесь, опять же, речь про пользователей из поиска, по ним анализируется количество переходов внутри сайта, перед которыми пользователь провел не меньше определенного количества времени (30 секунд, 60 секунд и т.п.).
После того, как мы определились с факторами, нужно взять реальные проекты и посмотреть зависимость значений факторов и видимости. Для исследования в специальную CRM были занесены и собраны все необходимые данные (позиции, количество ссылок, вхождений, поведенческие факторы и пр.). В анализе участвовали тысячи запросов и страниц.
CTR
Для того чтобы понять, хороший сниппет или плохой, нам нужно сравнить данные по CTR со средними показателями по ТОПу.
Распределение явно показывает, что оптимизаторы хорошо работают со сниппетами в Яндекс (около 70% выше нормы) и плохо в Google (обратная картина). На практике это действительно так, потому что большинство клиентов ориентированы в первую очередь на Яндекс.
Время, глубина, отказы
В каждой тематике пользователи ведут себя совершенно по разному. Поэтому не может быть универсальной нормы по этим параметрам.
Таким образом, чтобы понять хорошее у нас время на странице или нет, нам требуется:
- Понять, с кем сравниваться.
- Получить данные по ним.
Специалисты webit реализовали эту задачу следующим образом:
По семантике сайта определяются лидеры тематики (3-5). Далее по ним собираются данные в сервисе SimilarWeb.
Затем будем проводить следующий анализ для выявления значимости того или иного фактора.
Для начала, дадим следующие определения:
URL с хорошей видимостью = страница, где более 50% продвигаемых запросов в ТОП10 и средняя позиция ниже 15
URL с плохой видимостью = страница, где менее 20% продвигаемых запросов в ТОП10 и средняя позиция выше 20
Запрос с хорошей видимостью = позиции ниже 15
Запрос с плохой видимостью = позиции выше 30
Положительное значение фактора (Ф+) = мы лучше конкурентов, CTR выше нормы, есть вхождения и т.п.
Отрицательное значение фактора (Ф-) = наоборот
В случае если:
- Хорошая видимость и «Ф+» --> 100% от выборки
- Плохая видимость и «Ф-» --> 100% от выборки
- Хорошая видимость и «Ф-» -->0% от выборки
- Плохая видимость и «Ф+» --> 0% от выборки
То считаем, что фактор значимый!
Сама выборка выглядит примерно вот так:
А доли выборок, которые обладают тем или иным значением факторов, - вот так:
По итогам анализа получилось, что для URLов нельзя выделить значимых факторов. Из среднезначимых можно выделить «время» и «глубина» лучше, чем у конкурентов.
Причем эти факторы оказались на том же уровне, что и «мало внешних/внутренних ссылок».
Для запросов – в значимые факторы попал CTR. «Время» и «глубина» оказались сравнимы с «мало внешних ссылок», но слабее чем, отсутствие внешних и одновременное малое количество в тексте и ссылках.
Длинные клики
Целью исследования было «поймать» границу доли пользователей, которых можно отнести к длинным кликам. Т.е. какой % из переходов Яндекса приводит к сессиям на сайте более 1 минуты и 3 минут.
Исследовались следующие значения: 5%, 10%, 20% и 30%.
На совершенно аналогичных выборках получились следующие результаты:
В итоге:
Для URL – значимыми оказалась «доля длинных кликов» более 5%.
Для запросов – значимыми оказалась «доля длинных кликов» более 10%.
На основе исследований выше, можно конкретизировать технические метрики при работе с поведенческими факторами.
Рекомендации
- CTR запросный:
- Отбираем запросы, где с CTR ниже нормы
- Работаем по улучшению сниппетов
- CTR хостовый:
- Отбираем сайты, где CTR хуже 1%
- Ищем мусорные запросы – по ним стоит «убрать» себя из выдачи
- Отбираем дополнительные запросы для улучшения сниппетов
- Инструменты:
- Панели вебмастера
- Системы, которые собирают сниппеты (сеопультр, топвизор и пр.)
- Доклад автора про сниппеты - http://www.slideshare.net/staspolomar/ibc-14 (актуальность - 2014 год, ожидается обновление)
- Длинные клики:
- Отбираем продвигаемые URL, где менее 5% больше 1 минуты
- Отбираем запросы, где менее 10% больше 1 минуты (ВЧ)
- Время, глубина:
- Отбираем продвигаемые URL, где показатели хуже конкурентов (с учетом отклонения данных SimilarWebот GA).
- Отбираем запросы, где показатели хуже конкурентов (ВЧ) (с учетом отклонения данных SimilarWebот GA).
В качестве дополнительных сервисов, которые помогают генерить идеи по улучшению сайтов и упрощению взаимодействия пользователей, рекомендуются следующие сервисы: https://askusers.ru/, http://getgoodrank.ru/, http://www.usefulusability.com/24-usability-testing-tools/
Полная версия презентации доклада доступна здесь.