О ПФ ранжирования в последнее время не говорит только ленивый. Фактически они стали новым SEO-мифом, на монетизации которого строятся целые бизнесы.
Мифологизация пользовательских факторов связана с тем, что критерии и способы их оценки поисковыми системами изучены еще хуже, чем критерии и способы оценки контента и ссылок. Более или менее достоверных сведений о ПФ совсем немного, и большая их часть будет изложена в этом разделе. Кроме того, мы расскажем об использовании «Яндекс.Метрики» для анализа сайта и трафика.
Основные пользовательские метрики
Поисковые системы имеют довольно ограниченные возможности оценки пользовательских и статистических факторов. В том случае, если на сайте не установлен код «Яндекс.Метрики» или Google Analytics, они могут лишь оценить количество переходов по разным запросам и время перехода на другой сайт с той же страницы выдачи либо введение уточняющего запроса. Таким образом, главной метрикой при отсутствии кода является количество переходов со страниц поисковой выдачи и запросы, по которым эта выдача была получена. Пусть это будут метрики 1 и 2.
Метрики 1 и 2 позволяют оценить привлекательность сниппета для пользователя и отчасти – релевантность страниц запросу. Этого явно недостаточно для того, чтобы сделать ПФ существенными для ранжирования.
При наличии кода «Яндекс.Метрики» или Google Analytics возможности соответствующей поисковой системы резко расширяются. Теперь они могут оценить точку входа, время нахождения на странице (метрика 3), переходы на разные страницы в пределах сайта (метрика 4) и вычислить процент отказов, то есть визитов с глубиной просмотра менее двух страниц (метрика 5).
Код WebVisor позволяет получить еще одну чрезвычайно важную пользовательскую метрику – движение курсора по странице и совершенные в пределах страницы пользовательские действия. При наличии такого кода поведение пользователей на станицах вашего сайта перестает быть для «Яндекса» загадкой – необходимо лишь оценить собираемые данные.
Оценка поведенческих факторов для ранжирования
Сайты чрезвычайно многообразны, и поэтому выработать общие критерии эффективности для пользователей абсолютно невозможно. Так, например, убийственно эффективный одностраничник будет гарантированно иметь глубину просмотра не более 1 (и 100 % отказов), а магазин с чрезвычайно запутанной системой оформления заказа будет иметь хорошее соотношение просмотров к хостам – выше, чем у магазина с более удобным и простым оформлением.
Из этого можно сделать простой вывод: универсальных пороговых значений пользовательских метрик не существует. Вместо них используется более сложный метод оценки – создание паттернов поведения.
Самый простой способ создания паттерна пользовательского поведения – выработка задания для фокус-группы. Давая фокус-группе задание выполнить определенные действия на заведомо плохом или хорошем с точки зрения юзабилити сайте и записывая то, что будут делать члены группы, при помощи технологий, аналогичных WebVisor, мы можем составить обобщенную картину действий пользователей. Именно они лягут в основу паттерна, который мы для примера назовем «поиск кнопки Купить на странице неудобного интернет-магазина». Если WebVisor, работающий на реальном сайте, выдаст похожую модель, мы сможем говорить о том, что наш паттерн поведения подходит и, скорее всего, оцениваемый магазин действительно неудобен для пользователей. Это еще не повод понижать его позицию в выдаче, но вкупе с другими пользовательскими метриками (например, переходом на другие сайты, выдаваемые по тому же запросу) алгоритмы могут сделать довольно точные выводы о его ценности для пользователей.
Накрутка пользовательских факторов
В первые месяцы после того, как роль пользовательских факторов резко выросла, их накрутка была чрезвычайно простой. Алгоритмы оценки ПФ были крайне примитивными, и эмуляция элементарных пользовательских действий давала ощутимый прирост позиций в выдаче.
Разумеется, это стало полем для разнообразных злоупотреблений. Некоторые крупные SEO-компании стали использовать накрутку ПФ и смогли добиться определенных результатов. Появились даже биржи по продаже пользовательских действий, на которых каждый мог купить себе тысячи «восторженных пользователей». И многие купили.
Реакция «Яндекса» на злоупотребления была очень жесткой. Сайты с накрученными ПФ были понижены в выдаче. Зачастую они оказывались на гораздо более низких позициях, нежели до начала накрутки (рис. 7.1). Руководство «Яндекса» сделало официальное заявление, из которого следовало, что поисковая система крайне негативно относится к подобным действиям.
Рис. 7.1
После введения санкций началась новая волна злоупотреблений, но уже в обратном направлении. Недобросовестные оптимизаторы начали выбивать из выдачи конкурентов, заказывая накрутку в отношении их сайтов. На определенном этапе это было очень эффективно. Насколько эффективно на момент написания книги, я судить не могу, поскольку никогда не пользовался такими методами. В отношении подконтрольных мне проектов враждебная накрутка пользовательских факторов также не проводилась.
Переходы по ссылкам
Внешние ссылки – не только существенный фактор продвижения, но и источник трафика, подчас немалого. В погоне за высокими позициями об этом почему-то забывают, а зря. В конце концов, именно ссылка, по которой есть переходы, является лучшей рекомендацией сайту. Наша задача – выяснить, как такие ссылки появляются, кто их размещает и как они работают. «Яндекс.Метрика» прекрасно подойдет для этих целей (рис. 7.2).
