ستساعدك المقالة التالية: كيفية تحليل خوارزمية جوجل: الرياضيات والمهارات التي تحتاجها
“هل تريد إنفاق المال على الإعلانات أو حل هذا الصندوق الأسود؟”
ساعد هذا السؤال (التقريبي) في تحديد مسار مسيرتي المهنية منذ أكثر من 10 سنوات حتى أصبح مُحسن محركات البحث (SEO) الذي أنا عليه اليوم.
لقد اخترت هذا المسار لأنني أحب العمل على التحديات والبحث تحت الغطاء عن الأسباب التي تؤدي إلى حدوث شيء ما.
السعي إلى حل إجابة الحياة والكون وكل شيء بمساعدة Google Deep Thought كـ 42 ثم التحقق مرة أخرى من أن لدي السؤال الصحيح (حرق: إنه ستة ضرب تسعة) هو ما يثير اهتمامي بتحسين محركات البحث.
وما دفعني للعمل على هذه المقالة هو المناقشة الرائعة حولها جيف فيرجسونحول ما إذا كان لدينا الرياضيات اللازمة لفك تشفير خوارزمية Google، وإذا كان الأمر كذلك، فما الذي تحتاجه الصناعة؟
الشيئين المطلوبين
لذا، بالنسبة لأولئك الذين يعرفونني، لن يفاجأوا عندما يرون أنني أقف ضد الرأي القائل بأن تحليل الارتباط الأساسي، حتى مع استخدام معامل سبيرمان، يكفي لتحليل خوارزمية جوجل.
منذ بلدي عرض SMX East لعام 2011لقد دعوت علنًا إلى استخدام الانحدارات المتعددة الخطوط كحد أدنى لكيفية تحليل ما يهم.
هناك طرق إحصائية متقدمة أخرى، سواء كان ذلك التعلم الآلي أو الشبكات العصبية، لها دورها الذي تلعبه.
لكن في هذه المقالة، سأركز على الانحدارات.
أحد التحذيرات المهمة لاستخدام الأساليب الإحصائية هو أن الأداة في حد ذاتها أو التي يتم تطبيقها في النهاية لا تعتبر في حد ذاتها دراسة جيدة.
وهنا يأتي دور مهارات تحليل البيانات الصحيحة مع خبرة تحسين محركات البحث (SEO).
كما رأينا مرارًا وتكرارًا في تحليلات كوفيد-19، فإن مجرد الحصول على خلفية محلل بيانات لا يكفي للادعاء بأنه يمكن للمرء حل التحديات في وسط أو Twitter نشر على خبراء علم الأوبئة.
وبينما قليلة قد يبدو أنه يساعد في تقديم أفكار قيمة لمشاركتها، الأغلبية الغالبة تذهب بدونها الحذر الشديد مع التواضع السماح بانتشار المعلومات الخاطئة.
أحتاج أن أذكر الصناعة بما يحدث متى تنتشر المعلومات الخاطئة حول تحسين محركات البحث (SEO) في الأخبار من قبل خبراء غير البحث؟
“أنا لست إحصائيا، ولكن…”
طيب، ما الذي يمنحني الحق في الإشارة في اتجاه الإحصاء المتقدم للدراسات؟
حصلت على درجة الماجستير في العلاقات الدولية مع التركيز على الاقتصاد الدولي حيث تعلمت الاقتصاد القياسي واستمتعت بتمزيق أوراق الاقتصاد القياسي المتعلقة بالاقتصاد الصيني.
هناك سبب لماذا ستجدني Twitter تمزيق دراسات ارتباط تحسين محركات البحث (SEO) عند ظهورها.
إذن، لماذا التراجعات؟
أولا وقبل كل شيء، لم يعد الأمر يتعلق بتحليل مقياس واحد بمعزل عن غيره.
وبدلاً من ذلك، يتعلق الأمر بمقاييس متعددة قد تتفاعل أيضًا مع بعضها البعض بشأن ما يمكن أن يؤثر على التصنيفات.
وهذا يتطلب استخدام الانحدار متعدد الخطوط على الأقل في هذه النقطة وحدها.
أبعد من ذلك، فإن الابتعاد عن التركيز على مقاييس فردية وبدلاً من الحديث عن العوامل المتعددة يدفع مُحسنات محركات البحث إلى التفكير على نطاق أوسع حول مجموعة شاملة من المقاييس للعمل عليها لتحسين التصنيف.
وعلى الجانب الآخر، فإن هذا يعطي الأولوية للعمل حيث أن 1000 مقياس قد يبدو أمرًا شاقًا، ولكن إذا كان أكثر من 900 مقياس بالكاد يحرك الإبرة بنسبة 0.1%، فإن اليقين بشأن المقاييس التي يجب العمل عليها يؤدي إلى تسريع مهام التحسين.
علاوة على ذلك، فإن استخدام السلاسل الزمنية مع تحليلات الانحدار (حيث يقوم المرء بتحليل العوامل خلال فترة زمنية محددة وليس عند نقطة محددة) يمكن أن يساعد في تسهيل التغييرات اليومية أو الأسبوعية للتركيز على المجالات الأساسية، مع توفير نظرة ثاقبة ما هي تحديثات الخوارزمية الرئيسية التي تحولت.
