显示关键字季节性的条形图

[rakibhasan]

我们实际上可以将这四点应用到 Google 关键字规划师身上，并看到它的弱点

具体性：Google 的关键词量是按月度四舍五入、按桶计算的年度平均值
覆盖率：对于大多数关键词，平均每月搜索量仅占全年月份的 33%。大多数月份的实际搜索量与平均每月搜索量处于不同的范围。
新鲜：关键字规划师每月更新一次 就业数据库 平均值不提供预测价值。热门新关键字在平均每月搜索量中的比例仅为其实际搜索量的 1/12，并且 30 天内不会出现。
可关联：您可以将关键词分组到 84 个不同的音量桶中的 1 个桶中，而无需解释这些组是如何形成的。（它们似乎与简单的对数曲线相关。）
您可以看到我们为什么担心。这些数字并不具体，范围大多数时候都是错误的，定期更新但不频繁，并且不太适合分组。好吧，我们的工作已经做好了，所以我们开始认真攻克这些问题……

您可以想象，特异性和覆盖率之间存在直接的权衡。体积范围越窄，特异性越高，覆盖率越低。范围越宽，特异性越低，覆盖率越高。如果我们只有一个从零到十亿的范围，那么我们的特异性就会很差，但覆盖率却很完美。如果我们有数百万个范围，那么我们的特异性就会很完美，但没有覆盖率。根据我们的权重和参数，我们确定了最佳的安排。我很确定这个问题有一个数学表达式，可以更快地完成工作，但我不是一个聪明人，所以我使用了我最喜欢的工具：蛮力。这个想法很简单。

我们取 Google 关键字规划师提供的搜索量数据的最大和最小边界，比如说……0 到 10 亿之间。
然后，我们将其随机划分为多个范围 — 测试合理数量的范围（介于 10 到 25 之间）。想象一下在书架上的书之间随机放置分隔符。我们这样做了，只不过书是关键字卷号。
我们为具体性的重要性（范围最小值和最大值的平均值与关键字的实际平均每月搜索量之间的差距）分配权重。例如，我们可以说，接近年度平均值的重要性为 80%。
我们为覆盖率的重要性（过去一年中任何一个月落在该范围内的可能性）分配权重。例如，我们可能会说，接近每个月的平均值的重要性为 20%。
我们根据随机选择的范围测试了 100,000 个随机选择的关键字及其 Google 关键字规划师量。
我们使用过去 12 个月的实际平均值，而不是过去 12 个月的四舍五入平均值。