你也许也喜欢：
- 有机点击率会影响谷歌 SEO 排名吗？
- 什么是好的关键字自然点击率分数？
- 首先，长期和最后：谷歌搜索引擎优化的 3 个基于点击的重要信号
点击率 (CTR) 是一项重要指标，可用于对您网站的 google SEO 性能进行大量计算，从估计收入机会、优先考虑关键字优化到市场中 SERP 变化的影响。大多数谷歌 SEO 都知道为他们的网站创建自定义 CTR 曲线以使这些预测更准确的价值。来自 Google Search Console (GSC) 数据的自定义 CTR 曲线的唯一问题是，众所周知，GSC 是一个有缺陷的工具，可能会给出不准确的数据。这会使我们从 GSC 获得的数据变得复杂，并且可能难以准确解释我们通过该工具创建的 CTR 曲线。幸运的是，有一些方法可以帮助控制这些不准确之处，这样您就可以更清楚地了解数据的含义。
通过仔细清理您的数据并深思熟虑地实施分析方法，您可以使用 4 个基本步骤更准确地计算您网站的点击率：
- 从 GSC 中提取您的网站关键字数据——您可以获得的数据越多越好。
- 删除有偏见的关键词——品牌搜索词可能会偏离你的点击率曲线，因此应该删除它们。
- 为您的数据集找到最佳展示级别 – Google 在较低展示级别对数据进行抽样，因此删除 Google 可能在这些较低级别报告不准确的关键字非常重要。
- 选择您的排名方法 – 没有数据集是完美的，因此您可能希望根据关键字集的大小更改排名分类方法。
让我们快速退后一步
在深入了解计算 CTR 曲线的细节之前，简要介绍计算 CTR 的最简单方法很有用，因为我们仍将使用此原理。
要计算点击率，请下载您的网站排名的关键字以及点击、展示和排名数据。然后从 GSC 数据中获取点击总和除以每个排名级别的展示总和，您将得出自定义 CTR 曲线。有关实际计算 CTR 曲线数字的更多详细信息，如果您不熟悉该过程，可以查看 SEER 的这篇文章。
当您开始尝试控制 CTR 数据固有的偏差时，这种计算变得棘手。然而，即使我们知道它提供了糟糕的数据，我们实际上并没有很多其他选择，所以我们唯一的选择是尽量消除我们数据集中的偏差，并注意使用带来的一些问题那个数据。
如果不控制和操纵来自 GSC 的数据，您可能会得到看似不合逻辑的结果。例如，您可能会发现您的曲线显示位置 2 和 3 CTR 的平均值远大于位置 1。如果您不知道您从 Search Console 使用的数据有缺陷，您可能会接受该数据作为事实和 a)尝试根据不正确的数据提出关于为什么 CTR 曲线看起来那样的假设，并且 b) 根据这些 CTR 曲线创建不准确的估计和预测。
第 1 步：提取数据
任何分析的第一部分实际上都是提取数据。这些数据最终来自 GSC，但有许多平台可以从中提取这些数据，这些平台比 GSC 的网络提取更好。
Google Search Console——获取数据的最简单平台来自 GSC 本身。您可以进入 GSC 并提取过去三个月的所有关键字数据。谷歌会自动下载一个 csv。文件给你。这种方法的缺点是 GSC 一次只能导出 1,000 个关键字，这使得您的数据量太小而无法进行分析。您可以尝试通过对您排名的主要术语使用关键字过滤器并下载多个 1k 文件以获取更多数据来解决此问题，但此过程是一个艰巨的过程。除了下面列出的其他方法更好更容易。
谷歌数据工作室——对于任何寻求从 Search Console 中免费获取更多数据的简单方法的非程序员来说，这绝对是您的最佳选择。Google Data Studio 直接连接到您的 GSC 帐户数据，但您可以提取的数据大小没有限制。在尝试从 GSC 提取数据的相同三个月期间，我将获得 1k 个关键字（GSC 中的最大值），Data Studio 会给我 200k 个关键字！
Google Search Console API——这需要一些编程知识，但获取所需数据的最佳方法之一是使用他们的 API 直接连接到源。您将对要提取的数据有更多的控制权，并获得相当大的数据集。这里的主要挫折是您需要具备编程知识或资源才能这样做。
