Ahrefs 中预估搜索流量准确性如何(新研究)

Ahrefs 中预估搜索流量准确性如何(新研究)

Tim Soulo
Tim是Ahrefs的CMO以及产品顾问,同时他也是该公司最狂热的粉丝和最忠诚的传播者。
Ahrefs 最常见的用户使用情况之一是检查某个网站(或网页)获得多少自然搜索流量。

众所周知,Ahrefs 中的搜索流量数字仅仅是预估值。但是,它们与实际流量数字的偏差有多大?

我们决定进行一项小型研究,并试图对其进行量化。

从 Ahrefs 的流量预估中可以得到什么?

在分享我们的研究结果之前,我认为相当重要的一点是,你首先要了解 Ahref s的预估流量是如何计算的。

下面是它的概况:

  1. 取出一个网站排名的所有关键词
  2. 调出每个关键词的每月搜索量
  3. 查询该网站在每个关键词的排名位置
  4. 预测他们每个搜索结果的点击率
  5. 汇总每个关键词的点击率,并计算出每月的预估搜索流量

你能告诉我在哪个步骤中可能出现偏差么?(提示:每一个)

  • 关键词 — 实际上,要知道某个网站的所有关键词排名是不可能的。
  • 月搜索量 — 这也不是特别精确(见我们最近的研究)。
  • 排名 — SERP是非常不稳定的。今天,你的网页排名第3;一天后,它排名第4。
  • 点击率 — 要预测 SERP 上的一个页面的点击率是非常困难的。有太多的因素需要考虑:搜索意图、广告、SERP 特性、品牌亲和力等等。

正如你所知道的,我们(或任何其他SEO工具)用于计算搜索流量估计的数据有许多问题,几乎不可能完美解决。而这些问题不可避免地影响到所产生的预估流量数字。

然而,尽管我们的预估流量数值可能与实际数据有相当大的偏差,但它们仍然足够好,对各类互连网营销人员有巨大的价值。

特别是当一个人了解这些数值是如何计算的(你现在就是这样做的)。因此,在使用这些数据时,你应该需要考虑到某种程度的差异(后面会有更多的介绍)。

因此,撇开这些不谈,让我们最后看看我们的研究成果。

Ahrefs 的预估搜索流量有多准确?

这项研究的灵感来自于 AuthorityHacker 的好朋友。他们最近进行了研究,比较了六个不同的SEO工具的预估搜索流量的质量。

在他们的研究中,Ahrefs 评价是最高的(平均差异为 22.5%,与 GSC 数据的相关度为 0.99)

但这项研究是在一个只有 50 个网站的小样本上进行的。所以我们决定在更大的范围内进行复制,看看数字如何变化。

在我们的研究中,我们随机抽取了 1,635 个网站,将它们在美国的每月 GSC 流量与它们在Ahrefs 中的每月美国预估自然流量进行比较。

我们研究了同样的两个因素:

  1. Ahrefs 的预估流量与 GSC 的偏差有多大
  2. 与 GSC 相比,我们的预估流量的一致性如何?

偏差

在我们研究的 1,635 个网站样本中,中位数偏差竟然是 49.52%。

换句话说,在大多数情况下,你可以预期 Ahrefs 会误报一个网站的来自美国得流量,最多为其数值的一半。

这可能看起来很多。但实际上,我们的误差幅度主要取决于网站的类型和网站所处的行业。对于一些网站,我们的误差不到 5%。而对于其他一些网站,我们的误差可能超过 1000%。

但更多时候,我们的预测是相当不错的。

为了使我们的中位数偏差达到 49.52%,我们也对 SEMrush 工具进行了计算,结果是 68.36%。

一致性

以下是预估流量的 “一致性 ” 的定义:

如果一个网站比另一个网站获得更多的流量(根据 GSC 数据),在查看 Ahrefs 的数据时,也应该一样(不管估计的准确性如何)。

正如你可能已经猜到的,这可以通过计算两组数值之间的相关性来研究。

在我们的 1,635 个网站样本中,美国的每月 GSC 流量与 Ahrefs 的相关度为 0.76。这意味着,上述声明在绝大多数情况下都会成立。

小提示.
 如果你不熟悉相关性,“1” 意味着这两组数值是完全同步的。而 0.76 相当接近于 1。

值得注意的是,对于同一组网站,SEMrush的数据是0.74。

手动修复差异的方法

正如你刚才所了解的,Ahrefs 在预估一个网站的流量时可能会出现相当大的偏差。但与此同时,它在预估流量方面是高度一致的。如果你所比较的网站属于同一行业,那就更是如此。

这意味着,通过使用这个简单的公式,你可以更好地预估你的竞争对手的实际搜索流量。

你自己网站的 GSC 流量和 Ahrefs 流量之间的关系对于你的竞争对手来说应该是大致如此(鉴于他们与你处于同一行业)。因此,更多的时候,使用这个公式会产生一个相当准确的结果。

最后

希望这能帮助各位朋友了解你能从 Ahrefs 的预估搜索流量中学到些东西,以及如何绕过这个差异来获得更准确的数据。

但最重要的是,这项研究的结果现在将作为我们的产品团队的参考点,以进一步提高我们估算的准确性。即使在技术上不可能使它们完美,但仍有相当大的改进空间——我们可以尝试解决这个问题。

像往常一样,如果你有问题,你可以在 Twitter 上找到我。

P.S. 非常感谢我们的数据科学团队的Alex帮助我完成这项工作。

译者,Park Cheng,歪猫出海创始人。