Investér i bedre organisk synlighed på baggrund af korrekt CTR data
Forestil dig at kunne beregne en mere præcis indikation på, hvad potentialet for hhv. trafik og omsætning vil være, ved at indtage top placeringerne i Googles organiske søgeresultater på konkrete keywords. Og forestil dig at denne indikation er langt mere retvisende, end tidligere vurderinger, der hidtil ofte er baseret på generelle CTR-studier på tværs af brancher og keywords med forskellige search intents.
I generelle studier om CTR er den gennemsnitlige position 1 CTR på +30%. Men ser vi på tværs af kunder, kan CTR variere alt fra 4% til +40 % ved top 1 placeringer. Min erfaring er at mange stadig tager afsæt i generelle CTR-kurver, der favner alt for bredt, og giver misvisende eller misledende beregninger. Det giver et dårligt grundlag for at tage afgørende beslutninger om, hvilke investeringer med formålet at skabe bedre organiske placeringer på Google, der vil give det største afkast.
Ønsker du at få mere ud af jeres digitale marketing investeringer, der har til formål at opnå organiske topplaceringer, og heri bedre prioritere og finde, hvor det største afkast er at hente, anbefaler jeg at I benytter den datadrevne og mere avancerede CTR-analyse. Den vil jeg præsentere i dette indlæg, samt hvordan I step-by-step gennemfører den.
Generel CTR-kurve vs. CTR-kurve baseret på historisk data
Helt konkret får vi to vidt forskellige resultater når der tages afsæt i en generel CTR kurve vs. CTR kurven baseret på historisk data.
Eksempel med udvalgt search query:
Herunder tager vi afsæt i et udvalgt keyword med en mdl. søgevolumen på 5.000.
Den generelle CTR-analyse viser en gennemsnitlig CTR på 32 % i august 2020 ved en position 1.
Men den reelle position 1 CTR er jf. Google Search Console kun 10% på det pågældende keyword.
Den generelle CTR analyse som viser en 32 % klikfrekvens, tager hverken højde for diversiteten ift. informationssøgninger vs. transaktionssøgninger (hvor betalte søgeresultater fylder mere og mere) eller forskel i adfærd på tværs af brancher. På tværs af kunder ser vi sjældent en CTR på 32% ved transaktionssøgninger, men nærmere typisk 10-15 %.
I ovenstående eksempel med vores udvalgte keyword vil dette ene keyword, baseret på det generelle CTR study, generere hele 1.600 besøgende pr. mdr. Men baseret på vores egen CTR-kurve, der viser 10% ved position 1 på den specifikke search query, genereres der kun 500 besøgende, hvilket er en væsentlig forskel.
Kurven herunder visualiserer helt ned på keyword niveau CTR-kurven, men også overordnet på kategoriniveau eller endda på brancheniveau for den specifikke forretning der tages afsæt i. Dette giver os muligheden for at beregne meget præcist hvad trafikpotentialet er for specifikke keywords.
Ønskes det årlige omsætningspotentiale inddraget i beregningen divideres antal besøgende blot med konverteringsraten på den pågældende kategori, ganges med avg. order size for den pågældende kategori og ganges med 12 måneder. Det man typisk vil se er, at omsætningspotentiale vs. trafikpotentiale giver et noget anderledes resultat ift. hvilke keywords som estimeret til at give størst afkast. Årsagen til dette er naturligvis inddragelsen af den gennemsnitlige ordrestørrelse og konverteringsrate.
Fundamentet for det hele er den avancerede CTR analyse, som bygger på historisk data på alle top 10 placeringer, som er visualiseret nedenfor.
Der er stor konkurrence om pladserne øverst på Google, men virksomheder der formår at vinde topplaceringer, kan ofte høste mange kunder, trafik og et mærkbart afkast.
En konsekvens af den store konkurrence er, at det i nogle tilfælde bliver en stor investering for virksomheder at hæve deres placering. Hvornår det giver mening at lave den investering, kan en CTR analyse hjælpe med. Og det ligger implicit, at:
Jo mere præcis analysen er, jo mere pålidelige er resultaterne, som beslutninger omkring investeringerne skal tages ud fra.
SEO basics skal være på plads
Første step, hvis I som virksomhed ønsker at skalere gennem organisk synlighed på Google, er at opnå tilpas høje rankings på relevant efterspørgsel inden for netop jeres forretningsområde. Til at skabe maksimal organisk synlighed, er der en lang række faktorer indenfor kategorierne content, autoritet, teknik og platform som bør opfyldes for, at være med i kapløbet om top 3 placeringerne. Jeg anbefaler at du følger de indsatte links omkring førnævnte emner, da jeg i dette indlæg ikke vil gå i dybden med dem.
CTR-analyse step-by-step
Nedenstående step-by-step guide viser, hvordan du laver din egen CTR analyse og sågar, hvordan du får dybe indsigter helt ned på forskellige kategorier. Med den indsigt ved du, hvor det største potentiale ligger og dermed, hvor optimeringsarbejdet giver størst afkast.
Trin 1: Hav styr på de anvendte datakilder
Datakilden til CTR analysen er i dette tilfælde Google Search Console, hvor der bør tages afsæt i de nyeste data, der er tilgængelige, men selvfølgelig uden at gå på kompromis med datamængden. Dvs. undgå at tag afsæt i data fra få dage, men tag fx afsæt i min. de seneste 30 dage (gerne mere) og download en Google Search Console Performance CSV indeholdende hhv. Query, Clicks, Impressions, CTR og Position.
