Aşağıdaki makale size yardımcı olacaktır:Çevrimiçi İtibar Puanınızı Nasıl Hesaplarsınız?
Go Fish Digital’de, çevrimiçi itibar yönetimini iyileştirmek için çok sayıda markayla çalışıyoruz. Müşterilerimizin daha iyi anlamak istediğini gördüğümüz şeylerden biri, mevcut itibarlarını nasıl ölçeceklerini ve kampanyalarının zaman içinde nasıl geliştiğini daha iyi anlamalarını sağlamak için ölçülebilir bir çevrimiçi itibar puanı almaktır. Duyarlılık kesinlikle niteliksel bir ölçü olsa da, veri odaklı bir ajans olarak net ölçütler oluşturmak ve zaman içindeki ilerlemeyi tanımlamak için mümkün olduğunda ölçütleri kullanmayı seviyoruz.
Bu nedenle, yıllar içinde kendi dahili çevrimiçi itibar puanımızı geliştirdik. Bu, hem bizim hem de müşterinin itibarlarının nasıl bir eğilim gösterdiğini daha iyi ölçmesine yardımcı oldu. Artık bu çevrimiçi itibar puanını dahili ORM izleme aracımızın ve düzenli raporlamamızın bir parçası olarak kullanıyoruz. Bu ölçünün paha biçilmez olduğu kanıtlandı ve kendi ölçünüzü nasıl hesaplayabileceğinize ilişkin sürecimizi paylaşmak istedik.
1. 100 Puanlık Bir Ölçekle Başlayın
Puanı hesaplamaya başlamak için, arama sonuçlarının ilk sayfasına 100 puanlık bir ölçekte bakarız. Belirli bir arama için tüm sonuçlara belirli bir puan atanır. Arama sonucundaki tüm sonuçların toplamını topladığınızda, 100 değerini bulmanız gerekir. Elbette, buradaki en büyük zorluk, her sonuç için bir tür ağırlık kullanmaya çalışmaktır. 2 numaralı sonuç kesinlikle 8 numaralı sonuçtan daha yüksek bir puan taşımalıdır.
Bunu çözmek için, bu ölçeği kullanarak 10 sayfalık bir arama sonucunu ağırlıklandırıyoruz:
- Pozisyon 1: 35
- 2. pozisyon: 18
- 3. pozisyon: 12
- Pozisyon 4: 8
- Pozisyon 5: 7
- Pozisyon 6: 6
- Pozisyon 7: 5
- Pozisyon: 8: 4
- Pozisyon: 9: 3
- Pozisyon: 10: 2
Bunun neye benzediğini daha kolay görselleştirmek için, “roto rooter sıhhi tesisat” için aşağıdaki arama sonucunda konumu ve puanı görebilirsiniz:
100 puanlık bir ölçek oluşturarak, artık her sonucun duyarlılığına göre puanları çıkarmamıza izin veriyor.
2. Her Sonucun Duygusunu Etiketleyin
Ardından, arama sonuçlarının ilk sayfasının tamamına inmek ve her bir sonucun duyarlılığını etiketlemek isteyeceksiniz. Duygu etiketi aşağıdaki üç kategoriden birine girmelidir:
- Pozitif
- Doğal
- Olumsuz
Potansiyel bir müşterinin görmesini isteyeceğiniz herhangi bir sayfada olumlu makaleler oldukça açık olmalıdır. Olumsuz makaleler de oldukça açık olmalıdır. Tarafsız sayfalar, markanıza aktif olarak zarar vermeyen ancak ona pek de yardımcı olmayan herhangi bir içerik olacaktır. Örneğin, 3 yıldızlı bir Yelp incelemesi, tarafsız bir makale için iyi bir örnek olacaktır.
Her sonucu duyguya göre etiketledikten sonra, belirli bir arama sonucu için genel çevrimiçi itibar puanını belirlemek için denklemimizi kullanabileceksiniz.
3. Her Olumsuz Veya Nötr Makale İçin Puan Çıkarın
Artık her konumun ağırlıklı puanını ve arama sonuçlarındaki her bir makalenin duyarlılığını bildiğimize göre, çevrimiçi itibar puanımızı belirlemeye yardımcı olacak bazı temel matematik uygulamalarının zamanı geldi. Bunu yapmak için, her sonucu gözden geçirecek ve aşağıdaki çıkarmaları yapacaksınız:
- Tüm olumsuz makalelerin tam puanını çıkarın
- Tüm tarafsız makalelerin puanının yarısını çıkarın
- 100 – [Total Subtracted Points] = Çevrimiçi İtibar Puanı
Örnek: Çevrimiçi İtibar Puanı Nasıl Hesaplanır?
