Granskning av backlink-profil, genomgående med fiktiva siffror
Allt nedan är ett hypotetiskt exempel. Butiken, raderna och konkurrenterna är fiktiva så att metoden blir tydlig. Inget av detta är verkliga kunddata.
Anchor Social forskarlag ·
Detta är ett exempel
Butiken nedan finns inte och siffrorna är valda för enkel aritmetik. Använd layouten, inte värdena. Hämta dina egna rader med körboken.
Steg ett: 600 ankare, indelade i kategorier
Fiktiv butik som säljer bakningsutrustning. Radantal efter att ha tagit bort butikens egna sidfotslänkar.
Kategori
Rader
Andel
Varumärke
312
52%
Bar URL
150
25%
Generisk
72
12%
Delvis matchning
30
5%
Exakt matchning
24
4%
Bild eller tom
12
2%
Att läsa tabellen
Detta är typiskt för en liten butik vars länkar kommer från kataloger, leverantörssidor och några lokala artiklar. Ett mönster som detta är vanligt när en butik listas i kataloger och leverantörssidor, eftersom dessa listningar ofta upprepar företagsnamnet. Varumärket dominerar. Inget här ser ut att vara manuellt optimerat.
Exakt matchning ligger på 4 %, 24 rader av 600. Vänta. Hur många länkande domäner producerar dessa 24? Om ett enda branschforum står för 20 av dem är det verkliga antalet närmare fyra domäner, och fyra domäner är en helt annan historia.
Antag att de 600 raderna kommer från 410 domäner och att varumärkesandelen per domän är 58 %. Frågan är nu om varumärkesandelen förblir hög när varje domän räknas endast en gång, vilket domänkolumnen svarar på med ett ögonkast. Räkna nu per domän. Nära radandelen, så ingen enskild webbplats snedvrider resultaten.
Kontrollera sidorna. En sista kontroll: sortera de exakta raderna efter länkande domän och läs sidorna de finns på. Fem minuters läsning slår en timmes procentsatser.
Steg två: en fiktiv konkurrentgrupp
Tre fiktiva konkurrenter, samma kategoriseringsregler. Andelar av rader.
Webbplats
Varumärke
Bar URL
Generisk
Delvis
Exakt
Vår fiktiva butik
52%
25%
12%
5%
4%
Konkurrent A (större, 8 år gammal)
61%
20%
9%
6%
3%
Konkurrent B (recensionstung)
38%
18%
10%
17%
14%
Konkurrent C (marknadsplatsförsäljare)
47%
29%
14%
6%
3%
Vad jämförelsen säger
Konkurrent B är avvikaren, med 14 % exakt matchning. Tabellen kan inte säga. Rankar den på grund av det, eller trots det?
Tre av fyra profiler ligger mellan 3 % och 4 % exakt matchning, vilket gör vår butik vanlig. Domslaget är tråkigt. Den ärliga slutsatsen är tråkig: inget att fixa i blandningen, och en anledning att titta på innehåll, sidhastighet eller interna länkar om rankningen stannar av.
Ändra siffrorna. Ett annat hypotetiskt exempel skulle sluta annorlunda. Vid 22 % exakt matchning på 600 rader utan någon konkurrent över 5 % skulle du kontrollera betalda placeringar, läsa felsökningstabellen för att utesluta ett hämtfel, och först då besluta vad du ska avvisa eller lämna vara.
Kör samma butik nästa månad
Säg att butiken kör samma hämtning nästa månad med samma taggningsregler. Behåll metoden fixerad. Tabellen kommer att ändras lite, och förändringen är den verkliga läxan. Läs varje kategoris förändring innan du skriver ett omdöme om den.
En varumärkesandel som förskjuts
Antag att varumärkesraderna ökar från 52 % till 56 % medan bar URL förblir oförändrad. Kontrollera de ändrade raderna. Det kan betyda en ny kataloglisting, eller att taggern började räkna en delvis fras som ett varumärke. Kontrollera raderna som ändrades innan du berättar en historia om dem.
