Czy da się przewidywać, kiedy będą miały miejsce kolejne aktualizacje Google? Taka umiejętność, która potwierdzałaby się statystycznie, byłaby na wagę złota zarówno dla agencji pozycjonowania, jak i firm oraz właścicieli stron. Jednym ze sposobów podejścia gwarantujących uzyskanie relatywnie wiarygodnych wyników jest jest analiza wykresów XmR. Pozwala to na monitorowanie zmian danych i wykrywanie anomalii ruchu organicznego na stronach internetowych. Dziś sprawdzamy, na czym polega stosowanie wykresów XmR i dlaczego mogą być stosowane do weryfikowania okresu wdrażania aktualizacji wyszukiwarki.
Czym są i jak działają wykresy XmR?
Wykresy XmR (Exponential Moving Range), popularne w analizie statystycznej, mogą pomóc w identyfikacji nieoczekiwanych wzrostów lub spadków ruchu, które mogą być związane z akltualizacjami algorytmu Google. Wykresy te składają się z dwóch głównych komponentów: wykresu wartości średnich (X) oraz wykresu zakresu ruchomego (mR). Wykres wartości średnich przedstawia bieżące dane, takie jak ruch na stronie internetowej. Druga wartość, wykres zakresu ruchomego, pokazuje różnice między kolejnymi punktami danych, co pozwala na identyfikację niestandardowych wahań i odchyleń. Wykresy te nie są same w sobie techniką badawczą, lecz sposobem prezentowania zbiorów danych, który umożliwia łatwiejsze dostrzeganie występujących wzorców bądź anomalii.
Za stosowaniem wykresów XmR przemawiają podstawy analizy statystycznie, zgodnie z którymi dane obserwowane w dłuższym okresie czasu mogą wykazywać pewne regularności oraz odchylenia od normy. Analizując te odchylenia, można zidentyfikować momenty, które są istotne dla danego, konkretnego badania. W przypadku SEO mogą to być momenty, w których występują nietypowe zmiany w ruchu organicznym.
Zastosowanie wykresów XmR w SEO/SEM
Wykresy XmR są także często wykorzystywane w branży SEO/SEM, chociaż bardziej w zagranicznych agencjach, niż polskich. Stanowią narzędzie umożliwiające manualne, ale precyzyjne monitorowanie i analizowanie zmian ruchu organicznego, wyników kampanii marketingowych i nie tylko. Zastosowanie wykresów XmR w SEO umożliwia identyfikowanie odchyleń od normy, które mogą wskazywać m.in. na zmiany w algorytmach Google. Ich rozpoznanie jest niezwykle istotne, aby móc szybko reagować na zachodzące zmiany, a nawet przygotowywać się do nich zawczasu, np. poprzez modyfikacje trwających kampanii reklamowych.
Z drugiej strony wykresy XmR służą nie tylko do analizy danych zastanych (w przypadku branży SEO będzie to np. ruch organiczny), ale także danych wywołanych. Chodzi przede wszystkim o wszelkie własne działania. Za pomocą wykresów XmR można monitorować skuteczność wdrażanych strategii i przeprowadzać dokładne testów A/B. Analizy te służą następnie do optymalizacji prowadzonych kampanii i wprowadzania zmian w obrębie tych, które przynoszą oczekiwane rezultaty bądź rezygnowania z tych, które się nie sprawdzają.
Wykresy XmR – badanie fluktuacji i anomalii
Wykresy XmR są zaprojektowane tak, aby wskazać, czy pojedynczy punkt danych z szeregu czasowego jest wynikiem normalnych fluktuacji (tzw. rutynowej zmienności), czy sygnałem mówiącym o tym, że coś się wydarzyło i wymaga to zbadania (tzw. wyjątkowa zmienność). Jeżeli nanosimy dane na wykres i oscylują one wokół linii środkowej, nie przekraczając górnych i dolnych granic, mamy do czynienia z rutynową zmiennością plasującą się w obrębie rutynowych granic wahań.
Jeżeli jednak po naniesieniu punkty pojawiają się poza górnymi lub dolnymi granicami kanału, prawdopodobnie mamy do czynienia z anomalią. Im więcej jest takich punktów, tym większa szansa na to, że albo w przypadku analizowanych danych nie można w ogóle mówić o trendzie (niektóre badane zjawiska nie podlegają trendom), albo mamy do czynienia z jego zachwianiem.
Taka sytuacja zaznaczona jest na powyższym wykresie. Seria wydaje się wykazywać rutynową zmienność aż do 16 stycznia, kiedy to pojawia się pierwszy czerwony punkt poza granicami. Odchylenie jest znaczne, stanowiąc najwyższą odnotowywaną wartość w całym okresie badawczym.
Należy pamiętać o tym, że linia środkowa to średnia wartość zbioru danych. Górne i dolne granice reprezentują odchylenie standardowe wynoszące 3 (znane jako trzy sigma). Każdy punkt, który wypada poza te górne i dolne granice, z dużym prawdopodobieństwem może stanowić anomalię i nie być częścią oryginalnego rozkładu prawdopodobieństwa.
Analiza ruchu organicznego za pomocą wykresów XmR
Jednym z głównych zastosowań wykresów XmR w obrębie SEO jest wykrywanie wpływu aktualizacji algorytmów Google. Aby to zrobić, należy zacząć od przeprowadzenia analizy ruchu organicznego. Tu – już na wstępie – pojawia się kilka problemów.
Jeżeli ruch na naszej stronie spada do zera, z pewnością łatwo o podejrzenie, że Google nałożyło na stronę karę. Jednak przy mniejszych zmianach, takich jak kilkumiesięczny spadek ruchu, trudniej jest określić przyczynę. Czy spadki mogą być związane ze zmianami na stronie? Jeśli ich nie było, czy są to zmiany wywołane jakąś aktualizacją Google? A może sezonowością lub działaniami konkurencji?
