Поведенческие факторы ранжирования сайта в Яндексе

Интернет предоставляет доступ к огромным массивам информации, которые поисковые системы пытаются структурировать. Разное качество контента на сайте, формы подачи и достоверности информации затрудняет ранжирование, что часто нарушает ожидание пользователей при поиске. Вспомните, как часто в топ-10 Google и «Яндекс»:

• встречается десяток однотипных переписанных статей с одного ресурса;
• невозможно найти нужную информацию по низкочастотному запросу;
• приходится переходить по пустым карточкам маркетплейсов без описания товаров;
• открываются бессмысленные SEO-тексты или статьи 10-летней давности.

Поведенческие факторы постепенно становятся ключом к чистому и удобному интернету, где даже среднесортный сайт не сможет занимать позицию в топе поисковой выдачи. Разберем, как Google и «Яндекс» отслеживают поведенческие факторы, пытаясь создать утопию в поиске, когда любую информацию можно будет найти по первой ссылке.

Таргетированная реклама в социальных сетях

• Ваша реклама показывается аудитории с точно заданными параметрами: пол, возраст, работа, гео, интересы, темы.
• Это гибкий и тонко настраиваемый на конкретный сегмент аудитории инструмент продвижения.

Что такое поведенческие факторы ранжирования

Поведенческие факторы отслеживают удовлетворенность сайта пользователями

Поведенческие факторы — это комплекс метрик в аналитических платформах поисковых систем, которые используются для оценки поведения пользователей на сайте. Исследование поведенческих факторов помогает поисковым системам определить ценность ресурса и соответствие ожиданий пользователей, что используется при ранжировании.

Накануне 2022 года поведенческие факторы считаются одним из главных показателей качества для информационных ресурсов.

Читайте также:

Факторы ранжирования Google и Яндекс: что это и как работает

Поисковые системы Google и «Яндекс» учитывают время и поведение пользователей на сайте, кликабельность сниппетов и рост отказов при переходе из поиска, что используется при ранжировании.

Сайты, которые смогли заинтересовать и удовлетворить цель поиска у пользователя, получают бонус в ранжировании и попадают на первую страницу выдачи. Подобный подход повышает содержательную ценность ресурсов в поисковой выдаче. Сайт с хорошим ссылочным профилем или социальными сигналами не сможет задержаться в топе, если неспособен удовлетворить пользователей поиска. Это очищает интернет от низкосортных ресурсов и накрученного SEO, а в топ попадают только лучшие сайты.

Продвижение сайта в ТОП-10

• Оплата по дням нахождения в ТОП
• Подбираем запросы, которые приводят реальных покупателей!

Как поисковые системы собирают информацию о поведенческих показателях

Большинство данных пользователей в сети фиксируется и используется при ранжировании сайтов в поиске

Google и «Яндекс» получают данные об активности пользователей в поиске и на сайтах через собственный софт. Вся информация отслеживается после принятия пользовательского соглашения при регистрации нового аккаунта или установки программы конечным пользователем. У поисковых сетей для анализа данных предусмотрено несколько инструментов:

• «Яндекс». Данные собираются «Яндекс.Браузером» и встроенными расширениями, скриптами «Яндекс.Метрики». Дополнительно задействуется информация пользователей, собираемая при использовании продуктов экосистемы «Яндекс» — например, виртуального помощника «Алисы» или сервиса по сбору статистики «Яндекс.Радар».
• Google. Для сбора данных используются cookie и история посещений из Google Chrome, скрипты Google Analytics, история поиска в YouTube. Также учитываются действия пользователей, выполненные при авторизации в аккаунте Google или через смартфон на базе Android.

Используемые поисковыми системами данные для анализа обезличены: конфиденциальность пользователей не нарушается. Наоборот, собранная информация используется для улучшения поисковой выдачи. Пытаться скрыть данные от алгоритмов не стоит и не выйдет.

Какие поведенческие факторы учитывает «Яндекс»

Алгоритмы «Яндекс» стремятся учитывать все реакции пользователей. Сейчас поведенческие факторы для «Яндекс» важнее ссылок

Формально «Яндекс» отслеживает поведенческие факторы еще с 2011 года, когда начал фиксировать юзабилити сайта. При выходе в 2017 году алгоритма «Королев» поисковая система стала уделять больше внимания поведенческим показателям, сейчас же данные метрики — один из главных критериев при ранжировании сайтов. Разберем, что для «Яндекса» в приоритете.

Возвращение к поиску

Возврат пользователя к поисковой выдаче негативно отражается на ранжировании в «Яндексе». Это показывает неспособность сайта удовлетворить поисковый запрос, что может говорить о недостаточной оптимизации ресурса, низком юзабилити или отсутствии полезной информации.

Большое количество возвратов из сайта обратно в поиск сильно ухудшает ранжирование ресурса в выдаче поисковой системы. Косвенно узнать о возвращении пользователя к поиску можно через процент отказов.

Активность виджетов и шеринга

Частое использование виджетов социальных сетей и мессенджеров на сайте также говорит «Яндексу» о полезности сайта для пользователей. При ранжировании учитывается количество переходов из сайта в соцсети, а также шеринг контента.

Узнать, как часто пользователи делятся контентом на сайте, можно через отчет «Поделиться» в «Яндекс.Метрике»:

Данные отчета отражают, сколько человек расшарили контент по соцсетям. Отчет доступен для каждой страницы

CTR сниппета и быстрых ссылок

Кликабельность сниппета свидетельствует о релевантности контента на сайте поисковому запросу. «Яндекс» дополнительно добавляет в сниппет быстрые ссылки, кликабельность которых также отражает смысловую релевантность и практическую ценность ресурса.

Читайте также:

Сниппет сайта: что это такое, как формируется и как его изменить

Высокий CTR сниппета и быстрых ссылок говорит о пользе ресурса для аудитории на фоне конкурентов в выдаче, что влияет на ранжирование. Проработка сниппетов позволяет хорошо подняться в топе поиска.

«Яндекс» двигает по выдаче страницы, релевантные поисковым запросам. Алгоритмы учитывают CTR сниппета и ссылок

Прямые переходы на сайт

Прямые переходы говорят о наличии постоянной аудитории у ресурса, которая добавила сайт в закладки или переходит через введение URL в адресную строку браузера. Это говорит о практической ценности ресурса: сайты, на которые пользователи регулярно возвращаются, хорошо поднимаются в выдаче.

Читайте также:

Прямые заходы на сайт в «Яндекс.Метрике»: что это, как заблокировать спамный трафик

Посмотреть количество прямых заходов можно в отчете «Источники, сводка» внутри «Яндекс.Метрики»

Показатель отказов

Показатель отражает процент визитов со временем пребывания на сайте меньше 15 секунд, либо без совершения действий на странице. В Google, например, отказы определяются по-другому: считается просмотр пользователем только 1 страницы на сайте.

Читайте также:

Что такое показатель отказов и как его снизить

Отказы учитываются алгоритмами «Яндекса» и свидетельствуют об отсутствии практической ценности сайта для пользователя. Большой процент отказов возникает при отсутствии оптимизации веб-сайта или полезной информации, из-за чего пользователи сразу покидают ресурс.

Узнать количество отказов можно в «Яндекс.Метрике» внутри раздела «Отчеты».

Около 40 % отказов для крупного сайта — неплохой результат.

Активность и перемещение по сайту

Преимуществом «Яндекс.Метрики» считается возможность отслеживания поведения пользователя на сайте через «Вебвизор». Инструмент позволяет увидеть, что смотрел конкретный пользователь на сайте, как и когда скроллил страницу, где задерживал внимание.

