Backlinkprofielcontrole, uitgewerkt met verzonnen cijfers

De tabel lezen

Dat is typisch voor een kleine winkel waarvan de links afkomstig zijn uit directories, leverancierspagina's en een paar lokale artikelen. Een patroon als dit komt veel voor wanneer een winkel in directories en leverancierspagina's wordt opgenomen, omdat die vermeldingen de bedrijfsnaam vaak herhalen. Merk domineert. Niets hier ziet er geforceerd uit.

Exact match staat op 4%, 24 rijen van de 600. Wacht even. Hoeveel verwijzende domeinen leveren die 24? Als één vakforum er 20 voor zijn rekening neemt, ligt het echte cijfer dichter bij vier domeinen, en vier domeinen is een heel ander verhaal.

Stel dat de 600 rijen afkomstig zijn van 410 domeinen en het merk aandeel per domein 58% is. Nu is de vraag of het merk aandeel hoog blijft zodra elk domein slechts één keer wordt geteld, wat de kolom domein in één oogopslag beantwoordt. Tel nu per domein. Dicht bij het rij aandeel, dus geen enkele site vertrekt de cijfers.

Controleer de pagina's. Een laatste check: sorteer de exacte rijen op verwijzend domein en lees de pagina's waar ze op staan. Vijf minuten lezen is beter dan een uur percentages.

Wat de vergelijking zegt

Peer B is de outlier, met 14% exact match. De tabel kan het niet zeggen. Rankt het vanwege dat, of ondanks dat?

Drie van de vier profielen leven tussen 3% en 4% exact match, wat onze winkel ordinair maakt. De conclusie is saai. De eerlijke conclusie is saai: niets te repareren in de mix, en een reden om naar content, pagespeed of interne links te kijken als de rankings achterblijven.

Verander de cijfers. Een ander hypothetisch scenario zou anders aflopen. Bij 22% exact match op 600 rijen zonder peer boven de 5%, zou je controleren op betaalde plaatsingen, de troubleshooting table lezen om een pull-fout uit te sluiten, en pas daarna beslissen wat je wilt disavowen of met rust wilt laten.

Voer dezelfde winkel volgende maand opnieuw uit

Stel dat de winkel volgende maand dezelfde pull uitvoert met dezelfde tagging-regels. Houd de methode vast. De tabel zal iets veranderen, en de verandering is de echte les. Lees de verandering van elke bucket voordat je een conclusie erover trekt.

Een afdrijvend merk aandeel

Stel dat merkrijen stijgen van 52% naar 56% terwijl platte URLs gelijk blijven. Controleer de veranderde rijen. Dit kan betekenen dat er een nieuwe directoryvermelding is, of dat de tagger een gedeeltelijke zin begon te tellen als een merknaam. Controleer de rijen die zijn veranderd voordat je er een verhaal over vertelt.

Een drift van een paar punten in één maand is gewone ruis. Veel eerlijke profielen bewegen zich met die hoeveelheid tussen snapshots gewoon omdat de index is verfrist en een paar nieuwe directories zijn verschenen. Dezelfde drift over drie opeenvolgende snapshots is een trend die een verklaring nodig heeft. Patronen hebben meerdere maanden nodig.

Tagging drift die een stijging valseert

Tagging drift kan een stijging alleen al verzinnen. Regels veranderen stil. Als een zin in de ene maand een gedeeltelijke match was en in de volgende een exact match, stijgt het exacte aandeel zonder dat er een enkele nieuwe link bij komt. Houd de regel in het sheet geschreven en lees hem voor elke run.

Tel de oude maand opnieuw met de nieuwe regel voordat je de twee vergelijkt. Pas dan zegt het verschil iets over de winkel. Dezelfde regel, beide maanden.

Schrijf elke regelwijziging in een logboek met de maand. Zonder dat logboek lijkt de drift een trend in de winkel te zijn, terwijl het eigenlijk een verandering in de tagger is. Logboek voorkomen valse trends.

Rijen en domeinen die verschillende verhalen vertellen

Stel je een rerun voor waarbij de 600 rijen op slechts 90 domeinen zitten in plaats van 410. Een lezer die alleen naar het rij aandeel kijkt, zou het profiel ordinair noemen, en dat is precies het soort conclusie waar de domeinenkolom voor is bedoeld om te testen. De domeinen vertellen het verhaal. Het rij aandeel van het merk kan nog steeds ordinair lijken, terwijl het domein aantal een geconcentreerd profiel laat zien. Een lezer die alleen rijen leest, mist dat.

Naast elkaar, altijd. Print het rij aandeel en het domein aandeel naast elkaar, zodat de kloof in één oogopslag zichtbaar is.

Maak het routine. Houd een tweede kolom voor domeinen in elke run, zodat de vergelijking elke keer wordt gemaakt in plaats van alleen als iemand erom vraagt.