Daha somut bir örnek vermek için “roto rooter sıhhi tesisat” sorgumuza geri dönelim. Herhangi bir arama için 100 noktadan başlıyoruz. Arama sonuçlarının alt kısmına bakıldığında, olumlu duygular içermeyen bazı Yelp incelemeleri olduğu görülüyor. 2 yıldızlı inceleme “Olumsuz” olarak etiketlenir ve 3 yıldızlı inceleme “Nötr” olarak etiketlenir.
Yerel sonuçların ve İnsanlar Ayrıca Soruyor sonuçlarının olumlu olduğunu varsayarsak, bu bize 1 tarafsız ve 1 olumsuz makale bırakır. Negatif makale 7 konumunda olduğundan bu noktaların (-5) tam değerini çıkarırız. Tarafsız makale 8. konumdadır, bu nedenle puan değerinin yarısını (-2) çıkarırız.
Verilen bu arama sonucu için, nihai çevrimiçi itibar puanını 93 olarak verirdik.. Bu sonuçla ilgili birkaç ideal olmayan makale olsa da, bunlar arama sonuçları sayfasının daha aşağısında yer alıyor ve muhtemelen Roto Rooter için daha az zarar veriyor. Ancak, olumsuz Yelp incelemesi sıralamada yükselirse, bu durum duyarlılık puanında dramatik bir düşüşe yol açabilir. Olumsuz arama sonucunu bastırmak için harekete geçmek yine de Roto Rooter’ın çıkarına olabilir.
Çevrimiçi İtibar Puanlarını Nasıl Kullanıyoruz?
Çevrimiçi itibar puanları kavramı, bizim ve müşterilerimiz için o kadar kritikti ki, bu işlevi aslında kendi dahili izleme sistemimize yerleştirdik. Belirli bir arama için, aracımız her sonucun duyarlılığını etiketler ve ardından çevrimiçi itibar puanını otomatik olarak hesaplar. Bu, zaman içindeki çevrimiçi itibar puanını izlememizi sağlar. Görmeyi umduğumuz şey, Google’ın ilk sayfasındaki olumsuz içerik miktarını azaltabildiğimiz için çevrimiçi itibar puanının artmasıdır.
Örneğin, burada bir kampanyanın başlangıcındaki bir kıyaslama çevrimiçi itibar puanı var.
Çevrimiçi İtibar Puanı: 60
Olumsuz sonuçları bastırmayı başardıktan sonra, güncellenmiş bir çevrimiçi itibar puanı görebiliriz:
Çevrimiçi İtibar Puanı: 100
Tabii ki, skoru mükemmel bir 100’e çıkaramasak bile, bu ölçüm yine de zaman içindeki gelişmeleri takip etmemizi sağlıyor. Çevrimiçi itibar puanını 4 ay sonra 70’e ve ardından 6 ay sonra 80’e çıkarabildiğimizi görürsek, bu bize kampanyanın doğru yönde ilerlediğini gösterir.
Çözüm
“İtibar” belirsiz bir terim olsa da, umarız bu hesaplama, kavramı işletmeniz için nasıl ölçülebilir hale getireceğinizi daha iyi anlamanızı sağlar. Çevrimiçi itibar puanları, çevrimiçi itibar için karşılaştırma ölçütleriniz hakkında daha iyi bir fikir vermenize yardımcı olabilir. Ayrıca, skorun iyileşip iyileşmediğini görmek için zaman içinde ölçebilirsiniz. Bu, gerçekleştiriyor olabileceğiniz herhangi bir çevrimiçi itibar yönetimi girişimi hakkında çok daha güçlü bir gösterge elde etmenize yardımcı olabilir.
Chris Long Hakkında
Chris Long, Go Fish Digital’de Pazarlamadan Sorumlu Başkan Yardımcısıdır. 9 yılı aşkın deneyimiyle Chris, Google’ın algoritması ve web teknolojisine ilişkin derin bir anlayışla müşterilerin organik trafiği iyileştirmelerine yardımcı olmak için benzersiz sorunlar ve gelişmiş arama durumları üzerinde çalışır. Chris, GEICO, Adobe ve The New York Times gibi müşteriler için arama stratejileri konusunda tavsiyelerde bulundu. Moz, Search Engine Land ve Search Engine Journal’a katkıda bulunmaktadır. Ayrıca SMX East ve BrightonSEO gibi endüstri konferanslarında konuşmacıdır.