Просмотреть активность можно в разделе «Посетители и клиенты». В статистике отображаются все пользователи сайта за последнее время

Отследить активность конкретного пользователя можно из его карточки, кликнув на иконку визита в «Метрике». Система запустит видеоролик с полной историей действий пользователя на сайте.

В ролике отображается история перемещения курсора и скроллинга страниц

Видно, что делал и где останавливал внимание пользователь. Этим инструментом также пользуются роботы «Яндекса» при анализе популярности страниц и расчета динамического веса. Дополнительно отслеживание активности используется поисковой системой при борьбе с накруткой поведенческих факторов.

Какие поведенческие факторы учитывает Google

Поведение пользователей на сайте Google еще не отслеживает. Вместо этого есть подробный перечень технических требований к юзабилити

Значимость поведенческих факторов в алгоритмах Google менее выражена, чем у «Яндекс». Из поведенческих метрик наибольшее значение на ранжирование в Google оказывает удобство просмотра информации — page experience. Это опыт взаимодействия пользователя со страницей, в котором можно объединить несколько метрик: юзабилити, безопасность и скорость загрузки контента. В рейтинге учитываются сугубо технические параметры, на основании которых Google рассчитывает практическую ценность ресурса для пользователей.

• Отрисовка крупных блоков с контентом (LCP). Показатель отражает скорость прогрузки страницы. Хорошее значение — меньше 2,5 секунд.
• Задержка после первого ввода (FID). Показатель интерактивности контента на сайте. Для удобства использования задержка должна составлена меньше 100 мс.
• Совокупное смещение макета (CLS). Параметр отображает визуальную стабильность. Хорошее значение — менее 0,1.

Также важна оптимизация для мобильных гаджетов, поддержка HTTPS и полный отказ от межстраничных баннеров. Напрямую поведенческие факторы на сайте поисковая система не отслеживает, что отличает алгоритмы ранжирования Google от «Яндекс».

Косвенное влияние на ранжирование в Google оказывают только поведенческие факторы при поиске. Учитываются:

• Кликабельность сниппетов. Здесь фиксируется количество переходов на сайт по соотношению к числу показов в поиске, а также фактор длины клика — время, проведенное пользователями на страницах ресурса.
• Удовлетворенность результатами поиска. Сюда входят юзабилити, качество контента и релевантность страниц поисковым запросам. Если пользователь зашел на сайт и удовлетворил поисковую потребность — ресурс получит бонус к ранжированию.

Посещаемость ресурса, показатель отказов и глубина просмотра страниц не оказывают прямого влияния на ранжирование сайта в поисковой выдаче Google. Однако данные параметры стоит отслеживать через Google Analytics при оптимизации сайта и работе с юзабилити. Посещаемость и поведение пользователей отражают смысловую релевантность и содержательную ценность ресурса — в первую очередь сайт должен улучшаться под потребности целевой аудитории, но не поисковых алгоритмов.

Чем опасна накрутка поведенческих факторов

Часто накрутка поведенческих — тщетная попытка вытащить утопающий сайт. Лучше закажите продвижение

Имитация поведения пользователей на сайте может положительно повлиять на ранжирование, однако имеет кратковременный эффект. Алгоритмы «Яндекса» быстро распознают накрутку и пессимизируют сайт в выдаче. Санкции со стороны поисковой системы осложняют дальнейшее продвижение ресурса или приведут к бану сайта и полного исключения из выдачи.

Читайте также:

Фильтры Яндекса: разновидности, опасности, лечение

Алгоритмы Google меньше направлены на выявление накрутки поведенческих факторов. Сама имитация действий пользователей способна меньше повлиять на ранжирование ресурса в поисковой выдаче Google, при этом риск получить фильтр остается.

В Kokoc Group при работе SEO используются только белые методы продвижения, что позволяет получить комплексное улучшение сайта и рост позиций в поисковой выдаче без риска пессимизации. Например, недавно мы продвинули сайт медицинской клиники и снизили процент отказов благодаря работе поведенческими факторами. Из глобальных изменений:

• Полная переработка структуры сайта.
• Оптимизация расположения контента на страницах.
• Вывод на страницы прайс-листа.
• Добавление карты с указанием адресов всех клиник.

Изменения снизили уровень отказов на сайте до 20 % при норме в 30 %. Суммарно эффект от продвижения увеличил трафик и обращения в 4.2 раза

Кроме того, мы собрали объемную подборку способов улучшить поведенческие факторы на сайте и в поиске без накрутки, а также поможем выйти в топ Google и «Яндекс» с оплатой за результат.

Продвижение сайтов

• Любой формат сотрудничества: позиции, лиды, трафик.
• Подбираем запросы, которые приводят реальных покупателей!

 

Поведенческие факторы — значение и что к ним относится

Содержание

👉 В этом разделе мы на примерах разбираем сложные айтишные термины. Если вы хотите почитать вдохновляющие и честные истории о карьере в IT, переходите в другие разделы.

Поведенческие факторы сайта — это особенности поведения пользователей, по которым поисковики делают вывод о качестве сайта. Для учета поведенческих факторов используют специальные показатели: например, кликабельность или среднее время, проведенное на сайте.

Логика учета поведенческих факторов такая. Если пользователи проводят на сайте много времени, выбирают его в выдаче поиска, активно пользуются им — значит, он полезен и интересен. Это более наглядный и близкий к реальности способ оценить качество, чем использование одних только роботов. Поэтому Яндекс и Google уделяют большое внимание анализу поведенческих факторов — а сайты стремятся улучшить эти показатели.

Иногда поведенческие факторы называют пользовательскими или сокращают как ПФ.

Для чего нужны поведенческие факторы

Поисковикам. Поисковые системы считают поведенческие факторы важной частью в расчете качества сайта. А от предполагаемого качества зависит место сайта в поисковой выдаче: выше или ниже, на первых страницах или на последних.

Задача поисковой системы — показывать пользователю контент, который полезен ему и отвечает его запросу. Поэтому поисковик анализирует поведение людей и на основе этого делает выводы, какие сайты они считают полезными — а значит, заслуживающими высоких позиций.

Поэтому качественные страницы будут появляться выше, пользователь увидит их на первых страницах поиска. А некачественные окажутся на дальних страницах, где их мало кто найдет.

Владельцам сайтов. Вывод сайта на первые страницы поиска по тем или иным запросам — главная цель SEO, поисковой оптимизации. За пользователей, которые приходят из поисковой выдачи, не нужно платить, в отличие от тех, кто кликнул на рекламу. А чем выше сайт в выдаче, тем больше вероятность, что пользователь увидит его и перейдет по ссылке.

По статистике большинство пользователей не заходит дальше первой страницы выдачи, поэтому топ-10 часто становится основной целью оптимизаторов. Чтобы достичь этого результата, учитывать поведенческие факторы обязательно.

Профессия Интернет-маркетолог Получите за 12 месяцев практические навыки интернет-маркетинга для освоения digital-професcии, роста бизнеса или прорыва в карьере. Прокачайте навыки в таргете, контекстной рекламе, SMM и influence-маркетинге. Освойте аналитику на продвинутом уровне. Учитесь на собственном проекте или выполняйте задания на проектах наших партнеров.

Подробнее

На что влияют поведенческие факторы на сайте

Но поведенческие факторы — это не только параметр, влияющий на выдачу. Поведение пользователей на сайте может многое сказать о том, насколько удобно им пользоваться. Для владельцев сайтов это способ найти удачные и неудачные решения, улучшить юзабилити и удовлетворенность пользователей.