Powyższe dane prezentują zmiany wolumenu ruchu organicznego blogu Ahrefs w latach 2022-2024. Wykorzystywane dane zostały pobrane z Site Explorer i przedstawione na wykresie XmR. Na pierwszy rzut oka wykres ten nie wydaje się szczególnie przydatny. Jest mnóstwo punktów danych poza oczekiwanym zakresem (czerwonym), a bardzo niewiele z nich znajduje się bliżej linii środkowej niż granice kwartylowe (pomarańczowe).
Wykres XmR powinien pokazywać nietypowe odchylenia (anomalie) w jednym okresie, jednak w tym przypadku większość punktów odchyleń zlokalizowana jest w różnych okresach. Najlepszą praktyką w przypadku wykresów XmR jest ograniczenie analizy do okresu, kiedy proces był stosunkowo stabilny. Analizując powyższe dane, można zauważyć dużą zmienność ruchu w listopadzie i grudniu. Biorąc pod uwagę dane z Ahrefs, sezonowość i zmiany na stronie, a także w zakresie polityki publikacyjnej, należy wykluczyć. Jakiekolwiek zmiany w tym okresie wywołane czynnikami onsite skutkowałyby ewentualnie o rysowaniu się trendu horyzontalnego bądź spadkowego, a nie o tak dynamicznym wzroście miesiąc do miesiąca.
Zamiast analizować ruch na stronie jako jeden proces, warto traktować go jako dwa osobne procesy i obliczać wykresy XmR oddzielnie:
W tej chwili pierwszy okres wyodrębniony na wykresie wydaje się prezentować stabilny wzrost. Drugi okres również pokazuje mniejszą zmienność (liczba czerwonych punktów), ale nadal występuje zbyt dużo umiarkowanej zmienności (pomarańczowe punkty), aby można go uznać za stabilny. W tym celu warto podzielić ten okres raz jeszcze i wówczas zbadać relacje między punktami:
Zgodnie z zasadą ogólną dotyczącą analizy wykresów XmR: „czas trwania wykresu XmR należy ponownie ocenić, gdy tzw. długi okres danych pozostaje powyżej lub poniżej linii średniej”. Po podzieleniu jednego okresu na trzy pomniejsze i weryfikacji relacji punktów tylko w obrębie tych trzech okresów, widać wyraźnie, że nie zachodzą już żadne anomalie.
Brak anomalii w obrębie pomniejszych okresów oznacza, że mieliśmy dwie potężne zmiany w okresie 2022-2024. Pierwsza ma miejsce na początku grudnia 2022 roku, druga zaś – we wrześniu 2023 roku. Tak się składa, że właśnie wtedy Google wprowadziło zmiany: aktualizację rdzeniową oraz Helpful Content.
Segmentacja wyklucza zasadność stosowania XmR?
Zastosowanie wykresów XmR do identyfikacji przyczyn zmian wolumenu ruchu organicznego w SEO ma ograniczoną przydatność, jeśli konieczne jest dzielenie okresu na mniejsze czasookresy. Główna wartość wykresów XmR polega na analizie długoterminowych trendów i identyfikacji anomalii w stabilnych okresach. Naturalnie jednak ruch organiczny to taki rodzaj zmiennej zastanej, który de facto zawsze będzie charakteryzować się wysokim poziomem zmienności. Czy w takim razie wykresy XmR w SEO nie są tak przydatne, jak wcześniej zakładaliśmy?
Z jednej strony dzielenie okresu na mniejsze czasookresy niweluje główną korzyść wynikającą ze stosowania wykresów XmR, czyli możliwość obserwacji długoterminowych trendów. W takiej sytuacji przydatne mogą być techniki konkurencyjne, np. analiza szeregów czasowych uwzględniających sezonowość i krótkoterminowe fluktuacje, modele ARIMA czy analiza dekompozycji trendu.
Z drugiej strony segmentacja okresu na mniejsze przedziały nie wyklucza zasadności stosowania XmR, ponieważ wciąż narzędzia te umożliwiają porównywanie wyników w różnych okresach. Wykresy XmR mogą ujawniać wzorce, które są niewidoczne przy prostym porównywaniu danych. Jeżeli w jednym miesiącu wystąpił znaczący spadek ruchu, wykres XmR może pomóc w ustaleniu, czy jest to rezultat wyjątkowego zdarzenia, np. aktualizacji Google, czy też naturalnej fluktuacji.
Stosowanie wykresów XmR w SEO – podsumowanie
Wykresy XmR (Exponential Moving Range) to popularne narzędzia analizy statystycznej, które mogą być używane w badaniach związanych z SEO i SEM. Wykresy złożone są z dwóch składowych: wykresu wartości średnich (X) oraz wykresu zakresu ruchomego (mR). Włączenie XmR do swojego katalogu wykorzystywanych w pracy narzędzi pomoże przede wszystkim w identyfikacji trendów i niestandardowych odchyleń (anomalii).
Pomimo tego, że w przypadku analizy ruchu organicznego muszą często być poprzedzone segmentacją danych, to jednocześnie ich stosowanie jest naturalne. To właśnie naniesienie danych na wykres XmR szybciej zobrazuje potrzebę podzielenia okresu badawczego bądź pozostania przy analizowanym okresie. Ostatecznie wykresy XmR umożliwiają szybką i skuteczną wizualizację danych w taki sposób, który ułatwia dostrzeżenie trendów i anomalii ruchu organicznego bądź innych zmiennych badanych.