Keylime google SEO Toolbox — 如果您不知道如何编程但仍想访问 Google 的印象和点击数据，那么这是一个不错的选择。Keylime 直接从 Search Console API 存储历史 Search Console 数据，因此它与直接连接到 API 一样好（如果不是更好）。它确实花费 49 美元/月，但考虑到您获得的数据的价值，这是相当实惠的。
从哪个平台获取数据很重要，因为列出的每个平台都会提供不同数量的数据。我在这里按工具提供最多数据的顺序从最少到最多列出了它们。使用 GSC 的 UI 直接提供的数据是迄今为止最少的，而 Keylime 可以连接到 GSC 和 Google Analytics 以组合数据，从而为您提供比 Search Console API 提供的更多信息。这很好，因为只要您可以获得更多数据，您为网站制作的 CTR 平均值就越有可能准确。
第 2 步：消除关键字偏见
提取数据后，您必须对其进行清理。因为这些数据最终来自 Search Console，所以我们必须确保尽可能地清理数据。
删除品牌搜索和知识图关键字
当您为非品牌搜索创建一般 CTR 曲线时，从数据中删除所有品牌关键字非常重要。这些关键字应该有很高的点击率，这会降低您的非品牌搜索的平均值，这就是为什么应该删除它们。此外，如果您知道任何 SERP 功能，例如您始终排名的知识图，您也应该尝试删除这些功能，因为我们只计算位置 1-10 的点击率，而 SERP 功能关键字可能会影响您的平均值。
第 3 步：在 GSC 中为您的数据找到最佳展示级别
Search Console 数据中最大的偏差似乎来自搜索展示次数较低的数据，这是我们需要尝试删除的数据。谷歌没有准确报告低印象数据并不奇怪，因为我们知道谷歌甚至不包括在 GSC 中搜索量非常低的数据。出于某种原因，Google 决定大幅高估这些低印象词的点击率。例如，这是我使用来自 GSC 的数据为只有 1 次展示的关键字和每个位置的 CTR 制作的展示分布图。
如果这对你来说没有多大意义，我就在你身边。该图表表明，只有一次展示的大多数关键字的点击率都是 100%。无论您网站的点击率有多好，一次展示关键字都不太可能获得 100% 的点击率。对于排名低于 #1 的关键字尤其如此。这为我们提供了相当可靠的证据，低印象数据是不可信的，我们应该限制数据中低印象的关键字数量。
步骤 3 a)：使用正态曲线帮助计算 CTR
为了获得更多关于谷歌给我们提供有偏见的数据的证据，我们可以查看我们数据集中所有关键词的点击率分布。由于我们正在计算 CTR 平均值，因此数据应符合正常钟形曲线。在大多数情况下，来自 GSC 的 CTR 曲线高度偏向左侧并带有长尾，这再次表明 Google 在低展示量时报告了非常高的 CTR。
如果我们更改正在分析的关键字集的最小展示次数，我们最终会越来越接近图表的中心。这是一个示例，下面是网站点击率的分布，点击率增量为 0.001。
上图显示了非常低的展示次数，大约 25 次展示。数据的分布主要在该图的右侧，左侧的小而高集中意味着该站点具有非常高的点击率。但是，通过将展示过滤器增加到每个关键字 5,000 次展示，关键字的分布会更接近中心。
该图表很可能永远不会以 50% CTR 为中心，因为这将是一个非常高的平均 CTR，因此图表应该向左倾斜。主要问题是我们不知道有多少，因为谷歌给了我们抽样数据。我们能做的最好的就是猜测。但这提出了一个问题，过滤掉我的关键字以消除错误数据的正确印象级别是多少？
找到正确的展示级别以创建 CTR 曲线的一种方法是使用上述方法来了解您的 CTR 分布何时接近正态分布。一组正态分布的 CTR 数据具有较少的异常值，并且不太可能有大量来自 Google 的误报数据。
3 b)：找到最佳展示级别来计算您网站的点击率
您还可以创建展示层，以查看您正在分析的数据中哪些地方的变异性较小，而不是正态曲线。您的估算值的可变性越小，您就越接近准确的 CTR 曲线。
分层 CTR 表
需要为每个站点创建分层点击率，因为每个站点的 GSC 抽样会根据您排名的关键字而有所不同。我已经看到 CTR 曲线变化高达 30%，而没有在 CTR 估计值中添加适当的控制。这一步很重要，因为在 CTR 计算中使用所有数据点可能会大大抵消您的结果。使用太少的数据点会使您的样本量太小，无法准确了解您的 CTR 实际是什么。关键是在两者之间找到快乐的媒介。