Например, поведенческие факторы показывают, что люди часто уходят со страницы, не дождавшись, пока она прогрузится. Возможно, это означает, что страница загружается медленно — надо ее оптимизировать. Тогда пользователям будет удобнее. Они чаще будут оставаться на сайте и, возможно, выполнят целевое действие: купят что-то или подпишутся на рассылке.

Бывает так, что пользовательские факторы помогают узнать причину плохих продаж или большого количества отказов. Дело не всегда в маркетинге: человеку может быть просто неудобно, и это можно и нужно исправлять.

Откуда поисковики узнают поведенческие факторы

Поисковые системы берут данные о поведении пользователей сразу из нескольких источников.

Непосредственно с собственных страниц. То, как пользователь ведет себя в выдаче поиска, еще до перехода на сайт, влияет на оценку поведенческих факторов. Считается, что человек выбирает из результатов поиска наиболее интересные и полезные для себя варианты.

Из систем аналитики. Сервисы от поисковиков, Яндекс Метрика и Google Analytics, собирают статистику о поведении пользователей. Эту информацию используют маркетологи, чтобы оценить поведенческие и коммерческие факторы, но ее же могут учитывать сами поисковые системы.

Из браузерных дополнений. Пользователи могут устанавливать в браузеры дополнения, которые помогают быстрее искать или легче сохранять информацию. Часто это дополнения, созданные поисковыми системами. Они предоставляют свои функции бесплатно, но взамен анализируют поведение пользователей. Известный пример — Яндекс Бар. Сюда же можно отнести поисковые системы, которые работают в адресной строке — а они по умолчанию есть практически во всех браузерах.

Из самих браузеров. Самый популярный в мире браузер Google Chrome принадлежит компании Google — поисковой системе. То же самое можно сказать про Яндекс Браузер. Они могут учитывать поведение своих пользователей и передавать в поисковики.

С других ресурсов. Обезличенные данные различных крупных сайтов-агрегаторов и сервисов поисковых систем тоже учитываются. Ведь тот же Яндекс — это не только поиск; это еще и такси, метро, доставка еды и многое другое. Вы наверняка замечали: стоит пару раз заказать еду в определенном районе — вам начнут показывать кафе поблизости. С поведенческими факторами это работает примерно так же.

Можно ли отключить проверку поведенческих факторов

Некоторые владельцы сайтов или сами пользователи не хотят, чтобы поисковые системы учитывали поведение. Но отключить оценку поведенческих факторов нельзя.

Для юзеров единственный доступный способ — не пользоваться интернет-поиском вообще, а это сейчас практически невозможно. Владельцы сайтов же пытаются обойти проверку поведенческих факторов так: отказываются от панелей аналитики и сервисов поисковых систем. Это не срабатывает, потому что большую часть информации поисковики берут из собственной выдачи. А если данных не хватает — высчитывают недостающие по собственным алгоритмам, например, на основе факторов похожих сайтов.

Поэтому пытаться скрыться от проверки поведенческих факторов бесполезно и даже вредно. Ведь инструменты аналитики и поисковые строки — удобные инструменты, без которых сложно обойтись.

Классификация поведенческих факторов

Можно условно поделить показатели на две большие группы:

• внешние — все, что пользователь делает до того, как попасть на сайт. Например, сюда относится его поведение на странице результатов поиска: какие ссылки он выбирает, сколько времени читает краткие ответы и так далее.
• внутренние — все, что пользователь делает уже после перехода на сайт, начиная от количества кликов и заканчивая областью, где чаще всего находится курсор. Если пользователь уходит с сайта и возвращается к результатам поиска — это тоже внутренний фактор.

Что относится к поведенческим факторам

Оговорим сразу: точный список поведенческих факторов и их связь друг с другом не известны никому, кроме самих поисковиков. Это коммерческая тайна. Известны только приблизительные факторы, которыми и пользуются в работе маркетологи.

Сейчас считают, что показатели в основном не имеют самостоятельной ценности, а оцениваются в связке с другими. Учет поведенческих факторов — сложная взаимосвязанная система. Поэтому улучшать один показатель в ущерб другим — плохая идея.

Вот какие метрики поведенческих факторов сейчас наиболее известны. Не все из них показывают системы аналитики. Некоторые видны только сотрудникам поисковика.

CTR. Один из основных внешних факторов — ему уделяют много внимания и маркетологи, и поисковики. Click-through rate, или кликабельность, показывает соотношение кликов по ссылке к просмотрам. Чем чаще пользователи, которые увидели ссылку в выдаче, нажимают на нее, тем выше кликабельность. Соответственно, если люди редко кликают на результат — CTR ниже.

CTR вычисляется как процент пользователей, которые кликнули по ссылке, от общего числа увидевших ее. Единого оптимального значения для показателя нет, он может различаться в зависимости от позиции, тематики и других факторов.

Показатель используют не только в поведенческом продвижении, но и в рекламе, и в оценке конверсии — процента людей, выполнивших на странице целевое действие.

Возврат к выдаче. Это еще один внешний фактор, его также называют удовлетворенностью результатами поиска. Суть проста: если человек получил результат и после этого продолжил искать — значит, результаты его не устроили, а вопрос остался без ответа. Если же он получил результат и прекратил поиск — значит, он получил нужный ответ и нашел полезную информацию. Чем меньше возвратов, тем выше удовлетворенность и тем лучше показатели.

Удовлетворенность результатом не показывают в системах аналитики. Это внутренний параметр, который видит только сама поисковая система.

CTR сниппета. Кроме кликабельности самой ссылки учитывают CTR сниппета — миниатюрного меню и описания, которые появляются под результатом. Сниппет может содержать ссылки на самые популярные страницы сайта — например, с контактами или формой заказа. Это делается для удобства пользователей, и клики по таким ссылкам тоже учитываются.

Для поисковиков и маркетологов высокий CTR сниппета означает, что пользователь быстрее смог найти интересующий его результат. Ему не пришлось лишний раз нажимать на кнопки и искать нужное через меню — значит, ему удобнее.

CTR соцсетей. Интересным контентом пользователи делятся в социальных сетях. Если они часто репостят к себе тот или иной материал, это улучшает поведенческие факторы. Поисковые системы делают вывод, что материал интересный и полезный. Для этого подсчитывают кликабельность кнопки «Поделиться в соцсетях»: она есть на большинстве ресурсов.

Время и характер поиска. Другие поисковые факторы тоже учитываются. Например, для определения качества выдачи поисковики смотрят, как долго человек искал результат, насколько часто перефразировал запрос, уходил ли в другую поисковую систему. Системы аналитики подсчитывают и объем трафика по конкретным запросам и сайтам в целом — так определяются популярность и релевантность.

Прямые заходы. Прямым трафиком называются переходы на сайт напрямую: из закладок браузера или с помощью адресной строки. В этом случае нет промежуточного звена в виде поисковика, который показывает пользователю выдачу. Отсюда вывод: пользователь уже знает сайт и ценит его достаточно, чтобы сохранить прямой адрес.

Это важный внутренний фактор ранжирования, хотя он считается довольно противоречивым. С прямым трафиком надо быть аккуратнее: чем его больше, тем лучше, но слишком резкий рост может выглядеть подозрительно для поисковиков.

