Enrico Altavilla Come le (re)azioni degli utenti modificano il ranking su Google Roma, 4 luglio 2014
Enrico Altavilla
Come le (re)azioni degli utenti modificano il ranking su Google
Roma, 4 luglio 2014
Enrico Altavilla
Chi sono?
Consulente di search marketingHo iniziato nel 2000Esperienza in agenzia e da freelance
Enrico Altavilla
Argomenti
Stimare la soddisfazione degli utentiSegnali colti da GoogleLinee guida SEO
Enrico Altavilla
Mini-glossario
Enrico Altavilla
Mini-glossario
Query: cosa l'utente ha cercato
Enrico Altavilla
Mini-glossario
Ranking: il metodo usato dal motore per scegliere e ordinare i risultati
Enrico Altavilla
Mini-glossario
SERP: pagina dei risultati di ricerca
Enrico Altavilla
Introduzione
Enrico Altavilla
Tutto va misurato
Percezione SEO: mostrata la SERP, il gioco è terminato
Enrico Altavilla
Tutto va misurato
Ma che succede dopo che Google ha prodotto la SERP?
Enrico Altavilla
Tutto va misurato
Per esempio: come fa Google a capire se la SERP è utile agli utenti?
Enrico Altavilla
Tutto va misurato
O anche: come fa Google a capire se una specifica risorsa merita la posizione
conquistata?
Enrico Altavilla
Tutto va misurato
Anche i motori di ricerca devono definire degli indicatori di performance
Enrico Altavilla
Tutto va misurato
I motori hanno sempre raccolto segnali per
stimare la soddisfazione degli
utenti
Enrico Altavilla
Tutto va misurato
Se emerge che gli utenti sono insoddisfatti, allora bisogna aggiustare il
tiro
Enrico Altavilla
Tutto va misurato
Ovvero: bisogna presentare risultati differenti
Enrico Altavilla
Tutto va misurato
Ranking
Misurazione
Cambiodel criterio
Enrico Altavilla
Tutto va misurato
Questo ciclo è un processo continuo
Enrico Altavilla
4 grandi classi di dati
Enrico Altavilla
4 classi di dati
Azioni
Testi
Query
Link
Enrico Altavilla
4 classi di dati
Storicamente, I SEO si sono svenati per creare testi e link
Testi Link
Enrico Altavilla
4 classi di dati
Enrico Altavilla
4 classi di dati
L'attenzione alla qualità dell'esperienza dell'utente è sempre stata secondaria
Enrico Altavilla
4 classi di dati
Senza dare troppo peso ai segnali prodotti direttamente dagli utenti
Enrico Altavilla
4 classi di dati
Non è un caso che Google sia ricorso
ai ripari
Enrico Altavilla
4 classi di dati
Questo ruolo secondario dell'utente non è compatibile con quanto fa Google
Enrico Altavilla
4 classi di dati
Molte delle decisioni di ranking di Google vengono prese proprio in
funzione dell'utente
Enrico Altavilla
4 classi di dati
Una soddisfazione maggiore dell'utente aumenta le probabilità di fare più soldi
(detto brutalmente)
$€
Enrico Altavilla
4 classi di dati
Il ruolo dell'utente
Enrico Altavilla
4 classi di dati
Azioni
Enrico Altavilla
Feedback (riscontro)
Enrico Altavilla
Feedback
Tutti i motori di ricerca devono stimare la qualità dei risultati
Enrico Altavilla
Feedback
Google lo fa in due modi
Enrico Altavilla
Feedback
Attraverso i Quality Rater1
Enrico Altavilla
Feedback
Per stimare la qualità di una nuova metodologia di
ranking, Google fa valutare le SERP a personale
specializzato
1
Enrico Altavilla
Feedback
Questo viene chiamato feedback esplicito, perché viene fornita esplicitamente
un'opinione
1
Enrico Altavilla
Feedback
Monitorando come gli utenti interagiscono con i risultati di
ricerca
2
Enrico Altavilla
Feedback
Questo viene chiamato feedback implicito, perché è Google ad inferire un indice
di qualità osservando il comportamento degli utenti
2
Enrico Altavilla
Il feedback degli utenti
Enrico Altavilla
Il feedback degli utenti
Le metodologie di valutazione usate da Google sono il risultato di ricerche e
studi
Enrico Altavilla
Il feedback degli utenti
Molti di questi studi sono pubblici
Enrico Altavilla
Il feedback degli utenti
Forniscono ampie indicazioni su come i motori solitamente sfruttano il feedback
degli utenti
Enrico Altavilla
Il feedback degli utenti
L'informazione principe: il click
Enrico Altavilla
Il feedback degli utenti
Click = rilevanza
(ma non sempre)
Enrico Altavilla
Il feedback degli utenti
E' l'utente a fornire ai motori un'indicazione di quali sono i documenti
più rilevanti per una query
Enrico Altavilla
Il feedback degli utenti
Lo ripeto: i documenti più rilevanti sono quelli che gli utenti definiscono
(implicitamente) più rilevanti
Enrico Altavilla
Il feedback degli utenti
Il ranking è dunque fondato in parte su cosa gli utenti comunicano a Google
Enrico Altavilla
Il feedback degli utenti
Errore tipico: concludere che più si clicca una risorsa e più essa sale
Enrico Altavilla
Il feedback degli utenti
In secondo luogo il monitoraggio dei click non serve solo ad "aggiustare" il
ranking
Enrico Altavilla
Il feedback degli utenti
Per esempio i click sono utili a calcolare la similarità tra le query (query simili
attraggono click verso le stesse risorse)
Enrico Altavilla
Il feedback degli utenti
Terzo, non ci sono solo click
Enrico Altavilla
Il feedback degli utenti
Enrico Altavilla
Interazione con la SERP
Enrico Altavilla
Interazione con la SERP
Tutto ciò che segue è stato estratto da studi pubblici svolti da Google e da altri
ricercatori
Enrico Altavilla
Interazione con la SERP
In genere, qualunque lista viene valutata dall'alto in basso
Enrico Altavilla
Interazione con la SERP
Position bias
Enrico Altavilla
Interazione con la SERP
Gli utenti cliccano più facilmente quello che sta in cima, per almeno due motivi
Enrico Altavilla
Interazione con la SERP
Per semplici ragioni di impaginazione dei risultati
1
Enrico Altavilla
Interazione con la SERP
Perché si dà fiducia alla capacità di Google di aver messo in cima i risultati più
attinenti
2
Enrico Altavilla
Interazione con la SERP
Quindi non sempre un click è indice di rilevanza
Enrico Altavilla
Interazione con la SERP
La probabilità del click su una risorsa cambia a seconda di quali sono le altre
risorse
Enrico Altavilla
Interazione con la SERP
Google valuta anche quali risultati non vengono cliccati!
