Memahami rasio klik-tayang (CTR)

Rasio klik-tayang (CTR) secara historis merupakan faktor penting dalam mengukur kualitas hasil dalam tugas pengambilan informasi.

Dalam SEO, telah lama ada anggapan bahwa Google menggunakan metrik yang disebut Time-To-Long-Click (TTLC),  pertama kali dicatat pada tahun 2013.

Klik-Melalui Tarif (RKT) Organik Organik

Sejak itu, Google telah merilis beberapa makalah penelitian yang menguraikan kompleksitas pengukuran kualitas pencarian karena sifatnya yang berkembang.

Terutama:
  • Jawaban Langsung
  • Bias posisional
  • Memperluas hasil iklan
  • Fitur SERP
  • Rangkaian tata letak SERP

Semua faktor ini dapat memiliki berbagai efek pada cara pengguna berinteraksi dan mengeklik (atau tidak mengeklik) hasil Google untuk kueri. Google tidak diragukan memiliki berbagai model klik yang menetapkan harapan untuk bagaimana pengguna harus  mengklik berdasarkan jenis dan posisi pencarian.

Ini dapat membantu dalam memahami hasil outlier di atas atau di bawah kurva untuk membantu Google melakukan pekerjaan yang lebih baik dengan kepuasan untuk semua pencarian.

Alasan ini penting adalah bahwa hal itu dapat membantu kami mengubah pemahaman kami tentang klik hasil pencarian dari CTR dan TTLC dan menuju pemahaman kepuasan pencarian .

Halaman web kami hanyalah bagian potensial dari seluruh pengalaman bagi pengguna. Google merilis publikasi pada tahun 2016 yang disebut Menggabungkan Klik, Perhatian, dan Kepuasan ke dalam Model Evaluasi Halaman Hasil Mesin Pencari .

Makalah ini, bersama dengan kode yang menyertainya , mencoba untuk menggunakan klik, perhatian pengguna, dan kepuasan untuk membedakan seberapa baik hasil yang dilakukan untuk pengguna dan untuk memprediksi tindakan pengguna (yang merupakan fitur yang diperlukan dalam model klik).

Makalah ini melanjutkan dengan menguraikan bahwa jenis pencarian model ini berguna untuk pencarian informasi panjang-ekor, karena "sementara sejumlah kecil pertanyaan kepala mewakili bagian besar dari lalu lintas mesin pencari, semua mesin pencari modern dapat menjawab pertanyaan-pertanyaan ini. cukup baik. '' ( Citation )

Umumnya, model tersebut melihat:
  • Perhatian : Model yang melihat peringkat, jenis item serp, dan lokasi elemen di halaman bersama dengan klik, gerakan mouse dan label kepuasan.
  • Klik : Model probabilitas klik yang memperhitungkan posisi SERP dan pengetahuan yang hasilnya harus dilihat telah diklik.
  • Kepuasan : Model yang menggunakan peringkat kualitas pencarian bersama dengan interaksi pengguna dengan berbagai elemen pencarian untuk menentukan utilitas keseluruhan untuk pengguna halaman.

Aspek yang paling menarik dari penelitian ini adalah konsep bahwa hasil pencarian tidak benar-benar perlu menerima klik untuk menjadi berguna.

Pengguna dapat menerima jawaban mereka dari hasil pencarian dan tidak perlu mengklik hingga hasil, meskipun kertas menyebutkan bahwa, “sambil melihat alasan yang ditentukan oleh penilai, kami menemukan bahwa 42% dari penilai yang mengatakan bahwa mereka akan mengklik pada SERP, menunjukkan bahwa tujuan mereka adalah 'untuk mengkonfirmasi informasi yang sudah ada dalam ringkasan.' ”( Sitasi )

Lain yang menarik (dan jelas) takeaway di beberapa makalah penelitian, adalah pentingnya data penilai kualitas 'dalam pelatihan model untuk memprediksi kepuasan pencarian.