Bounce rate. Этим словосочетанием обозначаются отказы — один из наиболее известных внутренних факторов ранжирования. Отказом называется ситуация, когда пользователь зашел на сайт и тут же с него ушел. Причины могут быть разными:

• контент бесполезен или неприятен;
• страница не грузится или медленная;
• пользователь понял, что зашел не туда;
• юзеру неудобно из-за неудачного дизайна, плохого юзабилити и так далее.

Отказы не стоит путать с возвратом к поиску. Возврат — внешний фактор, который проверяет, стал ли человек продолжать искать. А отказ — внутренний фактор: ушел ли пользователь с сайта сразу.

Для Яндекса отказ = уход со страницы в течение 15 секунд после захода. Для Google отказом считается уход без кликов на другие страницы сайта.

Оптимальное количество отказов — чем меньше, тем лучше. Но в некоторых отраслях и типах сайтов — например, на лендингах — допустимый процент отказов может достигать 95%, и это считается нормальным.

Длина сессии. Этот параметр оценивает, сколько времени пользователь провел на сайте за один заход. В общем случае чем больше длина сессии, тем лучше. Это значит, что человек остался на страницах надолго. А так бывает, если контент интересен и важен — особенно если пользователь при этом переходит с одной страницы на другую.

Правда, есть ситуации, когда длина сессии не говорит о качестве. Например, пользователь зашел на страницу, оставил ее открытой и ушел. Или структура слишком сложная, и он потратил много времен на поиск нужной информации. Все это не очень хорошо, но такие ситуации непросто отследить.

Глубина просмотра сайта. Этот параметр напрямую связан с предыдущим. Глубина просмотра — то, насколько далеко пользователь ушел по сайту, сколько страниц он посмотрел. Здесь ситуация та же: обычно чем больше глубина — тем лучше. Но есть и обратные ситуации: слишком сложная структура, из-за которой приходится чаще переходить на другие страницы.

Владельцы могут намеренно усложнять сайты: увеличивать вложенность разделов, публиковать продолжения статей на других страницах. Это плохая практика. Она скорее приведет к росту отказов из-за неудобной навигации. Считается, что пользователь должен доходить до интересующего раздела за в среднем за три клика, а максимум — за пять.

Поэтому лучше вставлять в контент ссылки на другой контент по теме — так пользователь узнает больше интересной информации и с меньшей вероятностью уйдет.

Тепловая карта. По аналогии с тепловой картой дома или человеческого тела этот показатель демонстрирует самые «активные» участки сайта. Он показывает, на каких областях страницы чаще расположен курсор, куда чаще всего кликают, где и как скролят.

Поисковые системы оценивают тепловую карту с помощью роботов. Те следят за движениями курсора на страницах сайта. Этот параметр помогает определить, какие части страницы интересны живым пользователям, а также отследить накрутку. Накрученные пользователи обычно ведут себя неестественно, и это можно понять по движениям курсора.

Действия пользователей. Значения имеют и другие действия — все, что пользователь совершает на сайте. Он может нажимать на разные ссылки, делать определенное количество кликов, прокручивать страницу с разной скоростью и интенсивностью, писать комментарии и ставить лайки — все это учитывается. 

Так поисковые системы составляют картину поведения пользователя, по которой определяют, что ему интересно.

Как улучшить поведенческие факторы

Владельцы сайтов не могут управлять поведением пользователей напрямую. Но поведенческие факторы улучшить можно — за счет изменения самого сайта. Общий принцип в том, чтобы делать страницы более удобными и интересными для пользователей. Тогда они чаще будут задерживаться на сайте и с большей вероятностью вернутся на него.

Вот что можно сделать для улучшения поведенческих факторов:

Делать сайт заметнее в выдаче. Когда пользователь видит результаты поиска, он кликает на тот, который кажется ему интересным и полезным. А результат формируется из заголовка страницы, контента на ней и сниппета. Поэтому с ними стоит работать, чтобы повысить кликабельность. Человек увидит интересный заголовок и подробное меню в сниппете и обратит на них внимание — а значит, вероятно, перейдет на сайт.

Публиковать качественный контент. Чтобы пользователь пришел, нужно быть заметнее в выдаче. А чтобы он не ушел — удерживать его на сайте. Лучше всего делать это за счет качественного, полезного и интересного контента. Поэтому контенту нужно уделить максимум внимания. Пусть статьи будут максимально полезными, интересными, с картинками и инфографикой по теме, если она есть. Пользователи это оценят. Хороший контент — источник качественного трафика и способ улучшить поведенческие факторы.

Кстати, в контент можно добавлять перекрестные ссылки на другие страницы и тем самым увеличивать глубину просмотра. А еще можно применить реактивный контент-маркетинг — статьи с реакцией на актуальные инфоповоды вызывают интерес пользователей.

Улучшать юзабилити. Если пользователю удобно на сайте, он с большей вероятностью на нем задержится. Неудобный, некомфортный в использовании и мешающий интерфейс, наоборот, повысит риск отказа. Вот частые проблемы:

• нелогичная или запутанная структура;
• глубоко спрятанные важные функции, до которых сложно добраться;
• непонятное оформление страницы — неясно, где что искать;
• слишком много маркетинговых элементов вроде всплывающих окон и баннеров — настолько, что они мешают.

Нужно думать о пользователе и о том, как улучшить его опыт работы с сайтом. Существует профессия специалиста по UX — этот человек как раз занимается улучшением пользовательского опыта.

Работать над дизайном и функциональностью. Красивый дизайн привлекает пользователей, помогает воспринимать контент и работать с сайтом. Дизайн не должен быть аляповатым или перегруженным. Хорошее оформление — это много воздуха, важные функции на заметных местах, приятная цветовая гамма с удачными сочетаниями оттенков. Важно и многое другое: шрифты, размер элементов, способность дизайна адаптироваться под разные разрешения экранов.

Разработкой дизайна интерфейсов занимаются UI-дизайнеры, а его воплощением — верстальщики и фронтенд-разработчики. Целая команда специалистов работает, чтобы пользователю было удобно.

Ускорять страницы. Если страница грузится медленно — это риск отказа и минус с точки зрения поисковика. Поисковые системы оценивают скорость загрузки как отдельный фактор ранжирования, так что медленный сайт просядет сразу по двум направлениям.

Для ускорения страниц можно сжимать контент, оптимизировать код, убирать тяжеловесные и не слишком полезные элементы. Нюансов много: от правильного расширения картинок до особенностей настройки сервера.

Проверить скорость можно с помощью сервиса Google PageSpeed Insights. Он показывает, сколько миллисекунд ушло на загрузку страницы, и дает оценку результату. Чем больше баллов сервис дал сайту, тем лучше и быстрее он грузится. Скорость с телефонов и компьютеров подсчитывается по отдельности.

Проводить внутреннюю оптимизацию. В SEO много других методов, которые тоже помогают улучшить поведенческие факторы. Некоторые из них работают сразу по нескольким направлениям.

Например, грамотные и понятные заголовки помогут привлечь пользователя. Метатеги лучше объяснят поисковой системе, что находится на странице. Тематическая перелинковка страниц нарастит связи между разными частями сайта и увеличит глубину просмотра. Качественный SEO-контент удержит пользователей на странице, если читать его интересно. А органично включенные в него ключевые слова помогут занять высокие места в выдаче по релевантным запросам.

Создавать личный бренд. Еще один способ улучшить поведенческие факторы — увеличение известности. Если сайт известный, пользователи активно приходят и остаются на нем. Посмотрите на известные развлекательные порталы: мало кто из них занимается поисковым продвижением. Но тем не менее они всегда в топе, и пользователи приходят на них — даже если сайт не очень удобный.

