Výskum Pizza SEO: Ako dosiahnuť lepšie lokálne výsledky?

Lokálne výsledky vyhľadávania v Google sú pre časť našich klientov dôležitým zdrojom návštevníkov. Aké faktory ovplyvňujú umiestňovanie sa firiem v lokálnom vyhľadávaní Google na Slovensku a vo všeobecnosti?

Na pomoc sme si prizvali štatističku a štatistika zo Žilinskej univerzity. Pomohli nám vyhodnotiť nami zozbieranú vzorku 308 výsledkov z 42 rôznych hľadaní a odhadnúť model, ktorý čo najlepšie zodpovedal dátam.

Našou závislou premennou bola pozícia vo výsledkoch a ako možné vysvetľujce premenné sme zozbierali prvky, ktoré sa často prezentujú v článkoch o SEO ako rankingové faktory v lokálnych výsledkoch.

Numerické premenné

koľko má firma zmienok na webe s uvedením kontaktných údajov (adresa, telefón) ako na Google+ (Počet citácií)
koľko má firma zmienok na webe, ale bez uvedenia telefónneho čísla (Počet citácií bez čísla)
koľko má firma +1 vo svojom profile na Google+ (Počet +1 na G+)
koľko má firma followerov na Google+ (Počet folloverow)
koľko má firma hodnotení v Google+ (Počet hodnotení)
koľko má firma v priemere hviezdičiek v hodnoteniach (Hodnotenie)

Binárne premenné (možné hodnoty áno/nie)

či je firma overená v Google (Overená firma)
či má firma kľúčové slovo, teda dummy premennú, v názve (Kľúčové slovo v názve)
či má firma v profile pridané fotky (Fotky)
či existuje popis su súvisiacimi kľúčovými slovami (Relevantný popis)
či má nastavenú správnu kategóriu – napr. inštalatéri pre inštalatéra (Správna kategória)
či má profil prepojený s Google+ (Profil prepojený s G+)
či má profil na webe cez Google mapu (Profil na webe)
či má webe nastavený “publisher” prepojenie na Google+ (G+ prepojený s webom)

Ako tzv. dummy premmené nám poslúžili kľúčové slová, na ktoré sme vyhľadávania uskutočnili. Nadobúdali hodnotu 1, ak dané meranie patrilo k danému kľúčovému slovu alebo hodnotu 0, ak slovo nemalo nijaký vzťah k vyhľadávaniu. Niekoľko príkladov testovaných fráz: bed and breakfast London, sushi Wien, bistro Bratislava, pâtisserie Lyon, kaviareň Košice (kompletný zoznam kľúčových slov nájdete na konci článku).

Súbor meraní sme rozdelili na dve časti podľa hodnôt premennej “Profil na webe”. Táto premenná má hodnotu 1 pre firmy s lokálnym profilom na webe cez Google mapu (107 firiem) a hodnotu 0 pre firmy bez takéhoto profilu (201 firiem).

Aké sme dosiahli výsledky? (nebojte sa ak nerozumiete, k výsledkom sa dá dostať aj v zrozumiteľnejšej podobe):

Najdôležitejšie faktory

Ako celkovo najdôležitejšie sa ukázali premenné Profil prepojený s G+ (tu je korelácia najsilnejšia), Profil na webe a Počet hodnotení.

Na hladine štatistickej významnosti 0,05 bola korelácia s premennou Poradie u dvoch premenných – Počet citácií a Profil na webe.

Vzorec pre výpočet pozície potom vyzerá nasledovne:

Poradie = 4,33 - 0,001 x Počet citácií - 0,73 x Profil na webe

Na hladine štatistickej významnosti 0,10 bola korelácia u troch premenných. Zároveň sme zobrali do úvahy aj možné závislosti medzi vysvetľujúcimi premennými. Do modelu boli teda zaradené vysvetľujúce premenné Kľúčové slovo v názve, Počet citácií, Hodnotenie – počet hviezdičiek a Profil na webe.

Vzorec pre výpočet pozície potom vyzerá nasledovne:

Poradie = 4,33 - 0,001 x Počet citácií - 0,38 x Kľúčové slovo v názve - 0,73 x Profil na webe

Pri regresnej analýze sme použili lineárny regresný model. Model sme vytvárali nasledovne:

Backward elimination – do modelu sme zaradili všetky nezávislé premenné a na základe významnosti ich regresného koeficientu sme postupne odstraňovali nevýznamné premenné.
Forward elimination – do modelu sme postupne pridávali premenné na základe p-hodnoty testu významnosti ich regresného koeficientu.
Maximum R-squared improvement – do modelu sme zaraďovali premenné s maximálnou hodnotou koeficientu determinácie. Ako najvhodnejší získaný model sa ukázal byť model s dvoma vysvetľujúcimi premennými.
Do modelu sme tiež zaradili tie premenné, kde korelácia s premennou Poradie bola štatisticky významná na hladine významnosti 0,10. Zaradili sme vysvetľujúce premenné Kľúčové slovo v názve, Počet citácií, Hodnotenie – počet hviezdičiek a Profil na webe.

Štatistickú analýzu spracovali RNDr. Lucia Švábová, Phd. a RNDr. Marek Ďurica, Phd. z Katedry kvantitatívnych metód a hospodárskej informatiky Fakulty prevádzky a ekonomiky dopravy a spojov zo Žilinskej univerzity. Ďakujeme im za podporu pri tomto výskume.