2.5億個 SERP 的分析研究:無點擊搜尋的故事比我們想的更複雜

充分的數據顯示:精選摘要是"點擊中性"的而廣告操作從無點擊廣告中收益更多流量

發表於 2020- 03- 25   |   行銷分析   |   Kent Wu
2.5億個 SERP 的分析研究:無點擊搜尋的故事比我們想的更複雜

在商業查詢觸發廣告的情況下,我們發現無點擊搜索結果的影響要小得多。品牌查詢和非品牌查詢的排名1的點擊率存在顯著差異。精選摘要不會影響總體的點擊率。

這是 Perficient Digital 在一份有關 Google SERP 功能(摘要,資訊欄等)對自然點擊率(CTR)的影響的新報告中的三項主要發現。它對大約2.5億次搜索的分析。

Perficient Digital 及其合作夥伴 AuthorityLabs 研究了 Google SERP / 搜索的主要功能(廣告,摘要,輪播,網站鏈接、其他人也搜尋什麼等)以及30天內的點擊流數據,以評估其對自然點擊率的影響。

Percentage of no-click results: desktop vs. mobile

投放廣告可從無點擊結果流量中獲得點擊。總體而言,研究發現桌機和行動裝置的無點擊平均比例約為44%。這與現在熟悉的 Jumpshot-SparkToro 圖表形成對比,後者僅顯示了超過50%的無點擊結果。桌機和筆電的“有效數字”數字分別為33.5%和54.6%。

研究發現,當廣告受到商業查詢的觸發時,無點擊結果的百分比在桌機上明顯下降。大多數這些點擊來自“付費無點擊結果”。隨機點擊的百分比仍然相當接近:有廣告的有55.5%,沒有廣告的有61%。

The presence of ads impacts no-click results

這項研究顯示,傳統的點擊率模型“毫無意義”。品牌/導覽查詢的點擊率百分比與非品牌查詢的點擊率根本不同(可能更高)。研究顯示,排名1的品牌自然點擊率接近70%。但對於排名第一的非品牌查詢,這一數字要少得多,不到20%。

基於這一發現,Perficient Digital 認為“已發布的傳統 CTR 模型在很大程度上沒有意義,因為它們沒有將品牌查詢的點擊率行為與非品牌查詢的行為分開。”

Branded queries: dramatic CTR differences in position 1

摘錄不會真正影響整體點擊率。這項研究的另一個令人驚訝的發現是,整體而言,具有特色的摘要是所謂的“點擊中性”。傳統觀點認為,摘要有助於產生無點擊結果,因為人們可以從中獲得足夠的信息,而不必點擊進入站點。

但是 Perficient Digital 發現,“具有特色摘要的查詢的 CTR 略高於不包含摘要的查詢的 CTR”,儘管微不足道。在某些情況下,摘要無需點擊即可回答問題,在其他情況下,則“將點擊率大大提高到了包含摘要的網站。”因此,總體而言,該研究得出的結論是,摘要中的摘要對 CTR 的影響可忽略不計。

我們為什麼在乎。報告中有兩個高層次的建議。首先是嘗試針對這些 SERP 功能(Local pack 本地資訊,輪播,摘要)進行優化並對其進行排名。第二個是:“產生內容”,解決搜索的長尾。搜索的長尾仍然佔據著所有搜索的70%或更多”,而 Google 無法為所有這些查詢提供無點擊答案。

 

原文出處:https://searchengineland.com/analysis-of-250-million-serps-finds-no-click-story-more-complex-than-it-appears-330224

更多文章
2020 - 04 - 30

如何把握新冠肺炎疫情影響趁勢在社交媒體上創造出一波新曝光機會

2020 - 09 - 10

啟用機器學習的市場情報平台可深度抓取市場數據,並涵蓋店內和線上通路在主要零售商店中庫存的數千個數據點,品牌和類別,從而為您提供接近實時,準確,細化的報告。

2021 - 04 - 13

如何才能有跨平台擴散成效?是創造值得跟大家討論、分享的事物,不單是追求讚數、愛心數、觀看數等,如此擴散也可以打到其他新客群,所以就可以從中瞭解「話題創造」的重要,那又該如何「話題創造」?

創作者與編輯
Affiliates.One 聯盟網 Affiliates.One 聯盟網
Anthony Wu Anthony Wu
Lily Lu Lily Lu
Kent Wu Kent Wu
Amy Huang Amy Huang
Jerry Wang Jerry Wang
Leon Lu Leon Lu
Frank Chien Frank Chien
Liki Lin Liki Lin
Katy Tu Katy Tu
Dora Lin Dora Lin
Jared Liu Jared Liu
Elizabeth Su Elizabeth Su
Jane Wang Jane Wang
Erya She Erya She
Rachel Hsu Rachel Hsu
Ray Hsu Ray Hsu
Cindy Chen Cindy Chen
Ines Wang Ines Wang
Olivia Tseng Olivia Tseng