Es casi seguro que Google está utilizando señales de usabilidad como un factor significativo en las clasificaciones. Google probablemente no utiliza la "tasa de rebote", al menos no según lo medido por Google Analytics. En cambio, Google confía en:
- Porcentaje de clics (CTR): el número de personas que hacen clic desde los SERP a un sitio es una buena indicación de si el sitio es relevante para la consulta o no. Cuando un sitio obtiene un CTR peor de lo que debería para la posición en la que se encuentra, su clasificación empeorará. Cuando un sitio obtiene un CTR más alto que otros sitios en esa posición, la clasificación mejorará.
- Tasa de rebote (BBR): la cantidad de personas que hacen clic en el botón Atrás desde el sitio a los SERP y luego ocultan el sitio de sus resultados, hacen clic en otro sitio o refinan su consulta. Al igual que CTR, es probable que Google haga ajustes cuando el BBR sea mucho mejor o mucho peor de lo esperado.
La tasa de rebote generalmente se puede usar como un proxy para medir su BBR, pero hay algunas limitaciones:
- La tasa de rebote se mide como el porcentaje de sesiones de páginas vistas individuales. La tasa de rebote es el número que presionó el botón de retroceso.
- La tasa de rebote incluye a las personas que hacen clic en enlaces externos en su sitio (incluidos los anuncios), la tasa de rebote no.
- La tasa de rebote incluye a las personas que cierran la pestaña o la ventana del navegador, la tasa de rebote no.
- Algunos sitios proporcionan la respuesta completa que los usuarios buscan en una sola página. Dichos sitios pueden tener altas tasas de rebote, pero bajas tasas de rebote.
- La tasa de rebote se puede dividir dividiendo artículos en varias páginas. Esa táctica perjudica la tasa de rebote.
Además, como lo han señalado otras respuestas, Matt Cutts de Google declaró que la tasa de rebote no se usa a su conocimiento como parte del algoritmo de clasificación. No dijo nada sobre la tasa de rebote (que es sutilmente diferente).
Estoy convencido de que Google usa estas señales en función de mi experiencia con un sitio en el que estaba haciendo el SEO. Era un tipo de sitio de productos. Nos dimos cuenta de que simplemente no podíamos clasificar algunos productos para sus palabras clave específicas, a pesar de verter grandes cantidades de pagerank interno en ellos. Un patrón que surgió fue que los productos que no estaban clasificados tenían menos contenido que los que sí estaban clasificados. El contenido no siempre significaba mucho texto, teníamos varios tipos de contenido:
- Una lista de lugares para comprar el producto.
- Precios de múltiples proveedores
- Opiniones escritas por los usuarios sobre el producto
- Imágenes profesionales del producto.
- Imágenes del remitente del usuario del producto
- Enlaces externos a otros sitios con artículos sobre el producto.
- Un mapa de dónde se puede encontrar el producto cerca de usted
Nos dimos cuenta de que muchos de estos tipos de contenido serían difíciles de medir para Google directamente. ¿Realmente sabía que había un mapa en la página? ¿Intentaba detectar la presencia de precios? Todas las reseñas de los usuarios estaban en sus propias páginas, ¿podría realmente medir la cantidad de texto asociado con cada producto rastreando muchas páginas y sumando los totales? Teorizamos que sería mucho más fácil para Google medir cómo reaccionan los usuarios a la página y ajustar las clasificaciones en lugar de tratar de medir la cantidad de contenido directamente.
Primero, hicimos algunos cambios en cómo se midió nuestra tasa de rebote. Implementamos "eventos" para que cuando los usuarios hagan clic en los enlaces externos, se mida en análisis. También incluimos "eventos" para elementos como mover el mapa y desplazarse hacia abajo en la página. Pensamos que cuando un usuario interactúa con la página, no debe contar como un rebote, incluso si ese usuario no vio más de una página en el sitio.
Luego correlacionamos la tasa de rebote con la cantidad de contenido que teníamos para cada producto. Los resultados fueron mucho más dramáticos de lo que esperábamos. Para los productos sin contenido, la tasa de rebote fue de alrededor del 90%. Para los productos con muchos tipos de contenido, la tasa de rebote fue inferior al 15%. Los productos con cierto contenido quedaron en el medio. Podríamos usar esto para ver qué tipo de contenido los usuarios encontraron más valioso. También podríamos valorar la solicitud de la décima revisión del usuario en lugar de desenterrar el primer enlace externo a un artículo.
Las clasificaciones también se correlacionaron muy estrechamente con esta tasa de rebote. Necesitábamos menos enlaces internos que apuntaran a páginas con una tasa de rebote muy baja para lograr que ocuparan el puesto número 1 que las páginas con una tasa de rebote moderadamente más alta.