7 facteurs de classement de recherche analysés : Une étude de suivi

7 facteurs de classement de recherche analysés : Une étude de suivi

7 facteurs de classement de recherche analysés : Une étude de suivi

Prenez une tasse de café (ou deux) et attachez votre ceinture, car nous faisons des mathématiques aujourd’hui.

Encore une fois.

Reviens en arrière…

Un petit rappel de la dernière fois : J’ai tiré des données de 50 articles ciblés par mot-clé écrits sur le blog de Brafton entre janvier et juin 2018.

Nous avons utilisé une technique d’écriture de ces articles publiés précédemment sur Websterdata qui génère des résultats vraiment impressionnants (nous parlons de plus que doubler notre trafic organique au cours des six derniers mois, mais nous y reviendrons dans une autre publication).

Nous avons de nouveau tiré ces données… Seulement, j’ai mis à jour et relancé toutes les données manuellement, doublant ainsi l’ensemble des données. Pas d’API. Mon cerveau est un fromage suisse.

Nous voulions voir comment le contenu original nouvellement écrit se comporte dans le temps, et quels facteurs peuvent avoir eu un impact sur cette performance.

Pourquoi faire ça à la dure ?

« Pourquoi ne pas simplement extraire des centaines (ou des milliers !) de points de données des résultats de recherche pour élargir votre ensemble de données », vous vous dites peut-être. Cela a été fait avec succès plusieurs fois !

Croyez-moi, je pensais la même chose en pleurant des larmes sur mon clavier.

La réponse était simple : Je voulais faire quelque chose de différent des études d’agrégats massifs. Je voulais un niveau de contrôle sur le plus grand nombre possible de variables potentiellement influentes.

En utilisant nos propres données, l’étude en a bénéficié :

La même autorité de domaine racine sur tout le contenu.
Des profils de liens URL individuels similaires (certains en riront plus tard).
Des dates de publication originales connues et sans efforts de réoptimisation ou de bricolage.
Des cibles de mots clés originales connues pour chaque blog (plutôt que de deviner).
Des scores connus et cohérents de profondeur/qualité du contenu (MarketMuse).
Des techniques de rédaction de contenu similaires pour cibler des mots clés spécifiques pour chaque blog.

Vous n’éliminerez jamais la possibilité de mal interpréter la corrélation comme une cause. Mais le contrôle de certaines des variables peut vous aider.

Comme Rand l’a dit un jour dans un Whiteboard Friday, « la corrélation n’implique pas de causalité (mais c’est certainement un indice) ».

Avertissement :

Ce que nous avons gagné en contrôle, nous l’avons perdu en taille d’échantillon. Un échantillon de 96 est beaucoup moins utile que dix mille, ou cent mille. Examinez donc attentivement les données et faites preuve de discernement lorsque vous examinez les facteurs de classement qui vous semblent les plus vrais.

Cette ressource peut vous aider à évaluer la confiance que vous devez accorder à chaque valeur de la corrélation de Pearson. En général, plus la relation est forte, plus la taille de l’échantillon doit être petite pour que les résultats soient fiables.

Alors, qu’avez-vous fait exactement ici ?

Nous avons généré des indices sur ce qui peut influencer la performance organique des contenus nouvellement créés. Ni plus, ni moins. Mais il s’agit en effet d’indices intéressants qui méritent peut-être une discussion ou une recherche plus approfondie.

Qu’est-ce que vous n’avez pas fait ?

Nous n’avons pas publié de généralités générales sur l’algorithme de Google. Ce billet ne doit pas être lu comme un guide définitif de l’algorithme de Google, ni comme une présomption que votre site présentera les mêmes corrélations.

Que dois-je donc faire avec ces données ?

La meilleure façon de lire cet article, est d’observer les corrélations potentielles que nous avons observées avec nos données et d’envisager la possibilité que ces corrélations s’appliquent ou non à votre contenu et à votre stratégie.

J’espère que cette étude adoptera une nouvelle approche de l’étude des URL individuelles et stimulera un débat et une conversation constructifs.

Vos critiques constructives sont les bienvenues, et nous espérons qu’elles feront avancer ces conversations !

