AJ Kohn

¿La tasa de clics mejora el posicionamiento?

Sep 4, Posted by in SEO

Esta publicación es creación del autor y no necesariamente refleja el punto de vista de Altura Interactive. Puede tener ciertos cambios en la traducción para hacerlo más alcanzable al mercado hispano.

0 Flares Twitter 0 Facebook 0 Google+ 0 LinkedIn 0 Pin It Share 0 Filament.io 0 Flares ×

1

¿La tasa de clics es una señal de clasificación en los resultados búsqueda? La teoría sostiene que si el tercer resultado de una página es cliqueado más a menudo que el primero, con el tiempo, el tercero subirá a la segunda o a la primera posición.

Recuerdo esta pregunta siendo mencionada en diferentes ocasiones cuando estaba empezando en la industria. Los representantes de Google emplearon una combinación de un potente zapateado y un movimiento de manos cuando se los preguntaron directamente. Fueron tan convincentes haciendo esto que dejamos de preguntarles y en los últimos años rara vez escucho a la gente hablar de este tema, mucho menos hacer esta pregunta.

Quizás es porque cada vez menos personas se centran en el propio algoritmo y en cambio están concentrados en el desarrollo de los sitios, en los contenidos y en experiencias que serán recompensadas por el algoritmo. Eso es en realidad la estrategia correcta. Sin embargo, sigo creyendo que es importante entender el algoritmo y cómo tus esfuerzos podrían afectar los resultados de búsqueda .

Lo que sigue es una exploración del por qué creo que el porcentaje proporcional de clics es una señal de clasificación en los resultados de búsqueda.

Navaja de Ockham

imagen 2

Aunque al principio no era tan claro, la interpretación actual de Navaja de Ockam es que la respuesta más simple suele ser la correcta.

Así que, ¿qué es lo más aprobado? ¿Qué Google usa la proporción de clics como una señal o que la mayoría de los datos de la compañía en el mundo son ignorados directamente a la medida de su propio producto?

Simplemente parece sentido común, ¿no? Por supuesto, nosotros a menudo nos conectamos para hacer suposiciones pobres. Y no me refiero a saltar a conclusiones basadas en correlaciones.

El argumento en contra es que Google tendría ya un tiempo usando un truco en el porcentaje proporcional de clics como una señal a través de los millones de resultados para una amplia variedad de consultas. Sus recursos son finitos y tal vez es demasiado fácil aprovechar esta información ruidosa pero valiosa.

Desde la fuente

Se vuelve difícil sostener una teoría de que Google usando el porcentaje proporcional de clics como una señal, cuando tienes una respuesta directa.

¿Eso se parece bastante a una pantalla de humo? Parece que Google quiere jugar con la semántica. El porcentaje proporcional de clics no es una señal de clasificación. Es una señal de retroalimentación. ¡Parece ser una señal de retroalimentación que influencia en la clasificación! Llámalo como quieras, al final del día verás que parece que la proporción de clics puede afectar la clasificación. [Actualizado el 22/07/2015] ¿Quieres más?  No pude encontrar esta cita la primera vez, pero aquí está Marissa Mayer en el informe del staff de la FTC sobre las denuncias antimonopolio. De acuerdo a Marissa Mayer, Google no hizo uso del porcentaje proporcional de clics para determinar la posición de las propiedades en Universal Search porque tomaría mucho moverse hacia arriba en el SERP basado en la proporción de clics del usuario. En otras palabras, ignoraron los datos de los clics para asegurar que las propiedades de Google fueran clasificadas en la primera posición. Después está la respuesta en Quora del ex ingeniero de Google Edmond Lau. Es bastante claro que cualquier motor de búsqueda razonable usa la información de los clics en sus propios resultados para dar retroalimentación a la clasificación, para mejorar la calidad de los resultados de búsqueda. Con poca frecuencia hacer clic en un resultado haría que éste se fueran al fondo porque entonces sería menos relevante, y frecuentemente los resultados con más clics rebotan hasta arriba. Construir un circuito de retroalimentación es un paso bastante obvio de calidad, tanto para los sistemas de búsqueda y recomendaciones, y un motor de búsqueda inteligente podría incorporar esos datos. Así que, ¿Google es un motor de búsqueda razonable e inteligente?

