S’il devait en rester qu’une,  sans doute que le Moz Top 10  (uniquement via emailing) figurerait parmi les meilleurs choix.

Le gros reproche concerne la moitié des liens qui pointent directement vers SEOmoz, plutôt que d’autres sources qui pourraient être plus intéressantes.
Parfois, SEOmoz est la meilleure ressource du Web, mais ce n’est pas une généralité. Un peu plus de diversité ne serait pas pour déplaire.
On pourrait aussi débattre de la légitimité des liens vers les blogs officiels Google ou celui vers le blog de Rand.

Moz Top 10 – 09/2011

Soumettre des URLs directement Ă  GoogleBot

Même si nous n’avons jamais eu besoin d’un outil de soumission à GoogleBot pour indexer des pages Web, j’admets que Fetch as GoogleBot peut être utile dans certaines situations. Forcer la découverte d’une URL peut faciliter la phase d’indexation, mais il se déroule une multitude d’opérations avant que la page soit retournée en faveur de requêtes d’internautes.

GoogleBot a réellement progressé dernièrement. Je vois cet outil comme une option intéressante, mais absolument pas comme une absolue nécessité.

Les tunnels multi-canaux

Du côté de Google Analytics, dompter l’outil est le challenge qui attend tous ceux qui passent des heures dans la console sans jamais retenir une donnée concrètement applicable.

Cinq nouveaux rapports pour les tunnels multi-canaux sont disponibles pour donner une analyse précise du chemin pris par le visiteur. Auparavant, le chemin se contentait du dernier clic.

Sans nul doute que cette nouvelle fonctionnalité va permettre d’affiner l’analyse.  En lien bonus, je présente DashThis  qui simplifie réellement la lecture des rapports Google Analytics.

t.co

Le nouveau raccourcisseur d’URL officiel de Twitter  fait jaser. En effet, l’impact de t.co est impressionnant, mais certains aspects de sa propagation laissent perplexe. Par exemple, si vous utilisez votre propre système, il y a de grandes chances que le t.co vienne se greffer par dessus votre URL raccourcie.

Ainsi, la domination du raccourcisseur officiel Twitter n’est peut-être pas aussi outrageante qu’il n’y paraît.

En ce qui me concerne, j’utilise Yourls sur mon propre domaine lb.tc pour raccourcir les URLs.

La double redirection engendrée par t.co qui s’impose par dessus lb.tc ne semble pas perturber les statistiques. Je ne sais pas si bit.ly ou d’autres sont affectés, mais la gène est indolore.

Logs update Google

Voici un log des changements d’algorithme Google.

Mis à part que je doute sur la véracité des mises à jour successives de Panda, cette liste peut effectivement s’avérer utile pour ceux qui veulent savoir ce qui s’est passé dernièrement.

Sinon, les données distillées pour chaque élément sont assez maigres. Cela pourra aider à se repérer, mais rien de vraiment concret à retirer.

Link Based Spam

Justin Briggs décortique pour nous les techniques de link-based spam.

En fait, Google ne détermine pas forcément les choses en noir ou blanc. Ce n’est pas aussi simple que « spam » ou « pas spam ».

Du coup, les filtres peuvent tout à fait se préoccuper seulement d’affecter une « non pondération » plutôt qu’appuyer sur le bouton « eject ».

Sinon, l’analyse est limpide et peut donner des idées. Pourtant, c’est possible d’aller plus loin en regardant comment les éléments interagissent entre eux.

Bien sûr, le plus compliqué, par rapport à ce type d’analyse, est d’absorber les résultats pour l’adapter à chaque cas particulier.

Google Panda

Le Panda de Google propage la terreur et fait trembler tous les bambous. Nous sommes démunis pour le combattre sans changer radicalement les fondamentaux du site qui est tombé après avoir reçu un coup de griffe. Le domaine peut tout à fait être juste bon pour la poubelle.

Les solutions proposées par SEOmoz sont très lourdes à mettre en place. De plus, les résultats ne seront pas forcément positifs. Le Panda est une vraie tique !

Link Farm

Détecter les réseaux de liens  peut s’avérer très facile grâce à des éléments basiques tels que propriétaire de l’IP, entité enregistrée par le WHOIS et le type de plateforme.
Apparemment, les empreintes les plus évidentes ne sont pas forcément les moins utilisées.

Link Swap

Construire des échanges de liens  peut se transformer en tâche aussi ingrate que faire la manche dans la rue.

Cet article propose une poignée de conseils pour améliorer la démarche.

Rand Fishkin, CEO de SEOmoz, partage son expérience avec la levée de fonds.

Contrairement aux autres, Rand s’est permis d’attendre que les investisseurs se manifestent. Dans ce billet de blog, Rand nous décrit la réflexion et les résultats de sa (mauvaise) expérience en levée de fonds.

Code Academy

Code Academy  relève le challenge d’apprendre facilement à coder. Je n’ai pas testé, mais cela ressemble simplement à des cours interactifs. Je ne sais pas si c’est plus efficace qu’un tutorial écrit ou vidéo.

Il s’agit de montrer comment mesurer et analyser la Longue TraĂ®ne afin de mieux apprĂ©hender ce paramètre essentiel du rĂ©fĂ©rencement.Maintenant que Google CafĂ©ine est en place Ă  100% et pour rebondir sur la rĂ©cente mise Ă  jour May Day, j’ai pensĂ© qu’il Ă©tait intĂ©ressant de discuter de certains aspects avancĂ©s du rĂ©fĂ©rencement sur la Longue TraĂ®ne.