En förskjutning på några punkter på en månad är vanlig brus. Många ärliga profiler rör sig så mycket mellan ögonblicksbilder helt enkelt eftersom indexet uppdaterades och några nya kataloger dök upp. Samma förskjutning över tre ögonblicksbilder i rad är en trend som behöver en förklaring. Mönster behöver flera månader.
Taggningsförskjutning som simulerar en ökning
Taggningsförskjutning kan skapa en ökning på egen hand. Regler förskjuts tyst. Om en fras var delvis matchning en månad och exakt matchning nästa månad, ökar exaktandelen utan en enda ny länk. Ha regeln skriven i arket och läs den innan varje körning.
Räkna om den gamla månaden med den nya regeln innan du jämför de två. Enda då säger skillnaden något om butiken. Samma regel, båda månaderna.
Skriv varje regeländring i en logg med dess månad. Utan den loggen ser förskjutningen ut som en trend i butiken när det egentligen är en ändring i taggern. Loggar förhindrar falska trender.
Rader och domäner som berättar olika historier
Tänk dig en omkörning där de 600 raderna vilar på bara 90 domäner istället för 410. En läsare som bara tittar på radandelen skulle kalla profilen för vanlig, och det är exakt den typ av slutsats som domänkolumnen är där för att testa. Det är domänerna som berättar historien. Radandelen för varumärke kan fortfarande se vanlig ut, medan domänantalet visar en koncentrerad profil. En läsare som bara läser rader skulle missa detta.
Sida vid sida, alltid. Skriv ut radandelen och domänandelen sida vid sida, så att gapet är synligt med ett ögonkast.
Gör det till rutin. Behåll en andra kolumn för domäner i varje körning, så att jämförelsen görs varje gång istället för bara när någon ber om det.
Att välja konkurrenter utan att plocka körsbär
Konkurrenter är där de flesta resultat från backlink-profilgranskningar går fel. Var strikt med dem. Tre webbplatser du beundrar kommer att göra din butik att se vanlig ut, och tre svaga webbplatser kommer att göra den att se stark ut. Välj konkurrenter som rankar för samma målsökord idag, och skriv ner valet innan du hämtar något.
Behåll konkurrentlistan fixerad
När konkurrenterna är valda, registrera dem med sina domäner och datumet för hämtningen. Att registrera listan innan hämtningen hindrar också en läsare från att tyst byta ut en starkare eller svagare rival efter att ha sett de första resultaten. Att ändra listan mellan månaderna ändrar baslinjen, så att jämförelsen skulle beskriva listan istället för butiken. Att skriva ner det hjälper.
Utgångar behöver anteckningar. Om en konkurrent försvinner, notera varför och behåll dess gamla rader. Det håller historiken läsbar för nästa person som öppnar arket.
Varför ett stort varumärke är en dålig måttstock
En nationell nyhetssajt och en sex månader gammal butik har olika profiler av skäl som inte har något med ankare att göra. Deras varumärkesandel kommer att vara hög och deras exakta andel låg, och inget av talen säger dig vad du ska ändra. Storlek vilseleder i sig självt.
Matcha formen. Leta efter konkurrenter vars storlek och nisch liknar din egen, även när de rankar lite lägre.
En användbar konkurrent tenderar att dela nisch, språk och domänens ungefärliga ålder, vilket är mer än en delad rankningsposition ensam. Nisch är viktigast.
Hur många konkurrenter räcker
Tre konkurrenter ger ett användbart spann. Tre räcker. Två ger dig ett myntkast, och mer än fem börjar suddiga bilden för en liten butik. Våra exempel använder tre eller fyra, vilket matchar körboken.
Bestäm tidigt. Fixa antalet innan du hämtar, inte efter att du har sett resultaten.
Om konkurrenterna är oense bland sig, säg det i skrivningen och visa spridningen. En bred spridning är en fyndighet, inte ett misslyckande att välja rätt tre. Visa spridningen.
Fem kontroller innan du litar på tabellen
Varje kontroll tar några minuter och tar bort ett sätt som en snygg tabell kan vilseleda.
