Ur ett militärt perspektiv är ett högvärdesmål (HVT) ett fientligt mål som anses vara ett viktigt tillfångatagande för att genomföra operationer mot en stor fiende. På samma sätt, ur ett tekniskt perspektiv, representerar en HVT en väsentlig objektiv uppgift som är nödvändig för att uppnå ett mål som kan ge avgörande konkurrensfördelar och hävstångseffekt. I sökresultatutrymmet presenteras HVTs som inflytelserika faktorer som gör att en organisation kan optimera rankning, trafik, konverteringar och engagemang genom fokus på nyckelsignaler som optimering, kvalitet, fräschör och relevans.
Även om det finns ett antal verktyg tillgängliga på den öppna marknaden för organisationer för att hjälpa dem att identifiera vilka variabler som potentiellt kan påverka deras rankningsposition och webbplatsengagemang, är verkligheten att få analysverktyg eller plattformar ger definition eller sammanhang, vilket resulterar i vaga högnivåer tolkningar och observationer. värde målmöjligheter. Få, om några, kan, baserat på rankningsposition, avgöra hur mycket trafik, konverteringar eller engagemang som faktiskt allokeras till specifika HVT-influencers. De tenderar att sakna förmågan att exakt mäta och prognostisera, när de implementerar HVTs, hur mycket ny trafik som kan erhållas genom en sökmotor som Google med en statistiskt signifikant nivå av förtroende.
Motiveringen till en sådan brist på kritisk information tillskrivs ofta oförmågan att titta in i PageRank, den gåtfulla svarta lådan som är Googles rankningsalgoritm. Kanske har rädsla för det okända fungerat som en barriär för att identifiera innovativa sätt att penetrera dessa upplevda hinder. Men det finns alltid ett sätt att övervinna dessa rädslor och övervinna det till synes omöjliga. Det finns ett underbart ordspråk: ”Rädsla knackade på dörren. Faith svarade. Ingen var där.” Genom tro på forskning och analys kan vi övervinna denna rädsla för det okända och etablera en process som tillåter transparent direkt insyn i en rad mycket inflytelserika HVT-faktorer som, när de implementeras, kan ge en betydande ökning av trafik, konverteringar och engagemang .
Googles logik är inte helt gömd i en ökända svart låda. Visste du att Googles PageRank-algoritm är patenterad? Patenten är fritt tillgängliga att läsa och utvärdera. Man kan få fantastiska insikter genom att läsa igenom något av Googles patent på PageRank eller andra relaterade verktyg. Till exempel:
Kontrollera dock inte bara patent explicit i PageRank. Du kan hitta associerad och relevant information genom att utvärdera andra Google-patent, som Google Panda, Google Maps, Google Query Based Circles eller eventuella nya patent som kan läggas till kontinuerligt. Ett exempel på detta är lanseringen av Googles Panda-patent den 25 mars 2014.
Innan detta patent släpptes kunde analytiker bara spekulera om hur Google mätte varumärkesauktoritet. Formuleringen av patentet avslöjade att Google skulle identifiera de termer som användare sökte efter och klickade på. Detta skulle tillåta Google att koda och kartlägga varumärkesomnämnanden till frågor för att identifiera ett prioriterat auktoritetsindex för varje omnämnande. Sidkvaliteten skulle sedan kunna utvärderas och mätas utifrån innehållets kommersiella avsikt, oavsett om omnämnanden nämns som hyperlänkar eller icke-länkar.
Ur perspektivet av en HVT-rankinginfluencer är ett annat exempel den framväxande framträdande av innehållsläsbarhet med hjälp av Flesch-läsbarhetsalgoritmen. Flesch Kincaid-ekvationen för läsbarhet används som en viktad rankningssignal och erhålls genom en utvärdering av stavelse- och meningsstrukturerna i sidinnehållet. Medan vissa rankningsoptimeringsverktyg har börjat notera denna algoritm under de senaste åren, kan det noteras att Google inkluderade användningen av Flesch-algoritmen i sina patent för flera år sedan.
Tillsammans med kontextuella bedömningar av teknologipatent är det betydande värdet av att hålla sig uppdaterad om Searchmetrics rankningsfaktorer. Varje år publicerar Searchmetrics en lista över värdefulla mål som påverkar rankningen av sökmotorernas resultatsidor och deras tillhörande startkorrelationskoefficienter. Deras analys ger en statistiskt signifikant bild av trenden för särskilda HVT-rankningsfaktorer, såväl som hur de korrelerar efter rankningsposition. Även om den här studien tenderar att ge generella branschinfluenser, finns det ett sätt att koppla resultaten direkt till din egen organisations behov.
Beväpnad med en lista över indexerade HVT-ranking influencers och deras associerade Spearman-korrelationskoefficienter, är det dags att tillämpa den informationen på din egen webbplats. Det första steget är att utföra en granskning av dina målsidor för att identifiera vilka HVT-faktorer som behöver implementeras. Ett sätt att uppnå detta är att dela in HVT:er i koncentrationskategorier, till exempel: kommersiella signaler, on-page-signaler, länksignaler, recensionssignaler, sociala signaler, beteendesignaler, etc.
När du granskar dina målsidor kan du använda verktyg för att programmatiskt skrapa koden för dina målsidor och sedan identifiera och isolera HVT-luckor. Du kan använda reguljära uttrycksmönster för att flagga HVT-luckor och varna dig. Dessa hårdkodade makron är särskilt användbara om du har mer än en handfull målsidor att utvärdera. I slutet av denna fas bör du ha en klar bild av vilka HVT som har implementerats och vilka som inte har.
Kör sedan en tidsserieregressionsprognosmodell på ett två till fyra år långt tillbakablicksfönster av historisk trafik och omvandlingsdata. Målet är att prognostisera månadsvis, ett år framåt. Helst vill du försäkra dig om att du redan har diskuterat konverteringsmål med kritiska intressenter för att säkerställa att din bedömning är mycket anpassad till din organisations behov och slutmål. Med säsongsfaktorer identifierade genom en lutning och avlyssningsbedömning kommer du att ha rätt data du behöver för att generera handlingsbara HVT-insikter.
För att få listan över HVT:er som dina målsidor behöver, isolera Spearman-korrelationskoefficienterna (t.ex. rankningspåverkansparametern) för dessa uppgifter och kombinera dem med din aktuella trafik- och konverteringsdata, tillsammans med din konverteringsdata. säsongsjusterad historisk regression, och identifiera trafik och omvandlingar proportionellt efter varje nödvändig HVT-faktor. Identifiera din icke-parametriska Spearman’s Rho-determinationskoefficient (p^2), som är andelen delad varians i de rangordnade variablerna. Prognostisera dessa data med tre månaders intervall för att fastställa potentiella riktmärken för förväntade proportionella trafik- och konverteringsresultat för de HVT-uppgifter som behöver implementeras.
I slutändan kommer HVT-analyser att förse dig med de avgörande bevisen och de nyligen etablerade milstolparna du behöver för att övertyga den verkställande ledningen om att du är värd resursbandbredden och budgettilldelningen som krävs för att främja optimerad klassificering och prestanda för webbplatsengagemang i väntan på nyförvärvad trafik. och konverteringar för målsidor efter uppgift. Ännu viktigare är att du har upprättat en färdplan över prioriterade kritiska uppgifter att fokusera på under det kommande året med den specifika avsikten att driva rankningar och öka intäkterna. I en storslagen final i stil med klassiska Hollywood-slut kommer du att finna dig själv rida iväg i solnedgången efter att ha räddat dagen genom att berätta en övertygande, datadriven historia, berätta den historien korrekt och berätta den just nu.