Peers kiezen zonder cherry-picking

Peers zijn waar de meeste backlinkprofielcontrole-resultaten fout gaan. Wees streng over hen. Drie sites die je bewondert, laten je winkel ordinair lijken, en drie zwakke sites laten het sterk lijken. Kies peers die vandaag ranken voor dezelfde doeltermen, en schrijf de keuze neer voordat je iets ophaalt.

Houd de peer-lijst vast

Zodra de peers zijn gekozen, registreer ze met hun domeinen en de datum van de pull. Het registreren van de lijst voor de pull voorkomt ook dat een lezer stilzwijgend een sterkere of zwakkere concurrent vervangt nadat hij de eerste resultaten heeft gezien. Het veranderen van de lijst tussen maanden verandert de basislijn, dus de diff zou de lijst beschrijven in plaats van de winkel. Het opschrijven helpt.

Uitval heeft notities nodig. Als een peer uitvalt, noteer dan waarom en houd zijn oude rijen. Dit houdt de geschiedenis leesbaar voor de volgende persoon die het sheet opent.

Waarom een groot merk een slechte maatstaf is

Een landelijk nieuwsblad en een zes maanden oude winkel hebben verschillende profielen om redenen die niets met ankers te maken hebben. Hun merk aandeel zal hoog zijn en hun exacte aandeel laag, en geen van beide cijfers vertelt je wat je moet veranderen. Alleen de grootheid misleidt.

Match de vorm. Zoek peers waarvan de grootte en niche lijken op die van jou, zelfs als ze een beetje lager ranken.

Een nuttige peer deelt vaak de niche, de taal en de ruwe leeftijd van het domein, wat meer is dan een gedeelde rankingpositie alleen. Niche is het belangrijkst.

Hoeveel peers zijn genoeg

Drie peers geven een bruikbaar bereik. Drie is genoeg. Twee geven je een muntworp, en meer dan vijf beginnen het beeld te vervagen voor een kleine winkel. Onze voorbeelden gebruiken drie of vier, wat overeenkomt met de runbook.

Beslis vroeg. Stel het aantal vast voordat je trekt, niet nadat je de resultaten hebt gezien.

Als de peers het niet met elkaar eens zijn, zeg dat dan in de write-up en toon de spreiding. Een brede spreiding is een bevinding, geen falen om de juiste drie te kiezen. Toon de spreiding.

Veelvoorkomende mislezingen van een tabel als deze

Een kleine tabel nodigt uit tot snelle conclusies, en de meeste verkeerde zijn eenvoudig te vermijden. De tabel geeft een duidelijk beeld van één winkel, maar hij geeft de lezer geen oordeel, en hij moet worden gelezen als een startpunt voor vragen. De drie hieronder komen altijd naar voren wanneer iemand voor het eerst een winkelprofiel leest. De meeste fouten zijn te vermijden.

Exact match lezen als een score

Een hoog exact aandeel ziet eruit als een cijfer, maar het telt alleen rijen die overeenkomen met een zin. Woordkeuze is geen kwaliteit. Stel dat een winkel 14% exact match heeft. Dat vertelt je iets over de woordkeuze, en het zegt niets over kwaliteit of over de pagina's waar de woordkeuze naar verwijst.

Behandel het exacte aandeel als een beschrijving. Zet het naast het domein aantal voordat je iets anders zegt. Domeinen geven context.

Vraag je af hoe dezelfde zin eruit zou zien als de winkel het met opzet had geschreven. Exact matches die van mensen komen die een product benoemen, vertellen een ander verhaal dan diegenen die zijn geplaatst om een slot in te vullen. Intentie toont zich in de woordkeuze.

Eén peer behandelen als de norm

Eén peer kan ongebruikelijk sterk of zwak zijn, en een enkele vergelijking kiest graag het een of het ander. Een tabel met slechts één vergelijking is makkelijk verkeerd te lezen, en een tabel met drie laat zien of een resultaat typisch is of een outlier. Het gemiddelde van de peers helpt alleen als de groep ongeveer hetzelfde is, dus controleer dat eerst. Eén peer misleidt.

Bereiken verslaan enkele rivalen. Een lezer die een bereik van drie profielen ziet, heeft een beter beeld dan iemand die een enkele rivaal ziet.

Label het eerlijk. Een enkele rivaal is een case study, geen benchmark, en elke tabel zou dat zo moeten labelen.

De platte URL-bucket vergeten

Platte URLs zijn makkelijk om over het hoofd te zien, omdat ze op ruis lijken. In het voorbeeld staan ze op 25%, een kwart van het profiel, en ze zeggen iets over hoe mensen naar een plat adres linken. Laat die rij nooit vallen.

Rapporteer die bucket elke keer. Het weggelaten maakt de andere aandelen groter dan ze zijn.