如果您在过去两年中一直遵循Seer互动，您会知道数据和可视化数据如何提供洞察力已成为我们的M.O.在我们所有的工作中，我们正在寻找揭示洞察力的方法，就像我们一起加入单独的数据集合。
我们有机会分析419万数据点使用我们朋友的数据侦察员和统计：
当然，我们把我们的权力戴帽子放在上面。
通过这项研究，我们有三个主要目标：
- 确定并理解最突出的地方排名因素
- 了解邻近性如何影响当地排名，以及它如何根据城市和关键字分组而变化
- 深入研究Local SERP特性(比如People Also Ask questions)的变化，并在所问的问题类型中找到共性
就像Seer的任何其他项目一样，我们通过观众研究开始了这个过程。我们当地的SEO团队会议，发展我们的愿望清单，我们希望当地排名因素研究回答。
从这里，我们开始回答以下问题:
- 当地SEO与传统有机物的最高相关排名因子是什么？
- 当地搜索显示哪些类型的SERP功能？
- 邻近程度如何影响当地排名？
排名因素
TL;博士：关于排名因素的一些关键外来的外卖：
- 评级和评论似乎是谈到3包时的差异制造者。
- 对映射和局部有机效果的链接物质，但对于局部有机结果更多。
- 一家企业离搜索者的位置越近，排名就越靠前。
当地包装是什么评论因素？
有趣的是，我们的数据和分析仅显示了两个统计学意义可测量数据点之间的关系：
- 评分：商业评级越高，他们排名越好。
- 审查的反应:不响应评论的企业往往更低。这是否意味着审查响应率是排名因素？可能是！但是，也许不是。回应评论的企业经常往往比那些不在那些没有人的当地SEO竞选活动。It’s likely that an owner who takes the time to respond to every review left on their GMB profile has also taken the time to ensure that said profile is well-optimized, citations are in order, and their website is built in a way that makes it easy for Google and people to access its information.
这是否意味着只有评级和评论反馈才能推动企业在3包中排名?绝对不是。这只是意味着它们是相关系数足够大的唯一两个因素，以统计上显着的因素。
外部链接根域指向与GMB配置文件关联的域略与更高的等级相关，但没有显着。
哪些排名因素对本地查找(谷歌Maps)重要?
这里的数据点之间存在更大的统计学相关关系;这是预期的，因为有更多的数据点来分析。在这里，我们能够分析前20个排名VAB配置文件与本地包中的前3个之间的关系。基于我们所看到的，在许多情况下，闯入3包的差异与当地发现者中的排名相关，以与评论和评级相关联。
对特定于本地查找者的因素进行排名
（位置1-20）
链接根域的数量
- 较高级别与更高数量的链接根域相关联。指向网站链接到您的Gmb列表的网站的链接越多，您就越有可能排名：
评级
- 更高的评级与更高的排名相关联：
到搜索者位置的距离
- 一家企业离搜索者的位置越近，排名就越靠前。在我们的数据集中，搜索者的位置也是我们分析的城市邮政编码的中心:
哪些排名因素对本地化有机结果有影响?
我们利用Moz的链接指标来衡量域名强度对其本地化有机排名的影响。请记住，Moz数据并未直接成功地进入Google的算法，但它是一个良好的代表，可以衡量域的整体“力量”。我们发现，具有更高域名权限和链路权益的网站倾向于在局部有机结果中更好地排列。谷歌的前两页尤其如此;随着我们深入进入SERPS（第3页及以后），相关性拒绝。
在比较城市或行业时的当地SEO排名因素
是类别的相同排名因素吗？靠城市怎么样？
随着我们更深入地进入这一首要通行证，我们越来越难以定义总体趋势。有一个情况的情况，某些城市的某些类别的关系比其他城市更为显着关系;并且有一些实例在其中数据集似乎完全矛盾地互相矛盾。我们相信这是基于特定城市和行业中列出的业务人数，而不是城市和行业本身．
拿“财务顾问“几个城市中的类别，例如：
| 局部有机效果的排名因素 | 费城，帕 | 芝加哥，IL. | 休斯顿,德克萨斯州 |
| 在页面复制中的关键字出现数量 |  弱正相关 |
 没有观察到的相关性 |
没有观察到的相关性 |
| 页面上的总话 | 没有观察到的相关性 |
 中度负相关 |
 非常强烈的负相关 |
| 相片 | 弱正相关 |
 强烈的负相关 |
 有很强的正相关关系 |