Tak satu pun dari ini harus diambil untuk mengasumsikan bahwa ada dampak langsung pada bagaimana klik, perhatian, atau metrik buatan pengguna lainnya mempengaruhi hasil pencarian. Ada sejumlah tes SEO dengan hasil beragam yang mencoba membuktikan dampak klik pada peringkat.

Paling-paling sepertinya ada tumpangan sementara, jika ada sama sekali. Apa yang akan disarankan adalah bahwa, sebagai metrik evaluasi, jenis model ini dapat digunakan dalam pelatihan sistem internal yang memprediksi posisi ideal hasil pencarian.


Model klik
Aleksandr Chuklin, seorang Software Engineer di Google Research Europe dan ahli dalam Information Retrieval, menerbitkan sebuah makalah dan situs web yang menyertainya pada tahun 2015 yang mengevaluasi berbagai model klik untuk pencarian web.

Makalah ini menarik karena melihat berbagai model dan menggarisbawahi berbagai kekuatan dan kelemahan mereka. Beberapa hal yang menarik:
  • Lihatlah semua hasilnya sama.
  • Lihatlah hanya hasil yang akan ditinjau (atas ke bawah).
  • Lihat contoh sesi tunggal multi-klik.
  • Lihatlah "ketekunan" setelah klik (TTLC).
  • Lihatlah jarak antara klik saat ini dan dokumen terakhir yang diklik untuk memprediksi penelusuran SERP pengguna.

Selain itu, ini memberi beberapa intuisi tentang fakta bahwa model klik dapat sangat membantu Google di luar kepuasan penelusuran, dengan membantu mereka memahami jenis pencarian.

Kueri navigasi adalah kueri paling umum di Google dan model klik dapat digunakan untuk menentukan navigasi sebagai lawan dari kueri informasi dan transaksional . Rasio klik-tayang untuk kueri ini lebih dapat diprediksi daripada dua yang terakhir.

Memahami model klik dan cara Google menggunakannya untuk mengevaluasi kualitas hasil penelusuran dapat membantu kami, sebagai SEO, memahami variasi dalam CTR ketika meninjau Konsol Penelusuran Google dan data Analisis Penelusuran.

Kami sering melihat bahwa istilah merek memiliki CTR dari enam puluh hingga tujuh puluh persen (navigasi), dan bahwa beberapa hasil (yang mungkin kami rangking dengan baik) memiliki klik yang lebih rendah dari yang diharapkan. Paul Shapiro melihat ini pada tahun 2017 di pos yang memberikan metrik ( skor-z Modifikasi) untuk pencilan dalam  CTR seperti yang dilaporkan di Google Search Console.

Seiring dengan alat-alat seperti ini, penting untuk memahami lebih jauh secara global bahwa Google telah menempuh perjalanan panjang sejak sepuluh tautan biru, dan banyak hal berdampak pada klik, bukan hanya tag judul yang menarik .

Setelah menetapkan pentingnya kepuasan penelusuran kepada Google, adakah yang dapat dilakukan oleh SEO untuk mengoptimalkannya?
  • Ketahuilah bahwa menyelidiki apakah CTR  memengaruhi penelusuran langsung mungkin adalah lubang kelinci: bahkan jika itu terjadi, dampaknya kemungkinan besar akan terjadi pada penelusuran non-transaksional ekor panjang.
  • Google ingin memberikan pengalaman hebat kepada pengguna mereka . Cantuman Anda hanyalah sebagian dari itu - jadi pastikan Anda menambah pengalaman.
  • Pastikan Anda memahami Pedoman Evaluator Kualitas Pencarian . Bagaimana situs Anda dirancang, ditulis, dan dikembangkan dapat sangat memengaruhi cara Google menilai keahlian, otoritas , dan kepercayaan Anda.
Aprie adalah sarana belajar tentang Teknologi yang lengkap secara online. Aprie juga menyediakan tempat Download Software, Tutorial, Download APK, Download Games, Android, Ubuntu, dll.

Iklan Atas Artikel

Iklan Tengah Artikel 1

Iklan Tengah Artikel 2

Iklan Bawah Artikel