Sale Leads

分析中得出的最有趣的发现之一是 Facebook 份额与 Google 美国搜索排名之间存在高度相关性。事实上，在我们研究的 100 多个因素中，Facebook 份额是相关性最高的单一因素： Facebook 和其他社交媒体与 Google 搜索排名的相关性 这篇博文介绍了一些建模结果，用于研究谷歌是否可能在其相关性计算中直接使用 Facebook 分享，或者 Facebook 分享和搜索位置之间的相关性是否是巧合，即其他因果因素的副产品。 相关性和因果关系 正如我们在此博客、演示和演讲中反复提到的那样，相关性不等于因果关系。


然而，这篇文章将同时讨论相关性和因果关系的问题，因此为了进 加拿大电话 行讨论，更深入地理解它们之间的关系非常重要。一般来说，相关性并不意味着因果关系。然而，有因果关系的两件事往往会有很好的相关性。因此，相关性只能用于支持或否认因果关系，而不能直接表明因果关系。换句话说，如果我们有一些先前的、先验的理由相信两件事是相关的，那么相关性就可以用作支持这种关系的工具（具有严格的统计基础）。反过来，弱相关性可以用来削弱两件事有关联的论点。 在我们开始研究 2011 年排名因素之前，我们有理由相信 Google 可能会使用 Facebook 数据。






建立更好的 Facebook 股票模型 我回想起几个月前做过的偏相关分析。当时，我主要对可以在几个小时内完成的初步了解感兴趣，因此我选择了使用 Linkscape 的一组有限的四个指标作为控制变量的偏相关分析。偏相关使用线性回归模型来预测相关变量（在本例中是 Facebook 分享和搜索位置），这是最简单的回归模型。它的优点是完善且易于使用，但当底层关系更复杂或非线性时，它就显得不足了。此外，由于当时我们对链接感兴趣，所以我没有尝试控制其他社交媒体信号。 我开始怀疑，如果我尝试使用 Twitter/Google Buzz 和 Linkscape 提供的所有链接指标来构建更复杂的模型，结果是否会改变，因此我开始构建模型。