Личный бренд поможет привлечь людей и удержать их. Для коммерческих сайтов наличие бренда — это еще и фактор продаж: люди более охотно становятся клиентами известных компаний. Ноунеймам пользователи доверяют меньше. А для персональных сайтов личный бренд — способ привлечь больше читателей и выйти на новый уровень. Некоторые известные блоги монетизируются, начинают закупать рекламу или сотрудничать с производителями разной продукции.

Что такое накрутка и почему она вредна

Поведенческие факторы можно накручивать — имитировать поведение живых людей программно. Запущенный скрипт открывает сайт, двигает курсор, возможно, кликает по ссылкам и просматривает страницы. Это и есть накрутка, и она вредит продвижению.

Поисковые системы давно научились отслеживать накрутку и другие методы «черного» продвижения. Если сайт заподозрят в накручивании, он попадет под фильтры — санкции поисковиков. Из-за них сайт пропадет из выдачи или опустится очень низко. Пользователи не будут его видеть и не зайдут — трафик может упасть до минимума.

Даже если сайту удастся избежать фильтров поисковых систем, накручивать ПФ просто бессмысленно. На страницы заходят реальные пользователи, и если сайт некачественный — поведенческие факторы опустятся обратно за счет них.

Поэтому продвигаться лучше честно — это безопаснее и надежнее. Хорошие поведенческие факторы к тому же означают не только позиции в выдаче, но и удобство для пользователей. А это важно.

Профессия Интернет-маркетолог Получите за 12 месяцев практические навыки интернет-маркетинга для освоения digital-професcии, роста бизнеса или прорыва в карьере. Прокачайте навыки в таргете, контекстной рекламе, SMM и influence-маркетинге. Освойте аналитику на продвинутом уровне. Учитесь на собственном проекте или выполняйте задания на проектах наших партнеров.

Подробнее

Фактор ранжирования или нет?

Несколько недель назад меня попросили кратко рассказать о поисковой оптимизации для пары новых членов команды SEO PowerSuite. «Основная» часть шла довольно гладко, пока мы не перешли к теме поведения пользователей и его влияния на ранжирование.

Еще в 2015 году жаркие дебаты о том, являются ли такие показатели поведения пользователей, как рейтинг кликов фрагментов поиска, время ожидания, показатель отказов страницы, средняя продолжительность сеанса и прилипание к странице, были частью алгоритма ранжирования Google, взорвали SEO-сцену. . Перенесемся в 2022 год, и эта тема больше не стоит на повестке дня, оставляя слишком много вопросов без ответа.

В этой подробной статье я рассмотрю все, что нам известно о данных о поведении пользователей и их влиянии на рейтинг (может ли это быть причиной падения вашего рейтинга), проанализирую доказательства как за, так и против использования поведенческих данных. метрики Google, и в конечном итоге попытаться вынести вердикт, если это что-то, что требует корректировки вашей стратегии поисковой оптимизации.

Хотите быстро научиться SEO?

Присоединяйтесь к нашему 30-дневному курсу SEO и ежедневно получайте по одному очень простому уроку SEO на свой почтовый ящик.

Содержание

1. Предыстория истории
2. Выводы из патента Google
3. Проблемы
   1. CTR слишком легко манипулировать
   2. Почему Google отрицает использование поведенческих данных
   3. Поиск без щелчка
4. Возможные варианты использования поведенческих сигналов
   1. Поведение пользователей и RankBrain
   2. Изменение поведения пользователя и намерения поиска
   3. Поведение пользователей и локальный поиск
   4. Поведение пользователя и персонализация
5. Является ли поведение пользователя фактором ранжирования?
6. Самое интересное

Предыстория истории

Слухи о том, что поисковые системы, такие как Google, могут использовать данные о поведении пользователей в своих поисковых алгоритмах, ходили уже довольно давно.

Особый интерес вызвали показания трех бывших сотрудников Google.

Первым был Эдмонд Лау, который работал над качеством поиска Google. В 2011 году он сказал на Quora следующее:

Совершенно очевидно, что любая разумная поисковая система будет использовать данные о кликах по своим собственным результатам, чтобы влиять на ранжирование и улучшать качество результатов поиска. Результаты, на которые редко нажимают, должны опускаться вниз, потому что они менее релевантны, а результаты, на которые часто нажимают, всплывают вверх.

Эдмонд Лау, бывший инженер Google

Затем, в том же году, Амит Сингхал, главный поисковик Google в то время, упомянул в интервью Wall Street Journal, что основная поисковая система добавила многочисленные «сигналы» или факторы в свой алгоритм поисковой системы для ранжирования сайтов:

То, как пользователи взаимодействуют с сайтом, является одним из таких сигналов.

Амит Сингхал, бывший старший вице-президент Google

В следующем году в судебном процессе Федеральной торговой комиссии бывший глава Google по качеству поиска Уди Манбер дал следующие показания:

На сам рейтинг влияют данные о кликах. Если мы обнаружим, что для определенного запроса, гипотетически, 80 процентов людей нажимают на результат № 2 и только 10 процентов нажимают на результат № 1, через некоторое время мы приходим к выводу, что, вероятно, результат 2 — это тот, который людям нужен. Так что будем менять.

Уди Манбер, бывший директор по качеству поиска в Google

Все эти заявления, исходящие от гуглеров, бывших и не бывших, ознаменовали рождение различных сервисов манипулирования CTR и вызвали волну экспериментов в реальной жизни. Те оптимизаторы, которые не были против использования тактики черного SEO, бросились покупать бот-трафик, в то время как другие пытались привлечь к своим экспериментам реальных пользователей (органический трафик).

Ранние боты CTR были слишком упрощены и не могли имитировать реальное поведение пользователя, поэтому первая группа тестировщиков быстро поняла, что основная поисковая система может легко перехватывать и игнорировать данные о поведении пользователей, поступающие от ботов. Вторая группа, тем не менее, наделала много шума в сообществе SEO, потому что их эксперименты действительно показали некоторые яркие результаты.

Еще в 2014–2015 годах Рэнд Фишкин из SparkToro провел серию экспериментов, чтобы выяснить, влияют ли какие-либо показатели поведения пользователей на ранжирование. Его первый эксперимент включал фактор CTR — Рэнд попросил своих подписчиков в Твиттере ввести в Google определенный термин и посетить его веб-сайт из поисковой выдачи. Через несколько часов его веб-сайт занял первое место по данному запросу, получив в результате шесть позиций.

Второй эксперимент, который провел Рэнд, был направлен на проверку возможного влияния pogo-sticking (тип поведения пользователя, который возникает, когда пользователь «перескакивает» через результаты поисковой системы от одного к другому, чтобы найти наиболее релевантную) на рейтинг Google. . На этот раз он попросил своих подписчиков выполнить несколько простых шагов со скриншота:

И снова примерно через час страница результатов поисковой системы изменилась, и результат №4 превратился в результат №1.

Несколько месяцев спустя итальянские SEO-специалисты Чезарино Мореллато и Андреа Скарпетта провели аналогичный эксперимент Рэнда Фишкина. Однако одно отличалось. Вместо того, чтобы привлекать реальных пользователей, они создали собственное программное обеспечение, которое использовало тысячи IP-адресов в США и могло имитировать поведение реальных пользователей. В отличие от экспериментов с простыми ботами CTR, их программное обеспечение заработало, и протестированный фрагмент поиска поднялся на семь позиций, переместившись с 10-й позиции в поиске на 3-ю.0003

Любопытно, что чем больше все эти эксперименты обсуждались в кругах SEO, тем отчаяннее Google отрицал тот факт, что данные о поведении пользователей могут использоваться в алгоритмах ранжирования.

