[article] Exploiter les stats Google Webmaster Tools

[carole heinz]

Carole,

Voici la définition officiale du taux de clics (clickthrough rate – CTR)(http://adwords.google.com/support/bin/s ... html&hl=fr)

"Le taux de clics correspond au nombre de clics effectués sur votre annonce divisé par le nombre d'affichages (impressions) de celle-ci."

On ne peux directement ajouter des clics (même à position identique dans les SERP) comme tu le proposes que pour des expressions de popularité équivalente.
Par exemple, si un site obtient une position identique sur "crédit immobilier" et sur "crédit" et le même nombre de visiteurs (donc le même pourcentage et la même position dans la colonne de droite), cela veut dire que le taux de click est beaucoup plus fort dans le premier cas que dans le second (car le mot "crédit" est beaucoup plus fréquemment recherché)

on ne parle pas de la même chose!

> le taux de clics dont tu parles = nombre de clics pour 100 affichages
> le taux de clics dont je parle = nombre de clics sur la position 1, 2 , ... 9, 10 pour 100 clics effectués dans les résultats naturels

[immofaci]

Pour éviter toute ambiguïté, l'article devrait utiliser "pourcentage de clicks" (le terme utilisé dans Google Webmaster Center) au lieu de "taux de clicks" qui prête à confusion.

J'ai maintenant une explication à la remarque de Crindor

c'est assez surprenant ce faible écart entre la 1ere et la 10 eme position si on prend en compte que la moitié des gens ne scrolle pas, mais peut-être y a t-il une évolution de ce côté là
Ou pire, ils se seraient équipés d'un écran hyper rectangulaire placé à la verticale

En réalité, la 10ème position n'est pas plus cliquée mais cela est du à un biais de l'analyse.

Explication : pour bien référencer un site on commence par des mots clés très ciblés, qui vont permettre d'obtenir un trafic qualifié.
Une fois la première position atteinte sur ces mots clés, on va faire un référencement sur des mots clés plus généraux, qui sont beaucoup plus concurrentiels et donc le positionnement est moins bons mais on obtient autant de clics parce que ces mots clés généraux sont beaucoup plus recherchés.... d'où une remonté du "pourcentage de clicks".

Solution préconisée: Carole pour que ton graphique soit pertinent je te suggère d'utiiliser l'outil
https://adwords.google.com/select/Keywo ... aultView=2
qui permet de connaitre mois par mois le volume de recherche sur un mot clé.

Ensuite, recalcule ton graphique mais en normalisant le pourcentage de click par le volume de recherche associé à ce mot clé..
Seul ce graphique (un peu plus long à calculer) permettra d'analyser le comportement des internautes en fonction de la position dans les SERP.
Mais c'est beaucoup plus de travail.....

[carole heinz]

Pour éviter toute ambiguïté, l'article devrait utiliser "pourcentage de clicks" (le terme utilisé dans Google Webmaster Center) au lieu de "taux de clicks" qui prête à confusion.

en effet cela aurait sûrement été mieux, néanmoins un taux est toujours un pourcentage donc cela revient au même non?

En réalité, la 10ème position n'est pas plus cliquée mais cela est du à un biais de l'analyse.[...]
Ensuite, recalcule ton graphique mais en normalisant le pourcentage de click par le volume de recherche associé à ce mot clé..
Seul ce graphique (un peu plus long à calculer) permettra d'analyser le comportement des internautes en fonction de la position dans les SERP.

non ce biais existerait si on ne faisait le calcul que sur un seul site, et une seule période. or, ici j'ai pris 5 sites très différents, soit 600 données (554 couples position<>taux de clics au final), le tout sur 6 mois.

ce biais est donc lissé par l'utilisation d'un nombre de données (relativement) important, provenant de toutes sortes de requêtes. le facteur "requêtes" n'influe donc pas sur l'allure de la courbe, les requêtes à gros volumes venant contrebalancer celles à petits volumes

je le répète, la prime au 10eme n'est pas nouvelle, ce phénomène est observé depuis longtemps! certes, mon graphique est sûrement très approximatif et comme je le souligne dans l'article, à prendre avec des pincettes (limité à 20 requêtes, volume de données trop faible, etc).

infos:
- http://www.webrankinfo.com/actualites/2 ... regard.htm (eye tracking)
- http://www.webrankinfo.com/actualites/2 ... -clics.htm (répartition des clics)

> attention ces données ne mesurent pas tout à fait la même chose ce qui explique les différences des taux, mais elles confirment la prime au 10ème

[immofaci]

ce biais existerait si on ne faisait le calcul que sur un seul site, et une seule période. or, ici j'ai pris 5 sites très différents, soit 600 données (554 couples position<>taux de clics au final), le tout sur 6 mois.

ce biais est donc lissé par l'utilisation d'un nombre de données (relativement) important, provenant de toutes sortes de requêtes. le facteur "requêtes" n'influe donc pas sur l'allure de la courbe, les requêtes à gros volumes venant contrebalancer celles à petits volumes

Il n'y a aucune certitude que le biais soit compensé par le nombre de données.
En effet, les sites sont généralement mieux positionnés sur des requetes précises que sur des termes généraux qui apportent plus de trafic mais sont plus concurrentielles.
Ce qui est clair c'est que si les pourcentages de clicks était pour chaque mot clé normalisé les résultats seraient plus pertinents.
Or les données sont disponibles (cf. url https://adwords.google.com/select/Keywo ... aultView=2).
Par contre le travail serait conséquent....

