数极客首页

干货 | 数据分析与SEO分析

看过本《大数据时代》,里面提到个很有意思的例子:以前美国爆发流感,一家专业的医疗机构使用传统的普查方法,来调查疾病的传播情况。这种方法有许多劣势,比如成本很高,也需要几周这么长的时间才能准确的把握疾病的传播现况。

而同时Google公司也采用了一种调查方法。它利用自己现有的搜索数据,看哪个洲的用户搜索疾病症状相关词的趋势发生了变化,从而估算疾病已经传播到了哪里。

最终证明,Google的估算方法准确率也非常高,同时不需要什么成本。且最关键的是,它能及时性的了解疾病的传播情况,大幅便于人们防范准备。

该书中没提到的是,又何况是Google公司才能做到这样的分析,借助于搜索引擎的开放数据,比如最典型的Google Trends与百度指数,几乎任何人都可以做到此般的分析。唯一的前提,就是具有数据分析的意识。

遇到过许多PM,他们为了流量的提升预期,找SEO寻求帮助。

其中不乏一些思路很清晰的PM,一开始就把业务线的来源流量进行拆分,如多少百分比是自有流量、多少是导航站流量、又多少是SEO流量。这一步他们清晰化了,SEO对他们的重要性如何。

之后他们继续分解,SEO带来的流量中,多少着陆页是列表页、多少是详情页,各自对应的访问深度(Pages/Visit)又是多少。在这一步,他们明确了希望重点强化SEO的页面类型,及期望流量被引导的方向。

最终,仅是通过数据的几次细分,他们就将抽象的流量提升意图,具体成了明确改进需求。尤对于大公司的跨部门协作而言,越清晰的需求代表着越高的靠谱几率,模糊的需求容易被应付了事(当然只是说整体客观情况,不是说我们SEO部门)。

数据细分,是分析一整件事情中哪块更重要,并将要做的事情清晰化的有力手段。

数据对比分析,也是一个常用的利器。

比如说招聘,它的需求有非常明显的季节性,春节前后分别对应低谷高峰,此时百度上面招聘类的搜索量也会随之极大幅度的起伏。因此正常情况下,此类SEO流量也会跟着节前少、节后多。

但是凡是人总有个坏毛病,看到好事容易觉得是理所当然的,看到坏事就立马神经绷紧了。节前招聘类SEO流量下降,那绝对有人会紧张。哪怕可能已经考虑到季节性因素了,看着流量趋势图也挺可能会想,是不是降的太多了点啊?

好吧,为了抚平自己或他人的不安情绪,就需要进行数据分析,看流量的下降是否除了季节性因素之外还有其他因素。

分析的方法可以有很多,比如排除搜索量因素后,看收录、排名、点击率三个指标有没有变动;或者分析大量行业词的搜索趋势变化。这里只说我常用的最简单的方法:

假如说网站是智联招聘,取来源关键词包含“智联”的作为“品牌词流量”,不包含“智联”的作为“常规SEO流量”。

因为:常规SEO流量 = 收录 x 排名 x 点击率 x 搜索量

但品牌词流量基本不受收录影响、排名固定接近第一、点击率也差不多是100%固定的,所以可以推出:品牌词流量 = 搜索量

因此品牌词流量的变化,可以用来度量搜索量的起伏。通常情况下,如果常规SEO流量的变化趋势和品牌词流量差不多,那么季节性因素往往是引起流量波动的主要原因。

当然还有少数情况,比如网站进行大规模推广可能让品牌词流量大幅提升;网站加入导航站、购买品牌词PPC等可能导致品牌词流量一定程度下降。在这些特殊情况下,上述分析方法就不能用了,需要自行鉴别,不能全靠死板的数字。

只要有了分析的方向,其他相对而言都不是太大的问题。尽管涉及到SEO,各类不同数据的获取渠道都不尽相同,显得很麻烦,但毕竟也都是具有确定性的技术活。

我们要解决什么问题、要从何切入去解决、数据在整个过程中能扮演怎样帮助我们的角色,这是需要用最多时间去思考的。

给大家推荐我国新一代大数据用户行为分析与数据智能平台:数极客(https://www.shujike.com),是支持无埋点、前端埋点、后端埋点、API导入四种混合数据采集方式,整合分析用户行为数据和业务数据,可以自动监测网站、APP、小程序等多种渠道推广效果分析,是增长黑客们必备的互联网数据分析软件。数极客支持实时多维分析、漏斗分析、留存分析、路径分析等十大数据分析方法以及APP数据分析网站统计网站分析小程序数据统计用户画像等应用场景,业内首创了六种提升转化率的数据分析模型,是数据分析软件领域首款应用定量分析与定性分析方法的数据分析产品

发表评论

评论已关闭。

相关文章