由于他们不发布档案（最令人失望的功能），我无法展示这个网站有多酷以及过去几个月的表现，问几次，您就会看到。令人惊讶的是，有多少好东西被转发了（以及有多少垃圾信息——噪音信号大约是 15%，这仍然是相当不错的，因为它很容易被随意使用）。您还可以通过 Twittersphere 衡量 Twitter 的链接图对引擎的重要性——许多没有链接的页面上很快就会有数千条推文。
轮到你了！我很想看到 SEO 世界之外的网站为您提供最专业的价值（我相信我们的其他读者也会如此）。只要相关，您也可以随意将 drop 链接到自己身上 🙂
年早些时候，Third Door Media 的 Danny Sullivan 问我 SEOmozGoogle 的排名要素Bing可以收集一些数据进行比较،以帮助明确 SEO 在针对这两个引擎进行优化时可能面临的潜在偏见。今天在西雅图的 SMX Advanced上，我展示了以下数据，这些数据由我们自己的Ben Hendrickson在整个 SEOmoz 工程团队（特别是Linkscape 的Phil和Chas ）的帮助下汇编而成。我分享的结果与演示文稿中的结果相同，并且为感兴趣的人添加了一些细节。
Bing 与 Google 的排名因素
我没有包含整个幻灯片，而是直接从演示文稿中获取了图表、图形和数据，以便那 塞内加尔 电话号码数据 些想要说服客户或激励内部团队的人可以在自己的演示文稿中使用它们。但是，在我们开始研究数据之前，我想分享一些关于这项研究的不容忽视的重要说明。
相关数据研究的目标
通过这项研究，我们希望实现三件大事：
Google 和 Bing 为 SEO 了解网页排名方式增加了新的数据源。
通过可重复的、同行评审的数据集为 SEO 带来更多科学。
根据我们自己的解释提供建议，并开放数据以供其他人解释。
进一步的研究当然也是我们的目标之一，包括通过更复 巴里·特纳 基础设施经理 杂的分类模型进行因果分析，以及对其他因素进行更多的相关性分析。
程序我们通过
Google 和 Bing 收集了 11,351 条搜索结果，这些结果显示了不同 购买电子邮件列表 类别的数据（您可以通过Google 的 AdWords 工具自己查看这些关键词）。
我们只查看了第一页的结果（通常包含 10 个结果，但有时会多一些或少一些）。我们忽略了所有非标准结果（即视频、图像、本地或“快速答案”等通用或垂直结果）
内部链接与搜索结果第 1 页的高/低位置排名有关。
我们控制了所有（或没有）结果与指标匹配的搜索结果。因此，例如，如果我们正在寻找与 .gov 域的相关性，并且该集合不包含任何结果 .gov 域，则我们不会对该数据集使用 SERP。
我们使用了 Spearman 相关系数，因为它是分类数据集的标准（并且我们认为也是最佳选择）。您可以通过 Ben在这里和这里的评论了解有关此选择的更多信息。
这与我们最近针对Google PageRank 相关性的数据所采用的方法完全相同。
理解连接的 但请在接下来 重要性
我们展示的相关数范围在 -0.2 到 0.35 之间，其中完美相关性为 1.0，无相关性为 0.0。
Bing 与 Google 的重要性
每个结果集还包括标准误差，但在大多数情况下，其趋势非常小，以至于在条形图上显示时几乎看不到它。这要归功于收集的大量结果——我们对它们的统计意义具有高度的信心。