Google почти наверняка использует сигналы юзабилити как существенный фактор в рейтинге. Google, вероятно, не использует "показатель отказов", по крайней мере, не так, как измеряется Google Analytics. Вместо этого Google полагается на:
- Нажмите через тариф (CTR) - число людей , которые нажимают из SERPs на сайт является хорошим показателем того , является ли значение для запроса или нет на сайте. Когда сайт получает худший CTR, чем он должен для позиции, в которой он находится, его рейтинг ухудшится. Когда сайт получает более высокий рейтинг кликов, чем другие сайты на этой позиции, рейтинг улучшается.
- Показатель отказов (BBR). Количество людей, которые нажимают кнопку «Назад» на сайте, возвращаются к поисковой выдаче, а затем скрывают сайт от своих результатов, щелкают по другому сайту или уточняют свой запрос. Как и CTR, Google, скорее всего, внесет коррективы, когда BBR намного лучше или намного хуже, чем ожидалось.
Показатель отказов обычно может использоваться в качестве прокси для измерения BBR, но есть некоторые ограничения:
- Показатель отказов измеряется как процент сеансов просмотра одной страницы. Показатель отказов - это число, которое нажимает кнопку возврата.
- Показатель отказов включает людей, которые нажимают на внешние ссылки на вашем сайте (включая рекламу), а показатель отказов - нет.
- Показатель отказов включает людей, которые закрывают вкладку или окно браузера, а показатель отказов - нет.
- Некоторые сайты предоставляют полный ответ, который пользователи ищут на одной странице. Такие сайты могут иметь высокие показатели отказов, но низкие показатели отказов.
- Показатель отказов можно определить, разделив статьи на несколько страниц. Эта тактика вредит откатам.
Кроме того, как указывали другие ответы, Мэтт Каттс из Google заявил, что показатель отказов не используется для его знаний как часть алгоритма ранжирования. Он ничего не сказал о норме отскока (которая немного отличается).
Я убежден, что Google использует эти сигналы, основываясь на моем опыте работы с сайтом, на котором я занимался SEO. Это был тип сайта продукта. Мы заметили, что нам просто не удалось заставить некоторые продукты ранжироваться по целевым ключевым словам, несмотря на то, что они вкладывали в них огромное количество внутренних страниц. Появилась одна модель: продукты, которые не были ранжированы, содержали меньше контента, чем те, которые ранжировались. Контент не всегда означал много текста, у нас было несколько типов контента:
- Список мест, где можно купить товар
- Цены от нескольких поставщиков
- Отзывы пользователей о товаре
- Профессиональные фотографии продукта
- Пользователь отправляет фотографии товара
- Внешние ссылки на другие сайты со статьями о товаре
- Карта, где продукт может быть найден рядом с вами
Мы поняли, что многие из этих типов контента будет трудно измерить Google напрямую. Он действительно знал, что на странице есть карта? Он пытался обнаружить наличие цен? Все отзывы пользователей были на их собственных страницах. Можно ли измерить количество текста, связанного с каждым продуктом, путем сканирования большого количества страниц и добавления итогов? Мы предположили, что Google будет гораздо проще измерить реакцию пользователей на страницу и скорректировать рейтинг по ней, чем пытаться измерить объем контента напрямую.
Во-первых, мы внесли некоторые изменения в способ измерения показателя отказов. Мы реализовали «события» так, чтобы, когда пользователи нажимали на внешние ссылки, это измерялось в аналитике. Мы также добавили «события» для таких элементов, как перемещение карты и прокрутка страницы вниз. Мы решили, что когда пользователь взаимодействует со страницей, это не должно считаться отскоком, даже если этот пользователь не просматривал более одной страницы на сайте.
Затем мы коррелировали показатель отказов с количеством контента, который у нас был для каждого продукта. Результаты оказались гораздо более впечатляющими, чем мы ожидали. Для продуктов, о которых нет информации, показатель отказов составлял около 90%. Для продуктов с большим количеством контента любого типа показатель отказов был ниже 15%. Продукты с некоторым содержанием попали между ними. Мы могли бы использовать это, чтобы увидеть, какой тип контента пользователи считают наиболее ценным. Мы могли бы также указать, что нужно запросить десятый отзыв пользователя, вместо того, чтобы найти первую внешнюю ссылку на статью.
Рейтинги также очень тесно связаны с этим показателем отказов. Нам нужно было меньше внутренних ссылок, указывающих на страницы с очень низким показателем отказов, чтобы они заняли первое место, чем на страницах с умеренно более высоким показателем отказов.