1
Kontrollera totalen
Bekräfta att kategori-raderna adderas till totalen du hämtade innan du läser någon andel.
2
Räkna om per domän
Lägg till kolumnen för länkande domän och jämför domänandelen med radandelen.
3
Öppna de översta exakta raderna
Läs sidorna bakom raderna med exakt matchning, inte bara ankartexten i cellen.
4
Placera butiken bland konkurrenter
Se om butiken ligger inom konkurrentspannet eller utanför det, och säg vilket.
5
Spara tabellen med dess datum
Behåll tabellen, reglerna och konkurrentlistan tillsammans, så att nästa månads körning kan jämfiras rättvist.
Vanliga missförstånd av en tabell som denna
En liten tabell inbjuder till snabba slutsatser, och de flesta av de felaktiga är lätta att undvika. Tabellen ger en tydlig bild av en butik, men den lämnar inte läsaren ett omdöme, och den bör läsas som en utgångspunkt för frågor. De tre nedan dyker upp när någon läser en butiksprofil för första gången. De flesta misstag är undvikbara.
Att läsa exakt matchning som ett betyg
En hög exakt andel ser ut som ett betyg, men den räknar bara rader som matchar en fras. Ordval är inte kvalitet. Säg att en butik har 14 % exakt matchning. Det säger dig om ordval, och det säger inget om kvalitet eller om sidorna som ordvalen pekar på.
Behandla exaktandelen som en beskrivning. Lägg den bredvid domänantalet innan du säger något annat. Domäner ger kontext.
Fråga hur samma fras skulle se ut om butiken hade skrivit den medvetet. Exakta matchningar som kommer från människor som namnger ett produkt berättar en annan historia från de som placeras för att fylla en slot. Intention visas i ordval.
Att behandla en konkurrent som normen
En konkurrent kan vara onormalt stark eller onormalt svag, och en enda jämförelse kommer gärna att välja antingen. En tabell med bara en jämförelse är lätt att missläsa, och en tabell med tre visar om ett resultat är typiskt eller en avvikare. Att genomsnittliga konkurrenterna hjälper bara när gruppen är ungefär lik, så kontrollera det först. En konkurrent vilseleder.
Spann slår enskilda rivaler. En läsare som ser ett spann av tre profiler har en bättre bild än en som ser en enskild rival.
Märk det ärligt. En enskild rival är en fallstudie, inte en benchmark, och varje tabell bör märka det på det sättet.
Att glömma bort kategorin för bar URL
Bara URL:er är lätta att hoppa över, eftersom de ser ut som brus. I exemplet ligger de på 25 %, en fjärdedel av profilen, och de säger något om hur folk länkar till en vanlig adress. Släpp aldrig den raden.
Rapportera den kategorin varje gång. Att släppa den gör att andra andelar ser större ut än de är.
Vad du kan kopiera från detta exempel
Rapportera radandel och domänandel sida vid sida
Inkludera alltid minst tre konkurrenter
Skriv omdömet i en mening per kategori
Namnge vad datan inte kan berätta för dig
Spara tabellen som en daterad fil för nästa månad
Frågor om exemplet
Varför 600 ankare och inte alla?
Eftersom 600 räcker för att se ett mönster och är litet nog att taggas för hand på en eftermiddag. En verklig hämtning kan löpa upp till 50 000 rader via paginering, vilket kostar 100 credits, eller en cent.
Är 4 % exakt matchning säkert?
Det finns inget officiellt säkert nummer, och inget i detta exempel påstår ett sådant. Poängen är att 4 % ligger inom spannet av tre jämförbara webbplatser, vilket är ett mer användbart test än någon universell siffra.
Vilken Google-uppdatering är viktig för detta?
Penguin 4.0, september 2016, gjorde länksignaler real-time och i stort sett devaluerade. Updateringen för länkspam i december 2022 lade till SpamBrain för att upptäcka onaturliga länkar. Ingen av dem publicerar en ratio, så konkurrenter är den praktiska måttstocken.