Tout d’abord, Caféine est une évolution d’infrastructure plutôt qu’une mise à jour d’algorithme, donc ce n’est pas directement en relation avec les changements de May Day. Ce que Caféine permet et d’augmenter la fraicheur de l’index google en augmentant ses capacités de crawl, ainsi qu’en diminuant le temps nécessaire pour retourner les pages crawlées au sein des résultats de recherche.  Ceci n’est pas un gros changement pour les blogueurs puisque les plateformes de blogs habituellement envoient un ping à Google et sont indexées en quelques minutes. Pour le reste du Web, cela devrait faire une grosse différence et éventuellement ouvrir la porte pour des résultats plus frais au niveau de la Longue Traîne.

La mise à jour May Day signifie globalement que certains sites avec un contenu pauvre et un manque de liens internes ne reçoivent plus la même pondération qu’auparavant. A la place, Google fait remonter des pages plus pertinentes ; ce qui est une étape positive.

Qu’est ce que la Longue Traîne ?

En référencement, la Longue Traîne décrit les centaines de millions de requêtes qui génère un trafic faible au niveau individuel, mais rassemble collectivement un gros pourcentage (disons 70%) du trafic global d’un site. La Longue Traîne ne signifie pas forcément les requêtes composées de 4,5 ou 6 mots clés qui peuvent entrer dans ce groupe, mais ce n’est pas forcément le cas. Nous avons des requêtes à 4 termes ou plus qui rapportent des milliers de visiteurs par mois et sont classés dans le groupe de la Moyenne Traîne.

La meilleure manière de qualifier les termes est de regarder aux chiffres énoncés par SEOmoz qui découpe le trafic en 3 segments :

• Courte TraĂ®ne :  18,5%
• Moyenne TraĂ®ne : 11,5%
• Longue TraĂ®ne : 70%

Ces données sont approximatives tout en donnant un ordre de grandeur consistent.

La prochaine étape consiste à mesurer votre trafic actuel au niveau des 3 segments pour surveiller comment les choses évoluent chez moi. Nous avons configuré Google Analytics et un graphique Excel pour trouver que les données suivantes tendent à donner les pourcentages souhaités pour la plupart des sites Web.

• Courte TraĂ®ne : requĂŞtes avec 100 ou plus visites par mois.
• Moyenne TraĂ®ne : requĂŞtes avec 6 Ă  99 visites par mois.
• Longue TraĂ®ne : requĂŞtes avec moins de 5 visites par mois.

Vous devez analyser votre site afin de cerner ces segments (n’oubliez par d’enlever les mots clés associés à des marques).

Segmenter le trafic Longue Traîne

Visualiser des millions de mots clés qui envoient une poignée de visiteurs chaque mois est mission impossible. Donc, il faut segmenter les données pour essayer d’améliorer les chiffres. La meilleure façon de procéder consiste à diviser le site dans les mêmes sections que nous avons définies pour nos multiples SiteMaps ci-dessus, puis surveiller et analyser chaque section pour les données suivantes :

• Nombre de pages indexĂ©es
• Nombre de Landing Pages recevant plus d’1 visite par mois
• Nombre de mots clĂ©s envoyant des visiteurs dans chaque section par mois

Phrases longues et courtes

Étant donné que la Longue Traîne ne correspond pas forcément au nombre de termes dans une requête, il est extrêmement important de surveiller la distribution de mots dans vos requêtes. Vous pouvez procéder de deux manières, en configurant les filtres dans Google Analytics mais aussi en exportant toutes vos données sur les mots clés dans un tableau Excel et faire tourner pivot table query pour montrer le taux de conversion contre la longueur des phrases et visiteur ou chiffres du revenu contre la longueur des phrases.

Mesurer l’indexation

La meilleure façon de mesurer l’indexation sur des gros sites consiste à diviser en plusieurs sections et créer un SiteMap XML pour chacune. En procédant de la sorte, il est aisé de visualiser quelles pages sont indexées ou pas.

Si vous trouvez qu’une section en particulier rencontre un souci d’indexation, il faut diagnostiquer ce qui ne tourne par rond. Ca devient un peu technique car ma manière de procéder implique la création d’un script pour vérifier le statut d’indexation pour chaque page :

• VĂ©rifier l’indexation de la page en utilisant l’opĂ©rateur info:http://www.site.com/page.htm dans Google.
• VĂ©rifier les logs serveur pour voir combien de temps l’URL a Ă©tĂ© crawlĂ©e pendant les 30 derniers jours.
• Utiliser l’API de SEOmoz pour trouver le total des backlinks et le mozRank.

Lorsque nous possédons ces données, il est possible de comprendre ce qui se passe pour mieux réparer.

Mesurer le nombre de Landing Pages

Encore une fois, nous divisons le site en plusieurs sections. Il est possible de procéder en masse, mais ça ne donne pas de bons résultats. La clef est d’utiliser cette méthode en ajoutant un filtre pour montrer seulement les Landing Pages dans le sous-dossier ou la catégorie à analyser.

Le résultat final de votre analyse doit être un graphique qui ressemble un peu à celui ci-dessous.

