列举网首页
经受住谷歌风暴的攻击
专栏作家Bobby Lyons解释了他如何测量谷歌算法更新影响的方法，并利用这些洞察力发现改进的机会。
我的一个好朋友，也是称之为SEO专家，我曾有幸与Gregory Gromov合作过，他曾把谷歌的算法更新和测试称之为“谷歌风暴”。这个杜撰的词汇在世界上是有意义的。Per Gregory，一个可靠的SEO程序为风暴提供了压舱物，但是如果一场风暴来袭并把您翻转过来……好吧，是时候对程序进行正确的调整了。
谷歌算法的更新实际上是一个千载难逢的机会。虽然在某些情况下，它看起来可能比梦想成真更像是一场噩梦，但是在SEO中了解如何利用事件是成功的关键——之后随着程序的慢慢成熟，您就会无比期待更新。
下面是我多年来在站点级别评估谷歌更新的过程，以收集改进的新机会，并确定已经在进行在工作中驶向轨道。在我回顾了与页面标题、元描述和H1标签相关的模式之后，这是一种二级分析。
分析的步是建立更新的时间轴。因为Search Engine Land通常在更新确认的时候就会快速发布信息，所以应该很容易得到一个近似的日期范围。一旦您有了一个大概的日期范围，从Google Search Console（GSC）开始，在顶部页面的日期范围内进行比较，之后来确定影响的日期。
在建立影响大致开始的日期后，抓住更新前的前两周。将数据导出为Excel，并添加一个专栏来计算两个星期之间的位置变化。我比较喜欢首先看看积极的变化;因此，在创建计算更改专栏之后，对大于0的值进行筛选。
注意：所代表的数据是为演示目的而编译的示例数据;但是这些数据不是来自于一个活动域名。
当在我们继续这个过程的过程中的时候，我们将从多个数据源提取数据，然后将数据源组合起来，形成所有关键的SEO数据点的完整视图。不过，在我们进入下一个步骤之前，我们应该先检查GSC数据，看看是否存在模式。
识别模式需要具有类似度量的页面。为正常变化范围之外的变化添加一个过滤器。例如，如果您的站点的高值页面的平均位置在0.1到0.3之间移动或下降，就像第1页的排名一样，那么您应该在您的超过了正常的变化的变更栏中添加一个过滤器。为了演示的目的，我们将看一下0。5到0。99之间的范围。在两周的时间内，一个页面位置的半位置变化是非常重要的。
现在我们有了一组要分析的数据，我们想要获取具有类似度量的页面的样本。具有相似位置变化的页面，平均位置和点击率（CTR）是一个很好的例子。
回顾在整个演示过程中单独检查GSC数据并没有产生结果。在我们的数据集中的正范围内的位置变化没有一个整体的公共数据元素。CTR的变化是很至关重要的，因为它可以告诉我们，在与CTR相关的算法中，上下正的波动并不是一个结果，因此我们下一步要做的是。
下一步是使用您所选择的搜索引擎蜘蛛。由于收集数据的速度，我更喜欢使用Screaming Frog这个软件。复制并粘贴到一个文本文档中，在您正在分析的变化范围内在URLs列表中，然后使用Screaming Frog的列表选项在URLs上执行爬行程序。更多文章阅读：国外VPS主机cn.blu***
对于这一关，我们关注的是来自像描述、标题等之类的所抓取的数据元素。这里的想法是寻找与之相似的数据相似点。我们正在寻找明显的突出表现。在这一步中，您会找到与位置变化相关的确切数据点是非常罕见的。通常，通过整个过程，我们可以找到多个相关的数据点。
在本例中，我发现了一些与页面大小和响应时间相关的相关性。我知道这只搜索引擎蜘蛛只与在半位置范围内改进的URLs组隔离，因此这些相关性在另一方面是非常重要的。现在，我想要看到这些URLs的完整图片。
完成这幅图需要从您的分析包中导出审计数据。Google Analytics在网站内容的着陆页报告中提供了这种观点。如果您正在使用Google Analytics，也可以从网站的速度-页面时间报告中导出这些数据。对于这些数据，我们可以就在变更日期的两周内使用。
获得数据的完整视图需要合并数据源。数据整合的问题在于，谷歌没有在Google Analytics 和 Google Search Console上使用相同的格式。幸运的是，有一个免费的工具来使URLs标准化。只需将复制并粘贴来自GSC和Screaming Frog的URLs粘贴到这个工具中，那么它就会将URLs删除到根页面：
复制并粘贴剥离的URLs到GSC和 Screaming Frog的Excel电子表格中。
如果您正在使用的是更小的数据集，或者更喜欢直接在Excel中工作，那么您可以使用以下公式进行一些较微小的调整，将完整的URL删除到页面：
组合数据需要链接电子表格和执行查找函数——或者我更喜欢使用数据库工具。使用更大的数据集，这样的话您可以使用访问和快速合并数据。使用URLs作为连接列，您可以生成一个包含所有核心数据元素的电子表格，以找到相关性。
除了评估数据之外，具有类似数据点的URLs应该在页面级别进行评估。例如，页面上的内容是否相似？如果客户评论或问答出现，它们是否出现在类似体积的相似页面中呢？
记录所有相关的指标，这样我们就可以在以后验证相关性。在上面的示例数据中，我们将想要去研究一种重要的相关性。
我们可以得出的结论是，在收到显著正面影响的页面中都有两个相关的数据点。页面加载的时间低于4秒，反弹率低于33%。
这个分析项目的后一步是过滤负面变化的数据和评估页面与位置和验证理论页面加载时间大幅度减少，和跳出率超过了积极的改变数据集的数值集。如果数据证明了负指标是在光谱的另一端，您知道您接下来需要做些什么改善消极的立场，提高页面，进一步更新改进后的算法。
