По мотивам конференции 15.10.2013г. TopExpert Conference – «Новейшие технологии интернет-маркетинга и SEO»
Докладчик - эксперт Руслан Рзаев, руководитель SEO-отдела компании «Ютинет»
В докладе Руслана рассматривались вопросы:
- Обзор групп факторов ранжирования;
- На что мы можем повлиять и как это сделать;
- Новые методы оптимизации.
Если вы занимаетесь SEO – вы все это знаете. НОВОГО – абсолютно ничего, к сожалению, даже я не «интересующийся, но не практикующий SEO-шник» не узнала. Да есть факторы ранжирования, на одни можем повлиять, на другие – нет. Новые методы оптимизации – рассказывались еще в начале 2013 года. Все говорят о пингвине 2.0, который уже внедрили, уже все с ним столкнулись и уже начали решать возникнувшие проблемы. По-моему уже надо говорить о том, как работать с этим пингвином, а не то, что произошло после его внедрения – КЭП рулит!
И все же, для интересующихся, в подробностях расскажем о факторах ранжирования.
Текстовые факторы
Запросо-независимые- тематичность текста
- водность текста
- TF-IDF самого встречаемого слова на странице сайта
- TF-IDF плотность ключевой фразы в документе
- размер хоста (иногда оказывает негативное влияние)
- ВМ-25 - стандартный ВМ-25 по каждому слову запроса, сумма весов
Ссылочные факторы
Запросо-зависимые
- ВМ-25 по анкор листу документа
- скорость прироста ссылочной массы
- качество доноров
- естественность ссылочной массы
Запросо-независмые
- PageRank передаваемый по ссылкам (статический вес)
- PageRank рассчитанный по внутренним ссылкам
Поведенческие факторы
Запросо-независимые- СТR в выдаче - самый сильный фактор.
Запросо-независимые:
- Время на сайте
- Глубина просмотров страниц
- Средний CTR по хосту
- % брендового трафика
По исследования Руслана - наиболее актуальным поведенческим фактором является CTR на SERP.
На эту тему, мы ровно год назад писали аналитическую статую про ПФ в корпоративном блоге Клондайк, базовую информацию можно взять из неё.
Смешанные факторы
- ВМ-25 по тексту и анкор-листу документа одновременно
- комбинация ссылочных и поведенческих факторов, а также текстовых и поведенческих факторов
Справка:
TF (term frequency — частота слова) — отношение числа вхождения некоторого слова к общему количеству слов документа. Таким образом, оценивается важность словаIDF (inverse document frequency — обратная частота документа) — инверсия частоты, с которой некоторое слово встречается в документах коллекции. Учёт IDF уменьшает вес широкоупотребительных слов. Для каждого уникального слова в пределах конкретной коллекции документов существует только одно значение IDF.
Напрмер:
Рассчитаем вес слова "оптимизация", если оно встречается в документе из 100 слов 7 раз и содержится в 1000 документах из коллекции в 10000 материалов.
TF=7/100=0,07 DF=100/1000=0.1 TF-IDF=0.07/0.1=0.7
Еще урок от Л. Гроховского, руководителя учебного центра ТопЭксперт
Хорошо:
- Повторение – мать учения!
- Хотелось «свежей крови», а получили «залежавшийся товар».
Другие статьи серии по мотивам докладов TopExpert Conference
- Практика продвижения E-commerce проектов: кейсы и технологии. Доклад Олега Шестаков на #TopExpert
- Основные SEO метрики. Доклад Станислава Ставского на конференции #TopExpert
- Конкуренты как источники семантики. Доклад Евгения Концевого на #TopExpert