Page Authority 2.0: به روزرسانی در مورد تست و زمان بندی

Page Authority 2.0: به روزرسانی در مورد تست و زمان بندی

dmin آموزش سئو


یکی از دشوارترین تصمیمات برای تصمیم گیری در هر زمینه ، انتخاب آگاهانه از دست دادن یک مهلت قانونی است. طی چند ماه گذشته ، تیمی از درخشان ترین مهندسان ، دانشمندان داده ، مدیران پروژه ، ویراستاران و بازاریاب ها برای دستیابی به تاریخ انتشار صفحه جدید (۳۰) ، ۳۰ سپتامبر ۲۰۲۰ تلاش کرده اند. مدل جدید تقریباً از هر لحاظ به PA فعلی ، اما آخرین معیار کنترل کیفیت ما ناهنجاری را نشان داد که نمی توانستیم از آن چشم پوشی کنیم.

در نتیجه ، ما تصمیم سختی گرفته ایم برای به تأخیر انداختن راه اندازی صفحه آگهی ۲٫۰. بنابراین ، بگذارید لحظه ای قدم بگذارم تا قدم های خود را در مورد چگونگی رسیدن به اینجا ، جایی که ما را ترک می کند و چگونگی ادامه کار را دوباره بررسی کنم.

دیدن یک مشکل قدیمی با چشمان تازه

از نظر تاریخی ، Moz بارها و بارها از همین روش برای ساخت یک مدل Page Authority (و همچنین Domain Authority) استفاده کرده است. مزیت این مدل سادگی آن بود ، اما مورد دلخواه بسیاری باقی ماند.

صفحه قبلی مدل های مرجع در برابر SERP ها آموزش دیده اند و بر اساس مجموعه ای از معیارهای پیوند محاسبه شده از فهرست پیوند لینک Link Explorer ، سعی می کنند که آیا یک URL نسبت به آدرس دیگر رتبه بندی می شود ، پیش بینی کنند. یک مسئله اساسی در مورد این نوع مدل این بود که نمی تواند به طور معنی داری حداکثر قدرت مجموعه خاصی از معیارهای پیوند را برطرف کند.

به عنوان مثال ، قوی ترین URL ها را از نظر پیوند در اینترنت تصور کنید: صفحات اصلی Google ، Youtube ، Facebook یا URL های اشتراک گذاری دکمه های شبکه اجتماعی دنبال شده. هیچ SERP وجود ندارد که این URL ها را در برابر یکدیگر قرار دهد. در عوض ، این URL های بسیار قدرتمند اغلب شماره ۱ و پس از آن صفحاتی با معیارهای کاملاً پایین تر را دارند. تصور کنید اگر مایکل جوردن ، کوبه برایانت و لبرون جیمز هرکدام مقابل بازیکنان دبیرستان یک به یک پیروز شوند. هر کدام هر بار برنده می شدند. اما اینکه آیا مایکل جوردن ، کوبی برایانت یا لبرون جیمز در یک مسابقه یک بر یک مقابل یکدیگر پیروز می شوند ، در برآورد نتایج بسیار دشوار خواهیم بود.

هنگامی که وظیفه بازبینی Domain Authority را بر عهده داشتیم ، ما در نهایت مدلی را انتخاب کردیم که تجربه زیادی با آن داشتیم: روش آموزش SERPs اصلی (البته با تعدادی اصلاح). با استفاده از Page Authority ، ما تصمیم گرفتیم که با پیش بینی اینکه کدام صفحه از کل بازدیدهای ارگانیک بیشتری برخوردار باشد ، روش آموزشی دیگری را دنبال کنیم. این مدل چندین ویژگی امیدوار کننده مانند امکان مقایسه URL هایی را که در SERP یکسان وجود ندارند ، ارائه کرده است ، اما همچنین مشکلات دیگری مانند صفحه ای با ارزش پیوند بالا ، اما به سادگی در یک موضوع موضوعی که به ندرت جستجو می شود ، ارائه می دهد. ما برای پاسخگویی به رقابت با استفاده از یک معیار غیر پیوندی ، به بسیاری از این نگرانی ها ، مانند افزایش مجموعه آموزش ، رسیدیم.

اندازه گیری کیفیت صفحه آگهی جدید

نتایج بسیار امیدوار کننده بود – و هستند -.