Liens complémentaires

• Olivier Duffez a sorti un article très complet Analyser la Longue TraĂ®ne avec Google Analytics
• Aaron Wall explique la Longue TraĂ®ne et comment optimiser ses mots clĂ©s.

Comme pour le billet prĂ©cĂ©dent, il s’agit d’une Ă©tude basĂ©e sur une mĂ©thode plus scientifique que les mythes qui fleurissent rĂ©gulièrement dans le domaine du rĂ©fĂ©rencement. A chacun d’en retenir (ou pas) un enseignement ou une confirmation pour dĂ©terminer une stratĂ©gie d’apport de popularitĂ©.

Facteurs influents des backlinks

Nous sommes bombardés avec de nombreuses méthodes d’apport de popularité (ou construction de backlinks ou netlinking) qui engendrent une difficulté pour savoir à quoi s’en tenir. En fait, il y a énormément de paramètres, se rapportant au profil d’une page ou d’un domaine, qui vont aider à se positionner du mieux possible sur Google.
J’ai rassemblé des éléments de recherche qui sont le fruit de plusieurs mois de travail. Cela explore chaque profil d’élément du lien qui détermine où vous êtes positionné sur Google pour les mots clés qui sont ciblés.

Les zones explorées sont :

• PopularitĂ© du lien
• DiversitĂ© du lien
• Texte de l’ancre
• QualitĂ© du lien ou mozRank
• AutoritĂ© de la page ou mozTrust
• QualitĂ© du lien d’un domaine ou Domain mozRank
• AutoritĂ© du lien d’un domain ou Domain mozTrust

J’utilise les données de SEOmoz car elles procurent un point de vue incomparable à propos des paramètres du lien. L’outil SEOmoz est un graphe qui imite la manière utilisée par Google pour noter les pages et les domaines. Le PageRank de la Google Toolbar a prouvé son manque de fiabilité pour estimer le positionnement. Je pense vraiment que SEOmoz a résolu ce problème.

Structure du test

La recherche comprend 50 mots clés concurrentiels comme SEO, search engine optimization, internet marketing, credit cards, car insurance, etc. Ensuite, une analyse décortique les 19 premières positions pour les requêtes ciblées.
Le choix s’est porté sur des requêtes à forte concurrences pour être sûr que les 19 premiers résultats ou 2 premières pages seraient fortement optimisées pour les mots clés. Cela rendrait le test plus fiable.
La première étape impliquait de recueillir les données sur les 50 mots clés sur 950 pages Web (il y a des doublons à cause des pages qui ciblent plusieurs mots clés). Chaque donnée a reçu une moyenne et une note combinée pour chaque positionnement entre 1 et 19.

Popularité moyenne du lien

• Rang 1 = 34 000
• Rang 2 = 28 900
• Rang 3 = 45 678
• Etc.

Les moyennes sont travaillées pour toutes les mesures, popularité de lien, diversité de lien, texte de l’ancre, mozRank, mozTrust, liens du domaine, Domain mozRank et Domain mozTrust.

Chaque groupe de résultats est ensuite ajusté à chaque mesure, puis ensuite comparé au positionnement actuel sur Google. Lorsque les classements sont établis à partir d’un paramètre particulier (ex : popularité du backlink seule), cela n’est pas forcément en accord avec la façon de classer les pages par Google. Chaque différence dans le positionnement est noté, puis un score final est distribué pour chaque mesure en fonction de la justesse avec le classement sur Google.

Ainsi, la mesure qui se retrouve être la plus en corrélation avec le classement Google sera certainement l’élément le plus influent en ce qui concerne les profiles des liens.

Ce article constitue une longue lecture. N’hésitez pas à prendre votre temps pour assimiler les données. Une fois que les notions sont acquises, elles pourront épauler votre stratégie d’apport de popularité.

Aperçu rapide des résultats

Le camembert ci-dessus montre le pourcentage d’erreurs produit par chaque mesure en rapport avec sa corrélation sur le classement Google. Cela montre rapidement le niveau de performance pour chaque mesure. Plus le pourcentage est grand et plus l’élément s’écarte du classement Google.

Étant donné que le but avoué de cette étude est de pouvoir aider de manière applicative à une stratégie d’apport de popularité (netlinking), il faut savoir par où commencer et où focaliser. C’est pourquoi nous allons regarder chaque élément dans le détail, en démarrant par le paramètre le moins important pour aller jusqu’à celui qui apparaît le plus influent.

Explication de l’Ă©tude sur les Ă©lĂ©ments importants pour les backlinks

Numéro 8 : diversité du lien

La diversité du lien se rapporte à combien de domaines uniques sont identifiés parmi les backlinks. Ce résultat fût un gros choc pour moi. Étant un fervent support de la diversité des liens, j’ai toujours eu le sentiment que posséder un profil qui évoque la diversité va favoriser le positionnement. 
Cette recherche suggère que la diversité n’est pas dénuée d’intérêt, mais que cela reste un des paramètres les moins importants, tout en figurant tout de même parmi les principaux.

Numéro 7 : autorité du domaine

L’autorité du domaine est évaluée en utilisant l’indice mozTrust qui calcule le volume d’autorité des backlinks. Cette mesure concerne globalement le domaine et  on observe encore une fois que cela porte du poids, mais ce n’est vraiment pas le paramètre le plus influent. Construire des liens depuis des sites d’autorité est toujours recommandé, mais cela ne semble pas vital pour se positionner sur des mots clés compétitifs – en tout cas pas autant qu’on pourrait le penser.