وبالنسبة للوكالات التي تسعى إلى اكتساب المصداقية، فابحث في المجالات العلمية عن كيفية إجراء تحليلات الانحدار في المجالات المعقدة. على سبيل المثال:
وعلى الرغم من ندرة ذلك، إلا أنه يتم إرسال طلبات محددة لـ الأوراق البحثية SEO تعال للدخول
مهارات التحليل الجيدة مهمة
ومن المنطقي أن إعطاء شخص ما أداة دون التدريب المناسب لا يعني أن هذا سيؤدي تلقائيًا إلى نتائج جيدة.
ولهذا السبب فإن امتلاك العقلية الفضولية الصحيحة التي ترغب في التعمق (مثل المستخدم القوي) ووضع البيانات من خلال الجرس سوف يكمل الأداة الإحصائية المتقدمة.
وستعمل هذه العقلية على تحديد:
- ما هي البيانات التي يجب جمعها.
- ما لديه جودة الاتجاه.
- والتي يجب إزالتها قبل أن يبدأ التحليل.
إنه معيار أساسي يتطلب بعض الخبرة في تحسين محركات البحث (SEO) خاصة للتعرف مسبقًا على المقاييس التي قد تكون السبب الأساسي وكيفية تجنب التحيز حول التركيبة السكانية والموسمية ونية المشتري وما إلى ذلك.
والحصول على تجربة تحسين محركات البحث هذه يعني أيضًا أن التحليل لديه فرصة أفضل لإدراج نتائج جديرة بالاهتمام آثار التفاعل للتحليل، خاصة عندما لا يُنظر إلى التحسين المعزول على أنه بريد عشوائي ما لم يتم إجراؤه بالتزامن مع تكتيكات أخرى. (على سبيل المثال، نص أبيض في فقرة كبيرة على خلفية بيضاء دون أن يتمكن المستخدم من رؤيته)
علاوة على ذلك، فإن معرفة أن Google لا تستخدم خوارزمية واحدة متجانسة يعني أن أي تحليلات ستحتاج إلى تضمين فئات أو مجموعات، سواء كان ذلك عن طريق:
- نية الكلمة الرئيسية.
- حجم البحث.
- مناصب الترتيب.
- الصناعات.
- إلخ.
وهذا سبب إضافي لمراجعة مخطط تشتت البيانات للتأكد من عدم وجود مشاكل مثل:
- التغايرية: البيانات التي يتم توجيهها إلى الخارج بسبب عدم تكافؤ التباين.
- مفارقة سيمبسون: مجموعتان مختلفتان من السكان تظهران نفس الاتجاه، وعندما يتم دمجهما معًا يؤدي إلى الاتجاه المعاكس.
لذا، فإن المخططات المبعثرة أو المخططات الطولية ضرورية في هذه التحليلات كوسيلة لإظهار أن الدراسة تجنبت المشكلات الإحصائية الشائعة.
مع النتائج، وتوفير أ تنسيق نتيجة الانحدار القياسي يساعد أصحاب الخلفيات الإحصائية على مراجعة الاستنتاجات بسرعة وسهولة دون الحاجة إلى تشغيل الانحدار بشكل منفصل فقط للتحقق مرة أخرى من المطالبة بالنتائج.
لأن جزءًا مهمًا من الدراسة الإحصائية، والفشل الشائع على مدار العديد من دراسات تحسين محركات البحث التي يتم الترويج لها علنًا، هو أن التفسيرات بعيدة كل البعد عن أن تكون معقولة.
في كثير من الأحيان يتم استخدام الادعاءات الساذجة كطعم رابط بدلاً من التوضيح لمجتمع تحسين محركات البحث.
كثيرا ما أسأل نفسي عندما أتعمق في هذه الدراسات:
- هل تستبعد مجموعة البيانات القيم المتطرفة المحتملة مثل ويكيبيديا أو Amazon؟
- كيف تتعامل الدراسة مع التجانس الداخلي حيث يؤثر التصنيف على نسبة النقر إلى الظهور إذا كان الادعاء هو أن نسبة النقر إلى الظهور تؤثر على الترتيب؟
- هل الادعاء الخيالي بأن حركة المرور المباشرة تؤثر على التصنيفات لديه دليل استثنائي لدعمه؟
- لماذا تظهر التصنيفات على المحور السيني؟ حسنًا، هذا الأخير هو أكثر ما يثير غضب حيواني الأليف.
وهنا يأتي دور مراجعة النظراء.
يعد التحقق مرة أخرى من عمل الشخص بحثًا عن عدم الدقة أمرًا واحدًا.
تأخذ مراجعة النظراء الأمر إلى مستوى آخر من خلال المساعدة في العثور على النقاط العمياء، وتحدي الافتراضات المقدمة، وتحسين جودة الدراسة، وتحديد مدى ملاءمة العمل ليثق به مجتمع تحسين محركات البحث الأكبر.