Вскоре после первого эксперимента Рэнда Фишкина, на SMX Advanced в 2015 году, Гэри Иллиса из Google спросили, используют ли они клики для ранжирования. Вот что он сказал:

Мы используем клики по-разному. Основное, для чего мы используем клики, — это оценка и экспериментирование. Есть много людей, которые пытаются вызвать шум в кликах. Одним из них будет Рэнд Фишкин, другим — Брент Пейн, и использование этих кликов непосредственно в ранжировании, я думаю, не имеет особого смысла.

Гэри Иллиес, Google Webmaster Trends Analysts

Интересно, что всего через месяц после заявления Иллиеса основная поисковая система выпустила патент, описывающий, как отзывы пользователей (клики, время ожидания, средняя продолжительность сеанса и т. д.) могут быть частично использованы для изменения рейтинга в органическом поиске.

Однако недавно выпущенный патент не изменил риторику представителей Google.

На Pubcon Las Vegas 2016 Гэри Иллиес сказал, что CTR по-прежнему не используется в качестве фактора ранжирования:

Если подумать, щелчки вообще невероятно шумные. Люди делают странные вещи на страницах результатов поиска. Они щелкают как сумасшедшие, и в целом очень и очень сложно очистить эти данные.

Гэри Иллиес, Google Webmaster Trends Analysts

За ним последовал Джон Мюллер, который объяснил, что пого-стик также не считался сигналом ранжирования.

Мы стараемся не использовать такие сигналы при поиске. Так что это то, где есть много причин, по которым пользователи могут переходить туда-сюда, или просматривать разные вещи в результатах поиска, или ненадолго задерживаться на странице и возвращаться обратно. Я думаю, это действительно сложно уточнить и сказать: «Ну, мы могли бы превратить это в фактор ранжирования. Так что я бы не стал беспокоиться о таких вещах».0003

Джон Мюллер, старший аналитик трендов для веб-мастеров Google

Позже Гэри Иллиес снова указал, что данные о поведении пользователей не использовались для ранжирования:

Время выдержки, CTR, какая бы ни была новая теория Фишкина, это, как правило, выдуманная чушь. Поиск намного проще, чем люди думают.

Гэри Иллиес, Google Webmaster Trends Analysts

В течение следующих нескольких лет тема поведения пользователей и его влияния на ранжирование была больше похожа на игру в пинг-понг, где оптимизаторы проводили множество экспериментов, успешных и неудачных, гуглеры продолжали все отрицать, а знаменитости в SEO продолжали пытаться разгадать тайну данных о поведении пользователей как фактора ранжирования.

Выводы из патента Google

Итак, в 2015 году, всего через месяц после очередного опровержения Гэри Иллиса, Google выпустила патент под названием Изменение ранжирования результатов поиска на основе неявных отзывов пользователей и модели предвзятости представления .

Патент, срок действия которого истекает только в 2029 году, описывает механизмы, доступные Google, которые помогают собирать, отображать и использовать данные о поведении пользователей для изменения рейтинга результатов поиска.

Эти механизмы составляют основу новой 9Механизм модификатора ранга 0131, который включен в исходный алгоритм ранжирования и отвечает за повторное ранжирование результатов на основе неявной обратной связи с пользователем.

В дополнение к модификатору ранга в новом алгоритме есть два новых компонента — тот, который отслеживает поведение пользователя, и тот, который регистрирует всю информацию.

Интересный факт

Мы точно не знаем, являются ли описанные в патенте компоненты отслеживания и регистрации автономными решениями. Но есть вероятность, что это может быть браузер Chrome.

Служба MetricsService Chrome регистрирует все, что вы делаете в Интернете, включая открытые/закрытые вкладки, извлеченные URL-адреса и многое другое. Вы можете проверить это самостоятельно, просто введя chrome://histograms/ в адресную строку.

По мере того, как мы продвигаемся дальше по патенту, мы видим подтверждение того, что клики могут быть оценены для переоценки результатов поиска:

Реакция пользователей на определенные результаты поиска или списки результатов поиска может оцениваться, чтобы результаты, на которые пользователи часто нажимали, получали более высокий рейтинг.

Патент Google

Механизмы, описанные в патенте, также учитывают различные типы предвзятости презентации. Так, например, если расширенный фрагмент получает более высокий рейтинг кликов, потому что он выглядит более привлекательным по сравнению с другими результатами, клики для этого результата не учитываются в соответствии с патентом. И наоборот, если результаты из самого низа поисковой выдачи получают более низкий рейтинг кликов по сравнению с более высокими позициями, клики по этим результатам пересчитываются.

При более глубоком изучении патента выясняется, что клики — не единственная метрика, которую поисковая система потенциально может зафиксировать и использовать для ранжирования. Как указано в патенте, по каждому клику собирается следующая информация:

• Первоначальный поисковый запрос пользователя
• Информация о пользователе
• Результат, на который нажал пользователь
• Время, которое пользователь провел на просматриваемой странице

Еще одна выдержка из патента также позволяет сделать правильный вывод о том, что такие показатели, как pogo-sticking и время задержки, потенциально могут использоваться как часть алгоритма ранжирования:

Время (T) может быть измерено как время между первоначальным щелчком по результату документа и моментом, когда пользователь возвращается на главную страницу и щелкает другой результат документа. Кроме того, можно провести оценку времени (T) в зависимости от того, указывает ли это время на более продолжительное представление результата документа или на более короткое представление результата документа, поскольку более длительные просмотры обычно указывают на качество результата перехода по клику.

Патент Google

В целом, патент огромен, и действительно впечатляет, как далеко зашел Google, описывая даже мельчайшие аспекты анализа сигналов поведения пользователя. Это, в свою очередь, приводит к логичному вопросу — зачем кому-то тратить столько времени на подробное описание таких сложных механизмов, если все это не будет реализовано ни на одном этапе?

Стоит отметить, однако, что патент также описывает механизмы, которые позже были реализованы Google. Например, существует понятие мобильного поиска, в котором геолокация используется для улучшения результатов поиска:

Например, знание того, что пользователь делает запрос с мобильного устройства, и знание местоположения устройства могут привести к гораздо лучшим результатам поиска для такого пользователя.

Патент Google

Опасения

Хотя я склонен полагать, что Google каким-то образом использует поведенческие данные в своих алгоритмах — как часть сложного механизма, а не изолированно — некоторые эксперты по поисковой оптимизации считают иначе.

Вот их основные опасения по поводу того, почему Google никогда не будет использовать такие показатели, как CTR для ранжирования:

Данные о поведении пользователей слишком легко манипулировать

Одно из распространенных заблуждений, которые я время от времени слышу, заключается в том, что рейтинг кликов никогда не станет фактором ранжирования, поскольку им чрезвычайно легко манипулировать.

Однако этот аргумент легко опровергнуть, если провести небольшое исследование.

Во-первых, если мы вернемся к патенту, который мы обсуждали ранее, мы обнаружим, что Google хорошо осведомлен о возможной проблеме мошеннических кликов . Они даже описали меры защиты от спамеров:

Обратите внимание, что меры защиты от спамеров (пользователей, которые генерируют мошеннические клики в попытке улучшить определенные результаты поиска) могут быть приняты, чтобы гарантировать, что данные о выборе пользователей являются значимыми, даже когда для данного (редкого) запроса доступно очень мало данных. Эти меры безопасности могут включать использование пользовательской модели, которая описывает, как пользователь должен вести себя с течением времени, и если пользователь не соответствует этой модели, его данные о кликах могут быть проигнорированы.