Numéro 6 : qualité du lien de page

Tout le monde devrait être surpris en voyant celui-là. J’ai utilisé mozRank pour établir combien de popularité (link juice) se transfère à une page depuis sont profil de liens. En principe, plus il y a des liens de qualité qui pointent vers une page et plus il devrait y avoir de popularité transférée. Cela devant déboucher sur un meilleur positionnement.
En fait, ce n’est toujours pas un des paramètres les plus influents. Avoir des backlinks de qualité n’est pas toujours suffisant et même plus car un profil de liens avec une qualité basse peut dépasser un meilleur profil s’il goupille correctement certains des paramètres suivants.

Numéro 5 : Qualité du lien de domaine

C’est l’indice SEOmoz Domain Ranl pour observer la qualité des liens qui pointent vers un domaine et savoir combien de popularité est passée vers le profil de liens du domaine. 
Il est intéressant de noter que le facteur lié au domaine devance celui attribué à la page ; même s’il s’agit seulement d’une position. Pendant une campagne de construction de backlinks, il est important de se rappeler la qualité des liens qui pointent vers le domaine doit être évalué de manière globale afin d’être bénéfique pour le positionnement.

Numéro 4 : Autorité du lien de la page

La mesure de ce graphique est basée sur l’indice mozTrust qui calcule le degré d’autorité des liens qui pointent vers une page. L’étude suggère que l’autorité transférée par le lien est plus importante que la popularité transmise. Du coup, c’est quelque chose à prendre en considération lorsqu’il s’agit de choisir des liens. Est-ce que le domaine qui va accueillir vos backlinks revendique une certaine autorité ? On peut estimer l’autorité en analysant les domaines louches dans les liens du site – moins il y en a et mieux c’est.

Numéro 3 : Popularité du lien du domaine

Le volume de backlinks pris globalement va avoir un gros impact sur le positionnement. Vous devez construire des liens vers toutes les pages et pas seulement la page d’accueil. Google préfère un site globalement populaire, plutôt qu’une page gavée de backlinks.

Numéro 2 : popularité du lien de la page

Comme vous l’auriez deviné, il faut le plus de liens possibles qui pointent vers votre page. Le volume de backlinks est donc un des éléments les plus puissants pour un profil de liens. Continuez de construire des backlinks et ne vous arrêtez jamais.

Numéro 1 : Texte de l’ancre

Je pouvais certainement deviner celui-là avant de démarrer cette étude car le texte de l’ancre (Anchor text) est l’élément le plus influent d’un profil de liens. L’utilisation efficace des ancres est le paramètre qui pourra bénéficier le plus votre positionnement.

Qu’est ce cette étude nous apprend ?

• Utilisez vos textes d’ancre le plus et le mieux possible.
• Engrangez des backlinks comme s’il n’y avait pas de lendemain
• Construisez des liens vers l’intĂ©gralitĂ© de votre site et pas seulement la page cible.
• Évidemment, il y a des centaines d’autres moyens pour apprĂ©hender cette Ă©tude, mais je vais m’arrĂŞter lĂ .
• N’hĂ©sitez pas Ă  propager cette Ă©tude car elle a pris beaucoup de temps et d’efforts, mais surtout parce qu’elle tort le cou Ă  certains mythes Ă  propos des liens.

Liens complémentaires SEOwizz

• Transfert de popularitĂ© et autoritĂ© d’un domaine (en anglais)
• Mesure de niveau d’un domaine (en anglais)

Avertissement : je ne suis pas affilié avec Google.com ou SEOmoz.org. Les vues exprimées dans cet article sont des opinions basées sur mes recherches et interprétations.

Source de l’article : Time Grice pour search engine optimization

Crédits photo intro : JNFerree

Cela faisait un moment que j’avais entamĂ© la traduction (autorisĂ©e) de l’article suivant. Il Ă©tait oubliĂ© au fond d’un rĂ©pertoire, puis je suis retombĂ© par hasard sur l’article original de SEOmoz rĂ©digĂ© par Rand Fishkin et Ben Hendrickson.
Après une nouvelle lecture, j’ai pensĂ© qu’il serait vraiment intĂ©ressant de terminer la traduction pour partager cette analyse passionnante avec ceux qui sont en dĂ©licatesse avec la langue de Shakespeare.
Le but de cette analyse est de comprendre un peu mieux l’algorithme de Google en effectuant une corrĂ©lation de donnĂ©es sur la base de l’index Linkscape.

Corrélation de données

Linkscape est l’index Web de SEOmoz. En plus du travail habituel sur les statistiques, nous effectuons des recherches poussées qui sont partagées dans cet article. 
Cependant, la lecture requiert de l’attention car la corrélation de données ne donne pas forcément toutes les réponses. Il n’en demeure pas moins que c’est extrêmement intéressant, donnant une vue de l’intérieur grâce à la modélisation des classements; tout en sachant qu’il ne faut pas simplement regarder les graphes, mais bien lire le commentaire associé. Donc, faites attention à la lecture des données brutes qui peuvent être sujettes à une mauvaise interprétation.

