|
|
|
|
|
В среде веб мастеров уже давно гуляют слухи о существовании зависимости между социальными сигналами и ранжированием. Исследования, посвященные этой теме, показали наличие связи между социальными сигналами и ранжированием, но доказательств что это связь является причинно-следственной предоставлено не было.
Я решил провести свое собственное исследование, что бы проверить наличие связи между названными категориями.
У меня есть серьезные подозрения, что написанное мною могут неправильно интерпретировать, поэтому сразу хочу обозначить, что я имею ввиду, а самое главное, что я НЕ имею ввиду.
Я утверждаю:
Социальные сигналы могут быть связанны с улучшением позиций, но не обязательно являться причиной.
Лайки Фейсбука и ранжирование тесно взаимосвязаны, но не факт что именно лайки положительно сказываются на ранжирование.
Я никогда не говорил, что:
Лайки не имеют влияние.
Лайки не являются фактором ранжирования.
Лайки мертвы.
Провести это исследование было плохой идеей.
На чем это основано?
С использованием Excel я построил модель, показывающую изменение в ранжировании при увеличении числа лайков. В своем исследовании я пошел от противного и предположил, что лайки НЕ являются фактором ранжирования. Тем не менее я обнаружил очень сильную зависимость между количеством лайков и позициями.
Почему именно лайки?
Моделирование работает одинаково хорошо с любым из социальных сигналов. Я выбрал лайки, что бы быть более конкретным. Можно построить такую же модель с твитами, + 1 или любыми другими формами социального одобрения.
Начнем с самого начала.
Каждый раз, когда я вижу подобные исследования, я убеждаюсь что многие люди не совсем верно разграничивают категории причины и следствия. Что поделать, знание статистических корреляций у большинства людей находится на нулевом уровне, а интуиция как правило подводит, когда речь заходит о теории вероятности и математической статистике. (Не верите? Ознакомьтесь с парадоксом Монти Холла).
На что направлено это исследование?
Когда речь идет об исследовании корреляции (взаимосвязи), вы можете вообразить, что мы ищем зависимость. На самом деле нет, речь всего лишь идет о что, 2 явления происходят одновременно в одном месте.
В контексте нашего исследования, я хотел выяснить: есть ли связь между социальными сигналами и высокими позициями.
Теперь самое интересное. Человеческий мозг - удивительный прибор для нахождения взаимозависимостей. Вы даже представить себе не можете, сколько людей верят в то, что определенная пара носков приносит им удачу. Особенно это касается спортсменов. Следите за логикой:
Надел новую пару носков. Победа.
Продолжаю носить те же носки. Победа.
Носки больше невозможно носить и они отправлены в стирку. Проигрыш.
Носки успешно выстираны и высушены. Победа.
С этих пор «счастливая» пара носков будет носиться вечно.
Давайте взглянем на это более скептически. Существуют ли какие-либо другие объяснения этой последовательности событий? Предположим, что это хороший спортсмен и выигрывает примерно в 75% игр. Представим так же, что носки не обладают магической силой (простите, если разочаровал) и никак не могли повлиять на результат. .Вероятность проигрыша в одной из 4 игр в сочетании с определенной парой носков составит: 0.75 x 0.75 x 0.25 x 0.75 = 0.11
Таким образом, 1 из 10 пар носков будет всегда приносить удачу. Даже если человек ознакомится с этими расчетами, он будет продолжать носить эти носки. Просто на всякий случай.
Учитывая это пример, нам надо быть очень осторожными в терминах, когда речь идет о взаимосвязи случайных величин. Исследования проведенные SEOmoz и другие показали. положительную корреляцию (с возрастанием одного показателя увеличивается и другой). Другими словами, мы можем с уверенностью говорить о наличие зависимости между
социальными сигналами и ранжированием.
Взаимосвязь ≠ взаимозависимость.
Если 2 явления происходят одновременно в одном месте, это не означает, что одно явилось причиной другого. Например, продажи мороженного возрастают одновременно с продажами крема от загара. Но при этом, ни одно из явлений не вытекает из другого. И то и другое обусловлено жаркой погодой. Судить о наличие причинно-следственной связи особенно трудно, когда ни в наших силах повлиять на одну из переменных (в нашем примере на жаркую погоду).
Важное дополнение: высокая степень корреляции не обязательно говорит о наличие причинно-следственной связи. Это одно из распространенных заблуждений касаемо соц. сигналов и ранжирования. Люди говорят: «Корреляция очень высока, следовательно социальные сигналы являются фактором ранжирования.»
На самом деле, из полученных результатов можно сделать 3 вывода:
1.Социальные сигналы действительно являются фактором ранжирования ( и весьма существенным).
