Mengapa peringkat Alexa untuk situs berfluktuasi jutaan hari ke hari?

Kemarin sebelum saya pergi tidur, saya memeriksa peringkat Alexa untuk situs web saya dan berada di suatu tempat di ~ 4 juta tetapi hari ini ketika saya bangun, itu kembali pada apa yang dulu berbulan-bulan yang lalu yaitu 18 juta. Apa yang terjadi?

Jadi ketika saya pertama kali membuat situs web, peringkat Alexa saya adalah 18 juta kemudian turun menjadi 12 juta kemudian 7 juta dan kemarin turun menjadi 4 juta dan hari ini di pagi hari kembali ke 18 juta. Maksud saya tidak ada yang berubah dari kemarin, semuanya sama. Saya memeriksa Google Webmaster Tools dan Google Analytics saya dan tidak ada yang salah.

Jawaban sederhana Alexa adalah sampah. Bahkan tidak melihatnya. Hanya untuk situs yang paling aktif, angka Alexa akan berarti. Kalau tidak, itu akan menjadi metrik menyesatkan yang tidak harus diperhatikan.

Alasannya adalah bahwa Alexa harus memperkirakan hasil mereka berdasarkan pada kelompok selektif diri. Alexa mengatakan bahwa pengguna toolbar itu beragam, namun jelas itu adalah grup yang dipilih sendiri - artinya sampel data disediakan hanya oleh mereka yang akan menginstal Alexa toolbar. Dalam permainan statistik, itu adalah bencana. Hanya sampel acak yang berfungsi. Bahkan kemudian, semakin besar ukuran sampel semakin baik. Pikirkan tentang itu. Siapa yang memasang bilah alat Alexa lagi? Apalagi ketika mereka mendapatkan komputer baru? Audiens Alexa menjadi lebih sempit karena lebih sedikit orang memasang toolbar dan mereka yang cocok dengan kelompok yang lebih kecil dari mereka yang mau. Itu adalah sistem yang cacat sejak awal. Setidaknya dari sudut pandang analisis statistik.

Untuk itu, situs dengan lalu lintas lebih sedikit memiliki lebih sedikit data sampel untuk membuat indikasi yang jelas. Inilah sebabnya mengapa Alexa sangat bervariasi dan karenanya Anda tidak harus memperhatikan metrik sama sekali.

[Memperbarui]

Saya telah mengambil waktu untuk membuktikan secara pasti mengapa metrik Alexa adalah sampah di situs web saya sendiri yang ditemukan di sini http://www.closetnoc.org/?i=definitive-proof-that-alexa-sucks (saya ragu untuk menautkan ke situs saya sendiri , tapi ini layak dibaca untuk pemahaman yang lengkap). Berikut ini beberapa takeaways yang bisa saya tambahkan di sini tanpa penjelasan panjang:

• Alexa Toolbar hanya kompatibel dengan 2 / 3rds dari browser web populer.
• Alexa Toolbar sebagian besar tidak kompatibel dengan pencarian seluler yang setidaknya 1/3 dari pencarian.
• Alexa tidak dapat mengetahui tentang populasi statistik pengguna yang menggunakan browser yang tidak didukung oleh Alexa, pengguna seluler, negara berkembang, pengguna non-Alexa, dan sebagainya.
• Dalam analisis statistik, tidak mungkin untuk mengoreksi bias menggunakan populasi yang tidak Anda kenal.
• Pengguna Alexa Toolbar adalah selektif terhadap pengguna blog, pengguna Twitter, pengguna Facebook, dan media sosial lainnya.
• Pengguna Alexa Toolbar memilih sendiri terhadap konten dan situs yang berbasis tren dan bukan berbasis penelitian.
• Para pengguna Toolbar Alexa memilih sendiri jauh dari situs penelitian dan penggunaan mesin pencari.
• Pengguna Alexa Toolbar cenderung ke topik / situs populer dan mereka yang memusatkan perhatian pada topik populer - ini berarti demografis yang lebih muda dan demografis yang tidak termasuk pengguna yang lebih tua atau senior.
• Alexa Toolbar yang tidak kompatibel dengan ponsel, telah kehilangan jutaan pengguna muda dalam dua tahun terakhir dan semakin berkembang ke arah audiens yang lebih kecil yang menjadi lebih baya.
• Alexa Toolbar kehilangan popularitas dan pengguna komputer baru, yang pernah menggunakan Alexa Toolbar, memilih untuk tidak menginstal ulang toolbar pada komputer baru.
• Bug Alexa tidak 100% akurat dengan keluhan tentang efektivitasnya untuk menangkap penggunaan yang akurat.
• Bug Alexa tidak dapat mengkompensasi populasi yang tidak dikenal.
• Alexa menyukai peringkat dan ulasan Alexa dengan bias.
• Alexa menyukai situs tren dengan bias.
• Alexa lebih menyukai penggunaan media sosial dengan bias.