اول ، مدل جدید بدیهی است که این احتمال را دارد که یک صفحه از ارگانیک با ارزش تری نسبت به صفحه دیگر برخوردار باشد. این انتظار می رفت ، زیرا مدل جدید به این هدف خاص معطوف شده بود ، در حالی که صفحه فعلی فقط سعی در پیش بینی رتبه بندی یک صفحه نسبت به صفحه دیگر داشت.

عکس Page Authority 2.0: به روزرسانی در مورد تست و زمان بندی

دوم ، متوجه شدیم که مدل جدید پیش بینی می کند که آیا یک صفحه نسبت به صفحه قبلی رتبه بهتری نسبت به صفحه دیگر داشته باشد یا خیر. این امر خصوصاً خوشحال کننده بود ، زیرا بسیاری از نگرانیهای ما مبنی بر عدم عملکرد مناسب مدل جدید در کنترل کیفیت قدیمی به دلیل وجود مدل جدید آموزشی ، را متوقف کرد.

مدل جدید در پیش بینی SERP ها چقدر بهتر از PA فعلی است؟ در هر بازه زمانی – تا انتهای موقعیت ۴ در مقابل ۵ – مدل جدید مدل فعلی را گره زده یا عملکرد آن را از دست می دهد. هرگز از دست نداد.

عکس Page Authority 2.0: به روزرسانی در مورد تست و زمان بندی

همه چیز عالی به نظر می رسید. سپس شروع به تجزیه و تحلیل پرت ها کردیم. من دوست دارم این را “هر چیزی احمقانه به نظر می رسد؟” تست. یادگیری ماشینی اشتباه می کند ، درست همانطور که بشر می تواند ، اما انسان ها معمولاً مرتکب اشتباه می شوند. وقتی انسانی اشتباه می کند ، ما اغلب دقیقاً می فهمیم که چرا این اشتباه مرتکب شده است. این مورد در مورد ML ، به خصوص Neural Nets وجود ندارد. ما با مدل جدیدی که اتفاقاً دارای ترافیک ارگانیک صفر نبود ، URL هایی را با مقامات صفحه بالا کشیدیم و آنها را در مجموعه آموزش برای یادگیری این خطاها قرار دادیم. ما به سرعت شاهد کاهش عجیب و غریب ۹۰+ PA بودیم که بسیار منطقی تر به دهه ۶۰ و ۷۰ رسیده است … یک پیروزی دیگر.

ما به یک تست آخر رسیده بودیم.

مشکل جستجوی مارک دار

برخی از محبوب ترین کلمات کلیدی در وب ، ناوبری هستند. افراد در گوگل به دنبال فیس بوک ، یوتیوب و حتی خود گوگل می گردند. این کلمات کلیدی چندین مرتبه نجومی نسبت به کلمات کلیدی دیگر جستجو می شوند. متعاقباً ، تعداد اندکی از مارک های بسیار قدرتمند می توانند تأثیر بسزایی در مدلی داشته باشند که به کل حجم جستجو به عنوان بخشی از هدف اصلی آموزش آن نگاه می کند.

آخرین آزمایش شامل مقایسه صفحه فعلی صفحه با صفحه جدید صفحه است ، تا مشخص شود که آیا هیچ چیز عجیب و غریبی وجود دارد (جایی که PA به طور چشمگیری و بدون دلیل مشخص تغییر مکان داده است). در ابتدا ، بیایید یک مقایسه ساده از LOG مرتبط کردن دامنه های ریشه را در مقایسه با صفحه آگاه کنیم.

عکس Page Authority 2.0: به روزرسانی در مورد تست و زمان بندی

خیلی فرسوده نیست. ما به طور کلی بین پیوند دادن دامنه های ریشه و Page Authority همبستگی مثبتی مشاهده می کنیم. اما آیا می توانید عجیب و غریب را تشخیص دهید؟ برو جلو و یک دقیقه وقت بگذار

در این نمودار دو ناهنجاری برجسته است:

  1. یک شکاف عجیب و غریب وجود دارد که توزیع اصلی URL ها و پرتوهای بالا و پایین را جدا می کند.
  2. بزرگترین واریانس برای یک امتیاز در PA 99 است. تعداد زیادی PA 99 با دامنه وسیعی از Linking Root Domains وجود دارد.

در اینجا تصویری ارائه شده است که به ترسیم این ناهنجاری ها کمک می کند:

عکس Page Authority 2.0: به روزرسانی در مورد تست و زمان بندی

فاصله های خاکستری بین سبز و قرمز نشان دهنده این شکاف عجیب بین قسمت عمده ای از توزیع و مواد پرت است. ناحیه دور (به رنگ قرمز) تمایل به جمع شدن دارند ، به ویژه بالاتر از توزیع اصلی. و البته ، می توان توزیع ضعیف را در بالای PA 99 ها مشاهده کرد.

به خاطر داشته باشید که این مسائل برای دقت کمتر مدل جدید Page Authority نسبت به مدل فعلی کافی نیستند. با این حال ، با بررسی بیشتر ، متوجه شدیم که خطاهایی که این مدل تولید می کند به اندازه کافی قابل توجه است که می تواند بر تصمیمات مشتریان ما تأثیر منفی بگذارد. داشتن مدلی که کمی در همه جا خاموش باشد (زیرا تنظیماتی که سئو کارها کاملاً دقیق انجام نشده اند) بهتر از داشتن مدلی است که بیشتر در همه جا درست باشد اما در موارد محدودی عجیب و غریب اشتباه است.

خوشبختانه ، ما نسبت به اینکه مشکل چیست مطمئن هستیم. به نظر می رسد که PA های صفحه اصلی به طور نامتناسبی متورم شده اند و مقصر احتمالی مجموعه آموزش ها است. ما نمی توانیم مطمئن شویم که این مسئله تا زمانی که آموزش مجدد را کامل نکنیم ، دلیل اصلی آن است.

خبر خوب و خبر بد

از آنجا که چندین مدل کاندیدا داریم که از صفحه صفحه موجود بهتر عمل می کنند ، وضعیت خوبی داریم. ما در نقطه له شدن اشکال هستیم ، نه ساخت مدل. با این حال ، تا زمانی که اطمینان نداشته باشیم مشتری ما را به مسیر درست هدایت می کند ، نمره جدیدی ارسال نمی کنیم. ما در مورد تصمیمی که مشتریان ما براساس معیارهای ما می گیرند ، دقیقاً وظیفه شناس هستیم ، نه فقط اینکه معیارها از برخی معیارهای آماری برخوردار باشند.

با توجه به همه اینها ، ما تصمیم گرفتیم که راه اندازی Page Authority 2.0 را به تأخیر بیندازیم. این زمان لازم را برای رفع این نگرانی های اصلی و تولید یک معیار ستاره ای به ما می دهد. خسته کننده، اذیت کننده؟ بله ، بلکه لازم است.

مثل همیشه ، از صبر شما سپاسگزاریم و مشتاقانه منتظر تولید بهترین معیار Page Authority هستیم که تاکنون منتشر کرده ایم.

از مرکز منابع PA بازدید کنید



منبع

شاید دوست داشته باشید:

بهترین روش های جدید برای تبلیغات بومی در سایت های تحریریه

بهترین روش های جدید برای تبلیغات بومی در سایت های تحریریه

تبلیغات دیجیتال امروزه متفاوت است. نحوه و زمان تعامل ما با تبلیغات آنلاین در ماه مارس که COVID-19 دوره جدیدی […]

رفع SEO روزانه: جمع آوری ، سازماندهی و پیگیری کلمات کلیدی با Moz Pro

رفع SEO روزانه: جمع آوری ، سازماندهی و پیگیری کلمات کلیدی با Moz Pro

بنابراین ما دوباره دیدار می کنیم ، تحقیق در مورد کلمات کلیدی … اکنون بیش از هر زمان دیگری ، […]

تجارت بصورت غیرمعمول: چگونه می توان خدمات جدید و به روز شده خود را با Google My Business ارتباط برقرار کرد

تجارت بصورت غیرمعمول: چگونه می توان خدمات جدید و به روز شده خود را با Google My Business ارتباط برقرار کرد

از زمان ابتلا به بیماری همه گیر COVID-19 در اوایل سال ۲۰۲۰ ، صاحبان مشاغل مجبور شدند به سرعت برای […]

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *