Количество страниц, приносящих трафик – удобный показатель для анализа сайта

Недавно выложил свой доклад, основанный на исследовании большого количества публичных счетчиков Яндекс.Метрики. Конечно, в него вошли далеко не все цифры и выводы, которые я вытащил из анализа этих данных. Например, изучил, как связаны поисковый трафик и количество страниц, которые имели визиты с поисковых систем.

Эти два показателя напрямую связаны между собой. Больше посадочных страниц – больше шансов попасть в выдачу хоть по какому-то запросу – больше посетителей (трава зеленая, вода – мокрая, небо – сверху).

Можно ли найти чуть менее очевидные закономерности и применить их на практике? Попробуем.

Данные и методика исследования

В выборку вошли 4985 сайтов со достаточно значимым поисковым трафиком на протяжении года, который при этом менялся без резких изменений (в выборку не попали, например, ресурсы со всплесками событийного трафика). Для каждого проекта были определены, с разбивкой по неделям:

• поисковый трафик с Google и Яндекса;
• количество страниц, дававших трафик из конкретной поисковой системы (страница включалась в отчет, если был зарегистрирован хотя бы один визит);

Затем был вычислен коэффициент корреляции Пирсона между:

• трафиком и числом посадочных для совпадающих дат;
• между “количество трафика для текущей недели” – “количество посадочных за предыдущую неделю” (например, “трафик за неделю 3” – “страницы за неделю 2”);
• аналогично для “количество трафика для текущей недели” – “количество посадочных за 2 недели до” и “за 3 недели до”.

Проще говоря, я попробовал выявить, связано ли число посетителей прямо сейчас и количество посадочных, которое было в прошлом.

Результаты

Для Google получились следующие медианные коэффициенты корреляции:

• 0,86 – при совпадении дат
• 0,68 – при разнице в 1 неделю
• 0,55 – при разнице в 2 недели
• 0,49 – при разнице в 3 недели

Результаты предсказуемы. Мы видим во всех случаях довольно сильную связь, которая тем слабее, чем дальше разнесены даты. В первом случае коэффициент близок к единице (максимальному значению).

При этом, однако, оказалось, что есть 624 сайта, где эта стройная закономерность нарушается, то есть один из коэффициентов больше предыдущего.

624 – это 12,5%, их никак нельзя считать случайной ошибкой. Нужно разобраться в чем дело.

Я вручную проверил несколько десятков сайтов из этих 624. Во всех случаях сайты демонстрировали явную тенденцию к наращиванию или потере поискового трафика в течение достаточно длительного времени.

Результаты для Яндекса оказались аналогичны.

Объяснение найти несложно. На разных этапах “жизненного цикла” страница получает неодинаковый трафик. Типичный случай:

Если сайт активно наращивает число страниц и они успешно индексируются, то прирост числа посадочных будет обгонять прирост посетителей. Возможна и обратная ситуация – страницы по разным причинам могут терять трафик, однако зачастую это происходит плавно.

Как использовать на практике?

Вывод можно обобщить так: зачастую эффективное развитие проекта или, напротив, проблемы сначала отражаются на количестве посадочных страниц и только потом – на общем трафике. Поэтому следить за динамикой посадочных полезно чтобы:

• на ранней стадии диагностировать проблемы;
• оценивать эффект от инвестиций в развитие сайта (если вы вкладываете деньги в новый контент, но не растет число посадочных – что-то здесь не так).

Разумеется, такой подход уместен не для всех ресурсов (всегда есть нюансы), а на динамику посадочных влияет еще и, к примеру, сезонность. Но это нормально – свести состояние сайта к простой цифре или графику не получится никогда. Любая метрика – это только одна грань реальной ситуации.

Я считаю динамику количества url весьма важным показателем, так как она проста в интерпретации и неразрывно связана с реальным положением дел на сайте. Поэтому уделяю ей немало внимания у себя в сервисе https://bez-bubna.com/. Скриншот первой страницы аудита (“общий анализ”):

Смотрите также статью в справке с рекомендациями по анализу графика.

Опытные оптимизаторы часто подают идеи расширить этот отчет и сделать его более гибким, так как аналогичные данные нельзя получить без использования API или пары часов нудного ковыряния Метрики. Доработка в планах есть, но пока я сделал более приоритетный инструмент – оценку динамики в анализе по разделам.

Несложно понять, что для крупных сайтов со сложной структурой общее число посадочных не особо информативно. Где-то может падать, где-то расти. Вот пример:

Анализ же динамики по конкретному разделу помогает быстро найти возможные причины просадки посещаемости. Простейший пример:

Резюме

• Динамика посадочных с поиска – простая метрика “здоровья” сайта.
• Этот показатель может применяться для прогнозирования посещаемости.
• При детализации до раздела он также помогает выявить причины просадок трафика, которые могут маскироваться за счет прироста в других частях сайта.

p.s. Уф, вот и еще один кирпичик в справку сервиса готов! Порадуйтесь за меня!