原文地址：https://moz.com/blog/behavioral-data-for-search-whiteboard-friday
大家好，我是茱莉亚·帕诺佐，一名从神经科学家转行的营销人。今天，我想谈谈对搜索至关重要的行为数据。为什么是行为数据？因为搜索已经发生了巨变。
这种变化不仅体现在我们所熟知的搜索形式上——过去12个月中，AI概览、自然产品轮播等功能的引入，影响了信息类和交易类查询；用户的搜索行为本身也发生了变化。
AI概览、自然产品轮播等影响搜索的功能的引入。
用户已经开始进行更具对话性的搜索，他们的搜索旅程现在横跨不同的渠道，包括社交媒体和大语言模型。据Gartner.com估计，到2026年，传统搜索引擎的流量将下降25%，搜索营销的市场份额将被AI聊天机器人和其他虚拟助手抢占。
搜索不再是线性的旅程。
搜索旅程不再线性，涵盖了SEO、SXO、CRO和UX。
如今，SEO的评估标准是基于不再线性、由用户驱动的旅程。SEO从业者过去一直羞于谈论用户行为，并将其推给UX团队，因为它不是官方的排名信号。然而，近期来自谷歌文档泄露事件的数据以及马克-威廉姆斯·库克的研究都突显了用户信号在排名中的作用，以及准确把握用户意图对网站整体评估的重要性。
因此，我们必须认识到，现在优化搜索已不仅仅是让用户点击你的网站，而是涵盖了整个用户旅程。这就是现在常被提及的SXO，即SEO、UX和CRO（转化率优化）的交集。所有这些学科的共通点在于，用户是我们优化努力的最终受益者。
所以，我们所熟知的SEO或许已死，但搜索的未来在于分析和预测用户行为，并据此进行优化。
理解和掌握注意力与连接这两个维度至关重要。
当我们谈论用户时，我们谈论的是随时随地都在做决策、且常常带有偏见的人类。熟悉这些偏见对于每个从事营销工作的人来说都很重要。但要理解和影响用户行为，归根结底在于理解和掌握两个主要维度：
- 获取注意力（在众多潜在选项中脱颖而出）
- 建立连接（让用户不断回到你身边）
当然，前提是你所提供的内容与他们的搜索相关。
正因如此，我们需要纳入传统SEO指标之外的其他研究。我们需要考虑的新数据涵盖整个搜索体验和多个触点，其中就包括行为数据。
医生类比
医生类比框架
在我看来，通过审视行为数据来指导搜索策略，就像医生检查病人时需要做的：
- 倾听主诉与症状
- 分析数据以诊断根本原因
- 开出治疗方案
分析症状
症状是最容易着手的部分，因为它们相对容易被发现，并且从业务角度来看通常令人非常头疼。因此，它们是利益相关者最关心、最会向你提及的问题。
这些症状可能包括：流量下降/网站点击量低、展示次数减少、平均订单价值或转化率降低。这些通常只是内部潜在问题的外在表现，因此你需要进行更深入的挖掘。
诊断根本原因
在分析根本原因时，我们可以使用几种诊断工具，它们对应着我们能获取的三个不同层次的数据：基础行为数据、进阶层数据和预测性数据。让我们逐一探讨。
1. 基础数据
基础数据来自那些你无需获取审批或进行设置即可使用的工具。其中之一是谷歌搜索中心，当我们从品牌和非品牌角度审视点击率时，它可以揭示搜索意图匹配不佳的问题。这类数据中的大部分是定性数据，能帮助我们识别用户购买旅程前后共同的痛点，例如调查、客户体验日志、社交媒体提及和评论。因此，请确保跨部门协作，以获取用户对你提出的诉求。此外还有现场测试，这是最耗时的方法，但也可能是回报最丰厚的方法之一，因为它几乎不需要推断。
基础数据的依赖性很低或没有。
2. 进阶层数据
进阶层数据主要是定量数据，需要通过设置跟踪的工具获得，例如网站分析工具和热图。这些工具记录的用户行为可能不那么明显，因为用户并非主动表达他们的不满，因此我们必须在分析结果时进行一定程度的推断。
通过网站分析工具，你可以查看与互动时间、互动会话相关的例子，或者跳出率和流失点。交互热图工具可以整合这些信息以及我们从网站分析中看到的一切，不仅能揭示可能关注度不足的区域，还能发现实际无效的元素（例如通过无效点击、愤怒点击或错误点击来判断）。
总的来说，虽然我们可以通过这些跟踪工具推断出某些用户旅程为何提前中断或未按预期结束，但我始终建议将其与定性数据结合使用，以真正理解正在发生的情况。
3. 预测性数据
最后是预测性数据。这是最难获取的数据，因为它依赖于特殊的设备和专业知识才能正确解读。但这类数据能揭示用户自己可能都未察觉的偏好和行为。例如，眼动追踪比热图数据更进一步，可以展示用户的注意力模式和被忽略的区域。这些信息能为页面设计提供依据——在当今这个全天候信息刺激的环境中，注意力是极其宝贵的资源。另一方面，通过测量皮肤电活动、脑电图和功能性磁共振成像来观察用户对营销刺激的神经反应，能帮助我们在用户自身意识到之前，就理解和预测他们对内容的偏好。
确定优先级并制定解决方案
既然我们已经了解了所有可用的诊断和预测工具，现在就该规划你的“治疗方案”了。根据业务规模的不同，可能需要进行一定的协作和优先级排序。为了便于操作，你可以问自己以下几个问题：
- 实施这项改进需要投入多少时间和精力？
- 这项改进对业务成功有多关键？
- 此项改进解决了浏览或转化的绊脚石 = 紧急
- 此项改进是一项锦上添花的功能 = 不紧急
- 解决这个问题对整个业务的影响或投资回报率如何？
这些问题的答案将帮助你填写一个优先级矩阵。通常，所有高影响力的任务都会立即或在近期完成，而低影响力的任务则会被推迟或放弃。
一个“投入与影响”矩阵的示例。
额外建议：记录你的改进措施及其解决的问题
每当你实施一项改进时，请务必记录它在更深层次上解决了什么问题。这样，你就能识别出跨领域的改进机会。
例如，如果我们发现大量搜索但针对“退货”查询的点击率很低，改进措施可以包括在商品详情页和商家中心更清晰地展示退货政策。如果我们审视这一改进所满足的用户需求及其解决的深层心理，那就是避免损失的需求。这意味着我们可以主动在其他领域也满足这一需求，例如在售前信息中（如“免费试用”、“无需信用卡”，这向用户传达了可以节省时间和金钱的信息）。
识别跨领域改进机会。
总结
如今，将行为数据纳入考量已成为我们搜索专业人员的责任。
你无需成为用户体验专家才能进行这些调查，你的职位头衔也不应成为无法向受众提供更好内容或产品的借口。作为搜索引擎优化人员，我们的工作并非在将用户引导至网站后就结束了，而是要贯穿整个用户旅程，确保用户互动是积极的，而不会以放弃告终。