La fiche statistique

Alors, arrêtez de jacasser et montrez-moi la marchandise, dites-vous ? Très bien, commençons par notre feuille de statistiques, formatée comme une carte de baseball, parce que pourquoi pas ?

*Note : Seuls les blogs avec des données de classement complètes ont été utilisés dans l’étude. Nous avons rejeté les blogs dont les données étaient manquantes plutôt que d’ajouter des chiffres arbitraires.

Et comme toujours, voici l’ensemble des données originales si vous souhaitez reproduire mes résultats.

Alors maintenant, la partie que vous attendiez…

L’analyse

Pour commencer, veuillez utiliser une mise à jour sur le coefficient de corrélation de Pearson de mon dernier billet de blog, ou celui de Rand.

1. Temps et performance

J’ai commencé par une question : « Les blogs vieillissent-ils comme un Macallan 18 ans servi pur un chaud vendredi après-midi d’été, ou comme du lait tiède un chaud mardi d’été ?

Le temps indexé joue-t-il un rôle dans la performance d’un contenu ?

Corrélation 1 : Temps et position du mot-clé cible

Tout d’abord, nous allons établir une carte des positions de classement des mots-clés cibles en fonction du nombre de jours d’indexation du blog correspondant. Visuellement, s’il y a une corrélation, nous verrons une sorte de relation linéaire négative ou positive.

Il existe une relation négative évidente entre les deux variables, ce qui signifie que les deux variables peuvent être liées. Mais nous devons aller au-delà du visuel et utiliser la PCC.

Jours en direct par rapport à la position du mot-clé cible

PCC

-.343

Relation

Modéré

Les données montrent une relation modérée entre la durée d’indexation d’un blog et le positionnement du mot-clé cible.

Mais avant de se laisser emporter, il ne faut pas se fier uniquement à une méthode statistique et s’arrêter là. Regardons les choses sous un autre angle : Comparons l’âge moyen des articles dont les mots clés cibles se classent dans les dix premiers à l’âge moyen des articles dont les mots clés cibles se situent en dehors des dix premiers.

Âge moyen des articles en fonction de leur position

Position de la cible KW ≤ 10

144,8 jours

Position cible KW > 10

84,1 jours

Maintenant, une histoire commence à se préciser : notre contenu nouvellement écrit prend beaucoup de temps pour arriver à maturité.

Mais pour épuiser cette allusion, examinons les données d’une dernière façon. Nous allons regrouper les données en lots de positions de mots clés cibles et de jours indexés, puis les appliquer à une carte thermique.

Cela devrait nous montrer un regroupement visuel clair de la façon dont les articles se comportent au fil du temps.

Ce graphique, littéralement, brosse un tableau. Selon les données, nous ne devrions pas nous attendre à ce qu’un nouvel article réalise son plein potentiel avant au moins 100 jours, et probablement plus longtemps. Plus un article de blog vieillit, plus il semble bénéficier d’un positionnement de mot-clé cible plus favorable.

Corrélation 2 : Temps et nombre total de mots-clés de classement sur l’URL

Vous constaterez que lorsque vous écrirez un article, il sera (espérons-le) classé en fonction du mot-clé que vous ciblez. Mais il arrive souvent qu’il soit également classé pour d’autres mots-clés. Certains sont des variantes du mot-clé cible, d’autres sont liés de manière tangentielle, et d’autres encore sont des bruits purement aléatoires.

L’instinct vous dira que vous voulez que vos articles soient classés pour autant de mots-clés que possible (idéalement des variantes et des mots-clés tangentiellement liés).

De manière prévisible, nous avons constaté que la relation entre le nombre de mots-clés pour lesquels un article se classe et son trafic organique mensuel estimé (par SEMrush) est forte (.447).

Nous voulons que tous nos articles fassent ce genre de choses :

Nous voulons beaucoup de variantes, chacune avec un volume de recherche important. Mais un article augmente-t-il le nombre total de mots clés qu’il contient au fil du temps ? Voyons voir.

