Поведенческие факторы Аналитика Яндекс / Гугл Станислав Поломарь Директор подразделения поискового продвижения.

Презентация:



Advertisements
Похожие презентации
Докладчик: Латыпов Артур Тел.: +7 (495) Докладчик: Шестаков Александр Тема: Статистика по внутренним факторам.
Advertisements

ПОВЕДЕНЧЕСКИЕ ФАКТОРЫ РАНЖИРОВАНИЯ Сергей ЛЮДКЕВИЧ, начальник отдела аналитики и исследований.
Google Analytics против Яндекс Метрики. o Остановиться на чем-то одном, или использовать в совокупности? o Какая из систем более удобна с точки зрения.
Сайт как инструмент привлечения новых клиентов Фильшин Валентин Программист CSN-Софт.
Теория поведенческих факторов Поведение пользователей – это: Обратная связь с большим количеством пользователей Интент (инфонид) запроса.
WebEffector – инструмент комплексного автоматического продвижения проектов в ТОП выдачи поисковых систем. Сервис представляет собой полноценный автоматизированный.
Есть ли жизнь после отмены ссылок? Бессылочное продвижение.
14 апреля 2011 г. Конференция «Интернет бизнес»: Использование стредств вебаналитики для увеличения трафика и конверсий Василий Ткачев, All in Top.
© 2011–2015 Рекламное агентство MediaProNet. ЭФФЕКТИВНАЯ РЕКЛАМНАЯ КАМПАНИЯ НА ВЫСОКО- КОНКУРЕНТНОМ РЫНКЕ. Сравнительные характеристики инструментов продвижения.
Search Engine Marketing SEM, SEO. Содержание SEM SEO.
1 Предложение на российском рынке контекстной рекламы Евгений Ломизе Поисковая оптимизация и продвижение сайтов в Интернете Москва, ноября 2007.
Поисковое продвижение: подготовка, этапы, проблемы Иван Григорьев Технический директор.
Тандем поисковик - сайт где ошибки? Использование интернет-статистики.
CS Yazzle: инструментарий оптимизатора Николай Яровой, руководитель проекта.
Николай Хиврин Генеральный директор ALTWeb Group Алгоритмы автоматизированного составления семантического ядра.
Максим Уваров Исследование синергетического эффекта Руководитель направления контекстной рекламы ООО «Викимарт»
ВЕБ-АНАЛИТИКА: АНАЛИЗ ЭФФЕКТИВНОСТИ РЕКЛАМНЫХ КАМПАНИЙ.
Анализ неявных предпочтений интернет-пользователей поисковой системы Агеев М.С. Лаборатория анализа информационных ресурсов НИВЦ МГУ им.М.В.Ломоносова.
Подробный обзор поведенческих накруток 1 из 15 Автор проекта userator.ru Морозов Роман.
Продвигаем сайт с помощью поведенческих в Google 1 з 25 Автор проекта userator.ru Морозов Роман 1 Необходимо условие продвижения : Продвигаемый сайт не.
Транксрипт:

Поведенческие факторы Аналитика Яндекс / Гугл Станислав Поломарь Директор подразделения поискового продвижения

План доклада 1. Отбор кандидатов в факторы для анализа Каналы ПС для получения данных Исследования Яндекс Исследования Гугл Исследования Бинг Обзор метрик и оценка какие можем считать 2. Анализ зависимости с ранжированием Анализ CTR выдачи Анализ поведения на сайте Выборки хорошо и плохо ранжируемым URLам Выборки хорошо и плохо ранжируемым запросам Аналитика по подбору доли для ряда факторов 3. Вывод итоговых метрик для контроля работы с ПФ Итоговые метрики Яндекс Итоговые метрики Гугл

Источники данных

Выдача Системы аналитики Бары Показы Сессии из поиска Клики Типы трафика Структура сессии Тайминг в рамках сессии Глубина Итог сессии Взаимодействие

Источники данных Связь с запросом Поиск может максимально оценить «удовлетворенность» пользователя: - итог / порядок / тайминг сессии на выдаче - тайминг / глубина сессии из поиска Нет связи с запросом Поиск может оценить в целом «удовлетворенность» сайтом

Публикации Яндекс Session-based Query Performance Prediction2012 Исследование факторов на основе данных из выдачи Improving Relevance Prediction by Addressing Biases and Sparsity in Web Search Click Data 2012 Исследование факторов на основе данных из выдачи (не совсем Яндекс - Yandex Relevance Prediction Challenge) Through-the-Looking Glass: Utilizing Rich Post-Search Trail Statistics for Web Search 2013 Исследование факторов из выдачи + факторы по сессиям из поиска на основе данных из системы аналитики и баров Click Model-Based Information Retrieval Metrics2013 Fresh BrowseRank2013