[carole heinz]

En effet, les sites sont généralement mieux positionnés sur des requetes précises que sur des termes généraux qui apportent plus de trafic mais sont plus concurrentielles.
Ce qui est clair c'est que si les pourcentages de clicks était pour chaque mot clé normalisé les résultats seraient plus pertinents.

en fait, non: ce facteur n'entre carrément pas en compte dans mes moyennes.

en effet, peu importe la requête: que l'on cherche une "location vacances" ou plutôt un "devis plombier auxerre", peu importe, on ne s'intéresse pas aux requêtes, mais aux taux de clics en fonction de la position d'une page dans les résultats naturels (quelle que soit la requête). il faut bien comprendre que le facteur "requête" est donc totalement absent de ce graphique. j'ai simplement fait les moyennes de tous les taux des pages 1eres, la moyenne de tous les taux des pages 2ndes, la moyenne de tous les taux des pages 3èmes, etc jusqu'à la position 10. à aucun moment je ne me suis intéressée aux requêtes/mots-clés.

[immofaci]

le facteur "requête" est donc totalement absent de ce graphique. j'ai simplement fait les moyennes de tous les taux des pages 1eres, la moyenne de tous les taux des pages 2ndes, la moyenne de tous les taux des pages 3èmes, etc jusqu'à la position 10. à aucun moment je ne me suis intéressée aux requêtes/mots-clés.

Ta remarque serait vraie pour le taux de click au sens CTR (Click Through Rate) communément admis par les Webmasters. Mais le problème c'est que ton calcul est celui d'un taux de clicks au sens "Nombre de Clicks" (même si ton taux est normalisé par rapport aux nombre de visites envoyé par google sur les 20 principaux mots clés) qui lui dépend non seulement de la position mais aussi du volume de recherche sur le mot clé à la différence du véritable CTR qui lui ne dépend que de la position.

Comme ton article s'adresse à des Webmasters, 99% d'entre eux vont interpréter à tort que ton taux est un CTR..... donc si tu tiens absolument à utiliser cette expression (par abus de langage) il faut bien le préciser dans ton article.

Enfin le biais n'est pas compensé par le nombre d'échantillons (car les sites sont moins bien positionnés sur des recherches génériques) et ton calcul revient à faire des moyennes sur des choses non comparables.

En conclusion:
Puisque tu as beaucoup d'échantillons, pourquoi ne pas refaire le calcul de la même façon, mais en utilisant seulement les mots clés qui apparaissent simultannément dans les 2 colonnes du google webmaster center, et en prenant le rapport des 2 valeurs du même mot clé. Tu n'aurais pas vraiment le CTR , mais au moins tu aurais une valeur caractéristique du rapport entre le nombre de cliques et les nombre d'affichage dans les SERP. Dans cette hypothèse et seulement dans cette hypothèse, ta courbe donnerait une indication pertinente de l'effet de la position dans les SERP.
Et tu n'aboutirais plus à cette conclusion absurde que le site en 10ème position obtient presque autant de visiteurs que celui en première position...

[carole heinz]

9 messages depuis 2004, dont 8 pour moi LOL (mais nan mais c'est bien elle est cool cette discussion )

> écoute il faut vraiment que tu oublies cette colonne de gauche, je crois que tu n'as pas compris ce que j'ai calculé, et donc forcément ça te paraît inexact. et pour être franche, j'ai passé quasiment 24 heures sur cet article, j'ai tout trituré dans tous les sens pour essayer de comprendre de quoi parlaient ces 2 colonnes, je me suis plantée plein de fois, et j'ai du tout recommencer plusieurs fois.

voilà les 2 questions auxquelles j'ai essayé de répondre dans la deuxième partie de mon article:

1. "sur 100 clics dans les résultats naturels, toutes pages confondues, combien se portent sur la première page?"

> réponse: 92.5 d'après mes données: personnellement ça me paraît plutôt crédible.



2. "sur 100 clics dans les résultats naturels, combien vont sur le 1er résultat, combien vont sur le 2ème, etc jusqu'au 10ème, sachant que l'utilisateur peut cliquer sur plusieurs résultats?"

> réponse: voir graphique.

regarde bien la colonne de droite sur cette capture:


j'ai masqué les requêtes pour plusieurs raisons, mais aussi parce que dans ce cas, on s'en fout complètement des requêtes! elles changent chaque mois, et pour chaque site! tout ce que j'ai pris en compte, c'est la postion, accouplée à un pourcentage. et j'ai fait les moyennes "horizontales", transversales, de tous ces couples taux<>position.

pour ce mois et ce site (cf. capture ci-dessus), je recueille donc les données suivantes:

position 1 > 33% (en bleu) > moyenne 33%
position 6 > 7%, 4%, 1% (en vert) > moyenne 4%
position 4 > 5%, 4%, 1% (en jaune) > moyenne 3.33%

et ainsi de suite. sur plusieurs sites, et plusieurs mois, on recueille des dizaines de % associés aux positions 1, des dizaines de % associés aux positions 2 etc etc. puis il suffit de faire les moyennes des taux pour chaque position. à aucun moment, la notion de mot-clé n'apparaît: cette notion est hors-sujet.