在上面的分层表中，从所有展示次数到超过 250 次展示次数之间存在巨大差异。但在那之后，每层的变化相当小。大于 750 次展示是该站点的正确级别，因为随着我们在其他层级中增加展示级别，曲线之间的可变性相当小，并且 > 750 次展示仍然为我们数据集的每个排名级别提供了大量关键字。
创建分层 CTR 曲线时，还必须计算用于构建整个层中每个数据点的数据量。对于较小的网站，您可能会发现您没有足够的数据来可靠地计算 CTR 曲线，但这仅从您的分层曲线来看并不明显。因此，在决定哪个展示级别对您的网站最准确时，了解每个阶段的数据大小非常重要。
第 4 步：确定分析数据的位置方法
一旦您确定了要过滤数据的正确展示级别，您就可以开始使用展示、点击和排名数据实际计算 CTR 曲线。位置数据的问题在于它通常不准确，因此如果您有很好的关键字跟踪，那么使用您自己的跟踪号码中的数据比使用 Google 的数据要好得多。大多数人无法跟踪那么多关键字位置，因此有必要使用 Google 的位置数据。这当然是可能的，但重要的是要小心我们如何使用他们的数据。
如何使用 GSC 位置
使用 GSC 平均位置计算 CTR 曲线时可能出现的一个问题是使用舍入位置还是精确位置（即仅来自 GSC 的位置恰好排名 1。因此，排名 1.0 或 2.0 是精确位置，而不是 1.3 或 2.1 例如）。
精确位置与舍入位置
使用精确位置背后的原因是我们想要在我们测量的时间段内最有可能排名第一的数据。使用确切位置将使我们最好地了解位置 1 的 CTR。确切排名关键字更有可能在您从中提取关键字的时间段内一直在该位置排名。问题是平均排名是一个平均值，所以没有办法知道一个关键字是否在一个地方稳定地排名了一个完整的时间段，或者平均值恰好显示了一个准确的排名。
幸运的是，如果我们比较精确位置 CTR 和舍入位置 CTR，它们在具有足够数据的实际 CTR 估计方面在方向上是相似的。问题是当您没有足够的数据时，确切的位置可能会不稳定。通过使用四舍五入的位置，我们可以获得更多的数据，因此当没有足够的数据可用于精确位置时，使用四舍五入的位置是有意义的。
需要注意的是位置 1 CTR 估算值。对于每个其他位置，平均排名可以拉高关键字的平均排名位置，同时它们可以拉低平均排名。这意味着如果一个关键字的平均排名为 3。它可能在某个时候排名第 1 和第 5，平均排名为 3。但是，对于第 1 排名，平均只能降低，这意味着点击率如果您使用四舍五入的位置，关键字总是会低于实际报告。
等级位置混合：调整后的确切位置
因此，如果您有足够的数据，请仅使用位置 1 的精确位置。对于较小的站点，您可以使用调整后的精确位置。由于谷歌给出了最多两位小数的平均值，因此获得更多“确切位置”#1 的一种方法是包含排名低于位置 1.1 的所有关键字。我发现这有几百个额外的关键字，这使我的数据更可靠。
这也不应该拉低我们的平均水平，因为 GSC 报告平均排名的方式有些不准确。在 Wayfair，我们使用 STAT 作为我们的关键字排名跟踪工具，在比较 GSC 平均排名与 STAT 平均排名之间的差异后，排名第一的位置接近，但不是 100% 准确。一旦您开始在排名中进一步下降，STAT 和 GSC 之间的差异就会变得更大，因此请注意您的排名下降了多远，以便在数据集中包含更多关键字。
我已经对 Wayfair 上跟踪的所有排名进行了分析，我发现位置越低，两个工具之间的排名就越不匹配。所以谷歌没有给出很好的排名数据，但它已经足够接近第一名了，我很乐意使用调整后的精确位置来增加我的数据集，而不用担心在合理范围内牺牲数据质量。
结论
GSC 是一个不完美的工具，但它为谷歌 SEO 提供了我们必须了解的 SERP 中单个站点的点击性能的最佳信息。由于我们知道 GSC 将向我们抛出一些带有数据的曲线球，因此控制尽可能多的数据片段很重要。这样做的主要方法是选择理想的数据提取源，摆脱低印象关键字，并使用正确的排名四舍五入方法。如果您做了所有这些事情，您更有可能在自己的网站上获得更准确、一致的 CTR 曲线。