Патент Google

Во-вторых, мы должны помнить, что у Google уже есть механизмы, которые помогают успешно выявлять мошеннические клики на платформе Google Ads и бороться с ними.

И хотя потенциальной угрозой манипуляций с CTR в органическом поиске является более высокий рейтинг определенных результатов, последствия мошеннических кликов с рекламой будут намного хуже. Скажем, любой мог бы использовать CTR-ботов, чтобы опустошить рекламный бюджет конкурента. Или те, кто участвует в программе Google AdSense, воспользовались бы этой возможностью, чтобы искусственно повысить количество кликов по объявлениям на своих веб-сайтах, чтобы увеличить доход.

Если поведение пользователя является фактором ранжирования, почему поисковые системы это отрицают

Итак, давайте на секунду предположим, что Google может легко отличить ботов от реальных пользователей и использовать данные их кликов для ранжирования. Зачем тогда продолжать называть CTR «шумной» метрикой?

Я подозреваю, что, хотя меры безопасности и есть, механизмы все еще несовершенны. Например, инструменты SEO по-прежнему могут собирать данные SERP, несмотря на политику Google, запрещающую любой автоматический доступ к их сервису.

Кроме того, чем больше Google нужно бороться с мошенническими кликами, тем больше вычислительной мощности он тратит впустую.

Принимая все это во внимание, становится совершенно очевидным, почему гуглеры продолжают отрицать тот факт, что CTR может быть частью алгоритма ранжирования.

Поиск без кликов

Еще один аргумент, который я слишком часто слышу, заключается в том, что включение метрик поведения пользователей в алгоритмы противоречит тому, к чему Google стремится с их функциями SERP.

Сегодня мы действительно видим, что все больше и больше функций SERP занимают так называемую нулевую позицию. Это, в свою очередь, приводит к изменениям в поведении пользователей, когда многие поисковые запросы заканчиваются без кликов по органическим результатам. Такое поведение трудно измерить и интерпретировать, но у Google, похоже, есть механизмы для решения этой проблемы.

Я нашел исследовательскую работу Google, в которой содержится много идей по этой теме. Также есть подтверждение того, что метрики поведения пользователей на таких страницах поисковой выдачи в настоящее время не фиксируются. Таким образом, в основном Google знает, где данные о кликах должны и не должны иметь значения :

Во-вторых, нелинейная компоновка и визуальные различия элементов SERP могут привести к нетривиальным паттернам внимания пользователей, которые не фиксируются существующими метриками оценки.

Исследовательская работа Google

Возможные варианты использования поведенческих сигналов

В дополнение к тому, что мы узнали до сих пор, есть несколько случаев, когда мы можем предположить, что поведение пользователя играет определенную роль с высокой степенью вероятности.

Вот они:

Показатели поведения пользователей, вероятно, являются частью RankBrain

RankBrain — это алгоритм машинного обучения Google, который считается одним из трех основных факторов ранжирования.

Этот алгоритм используется для определения истинных намерений пользователя, стоящих за незнакомыми и длинными запросами, чтобы предоставить искателям наиболее релевантные результаты.

Таким образом, когда дело доходит до ранее не встречавшегося запроса, RankBrain сначала пытается сопоставить его с уже существующими запросами, которые могут иметь похожее значение, а затем соответствующим образом фильтрует результаты.

Чтобы работать эффективно и иметь возможность прогнозировать наилучшие результаты для каждого неизвестного запроса, RankBrain, как и любая система машинного обучения, должна постоянно обучаться на основе того, что хорошо работало для прошлых поисков. Для этого RankBrain фиксирует, какие результаты удовлетворяют и не удовлетворяют намерения искателя по всем запросам, которые он обрабатывает.

Мы не знаем всех метрик, которые RankBrain использует для оценки удовлетворенности, но правильно предположить, что метрики поведения пользователей играют здесь центральную роль. Поскольку трудно представить себе метрику, которая говорила бы машине больше о релевантности определенного результата поиска, чем количество фактически полученных кликов.

Более того, я нашел интересную статью на Wired, где всемирно известный автор Стивен Леви описал, как на самом деле разрабатывался RankBrain. Как следует из статьи, Команда искусственного интеллекта Google обсуждала метрику, которая должна была помочь RankBrain увидеть, насколько хорошо определенная поисковая выдача соответствует незнакомому запросу. И эта метрика действительно была CTR.

Хотя это и не так очевидно, есть еще одна подсказка, предполагающая, что RankBrain отвечает не только за CTR, но и за время ожидания и зависания.

Показатели поведения пользователей, скорее всего, помогут Google адаптироваться к изменениям целей поиска

Общеизвестно, что значение каждого поискового запроса может меняться со временем. И Google, как и другие поисковые системы, должен реагировать быстро, чтобы удовлетворить истинные намерения искателей и предоставить наиболее релевантные результаты в своей поисковой выдаче.

Гипотеза о том, что показатели поведения пользователей могут играть определенную роль в адаптации к изменениям намерений пользователей, логична и поддерживается многими экспертами по поисковой оптимизации.

Во время одной из сессий Live with Search Engine Пит Майерс из Moz прокомментировал это следующим образом:

Идея о том, что то, что происходит с поведением поисковика, не вызывает этих сдвигов, означает, что Google каждый день пишет этот код для каждого намерения, и я не могу поверить, что это происходит.

Пит Майерс, Moz

В первые дни глобальной пандемии такой сдвиг в намерениях искателей произошел с запросами, связанными с Уханем. В то время Google быстро подправил поисковую выдачу, и основное внимание было смещено на результаты, связанные с COVID, а не на общую информацию о городе.

Могу предположить, что это могло произойти из-за всплеска конкретных поисковых запросов, включавших оба ключевых слова — Ухань и COVID-19. Сдвиг мог быть также уловлен алгоритмом Google Freshness. Тем не менее, было бы довольно иррационально со стороны Google не учитывать данные о поведении пользователей, чтобы уловить такие изменения в намерениях искателя.

Поведение пользователей, вероятно, влияет на популярность бренда в локальном поиске

Потенциальное влияние поведения пользователей на поисковый рейтинг в местных поисковых системах является сегодня актуальной темой.

Поскольку поисковые системы все больше основаны на сущностях, вся идея кажется очень логичной.

Вопрос здесь в том, какие факторы используются для оценки релевантности того или иного объекта. Скажем, когда кто-то ищет места, где можно поесть поблизости, как именно Google и другие поисковые системы создают локальную группу или как они решают, кто должен занимать более высокое место на картах?

Мы уже знаем, что этому способствует множество факторов, в том числе близость, локальные ссылки, отзывы и многие-многие другие.

Но может быть, поведение пользователя увеличивает шансы на получение более высоких позиций в локальном поиске?

Возможно.

Скажем, если достаточное количество пользователей выбирает определенный бизнес на картах, а затем нажимает «Маршруты», Google, как и любая другая поисковая система, может воспринять это как вотум уверенности в том, что этот конкретный результат более популярен, чем представленные альтернативы.

Согласно исследованию, которое я нашел, вес поведенческих сигналов в рейтинге локального поиска оценивается примерно на уровне 10%, но многие SEO-специалисты сходятся во мнении, что в будущем он будет только расти:

Я полагаю, что мы и дальше будем видеть больше поведенческих факторов и факторов, основанных на отзывах, в рейтинге. Это медленно, но это, безусловно, самый точный показатель хорошего бизнеса. Поскольку способность Google отличать реальные действия от фальшивых сохраняется, это определенно приведет к лучшим локальным результатам.

