[ad_1]
點擊率（CTR）是一個重要指標，可用於對網站的搜索引擎優化表現進行大量計算，從估算收入機會，優先關鍵字優化，到市場內SERP變化的影響。大多數SEO都知道為其網站創建自定義CTR曲線的價值，以使這些投影更準確。 Google Search Console（GSC）數據中自定義CTR曲線的唯一問題是 眾所周知，GSC是一個有缺陷的工具 這可能會給出不準確的數據。這使我們從GSC獲得的數據捲入其中，並且難以準確地解釋我們從該工具創建的CTR曲線。幸運的是，有一些方法可以幫助控制這些不準確性，以便您更清楚地了解數據所說的內容。
通過仔細清理數據並仔細實施分析方法，您可以使用4個基本步驟更準確地計算網站的點擊率：
- 從GSC中提取您的網站關鍵字數據 – 您可以獲得的數據越多越好。
- 刪除有偏見的關鍵字 – 品牌搜索字詞會丟棄您的點擊率曲線，因此應刪除它們。
- 為您的數據集找到最佳展示級別 – Google會以低展示級別對數據進行抽樣，因此刪除Google可能在這些較低級別上報告不準確的關鍵字非常重要。
- 選擇您的排名位置方法 – 沒有數據集是完美的，因此您可能希望根據關鍵字集的大小更改排名分類方法。
我們快退一步吧
在深入研究計算CTR曲線的細節之前，簡要介紹計算點擊率的最簡單方法是有用的，因為我們仍然會使用這個原理。
要計算點擊率，請使用點擊，展示和排名數據下載您網站排名的關鍵字。然後將點擊總和除以每個等級級別的展示次數總和，使用自定義點擊率曲線得出GSC數據。有關實際處理CTR曲線數字的更多詳細信息，您可以查看 SEER的這篇文章 如果你不熟悉這個過程。
這種計算變得棘手的是當你開始嘗試控制CTR數據本身帶來的偏差時。然而，即使我們知道它提供的數據不好，我們也沒有其他許多選項，所以我們唯一的選擇就是盡量消除數據集中儘可能多的偏差，並了解使用過程中出現的一些問題。那個數據。
如果不控制和操縱來自GSC的數據，您可以獲得看似不合邏輯的結果。例如，您可能會發現曲線顯示位置2和3 CTR的平均值比位置1大得多。如果您不知道您在Search Console中使用的數據存在缺陷，您可能會接受該數據作為事實和a）嘗試提出假設為什麼CTR曲線基於不正確的數據看起來那樣，以及b）根據這些CTR曲線創建不準確的估計和預測。
第1步：提取數據
任何分析的第一部分實際上是拉動數據。這些數據最終來自GSC，但是有許多平台可以從中提取這些數據，這比GSC的網路提取要好。
Google Search Console – 獲取數據的最簡單平台來自GSC本身。您可以進入GSC並提取過去三個月的所有關鍵字數據。谷歌將自動下載一個csv。檔案給你。這種方法的缺點是GSC一次只導出1,000個關鍵字，這使得您的數據量太小而無法進行分析。您可以嘗試通過使用關鍵字過濾器來排除這個問題，並為下載多個1k文件以獲取更多數據，但這個過程非常艱巨。除了下面列出的其他方法更好，更容易。
Google Data Studio – 對於任何尋求從Search Console免費獲取更多數據的非程序員來說，這絕對是您的最佳選擇。 Google Data Studio 直接連接到您的GSC帳戶數據，但您可以提取的數據大小沒有限制。在嘗試從GSC獲取數據的同樣三個月期間，我將得到1k關鍵字（GSC中的最大值），Data Studio會給我200k關鍵字！
Google Search Console API – 這需要一些編程知識，但獲取所需數據的最佳方法之一是使用其API直接連接到源。您可以更好地控制正在拉動的數據並獲得相當大的數據集。這裡的主要挫折是您需要具備編程知識或資源才能這樣做。
Keylime SEO工具箱 – 如果您不知道如何編程但仍希望訪問Google的展示和點擊數據，那麼這是一個很好的選擇。 Keylime 直接從Search Console API存儲歷史搜索控制台數據，因此與直接連接到API的選項一樣好（如果不是更好）。它確實花費了49美元/月，但考慮到您獲得的數據的價值，這是非常實惠的。