Quelques stats Linkscape (au 22/09/09)

• Date de sortie :  6 octobre 2009
• Domaines : 57 millions
• Sous-domaines : 215 millions
• URLs : 40,5 milliards
• Liens : 456 milliards
• Attributs de lien :
  • Liens nofollow internes : 7 milliards (1,51% du total)
  • Liens nofollow externes : 2,8 milliards (0,60% du total)
  • Liens nofollow au total : 9,7 milliards (2,11% du total)
  • URLs en 301 : 384 millions (0,08% du total)
  • URLs en 302 : 3 milliards (0,59% du total)
  • URLs employant rel= «canonical» 52 millions (0,01% du total)

• CorrĂ©lation moyenne entre PageRank et mozRank
  • Erreur absolue moyenne : 0,54

• CorrĂ©lation moyenne entre mozRank du domaine (DmR) et PageRank de la homepage
  • Erreur absolue moyenne : 0,37

Maintenant, entrons dans la recherche autour de la corrélation des données pour savoir comment utiliser Linkscape pour obtenir des statistiques intéressantes. Les premiers graphes utilisent la corrélation brute et pas seulement la relation entre les classements et les paramètres individuels. Encore une fois, il faut bien lire les descriptions et surtout ne pas faire de conclusions hâtives. Il ne faut pas croire qu’on peut forcément obtenir un meilleur classement en suivant les recommandations. Le but est de montrer quels paramètres sont appliqués aux pages qui sont positionnées parmi les meilleures positions des résultats de recherche.

Comprendre les graphes

• Mean Index By Value (index moyen par valeur) : c’est utilisĂ© pour l’axe y de plusieurs graphes. Au lieu de faire la moyenne des valeurs brutes, nous effectuons le calcul sur son index relatif dans les rĂ©sultats de recherche – si ordonnĂ©s par cette valeur. Prenons 3 rĂ©sultats de recherche oĂą la page en première position est la quatrième en terme de liens, la deuxième est la première pour les backlinks, puis la troisième est en dixième position pour les liens. L’index moyen par nombre de liens pour la première position sera (4+1+10)/3=5.
• Mean Count Numbers (moyenne des nombres) : ces nombres apparaissent sur l’axe y du premier graphe, montrant la moyenne du nombre de liens.
• Position : c’est utilisĂ© sur certains axes x. Pour les graphes concernĂ©s, spĂ©cifiques Ă  la position organique dans Google.com, les rĂ©sultats de recherche non traditionnels sont exclus (local, vidĂ©o, news, images, etc.).
• Error Bars (Barres d’erreur) : ces barres qui relient les courbes dans nos graphes montrent l’intervalle entre deux Ă©lĂ©ments diffĂ©rents. Sur certains graphes, elles montrent les 95% des intervalles de la moyenne potentielle si nous avions une infinitĂ© de donnĂ©es Ă  traiter.

Les backlinks sont-ils en corrélation adéquate avec le positionnement ?

Une logique rĂ©currente dans le rĂ©fĂ©rencement prĂ©tend que le nombre de liens qui pointent vers un rĂ©sultat permet une bonne prĂ©diction du positionnement. Cependant, on remarque que Yahoo! Site Explorer (et mĂŞme Google dans ses Webmaster Tools) inclut un grand nombre de liens inutiles (nofollow, format exotique, internes, etc.), tandis qu’il exclut des Ă©lĂ©ments intĂ©ressants (comme les redirections 301).
 En utilisant les donnĂ©es Linkscape, nous pouvons Ă©liminer ce bruit afin d’extraire seulement les liens qualifiĂ©s et les 301.

Ce premier graphe suggère qu’une corrĂ©lation existe entre nombre de liens et positionnement. Sauf que les pics sont frustrants. Au travers d’une analyse plus profonde, nous avons Ă©tabli qu’il  Ă©tait Ă©videmment causĂ© par un dĂ©sĂ©quilibre de liens parmi certains rĂ©sultats.
 Du coup, il s’est avĂ©rĂ© pertinent de produire le graphe suivant :

Ici, nous pouvons voir ce qui pourrait se passer si nous manipulions les rĂ©sultats par nombre de liens. Dans ce cas, chaque paquet de rĂ©sultats ont Ă©tĂ© assignĂ© un chiffre (1, 2, 3, etc.) qui correspond Ă  la quantitĂ© de liens en comparaison avec les autres pages (la page avec le plus de liens est assignĂ©e le « 1″, la deuxième qui reçoit le plus de liens porte le « 2″, etc.).
 On voit que la courbe est devenue rĂ©gulière, mais nous pouvons assurer de sa prĂ©cision.

Les barres sur la courbe ci-dessous montre l’intervalle permise pour estimer la ligne mĂ©diane.

La corrĂ©lation est forte, suggĂ©rant que le nombre de liens externes est important. Le standard relevĂ© pour l’erreur est si bas que nous sommes confiants Ă  propos de la vĂ©racitĂ© de cette analyse. 
Clairement, les liens sont très importants, mais ils ne reprĂ©sentent pas la totalitĂ© de la solution. Amasser le plus de liens possible est un excellent objectif, mais cela ne peut pas ĂŞtre votre seul but.

Le dernier morceau Ă  observer pour cette partie concerne la dĂ©viation standard. Cela dĂ©montre la latitude de variation d’une page par rapport aux moyennes.

