Последнее десятилетие ознаменовало переход в SEO от анекдотических лучших практик, основанных на таблицах, к подходу, в большей степени основанному на данных, о чем свидетельствует все больше и больше специалистов по SEO, изучающих Python.

По мере увеличения количества обновлений Google (11 в 2023 году) эксперты по SEO признают необходимость более ориентированного на данные подхода к SEO, и структуры внутренних ссылок для архитектуры веб-сайтов не являются исключением.

В предыдущей статье я описал, как внутренние ссылки могут быть более управляемыми данными, предоставляя код Python для статистической оценки архитектуры сайта.

Помимо Python, наука о данных может помочь специалистам по SEO более эффективно раскрывать скрытые закономерности и ключевые идеи, чтобы сигнализировать поисковым системам о приоритете контента на веб-сайте.

Наука о данных — это пересечение кодирования, математики и предметных знаний, где в нашем случае предметом является SEO.

Таким образом, хотя математика и программирование (неизменно на Python) важны, SEO ни в коем случае не утратило своей важности, поскольку невероятно важно задавать правильные вопросы о данных и инстинктивно чувствовать, «выглядят ли цифры правильно».

Согласуйте архитектуру сайта для поддержки контента с дополнительными ссылками.

Многие веб-сайты структурированы как рождественская елка: домашняя страница находится вверху (она самая важная), а остальные страницы расположены в порядке убывания важности на следующих уровнях.

Для специалистов по SEO среди вас: вы хотите знать, как выглядит распределение ссылок с разных точек зрения. Это можно визуализировать несколькими способами, используя код Python из предыдущей статьи, в том числе:

• Глубина сайта.
• Тип содержимого.
• Внутренний PageRank.
• Ценность конверсии/продаж.

Блок-график эффективно показывает, сколько ссылок «нормально» для данного веб-сайта на разных уровнях веб-сайта. Синие прямоугольники представляют собой межквартильный диапазон (т.е. 25-й и 75-й квантили), в котором расположена большая часть (а именно 67%) входящих внутренних ссылок.

Представьте себе колоколообразную кривую, но вместо того, чтобы смотреть на нее со стороны (как на гору), посмотрите на нее, как на птицу, летящую над головой.

Например, на диаграмме показано, что для страниц на два уровня ниже домашней страницы синий прямоугольник указывает, что 67% URL-адресов имеют от пяти до девяти входящих внутренних ссылок. Мы также видим, что это значительно (и, возможно, неудивительно) намного ниже, чем у страниц, которые находятся всего в нескольких шагах от домашней страницы.

Толстая линия, пересекающая синий прямоугольник, представляет собой медиану (50-й квантиль) и представляет собой среднее значение. В приведенном выше примере медиана входящей внутренней ссылки равна 7 для страниц уровня сайта 2, что примерно в 5000 раз меньше, чем на уровне сайта 1. страницы!

Обратите внимание: вы можете заметить, что осевая линия видна не для всех синих прямоугольников. Причина этого в том, что данные искажены (т. е. обычно не распределены по колоколообразной кривой).

Это хорошо? Это плохо? Стоит ли беспокоиться SEO-профессионалам?

Специалист по данным без знаний SEO может прийти к выводу, что было бы лучше восстановить баланс, определив распределение внутренних ссылок на страницы по уровням сайта.

Исходя из этого, например, для всех страниц, которые находятся ниже медианы или 20-го процентиля (квантиля в науке о данных) для этого уровня сайта, специалист по данным может сделать вывод, что эти страницы требуют большего количества внутренних ссылок.

Следовательно, это часто означает, что страницы, которые имеют одинаковое количество переходов от домашней страницы (т. е. одинаковый уровень глубины сайта), имеют одинаковую важность.

Однако с точки зрения поисковой ценности это маловероятно, особенно если учесть, что некоторые страницы одного и того же уровня просто имеют более высокий поисковый спрос, чем другие.