Los viejos tiempos

Imagen 4 Hay otras señales que indican que Google tiene la habilidad de monitorear la actividad de los clics en una consulta por medio de una consulta base y que han tenido esta capacidad por años. Aquí está un extracto de una entrevista del 2007 con Marissa Mayer, después de la búsqueda de productos de VP, en la implementación de OneBox. Nosotros los mantenemos a un nivel alto del porcentaje proporcional de clics y si no cumplen con ese porcentaje de clics, el OneBox se apaga en esa consulta en particular. Tenemos un sistema automatizado que analiza el porcentaje de los clics por presentación de OneBox por consulta. Por lo tanto, podría ser que las noticias sobre Bush se estén desempeñando muy bien hoy, pero que no estén funcionando del todo bien para otro término, que en última instancia se apaga por el porcentaje de clics. Estamos autorizándolo en una manera escalable con un trabajo bastante bueno y que hace cumplir la relevancia. Así que allá en el 2007 (¡hace 8 años gente!) Google era capaz de crear una solución escalable para utilizar el porcentaje de clics por cada consulta para determinar la visualización de un OneBox. Eso parece hacer agujeros en la idea de que Google no tiene la potencia necesaria para utilizar el porcentaje proporcional de clics como una señal.

El argumento Bing

Imagen 5 Otros podrían argumentar que si Bing está usando el porcentaje de proporción de clics como una señal que Google seguramente lo debe hacer también. Aquí está lo que Duane Forrester, Senior Product Manager le dijo a Eric Engine en el 2011 para Bing Webmaster Outreach (o algo así). Estamos buscando ver si mostramos tu resultado en #1, ¿obtienen un clic y el usuario vuelve a nosotros dentro de un periodo razonable de tiempo o regresan casi al instante? ¿Vuelven y dan clic al segundo y qué acción toman con él #2? ¿Ellos parecen estar más contentos con el #2 en base a una serie de factores o era el mismo escenario del #1? ¿Después hicieron clic en alguna otra cosa? Estamos observando el comportamiento del usuario para comprender qué resultado nos mostró que parecía ser más relevante en su opinión, y su opinión es la voz de sus acciones. Estas y otras conversaciones que he tenido me hacen confiar en que la tasa de clics se utiliza como señal en la clasificación por Bing. El argumento en contra es que Google está muy por delante de Bing y que pueden haber probado y descartado la tasa de clics como una señal. Sin embargo, otra evidencia que se acumula, es tal vez que Google no descartó el proporcional de clics, sino que simplemente lo utiliza una manera más efectiva.

Pogosticking y clics largos

Las declaraciones de Duane también bromean un poco, acerca de cómo se utiliza y se aplica el porcentaje de clics. No es una métrica utilizada de manera aislada sino se ha medido en términos de tiempo gastado al dar clic en los resultados, si regresan al SERP y ellos después refinaron su búsqueda o hicieron clic en otro resultado. Cuándo realmente lo piensas, si el pogosticking y los clics largos son medibles después el porcentaje proporcional de clics se vuelve parte de la ecuación. No puedes calcular los parámetros antiguos sin tener la información del porcentaje proporcional de clics. Y cuando profundizas en Google, habla de “datos de clic” y “señales de clic” un poco. Así que una vez más, quizá solo sea un juego de semántica y el equivalente a Bill Clinton es aclarando el significado de “es”.

Ver para creer

Muchos SEOs importantes han probado si el porcentaje proporcional de clics influencia la clasificación. Rand Fishkin ha sido líder en ese cargo durante varios años. En mayo del 2014, realizó unas pruebas con resultados interesantes. Pero fue con términos de cola larga y otros factores que pudieron haber explicado el experimento. Pero otro día corrió otra versión de la misma prueba.

Sin embargo, los críticos señalan que el resultado en cuestión es una vez más el #4, indicando que la tasa de clics no es una señal de clasificación.

Pero está claro que la explosión de búsquedas y clics tenían cierto efecto, aunque fuera temporal ¿cierto? ¿Así podría Google tener desarrollado mecanismos para combatir este tipo de “bombardeo” de porcentaje de clics? ¿O tal vez, el sistema identifica ráfagas en consulta y clics y reacciona al conocer el tiempo real o fresco que necesita?

