文件
進階分析
六份 Beta 報表,為你的 Search Console 資料加上統計分析:CTR 曲線、機會分數、熵值、時間序列分解、變化點與異常偵測。
進階分析位於資源側邊欄的 Advanced 區段,包含六份報表,各自以一種統計方法分析你的 Search Console 資料。其中三份以查詢為對象,用來找出哪些查詢的點擊數偏低、哪些最值得優先投入心力,以及哪些查詢的曝光分散在多個頁面;另外三份以每日數據序列為對象,用來區分趨勢與每週規律、標出長期持續的水準變化,並標記異常的日子。六份報表都標示為 Beta,且只會在你按下 Run Analysis 後才會執行。
各報表能回答什麼問題
| 報表 | 回答的問題 | 讀取的資料 | 最低需求 |
|---|---|---|---|
| CTR Curve Modeling | 哪些查詢的點擊數低於其排名在你自己網站上應有的水準? | 查詢 | 曝光 10 次以上,排名 1-20 |
| Opportunity Scoring | 哪些緊追在最前面結果之後的查詢,最值得投入心力? | 查詢 | 曝光 10 次以上,排名 3-30 |
| Cannibalization Entropy | 哪些查詢的曝光分散在你的多個頁面之間? | 查詢與頁面組合 | 2 個以上頁面,曝光 10 次以上 |
| Time-Series Decomposition | 變動中有多少來自趨勢,又有多少來自星期幾的差異? | 每日總計 | 14 天 |
| Change Point Detection | 流量是在哪幾天穩定到新的水準? | 每日總計 | 14 天 |
| Anomaly Detection | 哪幾天的數值超出了正常範圍? | 每日總計 | 21 天 |
Advanced 區段最上方的 Advanced 項目會開啟這六份報表的索引頁,標題為 Experimental Analytics,並列出各報表採用的方法與所需資料。
如何執行分析
- 開啟資源,並在側邊欄的 Advanced 下選擇報表。
- 選擇日期範圍與篩選條件:查詢、頁面、國家/地區、裝置、搜尋外觀、搜尋類型,以及品牌或非品牌流量。品牌字詞是指你在 Property Setup 中列出的字詞。
- 按下 Run Analysis。結果顯示後,按鈕會變成 Re-run Analysis;變更日期範圍或篩選條件後,請再按一次。
僅影響結果呈現方式的控制項會立即生效,不需要重新擷取資料,包括:熵值門檻、Opportunity Scoring 的圖表大小、三份每日報表的指標,以及 Change Point Detection 與 Anomaly Detection 的靈敏度。在 CTR Curve Modeling 中切換模型則會重新擬合曲線。
每次執行使用多少資料
- 查詢報表會讀取該期間最多 25,000 列資料,並依點擊數由高到低排序。這與 Search Analytics API 單次請求所能回傳的上限一致。
- 每日報表一律至少分析 90 天。如果你選擇的範圍較短,系統會向前延伸,並在結果上方以備註標示實際使用的日期。沒有 Search Console 資料的日子會以零計算,因此若資源建立的時間短於此視窗,開頭會有一段空白日期。
這些報表無法告訴你的事
- 依查詢分列的資料不包含匿名查詢,也就是 Google 為保護隱私而不揭露的罕見搜尋,因此查詢報表看到的數據會少於資源的總計。Google 在效能資料深入解析中對此有所說明。
- 排名是 Search Console 針對每次搜尋中你的網站所達到的最高位置計算的平均值,因此排名經常起伏的查詢,其數值會較為模糊。
- 標記只代表數據中出現的模式,並非原因。在採取行動之前,請先檢查該查詢或頁面本身、你的註解,以及網站上有哪些變動。
- Beta 表示這些方法仍可能調整。本文件中各報表的頁面所描述的是目前的版本。
匯出與分享結果
標題列的 Export 會將主要表格存成 CSV,內容與目前所在分頁及搜尋框的顯示結果相同;每張圖表也各有自己的 PNG 按鈕。工具列上的 Save & share report 與 Send to Slack 在每份報表中的運作方式都相同,請參閱匯出與分享。
與內容引擎的關聯
對於 AutoPSEO 撰寫並管理的文章,內容引擎每週已會監控相同的資料:當文章點擊數下降 40% 以上時,會將更新排入佇列;當文章排名介於 8 到 20 之間,但被點擊的比例不到該排名一般水準的 60% 時,則會排入最佳化。請參閱保持文章內容新鮮。網站上的其他內容,或是你想檢視決策背後的數據時,可以使用進階報表。
本節內容
CTR 曲線建模:各排名的預期 CTR
根據您自己的查詢擬合點擊率曲線,找出點擊率低於其排名預期的查詢,並估算這些查詢所流失的點擊數。
Opportunity Scoring:依未取得的點擊數為查詢排序
依曝光次數、錯失點擊與距離榜首的差距,為排名第 3 到 30 名的查詢評分,並估算排名提升到第 3 名時可增加的點擊數。
Cannibalization Entropy:找出分散在多個頁面的查詢
以 Shannon 熵(單位為位元)衡量每個查詢的曝光量在各頁面之間的分配是否均勻,並將結果分為 Healthy 到 Critical 等級。
時間序列分解:趨勢、每週規律與雜訊
將每日點擊或曝光拆解為趨勢、星期規律與殘差,標示趨勢方向,並標記模型無法解釋的異常日期。
變點偵測:精準標出流量轉變的日期
運用 CUSUM 與二元分割法,找出每日點擊或曝光移到新水準的日期,並提供每次轉變的幅度與信賴度。
異常偵測:找出 Search Console 資料中的異常日期
運用穩健統計方法,將每一天與前後同為星期幾的日期比較,依嚴重程度標示暴增與驟降,並提供 EWMA 圖表來觀察緩慢的偏移。