كل هذا دفعة واحدة؟
في عالم مثالي، نعم!
في الواقع، من المحتمل أن يستغرق الأمر بضع خطوات (وعثرات) للوصول إلى هناك.
وأنا والعديد من مُحسّنات محرّكات البحث ذات التفكير الإحصائي، لا نطلب اتباع مثال واحد.
لتوليد أفكار نموذجية، قم بإلقاء نظرة على:
يرى هوليا كوبانمقالة عن كيفية كتابة دراسة الانحدار كذلك استخدم Python لتشغيل نموذج الانحدار الخطي.
هذا هو المكان الذي يجب أن تتجه إليه صناعة تحسين محركات البحث (SEO) إذا أردنا حقًا أن نفهم حقًا ما يحدث في خوارزمية Google، وبناء أساس متين من الثقة في الدراسات، وإيقاف المعلومات المضللة هناك.
ماذا عن هذه الدراسة التي…
حسنًا، هذا يعتمد.
أو بتعبير أدق، هناك استثناءات مقبولة وبعضها بارز النقاط المضادة بواسطة روس جونز يجب أن يؤخذ ذلك في الاعتبار عندما تكون لدراسات الارتباط ومقاييس البرامج قيمة.
ليس لدي أي شيء ضد الاستخدام الخاص لدراسات الارتباط لإنشاء حالة استخدام تجاري داخلي.
يكون في ذلك.
الوقت ثمين في عالم الأعمال، لذا استخدم ما تستطيع وامتلكه إذا فشلت.
في المجال العام، تم التفكير جيدًا في الدراسات القليلة الجديرة بالاهتمام من خلال الاستخدام الإطار التحليلي الصحيح مع العناية الكتابية المناسبة أو التركيز على التغييرات السنوية في Google SERPs.
والمقالات التي تسلط الضوء على المنهجية مع شفافية البيانات تتطلب الثناء المستحق لكونها منفتحة.
بشكل منفصل، هناك دراسات اختبارية مباشرة لتحسين محركات البحث من خلال أدوات مثل SearchPilot.
هذه أكثر تنظيماً من الناحية الرياضية وقد عملت مع المطورين على بنائها داخليًا وعرضت قيمتها علنًا منذ عام 2011.
إذن أعمال هذه الدراسات من باستخدام عناوين PPC لتحسين محركات البحث إلى التجارب التي أجريت على Pinterest تعد نقطة انطلاق رائعة إذا كان لديك القدر الهائل من حركة المرور التي تتطلبها.
دعونا نتحرك للأعلى
وبعيدًا عن ذلك، تعد الأساليب الإحصائية المتقدمة ومهارات تحليل البيانات القوية مع خبرة تحسين محركات البحث أمرًا ضروريًا لتحقيق ما تحتاج الصناعة إلى تحقيقه.
وهناك ما يكفي من مُحسّنات محرّكات البحث (SEO) ذات التفكير الإحصائي والمستعدة للمساعدة والمراجعة وتقديم الاقتراحات لجعل الدراسات موثوقة.
نعم، هناك الكثير من انتقادات شديدة في Twitter الخيوط بواسطة مُحسنات محركات البحث هذه كلما ظهرت دراسة جديدة، ولكن من باب الاهتمام بسمعة الصناعة لمنع سوء فهم نقطة الدراسة مما يدفع تحسين محركات البحث الضعيفة ورغبة الآخرين في تعلم كيفية تحليل نظام معقد بشكل أفضل.
وبينما أ نموذج الانحدار متعدد الخطوط ليس مثاليًا نظرًا للحاجة إلى الاعتماد على البيانات التاريخية ومقدار الصيانة بمرور الوقت والتي يمكن أن تؤدي إلى تحيز في النتائج، فإنها لا تزال خطوة في الاتجاه الصحيح لتصبح صناعة تحسين محركات البحث (SEO) أكثر تفكيرًا إحصائيًا.
ضع بإيجاز…
إذا كان لديك الكم الهائل من البيانات (بالإضافة إلى الوقت والموارد) المطلوبة للقيام بذلك بشكل صحيح وتريد أن تصبح أول وكالة أو مستشار لتحسين محركات البحث، وما إلى ذلك، للقيام بذلك في الصناعة، فإليك ما هو مطلوب:
- نموذج إحصائي متقدم مثل الانحدارات المتعددة الخطية.
- عقلية فضولية مع خبرة في تحسين محركات البحث.
- مجموعة كبيرة من المقاييس، تم تقليل حجمها بواسطة تلك ذات الجودة الاتجاهية.
- مقاييس التفاعل.
- مجموعات وفئات البيانات.
- مدة زمنية تزيد عن اسبوع .
- تمت مراجعة التجانس الداخلي والتغاير والتحيزات الأخرى.
- تتم إزالة القيم المتطرفة للبيانات، إن وجدت.
- وأوضح المنهجية.
- تم عرض العمل باستخدام مخططات التشتت وتنسيقات بيانات الانحدار.
- المطالبات مدعومة بكمية كافية من الأدلة.
- البيانات والتحليلات التي يراجعها النظراء.
المزيد من الموارد:
