در کنار Xovi، ابزار SISTRIX پرکاربردترین برنامه تحلیلی در آلمان در زمینه SEO است. شاخص دید خود را به عنوان یک شبه استاندارد برای نمایان شدن یک صفحه در جستجوی گوگل تثبیت کرده است. پارامترهایی که در محاسبه آن گنجانده شده است، به عنوان مثال ، اینجا و اینجا و اینجا و اینجا و اینجا توضیح داده شده است ، اما فرمول محاسبه دقیقی به طور رسمی منتشر نشده است. موارد زیر نتایج تحقیقات شخصی شش ماهه من است که ادعای کامل یا درستی ندارند.
با
- \(A_l\): مجموعه کلمات کلیدی SISTRIX (میزان مرتب شده از کلمات کلیدی کاملاً تعریف شده برای یک کشور خاص، مجموعه شامل ثابت - بر اساس ترافیک بر اساس میانگین 12 ماهه - و کوچکتر، نسبت متفاوت است)
- \(\vert A_l \vert\) : ضخامت \(A_l\) با \(A_l\) \(\vert A_{DE} \vert = 1.000.000\) (وضعیت: 01.10.2021)
- \(k \in A_l\): کلید واژه خاموش است \(A_l\)
- \(u\): URL (بسته به قالب به عنوان یک دامنه، زیر دامنه، دایرکتوری، URL فردی تفسیر می شود)
- \(r_{uklgt}\) : رتبه‌بندی URL \(u\) در نتایج جستجوی ارگانیک موتور جستجوی Google برای کلمه کلیدی \(k\) در کشور \(l\) در نوع دستگاه \(g\) در زمان \(t\)
- \(s_{klgt}\) : حجم جستجو (میانگین درخواست‌های جستجو در ماه با داده‌های SISTRIX، نه از Google Keyword Planner ، بلکه، طبق بیانیه خود ما، جمع‌آوری شده از بیش از دوجین فروشنده داده عمدتاً خارجی) برای کلمه کلیدی \(k\) im کشور \(l\) در نوع دستگاه \(g\) در زمان \(t\)
- \(c_{uklgt}\) : کلیک‌های تخمینی روی URL \(u\) برای کلمه کلیدی \(k\) در کشور \(l\) در نوع دستگاه \(g\) در زمان \(t\)
- \(l \in L=\{DE;...;JP\}\) : کشور با \(\vert L \vert=30\) (از تاریخ: 01.06.2021)
- \(g\in\{D;M\}\): نوع دستگاه (رومیزی / موبایل)
- \(t\): زمان (تاریخ 00:00:00 صبح)
- \(S_{ulgt}\) : شاخص دید SISTRIX آدرس URL \(u\) کشور \(l\) در نوع دستگاه \(g\) در زمان \(t\)
- \(W_S = \, \mathbb{Q}^{+}_{0}\) مقادیر \(W_S = \, \mathbb{Q}^{+}_{0}\)
قابل اجرا است
$$S_{ulgt} = \sum_{k=1}^{\vert A_l \vert} f(r_{uklgt}, c_{uklgt})$$
با
$$\begin{multline} \mathbb{N_0} \times \mathbb{Q}^{+}_{0} \to \, \mathbb{Q}^{+}_{0}, f(r, c) = ((1-\text{sgn}(r - 1)^2) \cdot ((1-\text{ceil}(0.5 \cdot \text{sgn}(c-34{,}4796))) \cdot 0{,}0194 + \\ (\text{ceil}(0.5 \cdot \text{sgn}(c-34{,}4796))) \cdot ((1+\text{floor}(0.5 \cdot \text{sgn}(c-378{,}325))) \cdot 0{,}125 - \\ (\text{floor}(0.5 \cdot \text{sgn}(c-378{,}325))) \cdot (0{,}0004 \cdot c + 0{,}0119)))) + (\text{sgn}(r-1)^2 \cdot \\ ((1-\text{sgn}(r - 2)^2) \cdot ((1-\text{ceil}(0.5 \cdot \text{sgn}(c-17{,}418))) \cdot 0{,}0136 + \\ (\text{ceil}(0.5 \cdot \text{sgn}(c-17{,}418))) \cdot ((1+\text{floor}(0.5 \cdot \text{sgn}(c-230{,}6839))) \cdot 0{,}125 - \\ (\text{floor}(0.5 \cdot \text{sgn}(c-230{,}6839))) \cdot (0{,}0006 \cdot c + 0{,}0035)))) + (\text{sgn}(r-2)^2 \cdot \\ ((1-\text{sgn}(r - 3)^2) \cdot ((1-\text{ceil}(0.5 \cdot \text{sgn}(c-11{,}0236))) \cdot 0{,}0098 + \\ (\text{ceil}(0.5 \cdot \text{sgn}(c-11{,}0236))) \cdot ((1+\text{floor}(0.5 \cdot \text{sgn}(c-231{,}3121))) \cdot 0{,}125 - \\ (\text{floor}(0.5 \cdot \text{sgn}(c-231{,}3121))) \cdot (0{,}0006 \cdot c + 0{,}0025)))) + (\text{sgn}(r-3)^2 \cdot \\ ((1-\text{sgn}(r - 4)^2) \cdot ((1-\text{ceil}(0.5 \cdot \text{sgn}(c-8{,}8619))) \cdot 0{,}0077 + \\ (\text{ceil}(0.5 \cdot \text{sgn}(c-8{,}8619))) \cdot ((1+\text{floor}(0.5 \cdot \text{sgn}(c-219{,}6195))) \cdot 0{,}125 - \\ (\text{floor}(0.5 \cdot \text{sgn}(c-219{,}6195))) \cdot (0{,}0006 \cdot c + 0{,}002)))) + (\text{sgn}(r-4)^2 \cdot \\ ((1-\text{sgn}(r - 5)^2) \cdot ((1-\text{ceil}(0.5 \cdot \text{sgn}(c-8{,}0684))) \cdot 0{,}0068 + \\ (\text{ceil}(0.5 \cdot \text{sgn}(c-8{,}0684))) \cdot ((1+\text{floor}(0.5 \cdot \text{sgn}(c-249{,}3706))) \cdot 0{,}125 - \\ (\text{floor}(0.5 \cdot \text{sgn}(c-249{,}3706))) \cdot (0{,}0006 \cdot c + 0{,}0017)))) + (\text{sgn}(r-5)^2 \cdot \\ ((1-\text{sgn}(r - 6)^2) \cdot ((1-\text{ceil}(0.5 \cdot \text{sgn}(c-5{,}357))) \cdot 0{,}0058 + \\ (\text{ceil}(0.5 \cdot \text{sgn}(c-5{,}357))) \cdot ((1+\text{floor}(0.5 \cdot \text{sgn}(c-133{,}2103))) \cdot 0{,}1011 - \\ (\text{floor}(0.5 \cdot \text{sgn}(c-133{,}2103))) \cdot (0{,}0007 \cdot c + 0{,}0015)))) + (\text{sgn}(r-6)^2 \cdot \\ ((1-\text{sgn}(r - 7)^2) \cdot ((1-\text{ceil}(0.5 \cdot \text{sgn}(c-4{,}3643))) \cdot 0{,}0049 + \\ (\text{ceil}(0.5 \cdot \text{sgn}(c-4{,}3643))) \cdot ((1+\text{floor}(0.5 \cdot \text{sgn}(c-90{,}3704))) \cdot 0{,}0727 - \\ (\text{floor}(0.5 \cdot \text{sgn}(c-90{,}3704))) \cdot (0{,}0008 \cdot c + 0{,}0013)))) + (\text{sgn}(r-7)^2 \cdot \\ ((1-\text{sgn}(r - 8)^2) \cdot ((1-\text{ceil}(0.5 \cdot \text{sgn}(c-3{,}3292))) \cdot 0{,}0039 + \\ (\text{ceil}(0.5 \cdot \text{sgn}(c-3{,}3292))) \cdot ((1+\text{floor}(0.5 \cdot \text{sgn}(c-87{,}6123))) \cdot 0{,}0706 - \\ (\text{floor}(0.5 \cdot \text{sgn}(c-87{,}6123))) \cdot (0{,}0008 \cdot c + 0{,}0011)))) + (\text{sgn}(r-8)^2 \cdot \\ ((1-\text{sgn}(r - 9)^2) \cdot ((1-\text{ceil}(0.5 \cdot \text{sgn}(c-2{,}944))) \cdot 0{,}0029 + \\ (\text{ceil}(0.5 \cdot \text{sgn}(c-2{,}944))) \cdot ((1+\text{floor}(0.5 \cdot \text{sgn}(c-75{,}6014))) \cdot 0{,}0515 - \\ (\text{floor}(0.5 \cdot \text{sgn}(c-75{,}6014))) \cdot (0{,}0007 \cdot c + 0{,}0012)))) + (\text{sgn}(r-9)^2 \cdot \\ ((1-\text{sgn}(r - 10)^2) \cdot ((1-\text{ceil}(0.5 \cdot \text{sgn}(c-2{,}4797))) \cdot 0{,}0019 + \\ (\text{ceil}(0.5 \cdot \text{sgn}(c-2{,}4797))) \cdot ((1+\text{floor}(0.5 \cdot \text{sgn}(c-36{,}7911))) \cdot 0{,}0199 - \\ (\text{floor}(0.5 \cdot \text{sgn}(c-36{,}7911))) \cdot (0{,}0005 \cdot c + 0{,}0005)))) + (\text{sgn}(r-10)^2 \cdot 0)))))))))) \end{multline}$$
این فرمول عمدتاً با مهندسی معکوس و عمدتاً با کمک SISTRIX A PI رسمی استخراج شده است . ایده اصلی این بود: مشکل را به مثال‌های ساده تقلیل دهید (نشانی‌های اینترنتی با نمایه دید مثبت تنها با یک / دو / سه / ... کلمات کلیدی پیدا کنید) و سپس سعی کنید موارد پیچیده‌تری را بازتولید کنید.
