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。
本文来自投稿,不代表重蔚自留地立场,如若转载,请注明出处https://www.cwhello.com/59251.html
如有侵犯您的合法权益请发邮件951076433@qq.com联系删除