您可能已经看到很多这样的研究。它们通常被称为排名因素或排名要素研究或 2017 年排名因素，许多公司将它们排除在外。几年前，Moz 开始用相关的东西来做这项工作，现在很多很多公司都推出了这些东西。所以来自 Searchmetrics 的人和我认为 Ahrefs 推出了一些东西，而 SEMrush 推出了一个，当然 Moz 也有一个。 这些通常遵循非常相似的格式，即它们从 Google、特定国家或有时来自多个国家/地区获取大量搜索结果，他们会说，“我们分析了 100,000 或 50,000 个 Google 搜索结果，并且在我们的在一组结果中我
们查看了以下排名因素，以了解它们与更高排名的相关性。” 也就是说，他们预测平均而言，具有此因素的页面将超过没有该因素页面，或者具有更多此因素的页面将超过具有较少此因素的页面。 像这样的 SEO 研究中的相关性通常意味着： 因此，基 客户名单 本上，在 SEO 研究中，它们通常是这样的。他们确实喜欢散点图。他们不必专门做散点图，而是将结果可视化。然后他们会说，“好吧，与 10 个蓝色链接样式的结果相比，链接根域具有更好的相关性或与更高有机排名的相关性，达到 0.39 的程度。” 他们通常会使用 Spearman 或
Pearson 相关性。我们不会在这里讨论。没关系。 在如此多的搜索中，该指标预测具有这种一致性水平的更高或更低的排名。顺便说一句，1.0 将是完美的相关性。因此，例如，如果您查看以 Y 结尾的日子和彼此跟随的日子，那么，这是完美的相关性，因为每一天的名称都以 Y 结尾， 所以搜索访问，让我们沿着这条路走一点点。所以搜索访问，说 0.47 与更高的排名相关，如果这听起来对你有误导，对我来说也有误导。这里的问题是这不一定是排名因素。至少我不这么认为。我不认为你从谷歌搜索中获得的访问次数越多谷