如何从Facebook获取流量?

译者:Nic 审校:陈明艳

本文长度为4634字,预估阅读时间10分钟

前言:作为重要的流量来源的Facebook,流量中究竟蕴藏了什么秘密,让我们一探究竟!

Facebook带来数量相当可观的流量,不过围绕以下两点大家或多或少都有着困惑:1. 流量到底是多少;2. 更重要的是我们否能通过优化我们的工作以更好利用它。Rand在本周的白板星期五中,分享了怎样清除统计噪音,还介绍Facebook流量优化的10点建议。

注:视频(原文中有视频)

下图是这周白板星期五的内容提要

视频转录

大家好,Moz的粉丝们,欢迎来到新一期的白板星期五。今天我们来说说Facebook。Facebook一直在大规模的增长,输送出数量庞大的流量;因此作为在网络营销领域上的一个团体,我们也越来越对Facebook可能推动的以及潜在的流量产生兴趣(因为这同时也是促成在谷歌良好表现的一个相关因素)

所以我打算从一些数据开始。 我认为有一点非常重要 - 像我们这样的营销人员应该理解统计数据是如何工作的,尤其是具有代表性的数据。 我总是听到人们说,“哦,我的老板给我发了新的Shareaholic(社交内容发现及分享平台)报告,它说25%的流量来自Facebook,可我们只有10%来自Facebook的流量,所以我们Facebook做得非常糟糕“。 事实可能并非如此。

接下来我将谈谈一些粗略的估计,仅仅为了理论上的乐趣 - 围绕Facebook可能发送的流量与Google的数据做个对比;然后我再分享一些Facebook的优化技巧。 这一切都不会是全新的,但我试图提炼和汇总出最好的,抛弃那些现在不再适用的;因为Facebook已经成熟,越来越复杂。 好吧,让我们从这些数据开始。

假设你的老板给你发送了这份Shareaholic报告,说Facebook输送了24%的引荐流量。 Shareaholic安装在30万个网站上,这是一个相当大的群体。我们怎能忽略这些数据?当然不是说忽略它,但是更应该了解谁在使用它,以及安装Shareaholic的初衷。

几乎可以肯定的是,这30多万个网站可能足以代表互联网上存在的几亿个网站,而这些网站正在进行社交媒体流量的优化工作。 我认为这个统计非常有意义,假设你是一个更多依赖于社交媒体的网站,而你从社交媒体获得的的流量不到20%,甚至低于15%,那么你可能有一些工作要做,以获得更多机会。

我也喜欢来自Define Media Group的一个例子。 Define是马歇尔·西蒙兹(Marshall Simmonds)的公司,他们对各大出版商进行综合衡量。 其中一个你可能听说过是Buzzfeed,去年他们发表了一个长篇大论,关于他们如何从社交媒体获得70%以上流量,并声称他们不关心搜索,认为搜索优化毫无用处,现在没有人做SEO了,如此等等。 事实上,我认为不管他们说什么,Buzzfeed在SEO上是投入了极大的精力,即使他们不希望被视为这么做。 Define声称所有87家主要发行商中(大部分都是关于出版商和娱乐内容发行商的新闻之类的东西),社交媒体产生了大约16%的流量,搜索来源占41%,直接访问占43%。 这与社交分享网站有很大的不同。 当纵览网络世界的不同部分时,您会看到这种细微差别。

根据StatCounter统计(我非常喜欢他们的统计数据,因为他们覆盖了非常广泛的网站),全球范围内,数十万甚至上百万的美国以及海外的网站,通过gs.statcounter.com共享他们的全球统计数据,这是我最喜欢的这种类型的资源之一。 据他们说,Facebook于2015年1月份所产生的社交引荐,约占全美所有社交引荐总数的80%。有趣的是,在美国喜欢Pinterest,Twitter,LinkedIn和Google+的人远远超过世界其他地区,所以Facebook只占据美国所有社交引荐的68%。