Следовательно, архитектура сайта должна отдавать приоритет страницам с более высокими потребностями в поиске над страницами с более низкими потребностями в поиске, независимо от их места в иерархии по умолчанию — независимо от их уровня!

Пересмотр истинного внутреннего рейтинга страницы (TIPR)

Реальный внутренний рейтинг страницы (TIPR), популяризированный Кевином Индигом, применил немного более разумный подход, включив внешний PageRank, который представляет собой ценность, предоставляемую обратными ссылками. Простыми математическими словами:

КОНЧИК = Внутренний рейтинг страницы x Авторитет обратных ссылок на уровне страницы

Хотя приведенное выше является ненаучной версией этой метрики, это все же гораздо более полезный и эмпирический метод моделирования нормальности ценности страницы в архитектуре веб-сайта. Если вы хотите, чтобы код вычислил это, прочтите Здесь.

Кроме того, вместо того, чтобы применять эту метрику на уровне сайта, гораздо разумнее применять эту метрику по типам контента. Для клиента электронной коммерции мы видим распределение TIPR по типам контента ниже:

В случае с этим интернет-магазином примером является то, что средний TIPR для контента категорий или страниц со списком продуктов (PLP) составляет около двух пунктов TIPR.

Следует признать, что TIPR немного абстрактен, потому что как это отражается на количестве необходимых внутренних ссылок? Это не так, по крайней мере, напрямую.

Независимо от абстракции, это все же более эффективная конструкция для проектирования архитектуры сайта.

Если вы хотите узнать, какие категории неэффективны с точки зрения потенциальной позиции в рейтинге, просто посмотрите, что URL-адреса PLP находятся ниже 25-го квантиля, и, возможно, поищите внутренние ссылки со страниц с более высоким значением TIPR.

Сколько ссылок и какой ТИПР? После некоторого моделирования это ответ для другого поста.

Представляем внутренний рейтинг страницы доходов (RIPR)

Другой важный вопрос, на который нужно ответить: какой контент заслуживает более высокого рейтинга?

Кевин также выступал за более продуманный подход к согласованию структур внутренних ссылок с целью повышения ценности конверсии, который, я надеюсь, многие из вас уже используют со своими клиентами; Я должен согласиться всем сердцем.

Простое, ненаучное решение — найти отношение продаж электронной коммерции к TIPR, т.е. ЧАС

РИПР = Продажи / TIPR

Используя приведенный выше показатель, мы можем увидеть, как выглядит нормальный доход на авторитетность страницы, как показано ниже:

Как видим, картина несколько меняется; Внезапно мы не видим никакой упаковки (то есть распространения) контента блога, потому что за этот контент не признается доход.

Практическое применение? Если мы используем это в качестве модели по типу контента, все страницы, которые находятся выше 75-го квантиля (т. е. к северу от синего поля) для соответствующего типа контента, должны иметь больше внутренних ссылок.

Почему? Потому что у них высокие продажи, но очень низкий авторитет страницы, а это означает, что у них очень высокий RIPR, и поэтому им нужно получать больше внутренних ссылок, чтобы приблизиться к медиане.

Напротив, те, у кого более низкие продажи, но слишком много важных внутренних ссылок, имеют более низкий RIPR и, следовательно, должны быть удалены из ссылок, чтобы поисковые системы могли придавать больше значения контенту с более высокими продажами.

Ограничение

В RIPR заложены некоторые допущения, такие как: Б. Правильная настройка аналитики отслеживания продаж, чтобы ваша модель служила основой для эффективных рекомендаций по внутренним ссылкам.

Конечно, как и в случае с TIPR, вам следует смоделировать ценность внутренней ссылки, учитывая, сколько RIPR стоит внутренняя ссылка с конкретной страницы.

Это еще до того, как мы доберемся до места размещения внутренней ссылки.

Дополнительные ресурсы:

---

Рекомендованное изображение: NicoElNino/Shutterstock