Organic Research—Positions报告

今天给大家讲解SEMrush Organic Research的Positions数据报告。在搜索框输入域名,下拉菜单中选择Organic Research,点击Search,你会被带到Positions界面。

Positions报告顶端图表左边的Traffic, Traffic Cost, Keywords已在SEMrush的Domain Overview数据详解—自然搜索分析中介绍过了。点击右边曲线图中的Keywords标签,将鼠标指针悬浮在曲线上任意一点,可以看到某时间点域名在不同排名位置(Google: top 100, Bing US: top 20)的关键词数量。你还可以通过选择排名范围来筛选关键词数据。右侧有一个SERP Features,关于这一部分的数据会在下一篇文章中详细解释。

如果你想查看移动端的顶端图表数据分析,在域名旁边点击Mobile。目前SEMrush没有分析移动端的流量数据,只分析了移动端的关键词数据。

向下滚动你会看到Organic Search Positions表格。这张表格展示了域名关键词排名的详细数据。下面我解释一下表格中各列数据的含义。

Keyword: 为域名在自然搜索结果中获得排名的关键词。Pos: 网站网页获得的排名位置,括号内的数字是以前的排名位置。Volume: 关键词平均每个月的搜索次数,这里计算的是过去12个月内的数值。KD: 关键词获得排名的难度,数值越大,表明域名获得该关键词高排名的难度越大。关于KD会在以后介绍Keyword Analytics的Phrase Match时会进一步解释。CPC:每点击成本。URL:获得不同排名位置的网页的URL。点击蓝色箭头可打开网页。鼠标指针悬浮在URL上可查看完整的URL。点击URL会跳转到URL的Domain Overview报告。Traffic %: 各网页通过关键词搜索为网站带来的流量在总流量中的比例。Cost %: 各网页为网站带来的流量的成本在总流量成本中的比例。Com.: 关键词的竞价热度,数值越大表示竞价热度越高,竞价热度最大值为1。Results: 关键词触发的自然搜索结果的数量。Trend: 过去12个月内关键词的搜索趋势。这一数据的分析基于每月查询数量的变化。SERP: SEMrush在关键词搜索结果中发现域名时捕捉的搜索结果页快照。Last Update: SEMrush数据库内关键词排名的上一次更新的时间。

点击列标题旁边的箭头可将数据按升序或降序排列。

Organic Search Positions有一个筛选工具:Advanced filters。你可以使用这个工具自定义筛选规则找到所需要的数据。下面将介绍几种筛选数据的方法。

通过Keyword筛选数据

选择Include>Keyword,第三个下拉菜的选项有: Containing, Word Matching, Exactly Matching, Begin with, End with。使用Containing,Word Matching,Exactly Matching筛选得到的数据范围大小依次是Containing大于Word Matching大于Exactly Matching。下面以筛选semrush. com的Organic Search Positions数据为例。

选择Include>Keyword>Containing,输入的内容是筛选得到的关键词的词语组成部分。以semrush.com的Positions报告为例,若输入seo, 会得到筛选结果seoquake。

选择Include>Keyword>Word Matching, 输入的内容作为独立的词语出现在得到搜索结果中,比如输入seo,不会得到seoquake。

选择Include>Keyword>Exactly Matching, 筛选得到的关键词与输入的内容完全一致。 比如输入seo research,只得到搜索结果seo research。

Begins with: 筛选得到的关键词以输入的内容为开头。

End with: 筛选得到的关键词以输入的内容为结尾。

若设置筛选规则为Include>Keyword>Begins with>sem和Include>Keyword>Ends with>tion,会得到搜索结果sem free certification, sem google certification, sem optimization等。

通过Pos筛选数据

通过某个排名位置筛选数据,例子如下:

设置筛选规则为Include>Pos.>Equal>1,则筛选得到的是域名网页排名为第一位的数据。

通过指定的排名范围筛选数据,例子如下:

第一个筛选器设置为Include>Pos.>Greater than>2,第二个筛选器设置为Include>Pos.>Less than>6,则筛选得到的是域名排名在第二位和第六位之间的数据。

通过URL筛选子目录

你可以通过URL筛选出网站子目录的相关数据。如下图所示,设置筛选规则为 Include>URL>Containing>ebay.com/help,便可筛选出ebay.com的help目录的所有相关数据。

通过Last Update筛选数据

你可以通过指定数据分析的更新时间筛选数据。选择Include>Last Update,然后选择时间范围。

通过Category筛选数据

每一个关键词都有关键词分类,你可以通过Category按照关键词行业分类筛选出相对应的数据。选择Include>Category, 然后选择行业。

Organic Research Positions表格的数据可以导出至Excel或CSV文件。你可以通过勾选复选框或在Export下拉菜单中选择行数(100,500,1000,3000,10000,30000,50000)导出指定范围内的数据。Organic Research Positions表格中显示的分析结果行数由SEMrush账户等级决定。Pro用户可查看10000行,Guru用户可查看30000行,Business用户可查看50000行。这个限制也同样应用于导出数据。比如你是Pro用户,那么最多可导出10000行数据。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 195,898评论 5 462
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 82,401评论 2 373
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 143,058评论 0 325
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,539评论 1 267
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,382评论 5 358
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,319评论 1 273
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,706评论 3 386
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,370评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,664评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,715评论 2 312
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,476评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,326评论 3 313
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,730评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,003评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,275评论 1 251
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,683评论 2 342
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,877评论 2 335

推荐阅读更多精彩内容

  • 【感悟】Fomo3D绝非普通人玩的游戏 关键词:Fomo3D 黑客 普通人近段时间以太坊火爆Dapp应用Fomo3...
    大海水小崔阅读 222评论 0 0
  • 0724 现在的平台很棒,行业领头,技术开源,可惜的是文档不够齐全。也许写文档是我的强项,我打算有意识地训练这点,...
    brightsunp阅读 597评论 0 1
  • 盘点最新的热门词汇 本年6月以来,国内P2P职业乱象频发,在网贷投资...
    kenan806阅读 179评论 0 0
  • 当现实生活中出现曾经在你朋友圈照片内的人会是怎样的情形? 又或者网络中的人不经意出现在生活中又是什么感觉? 线上线...
    Jodi_D阅读 181评论 0 0
  • 周五(9号)把爸送到了养老院。一件大事落听。虽然心中也有一些愧疚,但是确实也是无奈之举。 最近在给宋琦谈项目 最近...
    20090201阅读 204评论 0 0