给自己倒一杯（或两杯）咖啡，聚在一起，因为我们今天要做数学。
再次
备份…
快速回顾一下上次的内容：我从 2018 年 1 月至 6 月期间Brafton 博客上撰写的 50 篇以关键词为目标的文章中提取了数据。
我们采用了Moz 上发表的文章，这种技术 海外数据 产生了一些非常棒的结果（我们说的是在过去六个月中我们的自然流量增加了一倍多，但我们将在另一篇文章中讨论这个问题）。
我们再次提取了这些数据……只是我手动更新并重新排序了所有数据，使数据集增加了一倍。没有 API。我的大脑是瑞士奶酪。
我们想看看新写的原创内容随着时间的 有机综述：2023 年 3 月 推移表现如何，以及哪些因素影响了这种表现。
哥们，这怎么这么难呢？
您可能会想，“为什么不从搜索结果中提取数百（或数千！）个数据点来扩大您的数据集？”这已经成功完成很多次了！
相信我，当我对着键盘哭泣时，我也想到了同样的事情。
答案很简单：我想做一些不同于大规模聚合研究的事情。我希望对尽可能多的潜在影响变量进行最大程度的控制。
利用我们自己的数据，该研究受益于：
- 单一根域权限控制所有内容。
- 类似的个人 URL 链接配置文件（后来有些人对此大笑）。
- 已知原始出版日期，并且没有任何重新更正或修改的尝试。
- 知道每个博客的实际关键词目标（而不是猜测）。
- 知名且一致的内容深度/质量得分（Market Muse）。
- 为每个博客编写类似内容以针对特定关键字的技巧.
你永远无法消除将相关性误解为因果关系的可能性。但控制一些变量会有所帮助。
正如兰德在白板星期五上所说的那样，“相关性并不意味着因果关系（但它肯定是一种迹象）。 ”
警告：
我们在控制上获得的东西，在样本量上却丢失了。 96 个样本的用处远小于一万个或十万个样本的用处。因此，在考虑您认为最有可能正确的排名因素时，请仔细查看数据并谨慎行事。
此资源可以帮助您衡量对每个 Pearson 相关值的信心。一般来说，关系越强，对结果有信心所需的样本量就越小。
那么你在这里到底做了什么？
我们已经开发出可以影响新创建内容的有机表 韓國號碼 现的指标。不多不少。但它们确实是有趣的指标，也许值得进一步讨论或研究。
你没做什么？
我们尚未发布有关 Google 算法的明确概括。这篇文章不应被视为 Google 算法的权威指南，您也不应假设您的网站会显示相同的相关性。