Мета-анализ CTR со страниц с естественными результатами поиска

Майк Бакстер

Оригинал: Meta-Analysis of CTR from Natural Search Results

Основная идея: показатель переходов (CTR) с разных позиций в топ-10 результатов поиска может быть предсказан с помощью формулы:

CTR (%) = 0,59 × позиция^−1,94.

Новые данные о показателе переходов (CTR) с различных позиций в естественных результатах поиска всегда сопровождаются потоком сообщений и комментариев от SEO-сообществ. Когда AOL обнародовала данные о количестве переходов из результатов поиска своих клиентов, несколько блоггеров немедленно ухватились за эту возможность для изучения. Совсем недавно Вандерман представил данные о показателях CTR на мероприятии о рекламных технологиях Ad-Tech, и пост с этой информацией набрал 26 комментариев. Подобный интерес неудивителен, поскольку такие данные могут помочь клиенту оценить коммерческую ценность попадания в топ-10, топ-3 или на вершину топа в поисковых системах. Более удивительно то, что нет окончательно принятой информации по CTR с различных позиций на страницах результатов поиска. Из 26 упомянутых выше комментариев к докладу Вандермана 15 ставят под сомнение или уточняют саму информацию, ее источник, аргументированность или ценность.

Мета-анализ

Одна из возможностей построения окончательных данных по этой теме — мета-анализ. Принцип, заложенный в его основе, звучит так: «Обычно истина находится среди многих приближений». Повторный анализ данных из нескольких источников позволит определить тенденции с большей точностью (эффект отклонений в отдельно взятом наборе данных будет сведен к минимуму) и с большей уверенностью (поскольку используются несколько наборов данных, собранных независимо друг от друга).

В ходе интернет-исследования были обнаружены пять наборов данных по показателям переходов со страниц с результатами поиска:

Данные из этих источников были сведены воедино, нормализованы (проценты пересчитаны только для топ-10 естественных результатов поиска), а затем проанализированы с помощью статистической программы SPSS.

Преимущество этих наборов данных (случайное!) заключается в их разнообразии: два набора — из журналов транзакций, два — из научно-исследовательских работ, а еще один — из Google Analytics. Они также варьируются в количестве примеров: от пары сотен до нескольких миллионов. Закономерности, найденные в таких разнообразных данных, имеют все шансы на последующее широкое применение.

Результаты

График, приведенный ниже, показывает процент переходов для топ-10 естественных результатов поиска из пяти наборов данных, а также наиболее подходящую линию регрессии для представленных показателей.

Влияние позиции в результатах поиска на показатель переходов (CTR):

Регрессионный анализ приводит к наиболее походящей формуле показателя переходов:

CTR (%) = 0,59 × позиция^−1,94 (R² = 0,96; p < 0,001).

Интерпретация и использование

Учитывая разнообразие источников, можно считать полученный уровень закономерности в пределах имеющихся данных устойчивым. Невозможно привести точные значения расхождений, потому что каждый элемент данных в отдельности является средним числом с неизвестным уровнем отклонения. Однако даже без этого можно предсказать, что перемещение в результатах поиска с 10-й на 3-ю позицию увеличит показатель переходов примерно десятикратно, а последующий переход на 1-е место увеличит CTR ещё в 8 раз. Объединение этой модели с данными о емкости поиска позволяет оценивать фактические показатели посещения. Например, учитывая, что за июнь в Великобритании на Google было подано 450 000 запросов «цифровая камера», мы можем оценить, что сайт, в настоящее время расположенный на 5-й позиции в результатах поиска, мог бы привлекать дополнительные 57 500 посещений в месяц, если бы поднялся до 2-й позиции (информация о емкости поиска из Google Keyword Tool).

Пока не появятся дополнительные данные, ожидается, что эта модель ляжет в основу промышленного соглашения об общей взаимосвязи между позицией в результатах поиска и показателем переходов (CTR).

Перевод: Владимир Квасников

Другие статьи