Компания Searchmetrics недавно провела собственное исследование в этой области и пришла к выводу, что социальная активность в Фейсбуке, Твиттере и Гугл + очень часто коррелирует с высокими позициями в индексе Гугл.
Коэффициент корреляции отложен на горизонтальной оси. Большие значения иллюстрируют позитивную корреляцию (чем больше, тем лучше), тогда как меньшие значения - негативную.
Можно утверждать, что сильнейшая позитивная корреляция наблюдается в случае с шерингом на Фейсбуке. Что касается негативных значений, то характерной является корреляция с длиной заголовка: чем короче заголовок, тем лучше позиция.
Данные для исследования собирались в феврале и марте 2012 года. В результатах, таким образом, отражено влияние ряда обновлений алгоритма Панда, которые существенно повлияли на результаты с момента введения в силу в 2011 году.
2.Повышение позиций приводит к повышению соц. активности.
Рассмотрим это на конкретном примере.
Кликните по ссылке.
Ничего удивительного, что эта статья получила тысячи твитов и лайков.
3.Существуют скрытые факторы (своего рода сигналы говорящие о качестве страницы) одновременно влияющие и на ранжирование и на социальную активность.
Исследование Дэна Зареллы, посвященное взаимосвязи между социальными сигналами и ссылками, не отрицает этого, поскольку мы наблюдает очень тесную взаимосвязь между ними.
Всякий раз, когда поднимается эта тема, находятся люди сомневающиеся, что факторы о которых говорится в пунктах #2 и #3 достаточны сильны для оказания какого-либо влияния.
Лично мне кажется, что гипотеза из пункта #2 вполне вероятна. Я основываюсь на предположении, что «лайки порождают лайки» и с течение времени, незначительные факторы способны аккумулироваться и оказывать значительное влияние.
Вот почему я решил проверить это предположение и построить возможную модель. Почему я говорю возможную? Потому что я собираюсь упростить ее и не принимать во внимание целый ряд факторов, имеющих место быть в реальном мире. Надеюсь, эти упрощения не сильно повлияли на полученные результаты. Изначально, я предположил, что эти факторы не достаточны сильны и затем стал строить модель, которая должна опровергнуть или подтвердить мою гипотезу.
Я построил эту модель в Excel (осторожно, макросы). Она основана на нескольких предположениях (исключая предположение о наличие зависимости между соц. сигналами и ранжированием) — вы сами можете все это увидеть на странице "Input".
Вот что я получил в соответствие с распределением Пуассона.
.png)
Распределение вероятностей Пуассона.
Эта формула показывает распределение лайков во временной последовательности для каждой страницы Каждая модель работает в течение 36 периодов. Каждое обновление Excel вызывает изменения сценария, что выражается в изменение коэффициента ранговой корреляции Спирмена в конце каждого периода.Этот же инструмент (Коэффициент ранговой корреляции Спирмена) использовался в исследованиях SEOmoz и Searchmetrics.
На графике вы наглядно видите, как увеличивается количество лайков.
.png)
Впоследствии, я повторял этот эксперимент сотни раз, что бы убедиться в достоверности корреляции. Если вы сами захотите все проверить, там есть встроенный макрос.
Итоговое соотношение 0,44.
Полученный мною результат в действительности оказался даже выше, чем в других исследованиях. Поскольку в своем исследовании я не затрагивал причинно-следственную связь, вопрос о влиянии социальных сигналов на ранжирование остается открытым. Разные факторы могут влиять на результаты поисковой выдачи, многие могут иметь взаимосвязь, но сами по себе они при этом не обязательно являются причинами повышения или понижения позиций сайта. (Напоминаю, вы можете применить эту модель к любым другим социальным сигналам, как твиты, +1, шеринг, комментарии, которые являются свидетельством интереса пользователей к сайту).
Буду рад любым вашим замечаниям или предложениям.
Оригинал статьи на английском языке:http://www.seomoz.org/blog/do-improved-social-signals-cause-improved-rankings |
|
|
|
|
|
Спасибо, хорошая статья  |
|
|
|
|
|
| Я так и не понял, влияют соц. сигналы на ранжирование или нет? |
|
|
|
|
|
| Лик писал(а): |
|
Я так и не понял, влияют соц. сигналы на ранжирование или нет?
|
Автор статьи склоняется к тому, что напрямую они не влияют. Точнее говоря, он пишет, что наблюдаемую взаимосвязь между соц. сигналами и ранжированием можно объяснить тем, что контент, который обсуждают, лайкают, шарят, твитят и т.п. привлекает естественные ссылки и ранжируется за счет старой доброй ссылочной массы. |
|
|
|
|
|
| Читал про подобное исследование, как оказалось, наибольший вес придается шерингу в Фейсбуке и менее всего влияют твиты. |
|
|
|
|
|
|
|
|
