Förra månaden tittade vi på Googles amerikanska patent 2015/0242512 A1 och Google Personalization. Innan dess tittade vi på ett av hans patent på att använda e-post för att påverka sökrankningen. Båda patenten fokuserar på att justera användarrankningar utifrån beteende, men vad händer efter att användaren har klickat på sökresultatet och nu är på din sida?
Ett Google-patent publicerat den 17 september 2015 belyser några mycket intressanta idéer som tar upp just detta.
Googles amerikanska patent 2015/0262217 A1
Patentet har uppfunnits av Googles Neil Hoyne och har titeln User Path Abandonment Analysis. Men efter att ha gjort mer forskning täcker den mycket mer än en enkel analys av användarvägar. Faktum är att det låter oss titta på några mycket intressanta kärnområden för marknadsföring idag och i framtiden, inklusive:
- Förstå lite mer om hur AdWords kvalitetsresultat kan fungera
- Förstå hur Google kommer att utvärdera olika attribut för en webbplats för att ge bättre information till den webbansvariga.
- Utvecklingen av ett system som automatiskt anpassar sig utifrån användarbeteende.
Så frågan kan också vara: “Hur täcker du allt detta i ett enda patent?” Det är inte så mycket att det täcks, eftersom det är tillämpligt med vart och ett av dessa områden som hänvisas till i följande exempel.
Låt oss granska och analysera patentet för att förstå hur detta händer och se vad som snart kommer till en webbplats nära dig.
Övergiven användare
Fokus för hela patentet och relaterade bilder kretsar kring metoder för att mäta användares övergivenhet.
I själva verket, för att se till att du täcker praktiskt taget allt annat än “användaren snubblade i badrummet med en hårtork i handen”, upprepa specifika element flera gånger med endast mindre justeringar av tekniken eller applikationen.
Vi kommer inte att gå in på varje iteration, men här är några av de centrala referenserna om metoderna översatta till lekmans termer.
Från sammanfattningen:
“En metod inkluderar att ta emot användarruttdata som representerar ett flertal användarrutter. Metoden inkluderar vidare identifiering av ett flertal användarvägar som slutar med en avbrytningshändelse associerad med en första resurs. Metoden inkluderar vidare bestämning av ett första churn-mått som indikerar ett första flertal identifierade användarvägar med ett första villkor för en egenskap. Metoden inkluderar vidare bestämning av ett andra churn-mått som indikerar ett andra flertal identifierade användarvägar med ett andra karakteristiskt tillstånd. Metoden inkluderar vidare att bestämma huruvida övergivandehändelserna som är associerade med den första resursen är åtminstone delvis relaterade till särdraget baserat på en jämförelse av det första övergivande måttet och det andra övergivande måttet.”
Det du säger här är i huvudsak att metoden innebär att man mäter ett segment av användarens sökvägsdata som leder till churn. Dessutom kräver metoden att man mäter olika datasegment av användarens väg, vilket leder till övergivande. Med dessa data i hand kan man dra slutsatser om var det kan finnas ett problem.
Mätningen kan till exempel relateras till användare som kommer till en specifik sida från olika källor, som betald sökning kontra organisk sökning. I det här exemplet, om avhoppsfrekvensen på organiskt var hög men avhoppsfrekvensen på betald var låg, kan det fastställas att själva sidan inte är problemet, utan snarare källan. Om avhoppsfrekvensen var hög för båda, kunde det fastställas att själva sidan är problemet.
Dessutom omfattar patentet rent in situ-förhållanden. Till exempel visas en bild på en sida med innehåll från leverantör A och samma bild visas med innehåll från leverantör B. Om sidan har en högre avvisningsfrekvens för den ena än den andra kan det fastställas att bilden endast är relaterad till ett. . Men om bilden ger en hög avvisningsfrekvens på båda sidorna där en annan bild inte gjorde det, kan det fastställas att själva bilden är dålig eller inte relaterar till innehållet på någon av sidorna.
Nu när vi har Cliffs Notes om patentets primära metod för att använda flera villkor för att fastställa sannolikheten för en specifik orsak till högre avhoppsfrekvens, är det lätt att se hur allt detta relaterar till kvalitetspoäng i AdWords.