Enrico Altavilla
Interazione con la SERP
1………………….
2………………….
3………………….
4………………….
Enrico Altavilla
Interazione con la SERP
Elementi grafici che attraggono lo sguardo possono aumentare la
probabilità di click ma dipende molto dai casi
Enrico Altavilla
Interazione con la SERP
Presentation bias
Enrico Altavilla
Interazione con la SERP
Le descrizioni dei risultati che stanno in cima vengono lette mediamente meno
di quelle dei risultati che stanno in fondo
Enrico Altavilla
Interazione con la SERP
Storicamente un "abbandono della ricerca" è stato considerato un
fenomeno negativo
Enrico Altavilla
Interazione con la SERP
Le cose sono cambiate da quando Google ha iniziato a dare risposte
dirette alle query
Enrico Altavilla
Interazione con la SERP
Esiste un "abbandono positivo" ed un "abbandono negativo"
Enrico Altavilla
Interazione con la SERP
Dopo il click, Google monitora i tempi di ritorno dell'utente sulla SERP
Enrico Altavilla
Interazione con la SERP
Long click e short click
Enrico Altavilla
Suggerimenti SEO
Enrico Altavilla
Suggerimenti SEO
Lo snippet è il biglietto da visita
Enrico Altavilla
Suggerimenti SEO
Confermate all'utente che la risorsa è la risposta alle
proprie necessità
1
Enrico Altavilla
Suggerimenti SEO
Chiarite all'utente quello che troverà dopo il click2
Enrico Altavilla
Suggerimenti SEO
Indicate benefici per l'utente che i concorrenti non
esplicitano
3
Enrico Altavilla
Suggerimenti SEO
Il click deve essere una conseguenza della rilevanza percepita dall'utente, non la
conseguenza di inviti espliciti al click
4
Enrico Altavilla
Suggerimenti SEO
Non create aspettative che non potete soddisfare5
Enrico Altavilla
Suggerimenti SEO
Fate in modo che la pagina web fornisca subito all'utente quanto lo snippet prometteva
6
Enrico Altavilla
Suggerimenti SEO
Non fatevi troppi problemi sui tempo di permanenza sulla pagina: non è un indicatore intrinsecamente positivo o
negativo
7
Enrico Altavilla
Suggerimenti SEO
Fatevi un giro sulle SERP delle query più strategiche per voi e comparate i vostri
snippet con quelli dei concorrenti
8
Enrico Altavilla
Suggerimenti SEO
Raggiungere una posizione è solo un primo passo: mettete l'utente al centro e prendete l'abitudine di chiedervi che
cosa succede dopo
9
Enrico Altavilla
Fonti
Enrico Altavilla
FontiDiscovering Common Motifs in Cursor Movement Data for Improving Web Search
http://www.cir.ru/docs/ips/publications/2014_wsdm2014_motifs.pdf
No Clicks, No Problem: Using Cursor Movements to Understand and Improve Search http://research.microsoft.com/en-us/um/people/sdumais/huangchi2011.pdf
Improving Searcher Models Using Mouse Cursor Activityhttp://jeffhuang.com/Final_CursorModel_SIGIR12.pdf
Beyond Position Bias: Examining Result Attractiveness as a Source of Presentation Bias in Clickthrough Datahttp://static.googleusercontent.com/media/research.google.com/en//pubs/archive/36363.pdf
Learning Dense Models of Query Similarity from User Click Logshttp://static.googleusercontent.com/media/research.google.com/en//pubs/archive/36252.pdf
Good Abandonment in Mobile and PC Internet Searchhttp://static.googleusercontent.com/media/research.google.com/en//pubs/archive/35486.pdf
Enrico Altavilla
FontiAn Experimental Comparison of Click Position-Bias Models
http://www.wsdm2009.org/wsdm2008.org/WSDM2008-papers/p87.pdf
A Dynamic Bayesian Network Click Model for Web Search Rankinghttp://olivier.chapelle.cc/pub/DBN_www2009.pdf
Query Chains: Learning to Rank from Implicit Feedbackhttp://www.cs.cornell.edu/people/tj/publications/radlinski_joachims_05a.pdf
Active Exploration for Learning Rankings from Clickthrough Datahttp://www.cs.cornell.edu/people/tj/publications/radlinski_joachims_07a.pdf
Ad Click Prediction: a View from the Trencheshttps://static.googleusercontent.com/media/research.google.com/en//pubs/archive/41159.pdf
Proud Member of
Grazie!Enrico Altavilla
www.searchbrain.it/altavilla