Visuellement, ce graphique semble un peu obscur en raison de l’existence de deux valeurs aberrantes claires à l’extrême droite. Nous allons d’abord effectuer l’analyse avec les valeurs aberrantes, puis sans. Avec les valeurs aberrantes, nous observons ce qui suit :

Nombre de jours en direct par rapport au nombre total de mots clés figurant dans l’URL (avec les valeurs aberrantes)

PCC

.281

Relation

Faible / limite modérée

Il semble y avoir une relation entre les deux variables, mais elle n’est pas aussi forte. Voyons ce qui se passe lorsque nous éliminons ces deux valeurs aberrantes :

Visuellement, la relation semble plus forte. Examinons la PCC :

Nombre de jours en direct par rapport au nombre total de mots clés figurant sur l’URL (sans les valeurs aberrantes)

PCC

.390

Relation

Modérée/forte

La relation semble être beaucoup plus forte une fois les deux valeurs aberrantes éliminées.

Mais encore une fois, voyons les choses sous un autre angle.

Examinons l’âge moyen des 25 % d’articles les plus importants et comparons-les à l’âge moyen des 25 % d’articles les moins importants :

Âge moyen des 25 % d’articles les plus importants par rapport aux 25 % les moins importants

Les 25% les plus importants

148,9 jours

25% inférieur

73,8 jours

C’est exactement pour cette raison que nous examinons les données de multiples façons ! Les 25 % des articles de blog les mieux classés ont été indexés pendant 149 jours en moyenne, tandis que les 25 % les moins bien classés ont été indexés pendant 74 jours, soit environ la moitié.

Pour en être sûr, regroupons à nouveau les données sur une carte thermique pour observer où se situe la performance dans le continuum temporel :

Nous observons un schéma très similaire à celui de notre analyse précédente : un regroupement des blogs les plus performants à partir d’environ 100 jours.

Hypothèses sur le temps et les performances

Tu es toujours avec moi ? Bien, parce que nous disons quelque chose de GRAND ici. D’après nos observations, il faut entre 3 et 5 mois pour que les nouveaux contenus soient performants en recherche organique. Ou, à tout le moins, qu’il devienne mature.

Pour en arriver à cette dernière conclusion, j’ai créé un nuage de points en ne prenant en compte que les 25 % de blogs les plus performants et en les comparant à leur temps d’indexation :

Il y a 48 graphiques de données sur ce diagramme, les graphiques bleus représentent les 25 % d’articles les plus performants en termes de position dans le classement des mots-clés cibles. Les graphiques orange représentent les 25 % des articles les plus performants en termes de classement par mot-clé sur leur URL. (Il peut s’agir, et certains le sont, de la même URL).

En examinant les données d’un peu plus près, nous constatons ce qui suit :

90 % des 25 % des contenus les plus performants ont mis au moins 100 jours pour arriver à maturité, et seuls deux articles ont pris moins de 75 jours.

Conclusion sur le temps et les performances

Pour ceux d’entre vous qui viennent de commencer un programme de marketing de contenu, souvenez-vous que vous ne verrez peut-être pas tout le potentiel organique de votre premier contenu avant le troisième mois au plus tôt. Et comme il faut au moins deux mois de production de contenu pour avoir un véritable impact, vous devriez vraiment attendre au moins six mois pour obtenir des résultats.

En conclusion, nous estimons qu’il faut au moins 100 jours pour qu’un nouveau contenu arrive à maturité.

2. Liens

Mais attendez, certains d’entre vous le disent peut-être. Et les liens, mon pote ? Les articles créent aussi des liens au fil du temps !

Il va sans dire qu’avec le temps, un blog gagnera des liens (et un potentiel de classement) au fil du temps. Les liens sont importants, et un classement plus élevé permet d’obtenir des liens plus rapidement. Ainsi, nous risquons de mal interpréter la corrélation de cause à effet si nous n’examinons pas cela avec attention.

Mais ce qu’aucun d’entre vous ne sait, ce que je sais, c’est qu’étant le terrible SEO que je suis, je n’avais aucune stratégie de liens avec cette campagne.

Et je veux dire une stratégie zéro. L’article moyen a généré 1,3 liens à partir de domaines de liens .5.

C’est bien.

