7 типов доказательств SEO

В последнее время было много обсуждений на тему СЕО как науки. К сожалению, эти обсуждения иногда переходили в споры о значении СЕО или о том, чей подход считается наиболее «лучшим» во всех случаях. Сегодня я хотел бы вернуться немного назад и поговорить о мире доказательств СЕО в целом. Хотя не все эти виды доказательств являются "наукой" в техническом смысле, все они важны для нашего общего понимания. Мы должны использовать лучшие куски, если мы когда-нибудь надеемся развить хорошо разработанную CЕО науку.

Вся наука опирается на фундаментальное предположение, задолго до того, пока не выдвигается или тестируется гипотеза. Основное предположение заключается в том, что Вселенная упорядочена и существует, опираясь на конкретные правила, и что через наблюдение и эксперименты мы можем определить эти правила. Без упорядоченной Вселенной, наука была бы невозможна (скорее всего, как и существование). Связанное предположение заключается в том, что эти правила остаются относительно неизменными - если они меняются, то делают это очень медленно. Наш взгляд на мир может резко измениться, в результате чего появляется смена парадигмы, но основные правила остаются примерно одинаковыми.

Преимущество СЕО в том, что мы уверены, как в неопровержимом факте, что наша Вселенная является упорядоченной системой. Как Нео в фильме "Матрица". Алгоритм состоит из строк программы, написанных человеком, и работает на серверах.

Недостатком СЕО науки является то, что правила, регулирующие нашу Вселенную, не являются статичными. Алгоритм постоянно меняется - до 400 раз в год. Это означает, что любые наблюдения, какие-либо данные, и даже какой-либо эксперимент, может оказаться неуместным. Факты, которые опираются на практику СЕО, построенную 5 или 10 лет назад, не всегда актуальны и сегодня.

(1) Случайные факты

Каждая наука начинается с наблюдения. В СЕО, мы вносим изменения на сайтах каждый день и оцениваем полученные изменения. Когда рейтинги взлетают и падают, мы, естественно пытаемся выяснить, почему это происходит и связать эти изменения с тем, что мы сделали в прошлом. Хотя это и не "наука" в техническом смысле, очевидность нашего собственного опыта очень важна. Без наблюдения за Вселенной и создания историй, объясняющих ее существование, мы бы никогда ничего не узнали из этого опыта.

ЗА – случайные факты легко собирать, и это самый распространенный вид доказательств. Это строительный блок для почти любой формы научного исследования.

ПРОТИВ – наши предрассудки легко влияют на наш личный опыт. Кроме того, ни один опыт никогда не может дать развернутую историю. Случайные факты являются только отправной точкой.

(2) Предсказывающие доказательства

СЕО имеет уникальный тип фактических данных. Каждый раз от случая к случаю, пророк будет спускаться с вершины горы, брить свою голову и говорить слова богов поисковой системы “Google”. В любом случае, мы верим в эти пророчества, факт остается фактом: Есть люди, которые увидели и написали алгоритм, и эти люди имеют доступ к фактам, к которым у нас нет доступа. Их заявления (и наша способность согласовывать эти заявления) являются важной частью общей головоломки.

ЗА – пророки намного ближе к объективной реальности, чем мы. Они имеют прямое понимание алгоритма.

ПРОТИВ - пророки не заинтересованы говорить нам всю правду. Их сообщения могут быть непонятными и даже вводить в заблуждение.

(3) Доказательство из вторых рук

Когда вы слышите такой термин, как «доказательство из вторых рук», вы, конечно же, думаете об экстремальных примерах, основанных на слухах и выдумках:

Стилист двоюродной сестры моего соседа сказала, что она однажды изменила Мета тэги на «секс покер секс покер секс» и рейтинг ее сайта сразу же подлетел на первое место в “Google”
Справедливости ради следует отметить, что случайные факты также относятся к законным наукам, которые появились до нас и до опыта наших коллег-знатоков. Если мы вынуждены были подтвердить и повторить каждый вывод для себя, мы бы никогда не достигли какого-либо прогресса. В конечном счете, мы будем опираться на достоверные выводы других экспертов, на прошлое и настоящее.

ЗА – доказательства случайных фактов являются основой для научного прогресса.

ПРОТИВ - Иногда, эксперты оказываются не правы, и вы должны научиться находить различия особенно в такой молодой области как СЕО.

(4) Экспериментальное – «The Wild»

Экспериментирование является сердцем Кэпитал-Эс Сайнс. Основные эксперименты происходят примерно следующим образом:

Вы формируете гипотезу ("Добавление ключевых слов в мой заголовок тега будет повышать ваш рейтинг ").

Вы вносите изменения для проверки этой гипотезы.

