Рейтинг 0

Факторы ранжирования поисковых систем. Доклад Руслана Рзаева на конференции #TopExpert

По мотивам конференции 15.10.2013 г. 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

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-независимые

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 $t_{i}$ 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
IDF=100/1000=0.1
TF-IDF=0.07/0.1=0.7

Еще урок от Л. Гроховского, руководителя учебного центра ТопЭксперт