| 标记标记长度 | 弱正相关 |
中度负相关 |
有很强的正相关关系 |
| Meta描述长度 | 弱正相关 |
中度负相关 |
没有观察到的相关性 |
| 距离搜索者中心的距离 | 中度负相关 |
没有观察到的相关性 |
没有观察到的相关性 |
看？“趋势”到处都是。对一个城市来说很重要，似乎并不重要。“所以什么都不重要！”…不完全的。就像我们说的那样，我们用它粉笔达到可用的库存。
现在我们来看看税务服务“对于相同的样本城市:
| 局部有机效果的排名因素 | 费城，帕 | 芝加哥，IL. | 休斯顿,德克萨斯州 |
| 相片 |  适度正相关 |
有很强的正相关关系 |
没有观察到的相关性 |
| 页面上的总话 | 适度正相关 |
没有观察到的相关性 |
有很强的正相关关系 |
| 标记标记长度 | 适度正相关 |
适度正相关 |
 弱负相关 |
| Meta描述长度 | 没有观察到的相关性 |
中度负相关 |
中度负相关 |
| 页面加载时间(ms) | 有很强的正相关关系 |
没有观察到的相关性 |
弱正相关 |
一个人可以从上面的财务顾问类别中汲取更多常见的“趋势”，但这没有任何内容灌输任何这些因素是可测量的更多的对税务服务的影响而不是财务顾问。
也就是说，有419万数据点，还有很多要看。我们将继续挖掘这些数据，如果我们发现任何类别或特定城市值得分享的信息，我们将继续跟进。
想要更喜欢这个吗？
搜索功能
与Scout和Stat，我们能够在分析SERPS内普遍出现的功能时铸造宽网。这些功能不仅仅在当地包停止，而是从视频旋转木马到工作的新闻。下面显示了一些常见的SERP功能的示例：
在谈到SERP功能时，除了明显的本地包之外，也频繁地显示出最常见的包装，人们还会询问和本地包装广告是下一个赛跑者。在下面的可视化中，我们突破了每个关键字类别中发现的每种类型的功能的百分比。您会注意到除本地包之外，人们还询问和本地包广告，功能差异很大，具体取决于类别;但是，这些信息可用于帮助确定每个行业的特征类型应该优化和搜索背后的意图。例如，如果您看到了很多PAA存在，那就是这个搜索可能更提供信息和顶级漏斗的指标。如果您看到大量的本地包广告，那可能是更具竞争力的术语的指标。
SERP按类别的特征
查看下面的图表，以查看SERP功能在每个关键字类别中显示的频率：
会计
我附近的汽车/汽车贷款
检查我附近的兑现/服务
信用咨询/服务（+城市）
财务指导/顾问(+城市)
房屋按揭(+城市)
投资银行（+城市）
投资服务（+城市）
汇票地点/服务（+城市）
汇款（+城市）
抵押贷款/抵押贷款人（+城市）
小企业贷款（+城市）
我附近的税务代理/服务
营运资金贷款（+城市）
常见的人也问问题
人们出现了哪些类型的问题也问？查看每个关键字类别的最常见问题：
| 关键字分类 | 最常见的PAA的 |
| 会计 |
|
| 会计公司 |
|
| 会计服务 |
|
| 我附近的汽车/汽车贷款 |
|
| 支票兑现 |
|
| 信用咨询 |
|
| 金融教练/顾问 |
|
| 金融计划/规划 |
|
| 家庭抵押贷款 |
|
| 投资银行 |
|
| 汇票位置/汇票服务 |
|
| 转账服务 |
|
| 抵押 |
|
| 抵押贷款机构 |
|
| 抵押人员 |
|
| 中小企业贷款 |
|
| 税务代理/税务服务 |
|
| 营运资金贷款 |
|
接近的影响
TL;博士：一些关键的外卖会看看靠近的影响如何影响搜索：
- 靠近人们寻找绝对重要的人，在本地3包和本地发现者中都很清楚。
- 靠近平均值从城市到城市的大大变化。
- 城市限制，运输方式和驾驶能力可能会影响搜索的接近程度。
如果内容是SEO的王，那么靠近王于当地SEO。
如果你一直关注任何东西谷歌本地更新在过去几年中，您可能已经注意到大量文章和更新尖叫“接近是＃1本地搜索排名因子”。
在本地3包与本地查找器结果的邻近
无论在本地3包中出现的城市出现在哪个城市，业务都会大量清楚的是，与前10名当地发现者结果相比，业务的平均近乎靠近。
几乎一致的商业类型的意图，该人在寻找，是否业务是从业者，地方商家或服务，在查看当地3包列表的平均值时，搜索中心的距离减少（前3名）与当地发现者结果（前10名）。
注意：将表滚动到右侧查看更多
| 会计[+城市，靠近我] | 在我附近的会计师 | 会计事务所[+城市] | 会计服务[+城] | 我附近的汽车贷款，我附近的自动泽和答 | 信用咨询[+城市，靠近我] | 信用服务[+城市] | 金融教练(+城市) | 金融顾问[+城市] | 财务规划师，财务规划[+城市] | |
| 本地3包（前3个） | ||||||||||
