klondike

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

Запросо-зависимые

• 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 слова в пределах отдельного документа.
IDF (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!

Плохо:

• Хотелось «свежей крови», а получили «залежавшийся товар».

Автор aurora_mind

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