Это таблица из «Яндекс.Метрики», в которой представлены все внешние ссылки, по которым были переходы. Ссылки сгруппированы по сайтам, что упрощает анализ.
Какую информацию мы можем получить?
□ Адреса сайтов с нашей целевой аудиторией, которая при этом общается и пишет не на нашем портале. Посетители сайтов, страницы которых содержат больше всего ссылок на наш, вероятно, заинтересованы в сайте-доноре больше, чем в нашем. Такие сайты следует внимательно изучить, чтобы узнать, что привлекает и удерживает пользователей.
□ Типы страниц, на которых пользователи могут оставлять ссылки.
□ Материалы, которые представляют наибольший интерес для пользователей. Эти данные позволят нам, во-первых, начать работу над материалами именно такого типа и собрать еще больше ссылок, а во-вторых, продолжить развивать тему, уже доказавшую свою популярность. Для примера: если описание недостатков конкретного станка получило живейший отклик, есть смысл продолжить обсуждать эту тему и разместить отзывы работавших на этом станке и другие материалы. Кроме того, имеет смысл потратить дополнительные ресурсы и опубликовать аналогичные материалы по другим станкам – они также могут «выстрелить».
□ Отказы. Если какая-то ссылка приносит трафик с большой долей отказов, необходимо изучить причину, по которой это происходит. Возможно, страница предоставляет исчерпывающую информацию, и тогда пользователям можно попробовать предложить ссылки на что-то, что также может их заинтересовать. Возможно, страница, напротив, не дает необходимой информации и разочарованные пользователи уходят. В этом случае необходимо изменить контент на странице и сделать его таким, чтобы пользователи не просто дочитали до конца, но и выполнили целевое действие.
Рис. 7.2
Переходы по запросам
Таблица, показанная на рис. 7.3, даст опытному специалисту массу полезной информации.
□ Анализируя трафик и позиции страниц, которые этот трафик обеспечивают, мы можем обнаружить потенциал для быстрого и сравнительно недорогого продвижения. Если запрос начал давать трафик с 9-й или 11-й позиции, имеет смысл приложить усилия к тому, чтобы оказаться в топ-3 и получить по этому запросу гораздо больше посетителей. При этом продвинуть средне– или низкоконкурентный запрос, который уже находится на сравнительно высоких позициях, не составит труда.
□ Список пользовательских запросов представляет собой практически готовый анкор-лист для внутренней перелинковки.
□ Как и в случае с переходами по ссылкам, список переходов по запросам содержит данные о проценте отказов. Анализируя и изменяя контент на целевых страницах, мы можем добиться снижения процента отказов и повышения доли пользователей, совершивших целевое действие.
□ Переходы пользователей по сайту. «Яндекс.Метрика» позволяет отследить движение пользователей по страницам сайта и составить карту основных путей. Зная эти пути, вы можете:
■ построить аналогичные цепочки посещаемых страниц для других разделов, тематик и т. п.;
■ отследить основные нежелательные точки выхода и изменить эти страницы таким образом, чтобы повысить долю пользователей, совершивших целевое действие;
■ найти ошибки в структуре портала, которые не только мешают пользователям, но и ухудшают индексацию или ранжирование.
Рис. 7.3
ИВАН СЕВОСТЬЯНОВ:
«Не стоит пытаться накручивать поведенческие факторы ни самостоятельно, ни через системы, которые предлагают такие услуги. Гораздо правильнее и полезнее заняться улучшением качества сайта и контента на сайте.
"Яндекс.Метрика" является отличным инструментом для улучшения поведенческих факторов и позиций сайта. Моя практика показывает, что этот инструмент часто работает лучше, чем покупные ссылки. Есть много примеров того, что, изменяя содержание страниц сайта на основании анализа данных "Метрики", можно добиться существенного роста позиций даже в конкурентных тематиках.
Очень полезный отчет в "Метрике" – тепловая карта кликов. По этому отчету можно очень быстро понять, интересен контент страницы посетителю или нет. Карта показывает также, какие блоки текста на сайте пользуются популярностью у посетителей.
Применительно к порталам анализ "Яндекс.Метрики" должен быть автоматизирован, так как оптимизатору приходится работать с очень большими сайтами. Как минимум должна быть автоматизирована выгрузка страниц с высоким показателем отказов, чтобы оптимизатор не искал их вручную, а имел возможность оперировать большими объемами данных, выявляя закономерности».
ИВАН СЕВОСТЬЯНОВ:
«Практикум "Улучшаем качество сайта и позиции при помощи "Яндекс.Метрики""
Я рекомендую выполнять задание этого практикума ежемесячно.
Шаг 1. Страницы с высокими показателями отказов. Выгружаем список страниц с показателями отказов больше 50 %. Если страниц очень много, возьмите топ-20. Анализируем контент страниц. Формулируем список рекомендаций. Внедряем. Анализируем, как меняются показатель отказов и позиции.
Шаг 2. Тепловая карта кликов. По страницам с высокими показателями отказов смотрим тепловую карту кликов. Лучше брать выборку за 1-3 месяца: статистика будет достовернее.
Шаг 3. "ВебВизор". Изучаем, как взаимодействуют пользователи с сайтом. Ищем ошибки. Формируем рекомендации по устранению. Анализируем, что получилось.
Время на выполнение – 1-2 недели.
Вопросы и мысли присылайте на [email protected]».