ویژگی های شاخص دید:
- فقط کلیدواژه‌های «مجموعه کلیدواژه دائمی» از 1000000 کلمه کلیدی در فهرست نمایان گنجانده شده است، نه کلیدواژه‌های دائماً در حال گسترش «پایگاه داده کامل» (که با رویدادها و شرایط کنونی سازگار است) که در حال حاضر شامل 100،000،000 کلمه کلیدی است (از اکتبر. 1، 2021). گروه های کلیدواژه مربوطه را می توان به راحتی با انتخاب یک مقدار در زیر "تاریخ" یا با تنظیم مقدار افزایش یافته به 0 در API فیلتر کرد. داده های استاندارد یا داده های تاریخی ثابت هستند و از سال 2008 به صورت هفتگی جمع آوری می شوند و اکنون روزانه هستند.
- بازدیدهای AMP در شاخص دید گنجانده نشده است.
- توصیه می شود با تجزیه و تحلیل در کشورهای اخیراً ایجاد شده مانند رومانی، کرواسی، اسلوونی و بلغارستان یا با ایجاد شاخص دید خود شروع کنید. دلیل این امر این است که SISTRIX "بالاست تاریخی" را در کشورهایی مانند آلمان به همراه دارد، به این معنی که کلمات کلیدی که قبلاً وزن بالاتری داشتند، در حال حاضر حتی بیشتر از حد انتظار استفاده می شوند، علی رغم (همچنین برای مدت طولانی) ) حجم کم جستجو. با توجه به پشتیبانی، کل چیز باید به تدریج تنظیم شود و دیگر در دراز مدت قابل مشاهده نباشد.
- برخلاف تصور اولیه من، حجم جستجو فقط نقش غیرمستقیم در شاخص دید بازی می کند. در عوض، کلیک‌هایی که انتظار می‌رود بسیار مهم هستند. رابطه بین حجم جستجو و کلیک های تخمینی عمدتاً بر اساس هدف جستجوی تخمینی است که همچنین نشان داده شده است. SISTRIX خود به صراحت به این موضوع اشاره می کند .
- کلیک‌های مورد انتظار عامل محرک پشت شاخص دید هستند. اثر آنها به سمت بالا و پایین محدود می شود، به طوری که شاخص دید همیشه بین یک حد بالا و پایین و خطی بین آنها قرار دارد.
- کلیک ها از طریق API رسمی قابل دسترسی نیستند، اما فقط از طریق رابط وب یا از طریق صادرات دستی CSV. در هر دو مورد، مقادیر گرد هستند، اما DOM نمای «کلید واژه‌ها» نیز حاوی مقادیر اصلی است.:
فرمول زیر را می توان در Excel یا Google Sheets نیز استفاده کرد. این شاخص نمایان بودن کاربرگ را محاسبه می کند که در آن هر ردیف حاوی یک کلمه کلیدی با موقعیت آن در ستون A و کلیک های مورد انتظار آن در ستون B است.:
=SUMME(WENN(A1:A999999=1;WENN(B1:B999999=378,32500379436;0,125;(0,00037306471297181*B1:B999999+0,011944496557952))); WENN(A1:A999999=2;WENN(B1:B999999=230,68394113271;0,125;(0,00055449577110866*B1:B999999+0,0035350976909409))); WENN(A1:A999999=3;WENN(B1:B999999=231,31214231278;0,125;(0,00059715499256153*B1:B999999+0,0025455442270028))); WENN(A1:A999999=4;WENN(B1:B999999=219,61948739302;0,125;(0,00063710437878404*B1:B999999+0,0020405503130787))); WENN(A1:A999999=5;WENN(B1:B999999=249,37064996217;0,125;(0,00058906284391034*B1:B999999+0,0017391721053351))); WENN(A1:A999999=6;WENN(B1:B999999=133,21031841331;0,1011;(0,00074744619531311*B1:B999999+0,0015021940435474))); WENN(A1:A999999=7;WENN(B1:B999999=90,370431493381;0,0727;(0,00078977592541601*B1:B999999+0,0012962057526498))); WENN(A1:A999999=8;WENN(B1:B999999=87,612293584114;0,0706;(0,00079399080394233*B1:B999999+0,0010648385910406))); WENN(A1:A999999=9;WENN(B1:B999999=75,601377547472;0,0515;(0,00066458507066795*B1:B999999+0,0011972721128791))); WENN(A1:A999999=10;WENN(B1:B999999=36,79114711734;0,0199;(0,00052397754322654*B1:B999999+0,00053850952142599))); 0)))))))))))این اجازه می دهد تا نتایج زیر تولید شود:
| کشور | دستگاه | تاریخ | \(S_{echt}\) | \(S_{berechnet}\) | \(\Delta\) | \(\Delta_{\%}\) | آدرس / دایرکتوری |
| SI | م. | 29.10.21 | \( 0{,}1348 \) | \( 0{,}1348 \) | \( 0{,}0000 \) | \( 0{,}00% \) | https://support.google.com/youtube/?hl=sl |
| SI | م. | 29.10.21 | \( 0{,}2156 \) | \( 0{,}2155 \) | \( 0{,}0001 \) | \( 0{,}05% \) | https://Me.twitter.com/youtube |
| SI | م. | 29.10.21 | \( 0{,}3746 \) | \( 0{,}3740 \) | \( 0{,}0006 \) | \( 0{,}16% \) | https://sl.m.wikipedia.org/wiki/YouTube |
| SI | م. | 29.10.21 | \( 0{,}6771 \) | \( 0{,}6760 \) | \( 0{,}0011 \) | \( 0{,}16% \) | https://m.facebook.com/youtube/ |
| SI | م. | 29.10.21 | \( 0{,}6836 \) | \( 0{,}6830 \) | \( 0{,}0006 \) | \( 0{,}09% \) | https://x2convert.com/en117/download-youtube-to-mp3-music |
| SI | م. | 29.10.21 | \( 0{,}7636 \) | \( 0{,}7555 \) | \( 0{,}0081 \) | \( 1{,}06% \) | https://www.youtubekids.com/ |
| SI | م. | 29.10.21 | \( 0{,}8749 \) | \( 0{,}8730 \) | \( 0{,}0019 \) | \( 0{,}22% \) | https://www.4kdownload.com/products/youtubetomp3/6 |
| SI | م. | 29.10.21 | \( 4{,}0020 \) | \( 3{,}9980 \) | \( 0{,}0040 \) | \( 0{,}10% \) | https://ytmp3.cc/en23/ |
| SI | م. | 29.10.21 | \( 8{,}0520 \) | \( 8{,}0520 \) | \( 0{,}0000 \) | \( 0{,}00% \) | https://support.google.com/youtube/ |
| SI | م. | 29.10.21 | \( 11{,}6600 \) | \( 11{,}6100 \) | \( 0{,}0500 \) | \( 0{,}43% \) | https://m.facebook.com/events/ |
| SI | م. | 29.10.21 | \( 19{,}7000 \) | \( 19{,}6890 \) | \( 0{,}0110 \) | \( 0{,}06% \) | https://minecraft.fandom.com/wiki/ |
| SI | م. | 29.10.21 | \( 32{,}5900 \) | \( 32{,}5890 \) | \( 0{,}0010 \) | \( 0{,}00% \) | https://hr.m.wikipedia.org/wiki/ |
| RO | م. | 29.10.21 | \( 0{,}1516 \) | \( 0{,}1516 \) | \( 0{,}0000 \) | \( 0{,}00% \) | https://lol.fandom.com/wiki/LCK/2021_Season/Summer_Season |
| آقای | م. | 29.10.21 | \( 0{,}2191 \) | \( 0{,}2190 \) | \( 0{,}0000 \) | \( 0{,}00% \) | https://starwars.fandom.com/wiki/Mandalorian |
| BG | م. | 03.11.21 | \( 0{,}3703 \) | \( 0{,}3702 \) | \( 0{,}0001 \) | \( 0{,}03% \) | https://leagueoflegends.fandom.com/wiki/List_of_champions |
تفاوت بین مقادیر واقعی و محاسبه شده ناشی از خطاهای گرد کردن و مجموعه داده های محدودی است که آموزش مدل بر اساس آن است. عبارات فوق می تواند به عنوان مبنایی برای اصلاح بیشتر فرمول و به عنوان مثال، محاسبه رابطه بین حجم جستجو و کلیک های مورد انتظار باشد. اگر به اسکریپت هایی که در طول تحقیق من به وجود آمد علاقه دارید، لطفاً با من تماس بگیرید .