Публикации Гугл Modifying search result ranking based on implicit user feedback2006 Modifying search result ranking based on implicit user feedback and a model of presentation bias 2007 Detecting click spam2007 Time based ranking2007 Ranking documents based on user behavior and/or feature data2010

Публикации Бинг Improving Web Search Ranking by Incorporating User Behavior Information 2006 Исследование факторов из выдачи + факторы по сессиям из поиска на основе данных из системы аналитики и баров A Noise-aware Click Model for Web Search2012 Исследование факторов на основе данных из выдачи

Метрики для анализа Яндекс Показы Клики CTR Время до клика Время между кликами Переход на 2 стр. Уход в другую ПС Длинные клики Последний клик Единственный клик … Время на странице Удовлетворенные шаги Источники трафика Гугл Показы Клики CTR Время до клика Переход на 2 стр. … Время на странице Бинг Показы Клики CTR Время до клика Переход на 2 стр. Последний клик Единственный клик … Время на странице

Метрики для анализа Выдача Показы Клики CTR Длинные клики* Сайт Время на документе Глубина Удовлетворенные шаги Источники переходов

План доклада 1. Отбор кандидатов в факторы для анализа Каналы ПС для получения данных Исследования Яндекс Исследования Гугл Исследования Бинг Обзор метрик и оценка какие можем считать 2. Анализ зависимости с ранжированием Анализ CTR выдачи Анализ поведения на сайте Выборки хорошо и плохо ранжируемым URLам Выборки хорошо и плохо ранжируемым запросам Аналитика по подбору доли для ряда факторов 3. Вывод итоговых метрик для контроля работы с ПФ Итоговые метрики Яндекс Итоговые метрики Гугл

CTR. Распределение Распределение по ТОП10 CTR Яндекс/Гугл

CTR. Запросы

CTR. Хост. Гугл

CTR. Хост. Яндекс Полнота меньше, чем в Гугл

Поведение на сайте Время, глубина, отказы Выяснить своих конкурентов Собрать данные

Поведение на сайте. Similarweb Сравнение SW vs GA Отказы – корреляция отличная Глубина – хорошая Время – плохая

Поведение на сайте. Similarweb

Выборки. Определение URL хорошо ранжируются Ср. позиция >1-15< %ТОП10 > 50% URL плохо ранжируются Ср. позиция >20 %ТОП10 < 20% Запрос хорошо ранжируются Позиция >1-15< Запрос плохо ранжируются Позиция >30

Положительные выборки Вся выборка+ Обладает Метрика+

Отрицательные выборки Вся выборка- Обладает Метрика-

Выборки. Яндекс. URLы

Выборки. Гугл. URLы

Выборки. Яндекс. Запросы

Выборки. Гугл. Запросы

Длинные клики Удовлетворенные шаги Длинные клики Переходы из выдачи* длинной более 1 минуты и более 3 минут Попробуем подобрать долю таких визитов – более 5%, 10%, 20% и 30%, накладывая на наши выборки *для Яндекса и Гугл из соответствующих поисковых выдач Удовлетворенные шаги Переходы в рамках сессий из выдачи, перед которыми пользователь проводит не менее 30 секунд и не менее 60 секунд

Длинные клики. Яндекс. URLы

Длинные клики. Гугл. URLы

Метрики итого. CTR CTR запросный Отбираем запросы где с CTR ниже нормы Работаем по улучшению сниппетов CTR хостовый Отбираем сайты где CTR хуже 1% / 2% (Яндекс / Гугл) Отбираем дополнительные запросы для улучшения сниппетов Занимаемся шаблонной оптимизацией сниппетов каталогов Анализируем нет ли популярных по показам «мусорных» запросов Инструменты: Панели вебмастера Системы отображения сниппетов (топвизор, сеопульт, мегаиндекс) в помощь (актуальность 2014, будет обновление)

Метрики итого. Сессии Длинные клики Яндекс Отбираем продвигаемые URL где менее 5/10% больше 1 минуты Отбираем продвигаемые URL где менее 5% больше 3 минут Отбираем ВЧ запросы где менее 30% больше 1 минут Длинные клики Гугл Отбираем продвигаемые URL где менее 10% больше 1 минуты Отбираем продвигаемые URL где менее 5/10% больше 3 минут Отбираем ВЧ запросы где менее 10% больше 3 минут Время, глубина Отбираем продвигаемые URL где показатели хуже конкурентов* Для Гугл также смотрим отказы *с учетом отклонения

Оптимизатор, помни! Накрутка ПФ ведет к бану на долгие месяцы!

Спасибо за внимание. Вопросы? Поломарь Станислав Директор подразделения поискового продвижения

Будем рады знакомству! Работа у нас webit.ru Москва, Проспект Мира, дом 101В, строение 2, этаж 3