任何衡量Facebook流量的都看到,每次访问的平均页数往往在1左右。 在Google上,这个数值大约是2, 2.2或2.5,而直接访问情况下通常更接近每个会话3,4或5次访问。 因此,从性能(Performance)和交互度(Engagement)的角度来衡量,Facebook的流量属于较低层次。 很有可能是这样的情景,对Facebook的推送,你浏览的内容局限于推送的范围,而不太去浏览该网站的其余部分。有趣的是,在这些指标上Facebook的表现比Twitter要好一些。由此而见,Twitter带来的流量更为短促和有限。

我试着做一些粗略的统计 - 试想我们需要把Google和Facebook推送的流量来做比较 ,这是一个常常被问起的问题。 在没有非常确凿的数据来源情况下,我认为可以这样做:“我们知道Google目前每天搜索60亿次搜索,搜索结果平均点击数为......?哦,我们不知道。但我们知道几年之前,Google的平均搜索产生2.1次或2.2次的点击。“ 可那是在2009年。所以这一数值可能会下降,或者上升,在这么多年后;好吧,假设说平均1.5到3次访问吧。

Facebook拥有8.9亿日活跃用户,但我们依旧没有确切的点击统计数字。 不过几年前,也许在4年前,2011年(译者注:本文最早发布于2015年),他们有一个统计:每个Facebook用户每天约2个外部点击。 所以我们假设它可能在2到4之间的某个位置。 因此,谷歌每天的引荐量在90亿到180亿之间,Facebook则在18亿到36亿之间。

因此,如果认为Facebook有巨大的增长,甚至达到Google的引荐流量三分之一,这也是可能的。 我认为这些数字可能接近9和3.6,而不是18和1.8,这是我的猜测。 我认为Facebook的引荐流量达在谷歌的15%到30%之间。 数值之大,绝对比其他任何二级搜索引擎更为多;甚至比YouTube,雅虎,Bing这三个加在一起还更多。 即使不如谷歌那巨大的流量,这也是相当可观的。

即使出于认为Facebook带来的流量表现不够满意,而不那么喜欢它,但我们仍然需要关注Facebook,原因非常明确:Facebook上被广泛点赞(Likes)和分享的内容,在搜索中有很大机会表现良好。 所以,我们需要能够认识到这一点:我们需要知道什么样的内容在网络上被社交传播,并在社交网络上吸引人们,从而在为搜索引擎创建的内容中加以体现。

01

首先,确保Facebook上受众的使用情况符合您的内容和目标。 如果你想把技术工程人员吸引到某行业的B2B软件产品上,在Facebook上可能真的非常难;但如果你正在销售那些可爱猫猫狗狗的海报,Facebook就正好是找到这样受众的地方。你需要能明确这一点,并做到心中有数。 这两者(Facebook的受众和你的内容以及目标)是密不可分的。 再假设你目前为专利律师工作,你们的内容想在Facebook上获得点赞(Likes)或者被分享都可能会很难,一个更适合的地方可能是微博或LinkedIn。

02

其次,去了解Facebook上你的主题有些什么真正有效的内容和操作方式。 推荐一个很好的工具– BuzzSumo(在线互联网内容筛选收集工具)。可以通过指定关键词,来查询过去六个月或一年中,在各社交网络中表现最好的内容是什么;还可以直接通过Facebook进行过滤,查看Facebook上围绕我们关注的的主题范畴,可以采取的最佳做法。 这是个了解/预测未来趋势的好方法:知道什么不行,什么会产生共鸣。

03

第三点,设置你的分析,以便能够跟踪初始的社交引荐所带来的访问。 Chris Mikulin有一篇很棒的博客文章,向我们解释了在Google Analytics中如何设置自定义系统来跟踪来自社交媒体的引荐,以及这部分流量在离开你的网站后的行为表现;很大几率下它们会通过搜索再次回来。

04

第四点,从吸引初次点击的角度来分析,标题往往比内容更为关键。并不是说标题比内容更重要,但在Facebook上,标题所占的空间通常都很大,这也解释你为什么会看到类似列表,诱骗点击等这类可能存在争议的现象出现。Facebook说他们正在努力想办法解决,但就目前而言,对这些可能只有5到15个字的标题的分享量还是非常庞大的。这对病毒式传播和在Facebook上被分享能力的影响往往非常巨大。