Lien entre les domaines et la position du mot-clé cible

PCC

-.022

Relation

Aucune

Moyenne des domaines de liens vers les 25 % d’articles les plus importants

.46

Moyenne des domaines de liens vers les 25 % d’articles les plus bas

.46

La seule chose qui ressort de tous les articles est un manque choquant et embarrassant de liens entrants. Cela est démontré par un coefficient de corrélation non significatif de -0,022. Il en va de même pour le nombre total de liens par URL, avec un coefficient de corrélation de -0,029.

Il semble que ces articles aient été performants principalement sur leur contenu plutôt que sur les liens entrants.

(Et ils auraient certainement eu de bien meilleures performances avec une stratégie de liens forte, ou n’importe quelle stratégie de liens. Personne ne conteste la valeur des liens ici). Mais surtout…

Honte à moi.

Honte à moi. Honte à moi. Honte.

Mais sur une note positive, nous avons pu générer une expérience plus contrôlée sur les effets du temps et de la performance des blogs. Alors, ne me virez pas tout de suite ?

Note : Il serait intéressant de tirer des mesures de qualité des liens dans la discussion (pour les quelques précieux liens que nous avons gagnés) plutôt que le volume total. Cependant, après un examen rapide des données, rien ne ressort comme étant significatif.

3. Nombre de mots

Les spécialistes du marketing de contenu et les spécialistes de l’optimisation des moteurs de recherche aiment parler du nombre de mots. Et pour cause. Lorsque nous avons convenu collectivement que le « contenu de qualité » était la clé des classements, il allait de soi qu’un contenu plus long serait plus complet et satisferait donc mieux l’intention des chercheurs. Testons donc cette théorie.

Corrélation 1 : Position du mot-clé cible par rapport au nombre total de mots

Des articles plus longs augmenteront-ils la probabilité de classement pour le mot-clé que vous visez ?

Pas dans notre cas. Pour en être sûr, effectuons une analyse similaire à celle que nous avons faite précédemment.

Nombre de mots par rapport à la position du mot-clé ciblé

PCC

.111

Relation

Négligeable

Nombre moyen de mots des 25 premiers articles

1,774

Nombre moyen de mots des 25 % d’articles les plus bas

1,919

Les données ne montrent aucun impact sur les classements basés sur la longueur de nos articles.

Corrélation 2 : classement total des mots-clés sur l’URL par rapport au nombre de mots

On pourrait penser qu’un contenu plus long entraînerait des mots-clés de classement supplémentaires, n’est-ce pas ? Même par accident, on pourrait penser que plus vous abordez de sujets connexes dans un article, plus vous aurez de mots-clés à classer. Voyons si c’est vrai :

Nombre total de mots-clés dans le classement des URL par rapport au nombre de mots

PCC

-.074

Relation

Aucune

Pas dans ce cas.

Compte de mots, tangente spéculative

Comment se fait-il donc que tant d’études démontrent qu’un nombre de mots plus élevé entraîne un classement plus favorable ? Une certaine réconciliation s’impose, alors permettez-moi de spéculer sur ce que je pense qu’il pourrait se passer dans ces études.

C’est très probable : Les techniques de mesure. Ces études examinent généralement un facteur par rapport aux classements : le nombre absolu moyen de mots en fonction de la position. (Et, en fait, il n’y a pas beaucoup de différence dans le nombre moyen de mots entre la première et la dixième position).
Comme nous le démontrons dans cet article, il peut y avoir beaucoup d’autres facteurs en jeu qui doivent être isolés et testés pour les corrélations afin d’obtenir une image complète, tels que : le temps indexé, le référencement sur la page (qui sera discuté plus tard), l’autorité de domaine, le profil de lien, et la profondeur/qualité du contenu (également discuté plus tard avec MarketMuse comme mesure). Il est possible que la corrélation n’implique pas de corrélation, et en utilisant des moyennes de nombre de mots comme unique méthode de mesure, nous risquons de peindre un tableau trop large.
Probablement : Un contenu de haute qualité est plus long, par nature. Nous savons que le « contenu de qualité » est discuté en fonction de la mesure dans laquelle un article satisfait l’intention du lecteur. Dans un scénario idéal, vous créerez un contenu qui satisfera pleinement tout ce qu’un chercheur voudra savoir sur un sujet donné. Dans l’idéal, vous êtes propriétaire du centre de ressources sur le sujet, et le chercheur n’a pas besoin de revisiter les SERP et de tisser des réponses provenant de sources multiples. Par nature, ce type de contenu exhaustif est assez long. On peut dire que le contenu long est un sous-produit de la création pour la qualité. Cyrus Shepard explique mieux cette probabilité ici.
Moins probable : Seuil du contenu long. Les articles que nous avons rédigés pour cette étude vont d’un peu moins de 1 000 mots à près de 4 000 mots. On pourrait considérer tous ces articles comme du « contenu long », et peut-être que Google en fait autant. Il existe peut-être un seuil de comptage de mots que Google utilise.