您從中獲取數據的平台的重要性在於列出的每個平台都會提供不同數量的數據。我在這裡按照哪個工具從最少到最多提供最多數據的順序列出它們。使用GSC的UI直接提供最少的數據，而Keylime可以連接到GSC和Google Analytics以組合數據，實際上為您提供比Search Console API更多的信息。這很好，因為無論何時您可以獲得更多數據，您為網站製作的點擊率平均值的可能性就越高。
第2步：刪除關鍵字偏差
提取數據後，您必須清理它。由於這些數據最終來自Search Console，因此我們必須確保儘可能地清理數據。
刪除品牌搜索和知識圖關鍵字
為非品牌搜索創建常規CTR曲線時，從數據中刪除所有品牌關鍵字非常重要。這些關鍵字應具有較高的點擊率，這會剔除非品牌搜索的平均值，這就是為什麼要將其刪除的原因。此外，如果你知道任何SERP功能，如知識圖表，你一直排名，你應該嘗試刪除這些，因為我們只計算位置1-10的點擊率和SERP功能關鍵字可能會甩掉你的平均值。
第3步：在GSC中為您的數據找到最佳展示級別
搜索控制台數據的最大偏差似乎來自搜索展示次數較少的數據，這是我們需要嘗試刪除的數據。因為我們知道，谷歌沒有準確報告低印象數據就不足為奇了 Google甚至不包含搜索量非常低的數據 在GSC。出於某種原因，谷歌決定大幅報告這些低印象條款的點擊率。例如，這是我使用來自GSC的數據製作的展示次數分布圖，其中只有1次展示的關鍵字和每個位置的點擊率。
如果這對你來說沒有多大意義，我就和你在一起。此圖表顯示只有一次展示的大部分關鍵字都有100％的點擊率。無論您的網站的點擊率有多好，一個展示關鍵字將獲得100％點擊率的大部分，這是極不可能的。對於排名低於＃1的關鍵字尤其如此。這為我們提供了非常可靠的證據，即不能信任低印象數據，我們應該以較低的展示次數限制數據中的關鍵字數量。
步驟3 a）：使用正常曲線來幫助計算CTR
有關Google向我們提供有偏見數據的更多證據，我們可以查看數據集中所有關鍵字的點擊率分布。由於我們正在計算點擊率平均值，因此數據應該符合a 正常鐘形曲線。在大多數情況下，來自GSC的CTR曲線高度偏向左側，長尾巴再次表明Google在低印象量時報告了非常高的點擊率。
如果我們更改了我們正在分析的關鍵字集的最小展示次數，我們最終會越來越接近圖表的中心。下面是一個示例，下面是網站點擊率的分布，點擊率增量為.001。
上圖顯示了展示次數非常低的展示次數，大約25次展示。數據的分布主要位於該圖的右側，左側的小的高濃度意味著該站點具有非常高的點擊率。但是，通過將展示過濾器增加到每個關鍵字5,000次展示，關鍵字的分布變得更加接近中心。
此圖最有可能永遠不會以50％的點擊率為中心，因為具有非常高的平均點擊率，因此圖表應向左傾斜。主要問題是我們不知道多少因為Google向我們提供了採樣數據。我們能做的最好的就是猜測。但是這提出了一個問題，即過濾掉我的關鍵字以擺脫錯誤數據的正確印象級別是什麼？
找到創建CTR曲線的正確展示級別的一種方法是使用上述方法來了解您的點擊率分布何時接近正態分布。常規分散式CTR數據集具有較少的異常值，並且不太可能從Google獲得大量錯誤報告的數據。
3 b）：找到最佳展示次數來計算您網站的點擊率
您還可以創建展示層，以查看您正在分析的數據中的可變性較小而不是正常曲線。估算值的變化越小，您就越接近準確的CTR曲線。
分層點擊率表
需要為每個站點創建分層點擊率，因為GSC針對每個站點的抽樣因您排名的關鍵字而異。我已經看到CTR曲線變化多達30％而沒有為CTR估計添加適當的控制。此步驟非常重要，因為使用點擊率計算中的所有數據點可能會大大抵消結果。使用太少的數據點會使您的樣本量太小，無法準確了解您的點擊率實際上是多少。關鍵是找到兩者之間的快樂媒介。