Ce graphe nous montre que la variation pour un paquet individuel de rĂ©sultats peut ĂŞtre très large. AcquĂ©rir plus de liens n’est pas forcĂ©ment un moyen infaillible. La dĂ©viation standard est Ă©loignĂ©e de la ligne mĂ©diane (1,97). Au niveau global, il importe de prendre en compte le nombre de liens externes qui sont correctement suivis, mais nous allons dĂ©velopper nos modèles et Ă©largir notre champ de rĂ©flexion pour d’obtenir des informations actionnables au niveau granulaire.

Une seule mesure peut-elle prédire le positionnement ?

Franchement, ça serait excellent…
Nous avons regardĂ© des indices comme le PageRank, le nombre de liens dans Yahoo! Site Explorer, Alexa Rank, etc. Pour ĂŞtre clair, ces indices sont aussi fiables que piocher au hasard. Le score du PageRank de Google Ă©tait approximativement 16% plus performant (donnĂ©e datĂ©e de fĂ©vrier 2009) qu’une prĂ©diction basĂ©e sur le hasard pur pour dĂ©terminer le positionnement d’une page Web (N+10 ou la page positionnĂ© N°1 contre la page 2). Le PageRank Ă©tait Ă©galement 5% meilleur que le hasard pour prĂ©dire le positionnement (N+1 ou la position 1 contre position 2).
Le graphique ci-dessous montre des corrĂ©lations pour un certain nombre d’indices liĂ©s au rĂ©fĂ©rencement.

Nick, Ben et Chas ont travaillĂ© dur afin d’amĂ©liorer la valeur et la qualitĂ© de l’index Linkscape, ainsi que l’utilitĂ© des mesures.
Le graphe suivant montre nos progrès.

Les corrĂ©lations du graphe ci-dessus sont 35-50% plus satisfaisantes que les rĂ©sultats piochĂ©s au hasard (il ne s’agit pas d’une comparaison 1 pour 1 avec les nombres ci-dessus – cela viendra dans un prochain post). L’observation de ce graphe suggère que le mozRank externe (reprĂ©sentant la quantitĂ© de « link juice » vers un page depuis les liens externes) et les liens externes suivis correspondent bien au positionnement actuel, apportant des Ă©lĂ©ments d’information intĂ©ressants pour les chasseurs de backlinks. Cette ligne de corrĂ©lation peut suggĂ©rer, dans un scĂ©nario classique du positionnement, l’importance de l’apport de liens Ă©manant de pages Ă  fort mozRank/PageRank qui contiennent peu de liens externes (ainsi les liens passent plus de « link juice »), ainsi qu’une grande quantitĂ© brute de liens externes suivis. De plus, ce graphe supporte l’idĂ©e que l’apport de liens depuis un domaine unique est pertinent.

La partie frustrante Ă  propos de ces donnĂ©s est que ça ne raconte pas l’ensemble de l’histoire, ni que ça soit directement actionnable pour une requĂŞte spĂ©cifique. Comme vous pouvez voir ci-dessous, la dĂ©viation standard des nombres montre que pour n’importe quelle recherche, l’Ă©tendu varie drastiquement.

Lorsque nous observons cet effet, exactement comme dans le cas ci-dessus, l’application pour un travail de rĂ©fĂ©rencement d’un projet client, dont l’objectif est d’obtenir un positionnement spĂ©cifique, n’est pas clair. Employer ces mesures comme KPI et moyens d’Ă©valuer les liens potentiels est probablement utile. Construire des analyses de concurrence avec ces points de donnĂ©es sera certainement plus efficace qu’utiliser des mesures extĂ©rieures, mais cela ne dit pas « fais ceci pour mieux te positionner, » tout comme ce n’est pas le « Saint Graal » que nous pourchassons.

Comment les facteurs « On Page » coĂŻncident avec le positionnement ?

Pour l’instant, nous avons peu Ă©valuĂ© les facteurs « On Page » et leur corrĂ©lation avec le positionnement. C’est ce que nous allons voir maintenant.

Google a rĂ©cemment annoncĂ© que la meta keywords Ă©tait ignorĂ©e. Ces donnĂ©es montrent une courbe très irrĂ©gulière et des barres d’erreurs dans la limite du 13, supportant cette affirmation. Employer la requĂŞte/phrase dans la meta keywords est un des signaux les moins significatifs que nous avons Ă©tudiĂ©.

La balise Title qui contient le terme de la requête semble avoir une réelle corrélation avec le classement. Ils ne sont pas en parfaite corrélation, mais ce graphe nous montre que Google a une claire préférence, en moyenne, pour les pages qui emploient le terme de la requête dans la balise Title.

Nous avions examiné auparavant les balises d’en-têtes H1/H2/Hx pour arriver à la conclusion qu’elles avaient un impact faible sur le positionnement. Ce graphe suggère que c’est toujours le cas. Il y a une corrélation plus grande lorsque les termes sont utilisés dans d’autres zones «on page» du body ou dans l’ancre des liens (internes ou externes).
 Bien que le graphe montre une courbe horizontale, suggérant que les en-têtes H1 à H4 n’ont pas trop de bénéfice à l’utilisation, ce n’est pas aussi vilain que l’effet hasardeux observé avec la meta «keywords» (les courbes démarrent en-dessous de 13 et se terminent juste au-dessus). En tout cas, la corrélation positive est basse avec la ligne horizontale qui se tient entre les barres d’erreur.