Tout cela n’est que spéculation. Ce que nous pouvons affirmer avec certitude, c’est que tout notre contenu compte 900 mots et plus, et ne montre aucun avantage supplémentaire à tirer d’une longueur supplémentaire.

N’hésitez pas à ne pas être d’accord avec mes spéculations (ou toutes) sur mon interprétation des divergences de résultats, mais j’ai tendance à avoir la même opinion que Brian Dean sur les informations disponibles.

4. MarketMuse

À ce stade, la plupart d’entre vous connaissent MarketMuse. Ils ont créé un certain nombre d’outils alimentés par l’IA qui aident à la planification et à l’optimisation du contenu.

Nous utilisons l’outil Content Optimizer, qui évalue les 20 meilleurs résultats pour tout mot-clé et génère un aperçu de tous les principaux sujets abordés dans les SERP. Cela vous aide à créer un contenu plus complet que celui de vos concurrents, ce qui peut conduire à de meilleures performances dans la recherche.

En fonction du paysage concurrentiel, l’outil génère un score de contenu recommandé (leur algorithme propriétaire) que vous devez atteindre afin de rivaliser avec les pages concurrentes dans le classement des SERP.

Mais… si vous êtes un compétiteur, que se passe-t-il si vous voulez faire exploser le score recommandé ? Des scores plus élevés ont-ils un impact sur les classements ? Cela fait-il une différence si votre concurrent a une note moyenne très faible ?

Pour répondre à ces questions, nous avons tiré le score du contenu de chaque article, ainsi que les scores recommandés par MarketMuse et les scores moyens des concurrents.

Corrélation 1 : Note globale du contenu de MarketMuse

Une note globale plus élevée pour le contenu entraîne-t-elle un meilleur classement ? Voyons voir :

Score absolu de MarketMuse par rapport à la position du mot-clé cible

PCC

.000

Relation

Aucune

Un zéro parfait ! Nous n’avons pas réussi à battre le système en accumulant des points. J’ai également vérifié si un score absolu plus élevé se traduirait par un plus grand nombre de mots-clés dans l’URL – ce n’est pas le cas.

Corrélation 2 : Battre le score recommandé

Comme mentionné, sur la base du paysage concurrentiel, MarketMuse générera un score de contenu recommandé. Que se passe-t-il si vous faites exploser le score recommandé ? Obtenez-vous des points bonus ?

Afin de calculer cette corrélation, nous avons tiré le pourcentage d’atteinte du score de contenu et l’avons comparé à la position du mot-clé cible. Par exemple, si nous avons obtenu un score de 30 sur 25 recommandé, nous atteignons un score de 120%. Voyons si c’est important :

Pourcentage d’atteinte du score de contenu par rapport à la position du mot-clé cible

PCC

.028

Relation

Aucune

Pas de points bonus pour faire des crédits supplémentaires !

Corrélation 3 : battre la moyenne des notes des concurrents

D’accord, si vous dépassez les recommandations de MarketMuse, vous n’obtenez aucun avantage supplémentaire, mais que se passe-t-il si vous détruisez complètement les scores moyens de contenu de vos concurrents ?