在上面的分層表中，從所有展示次數到> 250次展示都存在巨大差異。在那之後，每層的變化相當小。此網站的展示次數超過750次是因為曲線之間的差異相當小，因為我們提高了其他各級的展示次數，而且> 750次展示仍然為我們數據集的每個排名級別提供了大量關鍵字。
在創建分層CTR曲線時，重要的是還要計算在整個層中使用多少數據來構建每個數據點。對於較小的站點，您可能會發現沒有足夠的數據來可靠地計算CTR曲線，但僅通過查看分層曲線就不會顯而易見。因此，在確定哪種展示級別對您的網站最準確時，了解每個階段的數據大小非常重要。
第4步：確定分析數據的位置方法
在確定要過濾數據的正確展示級別後，您可以使用展示次數，點擊次數和位置數據開始實際計算點擊率曲線。位置數據的問題在於它通常是不準確的，所以如果你有很好的關鍵字跟蹤，那麼使用你自己的跟蹤數據的數據遠比谷歌更好。大多數人無法跟蹤那麼多關鍵字位置，因此有必要使用Google的位置數據。這當然是可能的，但重要的是要小心我們如何使用他們的數據。
如何使用GSC位置
使用GSC平均位置計算CTR曲線時可能出現的一個問題是，是使用圓形位置還是精確位置（即只有GSC中的位置正好排名為1.因此，排名1.0或2.0是精確位置，而不是1.3或2.1，例如）。
確切位置與圓形位置
使用精確位置的原因是我們想要的數據最有可能在我們測量的時間段內排在第1位。使用準確位置可以讓我們最清楚地知道點擊率位於1的位置。在您從中提取關鍵字的時間段內，精確排名關鍵字更有可能在該位置排名。問題是平均排名是一個平均值，因此無法知道某個關鍵字在一個地方的整個時間段內是否排名穩定，或者平均值恰好恰好顯示了一個確切的排名。
幸運的是，如果我們比較精確位置點擊率與圓形位置點擊率，它們在實際點擊率估算方面與足夠數據方向相似。問題是當您沒有足夠的數據時，確切的位置可能會不穩定。通過使用圓形位置，我們可以獲得更多數據，因此當沒有足夠的數據可用於精確位置時，使用圓形位置是有意義的。
一個警告是針對第1位CTR估計值。對於其他每個位置，平均排名可以提升關鍵字平均排名位置，同時可以降低平均值。這意味著如果關鍵字的平均排名為3.它可能在某個時間點排名第一和第5，平均值為3.但是，對於＃1排名，平均值只能降低，這意味著點擊率為如果您使用舍入位置，則始終會報告關鍵字低於實際值。
等級位置混合：調整的確切位置
因此，如果您有足夠的數據，則只能使用位置1的確切位置。對於較小的站點，您可以使用調整後的準確位置。由於Google給出了最多兩位小數的平均值，因此獲得更多「精確位置」＃1的一種方法是包括排名低於位置1.1的所有關鍵字。我發現這需要幾百個額外的關鍵字，這使我的數據更可靠。
而且這也不應該降低我們的平均值，因為GSC在報告平均排名方面有些不準確。在Wayfair，我們使用 STAT 作為我們的關鍵字排名跟蹤工具，在比較GSC平均排名與STAT平均排名之間的差異後，排名靠近＃1位置的排名接近，但不是100％準確。一旦你開始進一步降低排名，STAT和GSC之間的差異就會變大，所以要注意你的排名下降到你的數據集中包含更多關鍵詞。
我對Wayfair上跟蹤的所有排名做了這個分析，我發現位置越低，兩個工具之間的排名越不匹配。所以谷歌並沒有提供很好的排名數據，但它已經接近排名第一的位置，我很樂意使用調整後的確切位置來增加我的數據集而不必擔心在合理範圍內犧牲數據質量。
結論
GSC是一個不完美的工具，但它為SEO提供了理解單個站點在SERP中的點擊性能的最佳信息。因為我們知道GSC會給我們提供一些曲線球，它提供的數據對於控制儘可能多的數據非常重要。這樣做的主要方法是選擇理想的數據提取源，擺脫低印象關鍵字，並使用正確的排名舍入方法。如果您執行所有這些操作，則更有可能在您自己的網站上獲得更準確，一致的點擊率曲線。