Le graphe est l’illustration la plus claire du fait qu’il faille construire des systèmes plus avancĂ©s qu’une simple et directe corrĂ©lation. Selon ce graphe, l’utilisation du terme de recherche dans le nom de fichier ou chemin d’URL est lĂ©gèrement nĂ©gatif en corrĂ©lation avec un bon classement. Le sous-domaine apparaĂ®t largement inutile, tandis que le domaine racine Ă  une forte corrĂ©lation. Bien que toutes les courbes (sauf le domaine racine) soient sur une bande Ă©troite de l’axe x, les bonnes pratiques du rĂ©fĂ©rencement nous dictent d’utiliser les mots clĂ©s dans ces Ă©lĂ©ments. Du coup, lorsque nous analysons ce graphe, il convient d’émettre quelques hypothèses. Par exemple, les termes de recherche de l’URL seraient Ă©liminĂ©s lorsque ils apparaissent dans le domaine racine et ailleurs dans l’URL. Les moteurs de recherche peuvent voir ceux qui rĂ©pètent les termes du domaine racine dans l’URL comme des pratiquants du « keyword stuffing ». Cela peut aussi impliquer que la corrĂ©lation brute perçoit un grand nombre de pages qui optimisent moins l’URL, mais qui sont performantes grâce Ă  d’autres facteurs (liens, autoritĂ©, etc.). C’est aussi vrai que la plupart des sites qui emploient le mot clef dans l’URL ne l’utilisent pas forcĂ©ment dans le domaine racine. Du coup, le nĂ©gatif de l’un peut ĂŞtre mĂ©langĂ© au positif de l’autre pour tenter d’y voir plus clair.

Cet exemple est la parfaite illustration des problèmes d’interprétation sur la corrélation de données brutes, nécessitant une modélisation toujours plus sophistiquée.

Pouvons-nous construire une modélisation utilisable du positionnement?

Nous avons besoin d’un modèle qui imite Google du mieux possible pour obtenir une reprĂ©sentation de la valeur potentielle pour les actions de rĂ©fĂ©rencement. Sauf que ce n’est pas facile car Google possède plus de 200 paramètres dans son algorithme de classement des pages Web. Bien que nous possĂ©dons de nombreux points d’analyse, il n’en demeure pas moins que c’est un challenge complexe.

La courbe «Über» en rouge dans le graphe ci-dessus est construite en prenant tous les points d’analyse que nous possédons.  Les données sont moulinées pour établir une corrélation avec les résultats de recherche. La courbe rouge fait clairement apparaître que notre modèle est le plus efficace pour prédire le classement. En plus, la courbe est carrément excellente pour le Top 10 des résultats de recherche.
Cette modélisation peut aussi s’affiner pour obtenir un impact à propos de l’utilisation du mot clef dans une zone spécifique.

Regardons comme exemple la corrélation négative des mots clés dans l’URL.

Encore une fois, le graphe montre clairement l’inefficacitĂ© latente des mots clĂ©s dans le sous-domaine, mais que c’est extrĂŞmement efficace dans le domaine racine. Sinon, les courbes peuvent suggĂ©rer un faible effet positif tout en observant une descente en dessous du 0 de l’axe x pour les positions 20-25, indiquant que l’utilisation du mot clef peut aussi avoir un effet nĂ©gatif. Ainsi, l’utilisation du mot clef au sein de multiples endroits peut ĂŞtre nĂ©faste; ce qui dirait Ă  certains qu’une utilisation moins agressive des mots clĂ©s serait bĂ©nĂ©fique.

Dans ce graphe, les barres d’erreurs de déviation standard sont mises en évidence. Ainsi, nous pouvons dire que l’utilisation des mots clés dans l’URL n’a pas d’impact négatif pour les meilleurs résultats, tandis que ce constat est moins serein pour la dernière portion de résultats.
Tournons notre attention vers ces satanés Hx encore une fois pour voir si notre modélisation a d’autres choses à dire.

Nous obtenons des résultats similaires qui perçoivent les tags H1-H4 comme peu intéressants pour y placer des mots clés. Les Hx semblent aider un peu, mais peuvent aussi avoir un léger impact négatif  pour la dernière portion des résultats. Cette analyse est une évidence plutôt efficace pour déclarer que les tags Hx n’ont pas une grosse importance pour le référencement (même en prenant en compte les barres d’erreur). Evidemment, il faut continuer d’utiliser les en-têtes, mais ce ne sont pas les endroits les plus stratégiques à incorporer à propos de l’optimisation pour le référencement.

Notre mesure pour les liens a aussi Ă©tĂ© l’objet d’amĂ©liorations qui donne un constat plus nuancĂ©. Vous pouvez voir ci-dessus que notre mozRank amĂ©liorĂ© apparaĂ®t plus important pour les premiers rĂ©sultats de recherche; tout en observant que le nombre brut de liens n’a pas une grande valeur. Plus profond dans les rĂ©sultats, certaines pages semblent utiliser Ă  outrance l’acquisition de liens et du mozRank – probablement Ă  cause de liens qui proviennent de sites Ă  faible autoritĂ© ou mĂŞme spammy.
 Ce graphe ne contient pas un grand nombre de donnĂ©es actionnables, mais cela confirme plutĂ´t bien ce qu’on sait du rĂ©fĂ©rencement (ex: peu de bons liens est mieux que beaucoup de mauvais liens).