第五点,相类似的 - 并且多年来都是如此,在所有的社交媒体平台上 -视觉效果通常都会比非视觉内容更胜一筹。那些有很棒视觉效果的内容,在传播和分享方面往往效果更显著。

05

第五点,相类似的 - 并且多年来都是如此,在所有的社交媒体平台上 -视觉效果通常都会比非视觉内容更胜一筹。那些有很棒视觉效果的内容,在传播和分享方面往往效果更显著。

06

第六点,时间点不像以前那么重要。我想社交媒体领域的很多人看到这都会赞同:“天啊,你知道吗?我们正在做一些相关性的实验,而且我们看到似乎Facebook在处理时间点上在变得越来越聪明了。” 所以现在的情况不会是:“因为你在半夜发帖,没得到几个Like,所以我们(Facebook)不会把你的帖子展示给更多的人。”而更偏向于:“好吧,在这个地区的这个时间段的特定的时间点上,相对于一个群体的平均交互度比率,我们来看看你们的表现如何?”我认为相对主义使得他们的算法更加智能化。因此我们看到,在一天中的哪个时间段/点发布帖子,以及当时Facebook上的用户是多是少,并不好似以前那么重要了。当然,如果您仍然想尝试一些关于时间点的实验,请查看Facebook Insights页面,仔细分析,里边还是有一些优化机会的。

07

第七点,关于在Facebook上实现传播,让更多人看到的驱动因素体现在以下两个方面(至少在所有的社交媒体专家看来,而我会按自己的经验来验证它):受众的百分比和互动的百分比(例如点赞、评论、分享、点击链接等)。我还相当肯定,Facebook在使用停留时间指标 - 即如果在相当长的时间内停留在帖子上,即使没有点击“赞”或“分享”或“评论”或点击;只要在Facebook推送的面板可视部分上保持活跃状态 - 这也是Facebook采用的衡量标准。我认为他们对这类东西的处理很聪明。因为这存在很大的推动力,你所要做的是增加交互度。要让更多的人与你的内容进行更多的互动。这也能解释点击诱饵和“标题党”表现如此之好吧。

08

第八点,品牌页面的到达能力有限。 我们可能已经知道,Facebook在多次算法更新中提到那些非付费内容的自然到达情况。 为了让Facebook不被数量巨大的内容所淹没,他们减少了部分内容的展示机会。 这意味着更多的个人空间、个人账户(比如Facebook账户,不是我的公共页面)在和品牌角逐的过程中,相对以前会有更多一点的机会被看到(以前基本都被品牌所占据)。

09

第九点,如果Facebook流量给你带来较好的投资回报率 - 这是为什么你需要测量二级效应,什么情况下流量会返回,等等- 请加大投入以扩大效应。 就像在谷歌上,如果发现某个关键字的效果不错,可以启用AdWords以吸引更多访问者并且实现转换;在Facebook上的情况也是如此。一般来说Facekbook上的单次点击比谷歌便宜得多。 它没那么有针对性,表现可能不是非常好,但更便宜。所以我建议可以考虑通过付费来扩大效应。 那些进行团组合作的网站(Buzzfeed就是一个非常好的例子),花费很多钱去驱动流量来到他们的网站,进一步扩大他们的自然覆盖;从而在自然覆盖和付费覆盖这两个方面都有收获。

010

最后,第十点,耍小聪明比以前困难很多。从前,如果你在Facebook上发布了一些东西,可能会有一群朋友喜欢,“嘿,大家都去关注订阅他们的Facebook 推送。如果在你的推送中没有看到,就去我的推送列表下,点击、点赞、分享、评论。” 然后可能自然覆盖就能得到扩大,因为Facebook最关心在头5或10分内的交互度是怎样。但这已经改变了:Facebook现在非常非常谨慎:这些内容被自然推送给了什么样的用户人群?他们中有多少人参与了互动?他们在这个网站上以前的互动行为是怎样?相互间是否有联系?是否存在欺骗?他们是否始终如一地在发布后的头5分钟内就点赞了这个网站的内容?所以你看到,耍小伎俩更难了。