De cualquier manera, muestra que el comportamiento de los clics es monitoreado. Combinado con la admisión de Udi Manber parece que la distribución de porcentual de clics tiene que ser consistente a la línea base para una cantidad de material de tiempo para impactar la clasificación.

En otras palabras, todas las pruebas en el mundo por un grupo de SEOs es una gota en el océano de un total de clics. Así que incluso si podemos mover la aguja por un pequeño tiempo, los datos se auto corrigen.

Pero Rand no es el único en probar estas cosas. Darren Shaw también ha experimentado con esto dentro del paisaje del SEO local.

Los resultados de Darren tampoco no son a prueba de tontos. Podrías argumentar que los representantes de Google dentro de lo local podrían no ser los más conocedores de estas cosas. Pero sin duda se suma a un ritmo de evidencias de que los clics cuentan.

Muéstrame las patentes

imagen 8

Desde hace tiempo estaba en conflicto acerca de este tema a causa de un obstáculo importante. No serías capaz de desarrollar un modelo de tasa de clics en base a todos los diferentes tipos de visualizaciones en un resultado.

El resultado que tuvo una reseña de un fragmento enriquecido obtiene una tasa de clics mayor porque el “ojo” gravita en ella. Google no quisiera premiar ese resultado desde un punto de vista proporcional a los clics simplemente por la visualización.

O ¿qué sucede cuando el resultado tiene una imagen o un cuadro de respuesta o un video o cualquier número de elementos diferentes? No parecía haber demasiadas variaciones para crear un modelo viable.

Pero luego me hice de dos patentes tituladas: Modificando la clasificación de los resultados de búsqueda basados en la retroalimentación implícita del usuario y Modificando la clasificación de los resultados de búsqueda basados en  la retroalimentación implícita del usuario y  un modelo parcial de presentación.

La segunda patente parece empezar a ser construida a partir de la primera con el inventor en común Hyung-Jin Kim.

imagen 9

Ambas son patentes bastante densas y me recuerda que todos deberíamos agradecer a Bill Slawski por su trabajo incansable en la lectura y la representación de patentes más accesible para la comunidad.

Voy a citar ambas patentes (hay una gran cantidad de superposición), pero aquí está el arte inicial que me animó a ponerme los audífonos y enfocarme en la decodificación de la sintaxis de la patente.

El fundamento básico encarnado por este enfoque es que, si se espera que el resultado tenga un alto porcentaje proporcional de clics debido a una presentación parcial, estos resultados prueban que deber ser descontado; y si se espera que el resultado tenga un nivel bajo de porcentaje proporcional a los clics por una presentación parcial, este resultado prueba que debería ser sobre contado.

Muy pronto después de esto la patente va a detallar el número de diferentes tipos de presentaciones parciales. Así que esto significa esencialmente que Google descubrió el mismo problema pero ha descubierto la manera de lidiar con la presentación parcial para que pueda confiar en la “evidencia del clic”.

Luego está este punto de vista bastante bien resumido viendo el problema desde un punto de vista de 10,000 pies de altura.

En general, una amplia gama de información puede ser recogida y utilizada para modificar o sintonizar el clic del usuario para hacer una señal, en el futuro los resultados de búsqueda ofrecerán, un mejor ajuste para las necesidades del usuario. Por lo tanto, las interacciones del usuario con la clasificación presentada a los usuarios, de la información recuperada del sistema puede ser usada para mejorar las clasificaciones en un futuro.  

Una vez más, nadie está diciendo que el porcentaje proporcional de clics se puede utilizar de forma aislada. Pero parece ser claro que es una forma en la que Google piensa como re clasificar los resultados.

Pero se pone mejor a medida que avanza aún más en estas patentes.