Ce dernier graphe montre quelques données intéressantes de nos tests sur les éléments «on page». Le gros paramètre aperçu concerne l’utilisation d’images avec un attribut «alt» adéquat incorporant les mots clés. La ligne verte est une des plus fortes corrélations pour l’utilisation «on page» des mots clés. Mettre les mots clés en gras, dans le corpus et même dans les ancres a le même type d’impact positif étudié précédemment, ainsi qu’un léger impact négatif dans la zone 20-25.

Conclusions

Je sais que cela reprĂ©sente beaucoup de donnĂ©es Ă  ingurgiter, mais il est aussi très important de comprendre que la crĂ©dibilitĂ© du travail de rĂ©fĂ©rencement passe aussi par l’appui sur ce type d’analyse. SEOmoz n’est certainement pas la seule compagnie Ă  travailler de la sorte (quoi que certainement la seule Ă  rendre les rĂ©sultats publics). Tout cela peut apporter des supports intĂ©ressants pour des projets clients ou en interne avec des donnĂ©es qui montrent l’importance et la valeur prĂ©vue pour les changements effectuĂ©s en tant que rĂ©fĂ©renceur. Nombreux sont ceux qui critiquent le mĂ©tier parce que l’expertise se base Ă©normĂ©ment sur l’intuition et le bon sens. Avec ces analyses, nous pouvons recentrer le dĂ©bat. Nous ne prĂ©tendons pas que ces donnĂ©es sont infaillibles, mais il s’agit certainement d’un excellent point supplĂ©mentaire Ă  ajouter dans l’équation.

Les éléments suggérés par l’analyse, dont nous sommes confiants de la pertinence :

• Les liens sont importants, mais les donnĂ©es trop basiques peuvent ĂŞtre trompeuses. Il faut Ă©tablir des analyses sophistiquĂ©es sur les liens.
• Il n’y a pas une donnĂ©e en particulier qui peut prĂ©dire le positionnement.
• H1 (et H2 Ă  H4) ne sont probablement pas des bons endroits pour capitaliser sur des mots clĂ©s
• L’attribut «alt» des images est un endroit privilĂ©giĂ© pour mettre des mots clĂ©s
• Le keyword stuffing peut vous retenir au-delĂ  des 15 premiers rĂ©sultats.
• En faire trop avec des liens de mauvaise qualitĂ© peut avoir un impact nĂ©gatif.

=> Une autre étude à consulter sur les paramètres influents des backlinks.

Ce guide référencement est conçu pour être compris par tous. Du débutant au référenceur expert, chacun pourra retenir des notions fondamentales qui permettent de mettre à plat une stratégie saine et pérenne de visibilité sur le Web.

Le référencement expliqué

Ce guide a Ă©tĂ© Ă©laborĂ© avant la vente de mon site 7 Dragons, en collaboration avec Altiref et SEOMoz.  Ce guide a Ă©tĂ© rĂ©digĂ© en 2005 et rĂ©visĂ© en 2010. Les conseils prodiguĂ©s restent d’actualitĂ© puisqu’ils constituent les fondamentaux du rĂ©fĂ©rencement. Aujourd’hui, des canaux supplĂ©mentaires de visibilitĂ© se sont instaurĂ©s. Une nouvelle version du guide rĂ©fĂ©rencement est en prĂ©paration pour inclure ces canaux tels que les rĂ©seaux sociaux, la blogosphère. D’autres leviers seront apprĂ©hendĂ©s concernant le triptyque du rĂ©fĂ©rencement que constituent l’optimisation technique « on page » et « off page », la rĂ©daction de contenu et l’apport de popularitĂ©.

En 40 pages, vous pourrez avoir un tour d’horizon complet des tenants et aboutissements liĂ©s au rĂ©fĂ©rencement de site Internet. Le langage a Ă©tĂ© gardĂ© aussi simple que possible afin d’ĂŞtre compris par tous.

Bien entendu, je reste disponible si vous avez des questions à propos du guide du référencement. Utilisez la page contact pour me joindre.

Mentions légales

Ce guide est libre à la distribution, mais vous ne pouvez pas en réclamer la propriété. Si jamais vous décidez de le partager sur votre site Web ou ailleurs, il convient de mettre en évidence la source.
Veuillez utiliser le lien suivant pour déclarer la source du guide référencement.

<a href= »http://www.laurentbourrelly.com/blog/22.php »>Guide du RĂ©fĂ©rencement</a> par Laurent Bourrelly

Télécharger le guide référencement

Voici les diffĂ©rents moyens de consulter le guide. Vous pouvez le tĂ©lĂ©charger pour le lire plus tard sur votre ordinateur ou l’imprimer. L’autre option est de passer par Scribd ou Slideshare.

• TĂ©lĂ©chargez le guide gratuit du rĂ©fĂ©rencement
• Consulter le guide rĂ©fĂ©rencement sur Scribd
• Consulter le guide rĂ©fĂ©rencement sur Slideshare
• Me contacter pour obtenir une version Word ou Pages

Vous pouvez Ă©galement consulter directement le guide rĂ©fĂ©rencement sur cette page grâce Ă  l’embed Slideshare ci-dessous.