Nous calculerons cette corrélation de la même manière que nous l’avons fait précédemment, avec le pourcentage d’atteinte par rapport au concurrent moyen. Par exemple, si nous obtenons un score de 30 sur la moyenne de 10, nous atteignons 300% de réussite. Voyons si cela a de l’importance :

Pourcentage de réussite par rapport au score moyen du concurrent par rapport à la position cible en KW

PCC

-.043

Relation

Aucune

Cela n’a pas fonctionné non plus ! Il semble qu’il n’y ait pas de hacks ou de raccourcis ici.

Résumé de MarketMuse

Nous savons que MarketMuse fonctionne, mais il semble qu’il n’y ait pas d’astuces supplémentaires à cet outil.

Si vous atteignez régulièrement le score recommandé comme nous l’avons fait (moyenne de 110 % de réussite, avec 81 % des blogs atteignant 100 % ou plus) et que vous couvrez les sujets prescrits, vous devriez obtenir de bons résultats. Mais ne vous focalisez pas sur les scores des concurrents ou sur le score recommandé. Vous ne feriez que perdre votre temps.

Note : Il est à noter que nous aurions probablement montré des corrélations plus fortes si nous avions intentionnellement bombardé quelques scores MarketMuse. Peut-être un test pour un autre jour.

5. Optimisation sur la page

Ah, le SEO technique à l’ancienne. Ce type de travail réchauffe le cœur d’un référenceur expérimenté. Mais a-t-il encore une place dans notre monde en constante évolution ? Google a-t-il progressé au point de ne plus avoir besoin des indices techniques des moteurs de recherche pour comprendre le contenu d’une page ?

Pour le savoir, j’ai tiré le score d’optimisation de Websterdata pour chaque article et je l’ai comparé au classement des mots-clés cibles :

Jetons un coup d’œil au nuage de points pour tous les mots-clés cibles.

Maintenant, regardons les calculs :

Score d’optimisation de la page par rapport à la position du mot-clé cible

PCC

-.384

Relation

Modérée/forte

Score moyen sur la page pour les 25% premiers

91%

Score moyen sur la page pour les 25 % les plus bas

87%

Si vous avez l’oeil vif, vous avez peut-être remarqué quelques fortes valeurs aberrantes sur le nuage de points. Si l’on retire trois des plus grandes valeurs aberrantes, la corrélation monte à -0,435, une relation forte.

Avant de sauter aux conclusions, examinons ces données d’une dernière façon.

Examinons le pourcentage d’articles dont les mots clés cibles sont classés de 1 à 10 et qui ont également un score de 90 % sur la page ou plus. Nous comparerons ce chiffre au pourcentage d’articles se classant en dehors des dix premiers qui ont également un score de 90 % ou plus sur la page.

Si notre hypothèse est correcte, nous constaterons un pourcentage beaucoup plus élevé de mots-clés classés de 1 à 10 avec un score de 90 % ou plus sur la page, et un pourcentage plus faible pour les articles classés au-dessus de 10.

Score d’optimisation des pages selon les classements

Pourcentage de KWs classés de 1 à 10 avec ≥ 90% de score

73.5%

Pourcentage de mots-clés classés >10 avec ≥ 90% de score

53.2%

C’est un indice suffisant pour moi. Je mets en place un score minimum de 90% sur les pages à partir de maintenant.

Les SEO à l’ancienne, réjouissez-vous !

6. Le nombre moyen de mots du concours

Nous ne mettrons pas encore un terme à cet argument du « nombre de mots »…

Demandons-nous : « Est-ce que la durée moyenne du contenu des 20 premiers résultats est importante ?

Y a-t-il une relation entre la longueur de votre contenu et celle de la moyenne des concurrents ?

Que se passe-t-il si vos concurrents rédigent des textes très courts et que vous voulez les battre avec des textes longs ?

Nous mesurerons cela de la même manière qu’auparavant, avec un pourcentage de réussite. Par exemple, si le nombre moyen de mots des 20 premiers résultats de « l’agence de marketing de contenu » est de 300 et que notre article compte 450 mots, nous atteignons 150 % de réussite.

Voyons si vous pouvez « surenchérir » sur vos adversaires.

Pourcentage d’atteinte du nombre de mots par rapport à la position KW cible

PCC

.062

Relation

Aucune

Très bien, je vais mettre le compte des mots au clair maintenant, je vous le promets.