La información recopilada por cada clic puede incluir: 1) la consulta (Q) que el usuario ha introducido, (2) el resultado de documentos (D) en donde el usuario hace clic, (3) el tiempo (T) en el documento, (4) el idioma de la interfaz (L) (que puede ser dado por el usuario), (5) el país (C) del usuario (que puede ser identificado por el host que utilizan, como www-google-co-uk para indicar el Reino Unido), y (6) aspectos adicionales de usuario y sesión. El tiempo (T) puede medirse como el tiempo entre el clic inicial en el resultado del documento hasta el tiempo en que el usuario llega a la página principal y da clic en otro documento. Por otra parte, la evaluación se puede hacer sobre el tiempo (T) con respecto a si esta vez indica una vista más larga del documento o una vista más corta del mismo, desde vistas más largas generalmente indican calidad para un resultado a través de un clic. Esta evaluación sobre el tiempo (T) se puede hacer en conjunto con varias técnicas de ponderación.

Aquí vemos claras referencias sobre cómo medir los clics largos y más tarde incluso empieza a usar la terminología “clic largo”. (De hecho, hay mención de clics largos, medios y cortos).

Pero, ¿se tienen en cuenta las diferentes clases de consultas? Claro que sí.

Las técnicas de agrupación tradicionales, también se pueden utilizar para identificar las categorías de consulta. Esto implica el uso de algoritmos de agrupación generalizados para analizar consultas históricas basadas en características tales como la amplitud de la consulta (por ejemplo, de información o de navegación), la duración de la consulta y la permanencia en los documentos. Estos tipos de características pueden ser medidas para consultas históricas y la entrada (s) se puede ajustar en consecuencia. Por ejemplo, K significa agrupación, que puede ser desempañada en el promedio de duración de las consultas observadas y la entrada (s) se puede ajustar sobre la base de las agrupaciones resultantes.

Esto demuestra que Google puede ajustar lo que ellos ven como un buen clic basado en el tipo de consulta.

Pero ¿qué pasa con los tipos de usuarios, aquellos que mandan todo al infierno, directamente al basurero? Google los descifra.

Por otra parte, la ponderación se puede ajustar en función al tipo determinado de usuario, tanto en los términos de la duración de los clics que se traduce en buenos y malos, y en términos de cantidad para dar buenos clics a un grupo en particular de usuarios en contra de otro grupo de usuarios. Algunos usuarios que implícitamente dan más retroalimentación pueden ser más valiosos que otros debido a los detalles del proceso de revisión de un usuario. Por ejemplo, un usuario que casi siempre da clic en los resultados con mejor clasificación puede tener sus buenos clics asignados a una ponderación baja, en comparación a un usuario que da clic a menudo a resultados con una clasificación baja, este puede clasificar primero (ya que el segundo usuario es probablemente más exigente en su evaluación al momento de tener un buen resultado).

Los usuarios no son creados por igual y Google puede ponderar los datos que recibe de los clics.

Pero perdiéndoles falta el barco de la experiencia en la actualidad, ¿no? ¡No tan rápido!

Además, un usuario puede ser clasificado en base a la secuencia de su consulta. Puede presumirse que los usuarios que emiten muchas consultas sobre (o relacionados con) un tema determinado (por ejemplo, las consultas relacionadas con la ley) tienen un alto grado de experiencia con respecto al tema dado y su información de clics se puede ponderar en consecuencia para otras consultas por ellos en (o relacionadas con) el tema dado.

Google puede identificar expertos en ciertos temas basado en consultas y ponderar sus datos de clics en mayor medida.

Francamente, es bastante sorprendente leer esto y ver hasta qué punto Google lo ha burlado. De hecho, construyen medidas de protección para el tipo de pruebas que la industria lleva a cabo.

Ten en cuenta las medidas de seguridad contra los spammers (los usuarios que generan clics fraudulentos en un intento de impulsar ciertos resultados de la búsqueda) pueden ayudar para asegurar que los datos de la selección del usuario seas significativos, incluso cuando hay muy pocos datos (raro) disponibles para la consulta. Estas medidas de seguridad pueden incluir el empleo de un modelo de usuario que describa el comportamiento del usuario sobre el tiempo, y si un usuario no se ajusta a este modelo, sus datos de clics pueden ser ignorados. Las medidas de seguridad pueden ser diseñadas para lograr dos objetivos principales: (1) asegurar la democracia en los votos (por ejemplo, un solo voto por cookie y/o IP para un par de consultas dadas por URL) y (2) eliminar por completo la información procedente de las cookies o direcciones IP que no se vean naturales en su comportamiento de navegación (por ejemplo, la distribución de las posiciones de los clics, la duración de los clics, clics_por_minuto/hora/día, etc.). Los clics sospechosos pueden ser eliminados, y las señas de clic para consultas que parecen ser spam no tienen que ser utilizadas (por ejemplo, las consultas para las cuales los clics cuentan con una distribución de usuarios, edad de las cookies, etc., que no se ven normales)

Como ya he dicho, estoy adivinando los resultados de corta vida de nuestras pruebas que son indicadores de Google que identifican y después desechan los datos de los clics. No sólo eso, podrían decidir que la comitiva de usuarios que componen este comportamiento no serán utilizados (o el impacto será menor) en el futuro.

