访问我们的数据并设置通知

访问我们的数据并设置通知

现在我们已经了解了一些用来识别我们的离群值的统计信息，我们如何将它应用到我们的搜索结果中呢？

输入Google Search Console搜索分析API。我之前已经写过了，甚至还做了一个公开的Google Search Console Python脚本，它可以将您的流量查询数据备份到一个SQL数据库中。这对于数据挖掘和其他分析功能很有帮助，但是我们可以用API来做很多事情，比如自动化这个过程来识别性能不佳的点击率。

数据收集：我们通过Google Search Console搜索分析API收集查询、页面和相关的数据。您可以使用Python脚本（或任何您的首选项）来完成此任务。

圆平均位置：我把平均位置的位置移动到十分位的小数点位置（例如：1.19四舍五入为1.2）。否则，就会遇到这样的情况：每个位置的样例大小都太小了。例如，1.1-1.9的位置都有关联的CTR汇总统计信息。

数学：我们使用统计方法的组合来识别离群值的异常值。这也可以通过下载搜索分析数据的相同脚本实现自动化。

电子邮件：如果在一个平均位置的关键字查询和页面组合中发现了任何负的异常值，那么就会发出一封电子邮件，将所有这些数据识别给每个分配给该帐户的搜索引擎优化进行调查。

调度：将脚本设置为在循环的基础上运行。对于频率，我选择了一个月的时间框架，它在代理框架中与我们的客户很好地合作，但是这个频率多少取决于您的需求。日程安排是用Cron完成的。

对数据进行处理

我们想做的基本思想是识别搜索查询和着陆页面的组合，而这些组合并没有按照给定的排序那样被点击。更多文章推荐：免备案主机cn.bluehost.com

如果他们的表现不像你预期的那样好，原因有很多。例如，可能有一个SERP特性（例如一个功能片段）或付费广告，这些广告都是点击共享的。这些都是你无法做的。

然而，在您的控制中有一些SERP的元素：丰富的代码片段和元数据（您的标题标签和元描述）。如果你确定你的元数据可能导致了一个不太理想的CTR，那就是一个简单的修复——只要开始使用不同的标题标签和元描述组合就可以了。理想情况下，这是通过a/b测试系统完成的。

对于使用的统计方法，我们只需要简单地说明一下：检测异常值的方法中没有一个是100%完美的。你必须将它们作为工具来评估个体的基础。这将归结到搜索引擎优化问题上，挖掘得更深一些。

即使您已经将糟糕的CTR性能缩小到在元数据中进行复制，仍然有可能存在不符合您的目标的错误的否定、查询和登录页面组合。在一天结束的时候，我们需要我们的搜索引擎优化人员在逻辑上思考并在合理的情况下行动，而不是在其他方面。

下一个步骤

一旦你改进了低于标准的有机列表的CTR，你就可以开始考虑查看其余的列表，并从典型的点击率中获取它们。看看行业基准，以及其他客户数据，并试着做得更好。在一天结束的时候，你手中掌握了大量的权力，而好的副本可以很长一段时间。