今天，我们对数据库的搜索量准确性进行了改进。这篇文章解释了我们如何做到这一点的技术细节。
如何衡量搜索量的准确性
为了使我们的搜索量预测算法尽可能准确，我们必须找到一种方法来衡量我们是否在目标上。
为了实现这一目标，我们需要：
选择一个尽可能接近真实体积的量数据源，并将其用作基准值
清除选定源中的数据，以避免不相关和垃圾
确保关键字的选择在小批量查询（长尾关键字）、大批量查询和中等批量查询中均匀分布
在我们验证了关键字的选择之后，我们进行了研究，看看Semrush与Moz， Ahrefs, serstat, Sistrix，谷歌Keyword Planner相比，在提供准确的搜索量方面是如何的。
我们如何选择基准数据源
在采访了50多位经验丰富的seo之后，我们的共识很明确：专家们认为最准确的搜索量来源是谷歌搜索控制台（GSC）。
因为我们的小组非常自信，而且因为GSC包含直接来自谷歌的真实数据，所以我们一致认为GSC可以很好地作为我们的基准。虽然GSC中没有“搜索量”指标，但有一个相近的指标：印象。
我们使用这个指标是有保留的，因为，正如这里所说的，印象与数量不同。印象是指人们在b谷歌上看到你网站链接的频率。根据结果类型，链接可能需要滚动或展开到视图中。”
虽然印象和音量不同，但也有相似之处。
如果每个输入查询的人都能立即看到你的域名的位置（无需在桌面或移动结果上滚动），那么在大多数情况下，印象量将等于访问量。
可见位置的100次显示≈100次总搜索。
基于这种关系，我们可以说印象是比较研究的有效参考搜索量来源。
从GSC中过滤数据并准备关键字样本
感谢我们的一些好心的用户，我们有许多人同意与我们分享他们的匿名GSC数据进行比较研究。我们最终得到了一组url -关键字平均位置绑定，就像我们在GSC的Pages报告中看到的那样。
因为不是每个绑定都有保证可见的平均位置（前3位），所以我们不能使用每个关键字进行比较。因此，我们必须清理我们拥有的数据。
为了清理数据集，我们删除了：
url在GSC中的平均位置在前三名之外的关键字，只留下在SERP中立即可见的最高机会的url
商业和交易关键字在SERP上包含了太多的广告，以至于有机结果不能立即可见
其他关键字的SERP布局在滚动之前没有显示在用户屏幕（桌面或移动设备）的可见区域的有机位置
确保样本中关键字特征的均匀分布
在前一阶段，我们收集了1M个关键词样本，从中我们要选择10000个关键词进行研究。为了使最终的样本无偏和准确，我们需要确保特征的均匀分布。
我们对样本进行了微调，使其包含相等比例的：
关键词来自不同的卷组（从低到高的5个桶）
关键词包含不同数量的单词、主题、意图和其他参数。
例如，我们将数据分成5个月度印象区间，每个区间的印象数相等：
1 ~ 100
101至1000
1,001至10,000
10,001至100,000
从100001 +
我们对其余的参数做了同样的处理，将样本划分为相等的范围。
最后，我们确保10,000对于这种类型的样本来说是足够的大小。我们确认是因为，在基于上述参数的关键字分布相同的情况下，更大的关键字集合仍然带来相同的结果。
我们上面描述的过程允许我们创建一个公正的，统一的样本，准确地反映了每个工具的质量和覆盖率的真实情况。
在新算法的开发过程中，我们连续几个月重复这样的比较，每次都得到相同的结果，证明了它的性能稳定。
我们非常喜欢比较的结果，因此我们在数据收集管道中定期增加了对数据库的质量检查。现在，通过每月更新，我们有信心为您提供最好的数量数据。