Todo esto conduce a que es un motor modificador de clasificación, que usa la retroalimentación de manera implícita (datos de clics) para cambiar los resultados de búsqueda.

imagen 10

Aquí hay una descripción bastante clara de la patente.

Un subsistema de clasificación puede incluir un motor modificador de clasificación que utiliza la retroalimentación implícita de los usuarios para provocar una re clasificación en los resultados de búsqueda con el fin de mejorar la clasificación final presentado al usuario de un sistema de recuperación de información.

Realiza un seguimiento, registra todo y utiliza eso para construir un motor que modifique las clasificaciones, después alimenta de nuevo el motor con la clasificación adecuada.

Pero, pero, pero

Por supuesto, este tipo de sistema se volverá más difícil a medida que más resultados sean personalizados. Sin embargo, la forma en que se recogieron los datos parece indicar que podrían superar este problema.

Google parece saber la calidad inherente y la relevancia de un documento, de hecho, de todos los documentos devueltos en un SERP. También puede aplicar y mitigar al usuario individual y la presentación parcial inherente en la presentación.

Y es en la personalización donde Google admite que la información de los clics sea usada. Pero todavía niegan que se utilice como señal de clasificación.

Tal vez es un juego de semántica y si nos preguntamos si algunas combinaciones de la “información de los clics” fue utilizada para modificar los resultados, ellos dirían que sí. O tal vez el trabajo de patentes nunca llegó a producción. Esa es una posibilidad.

Pero al mirar todos los elementos y aplicando la Navaja de Ockham, tiendo a pensar que el porcentaje proporcional de clics es usado como una señal de clasificación. No creo que sea una señal fuerte, pero es una señal al menos.

¿Por qué importa eso?

Puedes estarte preguntando, ¿y qué? Incluso si crees que el porcentaje proporcional de clics es una señal de clasificación, he demostrado que la manipulación puede ser una tontería.

La razón por la que el porcentaje de clics importa es porque puedes influir en él con los cambios en el meta título y descripción. Tal vez no es suficiente para inclinar la balanza, pero tratarlo es mejor que no hacerlo, ¿no?

Esos fundamentos de SEO de la “vieja escuela” siguen siendo importantes.

O podrías ir en la dirección opuesta y construir tu valor de marca a través de canales, hasta el punto en donde los usuarios buscarían tu marca en los resultados de búsqueda independientemente de la posición.

Con el tiempo, ese tipo de comportamiento podría conducir a mejores resultados de búsqueda.

Conclusión

La evidencia sugiere que Google utiliza el porcentaje proporcional de clics como una señal de calificación. O, más específicamente, Google utiliza los datos de los clics como una forma implícita de retroalimentación para reclasificar y mejorar los resultados.

A pesar de sus negaciones, de sentido común, los testimonios y entrevistas de Google, pruebas de industrias y patentes,  todo para otorgar credibilidad a esta conclusión.

0 Flares Twitter 0 Facebook 0 Google+ 0 LinkedIn 0 Pin It Share 0 Filament.io 0 Flares ×

About AJ Kohn
AJ Kohn es especialista en marketing de búsqueda, posee una exitosa trayectoria en marketing ejecutivo y tiene gran pasión en el desarrollo de estrategias de productos. Es fundador de la firma Blind Five Year Old y colabora con Marketing Land. Sigue el trabajo de AJ Kohn a través de sus redes sociales Twitter, LinkedIn, Google+ y en su sitio web.

0 Flares Twitter 0 Facebook 0 Google+ 0 LinkedIn 0 Pin It Share 0 Filament.io 0 Flares ×
Contáctanos
contact