I det här patentet finns det flera omnämnanden av betalappar och användningen av dessa mättekniker för att bestämma resultatet för en annons. Tänk på AdWords-annonsgrupper och poängen för varje specifikt sökord, till exempel.
Ett av de intressanta omnämnandena av patentet finns i del 47 där det står skrivet:
Spara och publicera “I en annan illustrativ implementering kan systemet 150 bestämma att icke-konverteringsvägar 165 med avbrytningshändelser associerade med en opt-out-sida från en medietjänstleverantör ofta inkluderar användarinteraktioner med minst fyra medietjänsteleverantörers webbsidor. teknisk support från tjänsteleverantören innan avbrytning på avbokningssidan. Detta kan tyda på att det är användarnas missnöje med supportsidorna, snarare än avbokningssidan, som bidrar till nedläggningshändelser. I vissa av dessa implementeringar kan system 150 ge en rekommendation för innehållsleverantören att överväga att granska supportsektionen på sin webbplats.”
Notera: Bilden av patentet som inkluderar 150-systemet visas nedan.
Här ser vi början på en bredare punkt: att mäta och tolka gemensamma egenskaper hos data för att bestämma trender i churn ger mer detaljer om churn och konvertering.
Lägg till flera referenser för att ge innehållsleverantören tillgång till information om problem med övergivande, så kan vi se att Google ger webbplatsägare en större förståelse för deras webbtrafik och avbrottspunkter.
Avsnitt 54 innehåller:
“Detta kan hjälpa innehållsleverantören att bestämma om resursen ska modifieras för bättre interaktion med den första enheten.”
Vad exemplet syftar på är idén att en användare lämnar en resurs på en enhet, bara för att återbesöka resursen på en annan enhet vid ett senare tillfälle, det tjänar till att illustrera att Google försöker ge mer information till ägare av webbplatser. Men det är inte det mest intressanta, enligt mig.
I ett kort men sött omnämnande i avsnitt 49 läser vi:
“I vissa implementeringar kan system 150 konfigureras för att vidta en eller flera åtgärder för att minska sannolikheten för framtida övergivanden (till exempel när system 150 bestämmer att en serie liknande interaktioner sannolikt åtminstone delvis är ansvarig för övergivanden). FIKON. Fig. 4 illustrerar en process 400 för att reducera sannolikheten för användarchurn enligt en illustrativ implementering. Avbrottsanalysmodulen 152 i systemet 150 kan bestämma att avbrottshändelserna är åtminstone delvis relaterade till serien av liknande användarinteraktioner baserat på en jämförelse av det första övergivandemåttet 176 och det andra övergivandemåttet 178 (405) “.
Nu ska vi verkligen tänka på vad det betyder. För att hjälpa till med detta, här är bilden med de viktigaste landmärkena:
I grund och botten säger detta patent att analyssystemet utformat för att fastställa orsakerna till övergivandet (150) kan konfigureras för att vidta åtgärder för att minska det. Detta kan helt enkelt innebära att du pausar ett sökord för betald sökning.
Personligen tycker jag att det är spännande att patentets räckvidd omfattar mycket mer än detta, då det lätt kan sträcka sig till innehållsplacering, designförändringar osv.
Man behöver inte tänka för mycket innan man ser applikationer av detta som Google själva skulle använda. Jag föreställer mig en värld där flera layouter kan byggas på en webbplats, och den är konfigurerad för att testa de olika layouterna mot olika trafikkällor, användargrupper eller vägar samtidigt som den automatiskt justeras för att visa den bästa layouten för den specifika publiken.
Slutsats
Patent US 215/0262217 A1 är definitivt ett av de mest intressanta patenten som kommit ut från Google under de senaste månaderna. Det ger oss en intressant inblick i den riktning som Google tittar på när det gäller analys av webbplatsdata, och hur denna data kan användas för att hjälpa både dess betalda sökavdelning och webbplatsägare.
Om detta patent är någon guide kommer det att bli ett mycket spännande år inom konverteringsanalys och optimering.