Майк Рэмси, Исследование факторов ранжирования в локальном поиске 2020 г.

Поведение пользователей используется (использовалось) для персонализации

Именно здесь Google, главная поисковая система, когда-то подтвердила, что использование поведенческих данных для целей ранжирования имело смысл.

Однако уровень персонализации сегодня очень ограничен, и Google редко пересматривает поисковую выдачу на основе этого фактора. Такие сигналы, как местоположение пользователя, намерение поиска и тип устройства, играют большую роль в формировании SERP.

Является ли поведение пользователя фактором ранжирования?

У нас есть как минимум несколько косвенных доказательств того, что поведение пользователей является фактором ранжирования. Это патент Google, результаты нескольких экспериментов, заявления бывших сотрудников Google и возможные варианты использования, которые я только что указал.

Однако есть несколько вещей, которые мы должны иметь в виду.

Во-первых, патент Google действительно описывает анализ поведения пользователей и использование до мельчайших деталей. Но при этом никто, кроме инженеров Google, не может сказать, действительно ли какой-либо из механизмов был реализован Google на каком-либо этапе.

Во-вторых, большинство экспериментов устарели, и трудно предсказать, будут ли какие-либо репрезентативные результаты, если мы проделаем то же самое сегодня. Однако нельзя забывать, что эти эксперименты в прошлом давали некоторые результаты, и это тоже немаловажно.

В-третьих, мы не можем доказать истинность или ложность заявлений бывших сотрудников Google. Более того, то, что было актуально в то время, когда они работали в Google, сегодня может быть неактуальным.

Наконец, возможные варианты использования, о которых я упоминал ранее, вполне логичны. Но у нас все еще недостаточно исследований, которые показали бы сильную и очевидную корреляцию между поведением пользователей и рейтингом.

В чем я уверен, так это в том, что Google сегодня в значительной степени основан на алгоритмах машинного обучения, и могут быть тысячи сигналов, которые косвенно поддерживают прямые факторы ранжирования. Поведение пользователя вполне может быть в списке.

Трудно измерить, какой реальный вес SEO имеют метрики поведения пользователей, но я все же настоятельно рекомендую вам оптимизировать эти метрики. И дело здесь не в ранжировании, а в пользе, которую ваш сайт получит от такой оптимизации.

Подумайте об этом так: если ваш фрагмент поиска имеет заманчивый заголовок и мета-описание, или если вам даже удалось получить расширенный фрагмент, больше пользователей будут нажимать на него. Следовательно, вы не только получите больше посетителей, потенциальных клиентов и конверсий, но (потенциально) вы также пошлете Google положительный сигнал о том, что определенная веб-страница (или веб-страницы) вашего веб-сайта актуальна и интересна.

Перед тем как уйти…

Во-первых, спасибо, что дочитали мой пост до конца!

Теперь самое интересное. Помните, я говорил, что большинство экспериментов CTR устарели? Я хочу провести свой собственный эксперимент CTR, чтобы дополнить эту статью некоторыми данными из первых рук. Поэтому, если у вас есть свободная минутка, погуглите «как сделать веб-сайт удобным для мобильных устройств» , найдите и нажмите на наше руководство и оставайтесь на странице некоторое время.

По завершении оставьте + в комментариях. Если эксперимент пройдет успешно, я поделюсь с вами результатами в Facebook.

Что показал эксперимент?

Прошло почти два месяца с начала нашего эксперимента с CTR. Из того, что я вижу в Google Search Console, CTR запроса «как сделать веб-сайт удобным для мобильных устройств» вырос на 880% за первые два дня. Однако этот временный всплеск CTR никак не повлиял на рейтинг .

У меня есть два логических объяснения. Во-первых, количество кликов должно быть намного выше, чтобы Google заметил такие всплески. Второй — алгоритмы Google сегодня более сложные, поэтому их не обманешь, искусственно завысив CTR. Я голосую за последнее.

Также не стесняйтесь оставлять комментарии ниже, если вы согласны с моим выводом или если я что-то упустил.

Выявление и прогнозирование факторов, влияющих на рискованное поведение конечных пользователей

Расширенный поиск

Чтобы прочитать этот контент, выберите один из следующих вариантов:

Манал Алохали (Центр безопасности, коммуникаций и сетевых исследований, Плимутский университет, Плимут, Великобритания, и Колледж компьютерных и информационных наук, Университет принцессы Нуры бинт Абдулрахман, Эр-Рияд, Саудовская Аравия)

Натан Кларк (Центр безопасности, коммуникаций и сетевых исследований, Плимутский университет, Плимут, Великобритания, и Институт исследований безопасности, Университет Эдит Коуэн, Западная Австралия, Австралия)

Fudong Li (Портсмутская школа бизнеса, Коммуникации и сетевые исследования, Портсмут, Великобритания)

Стивен Фернелл (Центр исследований в области безопасности, связи и сетей, Плимутский университет, Плимут, Великобритания, и Институт исследований в области безопасности, Университет Эдит Коуэн, Западная Австралия, Австралия)

Информационная и компьютерная безопасность

«> ISSN : 2056-4961

Дата публикации статьи: 9 июля 2018 г.

Загрузки

Аннотация

Назначение

Конечный пользователь часто определяется как самое слабое звено; тем не менее, исходя из того факта, что разные пользователи по-разному реагируют на одни и те же стимулы, выявление причин, лежащих в основе различий в поведении в области безопасности, и того, почему одни пользователи могут подвергаться большему риску, чем другие, является шагом к защите и защите пользователей от атак безопасности. Эта статья направлена ​​на изучение влияния вариаций личностных качеств (с помощью опросника «Большой пятерки» [BFI]) на уровень риска пользователей, связанный с их предполагаемым поведением в области безопасности. Кроме того, анализируются возраст, пол, использование услуг и владение информационными технологиями (ИТ), чтобы определить, какую роль и влияние они оказывают на поведение.

Дизайн/методология/подход

Авторы разработали количественный опрос, который был реализован в режиме онлайн. Двумерная двусторонняя корреляция Пирсона использовалась для анализа ответов на опрос.

Выводы

Результаты, полученные путем анализа 538 ответов на опросы, показывают, что личностные качества действительно играют значительную роль в воздействии на уровни рисков поведения пользователей в плане безопасности. Кроме того, результаты показывают, что оценка черты BFI оказывает значительное влияние, поскольку личность пользователей в Интернете связана с их личностью в реальной жизни, особенно в отношении добросовестности. Кроме того, этот эффект был сильнее, когда личность коррелировала с факторами владения ИТ, полом, возрастом и онлайн-активностью.

Оригинальность/ценность

Вклад этой статьи в два раза. Во-первых, с помощью большой выборки, методы безопасности конечных пользователей оцениваются по нескольким доменам, и были обнаружены взаимосвязи между рискованным поведением конечных пользователей и девятью ориентированными на пользователя факторами. Во-вторых, на основе этих результатов была оценена способность прогнозирования этих факторов, ориентированных на пользователя, для определения уровня риска, которому подвергается пользователь с точки зрения индивидуального поведения. Было обнаружено, что из 28 поведенческих моделей 11 имеют предсказательную способность на уровне 60 % или выше, с наивысшей классификацией в 9 баллов.2 процента за несколько вариантов поведения. Это дает организациям основу для использования поведенческих намерений наряду с личностными чертами и демографическими данными для понимания и, следовательно, управления человеческими аспектами риска.