7. Densité des mots-clés

Vous êtes arrivé à la dernière analyse. Félicitations ! Combien de tasses de café avez-vous consommé ? Pas de jugement, ce rapport est responsable du fait que des fermes de café entières ont été complètement décimées par votre serviteur.

Pour des raisons égoïstes, je n’ai pas pu résister à la tentation de dissiper cette ancienne tactique consistant à « utiliser des mots-clés cibles » dans le contenu des blogs. Vous savez de quoi je parle : quand quelqu’un dit « Ce blog ne se sent pas optimisé… avez-vous suffisamment utilisé le mot-clé cible ? »

Il y a encore beaucoup trop de gens qui pensent que jeter des mots-clés cibles dans un contenu donnera des résultats. Et les agences de référencement malavisées, ainsi que certains outils de référencement, perpétuent cette croyance.

Yoast dispose d’un outil dans WordPress qui fait vivre et mourir certains spécialistes du marketing numérique. Ils ne pensent pas qu’un blog est complet tant que Yoast n’a pas donné le feu vert magique, indiquant que le contenu a satisfait la majorité de ses recommandations en matière de SEO :

Euh oh, la densité de mots-clés est trop faible ! Voyons si c’est vraiment important.

Pas très bien, mes amis bourreurs de mots-clés ! Jetons un coup d’œil au PCC :

Position dans le classement des mots-clés cibles vs. densité des mots-clés de la levure

PCC

.097

Relation

Non/Négligeable

Les croyants aimeraient voir une relation négative ici ; à mesure que la densité des mots-clés diminue, la position dans le classement diminue, ce qui produit une ligne inclinée vers le bas.

Ce que nous observons est une ligne légèrement ascendante, ce qui indiquerait une perte de classement par bourrage de mots-clés – mais heureusement pas TROP ascendante, étant donné la faible valeur de corrélation.

D’accord, alors s’il vous plaît, que ce soit la fin de la « densité de mots-clés ». Cette pratique a été réfutée dans des études antérieures, comme le mentionne Zyppy. Mettons cela de côté, en toute confiance, pour toujours. S’il vous plaît.

Oh, et juste pour rire, le score de Flesch Reading Ease n’a pas non plus d’incidence sur les classements (corrélation de -0,03). Écrivez à un niveau de troisième année, ou à un niveau universitaire, cela n’a pas d’importance.

TL;DR (Je ne vous en veux pas)

Ce que nous avons appris de nos données
Durée : il a fallu 100 jours ou plus pour qu’un article atteigne sa pleine maturité et montre son véritable potentiel. Un programme de marketing de contenu ne devrait probablement pas être examiné à fond avant le cinquième ou le sixième mois au plus tôt.
Liens : Les liens sont importants, mais je suis très mauvais pour les créer. C’est une honte.
Le nombre de mots : Il ne s’agit pas de la longueur du contenu, en termes absolus ou par rapport à la concurrence. Il s’agit de ce qui est écrit et de l’ingéniosité qu’il y a à le faire.
MarketMuse : Nous avons prouvé que MarketMuse fonctionne comme il le prescrit, mais il n’y a pas d’avantage supplémentaire à battre des records.
Référencement sur la page : Nos données montrent que cela compte toujours. Nous avons tous encore un travail.
Longueur du contenu des concurrents : Nous n’avons pas réussi à faire sortir nos concurrents de l’eau avec un contenu plus long.
Densité des mots-clés : Arrêtez. Rejoignez-nous dans les temps modernes. L’eau est chaude.

En conclusion, voici quelques conseils raisonnables sur lesquels nous sommes d’accord :

Attendez au moins 100 jours pour évaluer les performances de votre programme de marketing de contenu, rédiger un contenu complet et vous assurer que votre score SEO sur la page est supérieur à 90 %.

Oh, et créez des liens. Contrairement à moi. C’est une honte.

Maintenant, allez faire une sieste.

À propos de Jeff_Baker –

Jeff est directeur de la stratégie de marketing numérique au bureau de Brafton à San Francisco. Dans son temps libre, il est menuisier et joggeur.

51
79