Trin 2: Hent datakilde ind i Power BI
Når du har du ovenstående fil, overfører du efterfølgende denne ind i Power BI Desktop ved at klikke “Hent data” og vælge dit Excel ark.
Trin 3: Transformér og afrund data
Idet historiske rankings fra Google Search Console indeholder decimaltal og vi ønsker hele tal i vores visualisering, oprettes en custom column i Power Query som tilgås ved at klikke “Redigér forespørgsler”. Her indsættes nedenstående som en brugerdefineret kolonne:
each if [Position] <= 1.5 then 1 else if [Position] <= 2.5 then 2 else if [Position] <= 3.5 then 3 else if [Position] <= 4.5 then 4 else if [Position] <= 5.5 then 5 else if [Position] <= 6.5 then 6 else if [Position] <= 7.5 then 7 else if [Position] <= 8.5 then 8 else if [Position] <= 9.5 then 9 else if [Position] <= 10.5 then 10 else if [Position] >= 10.6 then 11 else null
Udover tilføjelse af den nye kolonne, sikres det i Power Query også at alle de resterende kolonner læses rigtigt i Power BI, således tal kolonner er angivet som tal, tekst kolonner som tekst osv.
Trin 4: Ny måling oprettes
For at gøre brug af den nye kolonne oprettes en ny måling fx “Click Through Rate” med følgende formel:
Click Through Rate = SUM(NAVNPÅDATAKILDE[Clicks])/SUM(NAVNPÅDATAKILDE[Impressions])
Trin 5: Visualisering af Click Through Rate
Herefter oprettes et punktdiagram med hhv. “Positions” (uden opsummering) som datakilde til x-aksen og “Click Through Rate” til y-aksen. Dette giver et overblik over CTR på alle top 10 placeringer på tværs af alle forespørgsler i jeres Google Search Console. For endnu dybere indsigter kan der med fordel anvendes filtreringer til indsigt i specifikke områder.
Trin 6: Tilføj filtrering med henblik på dybere indsigter
Efter opsætning af visualisering og datakilder kan der med fordel tilknyttes filtreringer, for at opnå dybere indsigter inden for konkrete kategorier, herunder er listet 2 anbefalede filtreringsmuligheder:
A: En Slicer til at tilføje og fjerne placeringer i top 10, hvis fx ønsket inden for et kategori er at undersøge top 5.
B: Text Filter til at påbegynde søgefraser og “Enter” til at se de søgeord som matcher den påbegyndte søgefrase.
Nu burde din CTR kurve ligne min til forveksling og vi kan begynde at indtaste forskellige søgefraser, for at opnå indsigten indenfor de forskellige kategorier.
Topplaceringer kræver en langvarig indsats
Udover en beregning af trafik- og omsætningspotentiale, giver kurven sammen med filtreringsmulighederne indsigt i, hvilke kategorier der er grundlag for optimering. For når først I har kæmpet jer til høj synlighed og befinder jer der, hvor brugerne af Google søger efter jer (den trafik-genererende top 3 ranking), så går kampen ind om at hæve klikfrekvensen til sit maks. Med jeres egen CTR kurve kan specifikke kategorier benchmarkes med gennemsnittet for alle placeringer eller sågar med andre kategorier.
Jeg har i et tidligere indlæg allerede beriget vores KYNETIC Insigths læsere med viden om, hvilke kneb vi med succes anvender til at hæve CTR for vores kunders organiske søgeresultater. Med fremgangsmåden i indlægget her får vi altså en værdifuld indsigt i, hvilke områder der har optimeringspotentiale når det kommer til CTR, hvorfra der herefter kan træffes klogere beslutninger om de mest ideelle indsatsområder indenfor optimering af CTR.
En stigning i CTR på bare 0,5% på et high-volume keyword og relaterede long tail søgninger kan have stor indflydelse på den mængde trafik og konverterende brugere der genereres.
Automatisér processen og få værdifulde indsigter selv på de travle dage
Ovenstående proces med udtræk af datakilder og upload til Power BI kan med fordel automatiseres med henblik på løbende, at få indsigten uden manuel opsætning. Det har vi gjort hos KYNETIC således vi automatisk trækker data fra Search Console, Google Ads, Google Analytics og lignende datakilder, netop for at sikre altid dugfriske data i Power BI til, at drage konklusioner som ovenstående selv på de travle dage. Dataen ændrer sig konstant og for at have de nyeste indsigter og det bedste grundlag for, at træffe de rigtige beslutninger, er den mest optimale tilgang en automatiseret løsning, som vi har lavet for mange af vores kunder.
Skal vi hjælpe dig i gang med avancerede CTR analyser for din forretning?
Ønsker du indsigter som ovenstående, er du mere end velkommen til at tage kontakt til os på +45 71 74 07 20 eller direkte til mig på ko@kynetic.dk. Jeg giver gerne endnu mere indsigt i, hvad en automatiseret løsning kræver samt, hvordan vi træffer databaserede beslutninger baseret på visualiseringer og sammenfletning af forskellige datasæt.