Вы оцениваете результаты, чтобы выяснить, правы ли вы.

Большинство СЕО экспериментов, по своей природе, встречаются в «wild». Нам приходится избавляться от своих сайтов, и мы часто вынуждены использовать существующие сайты, которые и без того сложны и меняются.

ЗА – с помощью прямого формирования и проверки гипотезы, мы можем определить причинную обусловленность. Мы также можем повторить этот процесс, подтверждая то, что нам уже известно.

ПРОТИВ - использование существующих сайтов в wild приводит к большому количеству лишних шумов. Зачастую, наши сайты должны сохранять изменения (даже во время эксперимента), и “Google” постоянно меняется. Там также существует огромный риск - если мы не изменим наши старые сайты для проверки СЕО теорий, ошибки могут быть дорогостоящими.

(5) Экспериментальная - Контролируемая

Это классический СЕО эксперимент, где мы регистрируем один или несколько новых доменов и создаем сайты с нуля. Мы можем даже представить контрольную группу, путем создания обоих сайтов до шага X, а после этого изменив один из сайтов. Даже если лучше всего было бы назвать эти эксперименты "полу контролируемыми", так как алгоритм Google все еще может измениться, то мы не всегда можем контролировать внешние воздействия (например, кто-то случайно, ссылается на один из сайтов).

ЗА - Этот подход лучшее, который можно использовать с точки зрения управления, и она выделяет много вмешивающихся факторов.

ПРОТИВ - искусственные сайты, которые мы создали в этих опытах (часто с использованием бессмысленных слов) не всегда являются представителями реальных, сложных сайтов. Кроме того, чтобы сэкономить время и деньги, эти эксперименты, как правило, проводятся на основе примера одного или нескольких сайтов. Статистическую значимость, возможно, будет очень трудно достичь.

(6) Корреляционное доказательство

Иногда, мы не можем выделить переменные, входящие в сложную ситуацию (например, 200 факторов, которые “Google” использует в своей модели упорядочения) иначе прямые эксперименты были бы невозможны или неэтичны. Например, предположим, вы хотите понять, каким образом курение влияет на смертность. Вы не можете взять 1000 5-летних детей, заставить их курить в течение 70 лет, и сравнивать их с 1000ью некурящих 5-летнего возраста. В этих случаях вы берете очень большое количество данных, и наблюдаете за корреляцией. Иными словами, если посмотреть на 1000 курильщиков и 1000 некурящих, какова вероятность, что каждая группа умрет в определенном возрасте? Корреляция может помочь вам понять, как изменения в X (в данном случае курение) сочетаются с изменениями в Y (смертность).

ЗА - Корреляция может помочь нам найти отношения математически, когда прямое экспериментирование невозможно или нецелесообразно. Эти методы также могут помочь в моделировании сложных ситуаций, когда несколько переменных влияют на тот же самый результат.

ПРОТИВ - Корреляция не подразумевает причинную связь. Мы не знаем, влияют ли изменения в X на изменения в Y или если они случайно сочетаются (может быть, даже из-за фактора Z, влияющего на обе эти переменные).

(7) Крупномасштабное моделирование

Если мы сможем собрать достаточно данных, мы можем создать модель Вселенной и проверять гипотезы на этой модели. Теперь, когда строятся крупномасштабные индексы, чтобы имитировать “Google” (включая наш собственный Линкскейп и индексы, например Маджестик), то понятно, что в конечном итоге мы будем иметь возможность запускать эксперименты непосредственно в отношении этих моделей. Хотя выводы, которые мы извлекли из этих моделей, хороши только в качестве самих моделей, моделирование данных может помочь нам улучшить как модели поведения так и проводить лабораторные исследования, чем это обычно возможно в СЕО.

ЗА - Моделирования можно контролировать. В отличие от “Google”, мы будем знать? изменили ли мы модель или нет. Эксперименты также могут проводиться очень быстро и в очень крупном масштабе.

ПРОТИВ - результат любого моделирования хорош только тогда, когда модели построены на этом моделировании, и наши еще находятся на ранней стадии.

Любой тип доказательства, в том числе контролируемые эксперименты, имеет границы. В области, СЕО, где алгоритм “Google” постоянно меняется, опираясь на какой-либо один тип доказательств, может привести либо к провалу прогресса, либо к плохим результатам (или, в некоторых случаях, возможны оба варианта). Понимание всех имеющихся источников доказательств не только помогает нам нарисовать более широкую, более полную картину, но также помогает нам провести перекрестное тестирование наших гипотез и не допустить ошибок. СЕО - молодая и постоянно меняющаяся наука, и, по крайней мере, сейчас, СЕО ученые должны быстро адаптироваться.