但是对人类使用一些心理花招并不难,因为很不幸,在过去的几百年里,人类的 “软件系统” 没有得到很大的提升。因此,学习掌握人的心理活动,会有助于在Facebook上增加到达覆盖。如果你能了解人们关心的是什么,听到他们讨论的是什么,洞悉他们渴望参与、兴奋、愤怒、激情等各种情绪的变化,你也能知道该如何进行Facebook上的各种活动。这与其他社交网络有些不同,例如LinkedIn,Twitter,Instagram。Facebook上有相当多具有争议,使人产生激情、兴奋,甚至派系主义联想的内容。我认为这就是为什么那些满是点击诱饵和 “标题党” 的网站表现如此出色的部分原因。但如果你想让Facebook为你所用,你可能想结合品牌、主题对你会有帮助的事情,确实在实际上会带来不错的访问流量。但请记住,Facebook上确实存在有人类的心理作用的影响。

好,如果你有很棒的技巧或者你在Facebook上看到的很棒的东西,请在下面的评论中分享一下。我很乐意看到他们。 Moz社区的伙伴必定有丰富的经验,我们很乐意听到您的意见。

大家好好保重,下周我们再见。

原文发布于微信公众号 - 互联网数据官(internetcdo)

原文发表时间:2018-01-17

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏大数据挖掘DT机器学习

【解析】网站分析WA与互联网数据分析挖据的区别

一直以来有不少朋友来信或留言,询问网站分析WA(web analysis)与互联网数据分析挖掘的区别。这个问题看上去的确比较纠缠不清,不是因为字...

2853
来自专栏大数据文摘

预告:今天中午“百度图说”内测版上线

1579
来自专栏携程技术中心

携程吴毅挺:OpenStack是开源IaaS平台大势所趋的集大成者

携程技术中心作为大中华区开源云计算平台OpenStack应用的特邀代表参加2013香港Open stack峰会后,携程云平台研发总监吴毅挺近日又作为主要分享嘉...

18910
来自专栏DevOps时代的专栏

从企业案例看 DevOps 转型路线图

前言 在给客户培训DevOps的时候会尽量把整个DevOps体系,包括流程、文化、 技术实践,和业务IT的关系等等传递给客户。但是企业要想从头开始实施 DevO...

2208
来自专栏大数据文摘

如何构建一个高效的数据科学部门

943
来自专栏华章科技

我所经历的大数据平台发展史:互联网时代及数据模型

本篇幅将进入大家熟知的互联网时代,数据平台发展史仅是自己经历过由传统数据平台到互联网数据平台发展一些简单回忆,在这一篇章中将引用部分互联网数据平台架构,在这里仅...

1175
来自专栏人工智能快报

美科学家研发“高速语言处理系统”以改进人机对话

2016年3月,来自南加州大学创意技术研究所的助理研究教授戴维·德沃特(David DeVault)开发了一款高速语言处理系统,在特定环境中,该系统的处理速度和...

2724
来自专栏ThoughtWorks

IoT时代的设计

设计为时代服务,两百年里我们所做的都是在为基于主宰地位的计算平台进行设计,它们分别是:早期的机械交互、命令行交互、近50年的PC端图形交互界面(GUI)、基于互...

4146
来自专栏liulun

CMMI-4中19个PA的大致描述

组织过程资产库下面有组织级标准过程库, 这个库里一共有19各PA(就是标准过程啦) PA的英文是Process Area CM(配置管理过程,英文是Config...

1825
来自专栏灯塔大数据

一张图搞懂美国大数据产业(上)

? 数据科学早已不是新鲜事物了,不过对数据质量的需求却是这几年才激增起来的。这可不是一阵时尚或旧词新用,而是一场革命。大至总统选举,小至总部设在厨房餐桌的小创...

2836

扫描关注云+社区