| 费城 | 1.0 | 0.8 | 1.0 | 1.4 | 24.6 | 1.4 | 1.2 | 6.3 | 7．5 | 0.6 |
| 杰克逊维尔 | 1.6 | 1.4 | 16.3. | 3．1 | 3．1 | 40.2 | 4．6 | 50.4 | 2.4 | 2.1 |
| 洛杉矶洛杉矶 | 1.0 | 0.9 | 1.2 | 1.5 | 29.7 | 1.0 | 4．0 | 5．3 | 2.0 | 0.9 |
| 芝加哥 | 0.7 | 0.8 | 4．4 | 3．8 | 4．5 | 3．2 | 4．1 | 6．1 | 9.2 | 8．4 |
| 平均 | 1.1 | 1.0 | 5．8 | 2.4 | 15.5 | 11.4 | 3．5 | 17.0 | 5．3 | 3．0 |
| 本地搜索(前10名): | ||||||||||
| 费城 | 5．6 | 10．4 | 7．6 | 8．3 | 2.2 | 2.2 | 10．6 | 286.0 | 12.6 | 1.5 |
| 杰克逊维尔 | 3．1 | 2.8 | 15.3 | 3．9 | 268.2 | 268.2 | 209.4 | 29.4 | 3．9 | 3．4 |
| 洛杉矶洛杉矶 | 1.6 | 1.6 | 2.4 | 2.6 | 4．0 | 4．0 | 4．5 | 6.3 | 2.8 | 1.9 |
| 芝加哥 | 1.5 | 8．7 | 9.5 | 7．7 | 7．1 | 7．1 | 7．9 | 8．8 | 14.7 | 11.1 |
| 平均 | 2.9 | 5.9 | 8．7 | 5．6 | 70.4 | 70.4 | 58.1. | 82.6 | 8．5 | 4．5 |
注意：将表滚动到右侧查看更多
靠近人们寻找绝对重要的人，在本地3包和本地发现者中都很清楚。
近距离平均从城市到城市很大差异
我们发现在此数据集中非常有趣的东西是某些关键字分组的平均因城市而异的想法。在针对其他城市的关键字分组时，我们在搜索的平均附近看到了很多差异。
例如，信贷服务关键字在费城的当地3包平均平均距离平均1.2英里，但在所有其他城市，我们看到当地发现者的平均约为4英里。
当看会计公司在所有4个城市中，Local 3-Pack的平均距离为1-16英里，其中费城的平均距离为1英里，杰克逊维尔为16.3英里。
通常在当地SEO时代，我们不会在一个城市的景观，驾驶性能，甚至总线上发挥作用，但在这些数字表现出如此多的变化之后，它让我们思考。这些如何影响邻近？
什么影响搜索的近距离？
城市限制，饱和，运输方式和驾驶能力可能会影响搜索程度的近距离。
到目前为止，这个分析的最主要的主题是，主要的主题很少。这只是强调了如何利用你自己的数据，并进行你自己的分析，在你的城市什么适合你的行业。
| 城市 | 中心（3包）的平均距离 |
| 费城 | 2.3 |
| 杰克逊维尔 | 2.6 |
| 洛杉矶洛杉矶 | 2.0 |
| 芝加哥 | 4．0 |
| 平均 | 2.7 |
| 城市 | 离中心平均距离(局部取景器) |
| 费城 | 7．3 |
| 杰克逊维尔 | 5．3 |
| 洛杉矶洛杉矶 | 5．2 |
| 芝加哥 | 8．6 |
| 平均 | 6．6 |
上述关键字组的距离在费城、洛杉矶、杰克逊维尔和ChiTown的2.3-4英里之间，即使移除任何可能的数据异常值。当移除所有可能的异常值时，所有Local Finder结果的范围为5-9英里。
搜索者和op-angling业务之间的平均距离从城市到城市而异。因此，为了使金融业务列表“通常”的声明具有平均距离，这将是最终由零数据备份的声明。
我们确实有一些想法。为什么这可能是杰克逊维尔，费城，芝加哥和洛杉矶的城市在进入公共交通工具，普通交通工具和平均城市限制方面都有很大差异。杰克逊维尔恰好成为美国大陆最大的里程城市。洛杉矶广泛闻名，可闻名于其低获取公共交通和不断的驾驶文化。芝加哥是美国最大的金融中心之一，而费城是公共交通方面的顶级城市之一。
个性化分析将为您提供所寻求的答案
如果你来这里的“做到这一点并更好地排名” - 达到方向，对不起，你就逃脱了。我们想象一些在这分析中缺乏规范化方向可能会受到沮丧。
如果说我们从这次深究中学到了什么的话，那就是“行业基准”在最好方向，和在最差完全不准确。我们毕竟这一建议是停止将您的策略从其他人分析中分析。自行提取数据，修复自己的数字，并弄清楚对您的竞争对手有关的原因。经常重新审视它，并始终在移位景观上保持脉冲。不要@美国，如果你不同意，直到你向我们展示证明我们错误的数据。
这个实验室是由Seer的本地SEO团队编写的
