{"id":3941,"date":"2026-06-29T09:22:33","date_gmt":"2026-06-29T08:22:33","guid":{"rendered":"https:\/\/www.gironi.it\/blog\/?p=3941"},"modified":"2026-06-29T09:29:43","modified_gmt":"2026-06-29T08:29:43","slug":"ctr-atteso-vs-reale","status":"publish","type":"post","link":"https:\/\/www.gironi.it\/blog\/ctr-atteso-vs-reale\/","title":{"rendered":"CTR atteso vs reale: trovare le pagine che rendono meno della loro posizione"},"content":{"rendered":"\n<p class=\"wp-block-paragraph\">Chi passa le giornate dentro Search Console conosce quel piccolo fastidio: una pagina \u00e8 stabilmente in terza posizione, eppure i clic sono pochi, un CTR che parrebbe da fondo pagina.<br>La domanda che ci poniamo, di solito, \u00e8 quella sbagliata: non \u00abquanti clic prende?\u00bb, ma quella pi\u00f9 scomoda \u2014 \u00abquanti clic <em>dovrebbe<\/em> prendere, stando dov&#8217;\u00e8?\u00bb. Finch\u00e9 non abbiamo un termine di paragone, un CTR del 3% non dice niente: per la posizione 8 sarebbe ottimo, per la 2 un piccolo disastro.<br>Quello che ci manca, per giudicare, \u00e8 un CTR atteso: il valore con cui confrontare quello reale.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Abbiamo avuto modo di vedere, parlando di <a href=\"https:\/\/www.gironi.it\/blog\/correlazione\/\">correlazione<\/a>, che posizione e CTR si muovono insieme lungo una curva ripida; e che il passo successivo \u2014 usare una variabile per prevederne un&#8217;altra \u2014 \u00e8 il mestiere della <a href=\"https:\/\/www.gironi.it\/blog\/regressione-lineare-semplice\/\">regressione lineare<\/a>.<br>Qui i due fili si annodano: trasformiamo quella curva in un <strong>CTR atteso<\/strong> e misuriamo, pagina per pagina, di quanto ciascuna se ne discosta. \u00c8 il modo per smettere di leggere i CTR come numeri assoluti e iniziare a leggerli per quello che sono davvero: scostamenti da una norma.<\/p>\n\n\n\n<!--more-->\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Di cosa parleremo<\/strong>:<\/p>\n\n\n\n<ul class=\"wp-block-list\"><li><a href=\"#perche-baseline\">Perch\u00e9 un CTR, da solo, non significa niente<\/a><\/li><li><a href=\"#modellare-la-curva\">Modellare la curva del CTR: tre strade<\/a><\/li><li><a href=\"#esempio\">Un esempio con dati di Search Console<\/a><\/li><li><a href=\"#residui\">I residui: chi rende meno di quanto dovrebbe<\/a><\/li><li><a href=\"#interpretare\">Leggere gli scostamenti senza farsi ingannare<\/a><\/li><li><a href=\"#prova-tu\">Prova tu<\/a><\/li><li><a href=\"#per-approfondire\">Per approfondire<\/a><\/li><\/ul>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"perche-baseline\">Perch\u00e9 un CTR, da solo, non significa niente<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Esistono tabelle di settore che dicono quanto &#8220;dovrebbe&#8221; valere il CTR di ogni posizione: la prima intorno al 25-30%, la seconda sotto la met\u00e0, e cos\u00ec via a scendere. Sono utili come orizzonte generale, ma per giudicare le <em>nostre<\/em> pagine portano fuori strada: il CTR dipende dal tipo di query (un marchio cliccatissimo o una ricerca informativa fredda), dal settore, da quanto la SERP \u00e8 affollata di annunci e <em>rich snippet<\/em>.<br>Il CTR medio di &#8220;posizione 3&#8221; su un benchmark americano di e-commerce non ha quasi nulla da dire al nostro blog tecnico in italiano.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La via d&#8217;uscita \u00e8 smettere di confrontarci con una tabella esterna e costruirci la curva di riferimento <em>sui nostri stessi dati<\/em>.<br>Prendiamo tutte le pagine, le loro posizioni medie e i loro CTR, e tracciamo la curva che descrive l&#8217;andamento tipico del CTR al variare della posizione <em>per come funziona il nostro sito<\/em>. Quella curva diventa il metro: il CTR atteso di una pagina \u00e8 il valore che la curva le assegna, data la sua posizione.<br>Lo scostamento fra il CTR reale e quel valore atteso \u00e8 l&#8217;informazione che cercavamo.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Un CTR ha senso solo accanto alla posizione che l&#8217;ha prodotto: \u00e8 lo scostamento dalla curva, non il numero assoluto, a dirci se una pagina sta lavorando bene o sta lasciando clic sul tavolo.<\/strong><\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"modellare-la-curva\">Modellare la curva del CTR: tre strade<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Costruire la curva significa stimare una funzione che, data la posizione, restituisca il CTR atteso. La forma di quella curva la conosciamo gi\u00e0 a occhio: parte alta, crolla a precipizio nelle prime posizioni e poi si appiattisce verso lo zero. Una retta non la descrive; serve qualcosa che curvi.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">C&#8217;\u00e8 per\u00f2 un dettaglio che cambia tutto il modo di ragionare, ed \u00e8 il tipo di scostamento che ci interessa.<br>A noi non importa che una pagina prenda &#8220;due punti di CTR in meno&#8221; dell&#8217;atteso: in cima alla SERP due punti sono briciole, in fondo sono un raddoppio. Ci interessa lo scostamento <em>moltiplicativo<\/em> \u2014 &#8220;rende la met\u00e0 di quanto dovrebbe&#8221;, &#8220;rende il doppio&#8221;.<br>E lo scostamento moltiplicativo si maneggia bene su scala logaritmica, dove un rapporto diventa una differenza.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La forma pi\u00f9 naturale per una curva di questo tipo \u00e8 la <strong>legge di potenza<\/strong>, cio\u00e8 l&#8217;idea che il CTR sia proporzionale alla posizione elevata a un esponente negativo:<\/p>\n\n\n\n\\( \\text{CTR} = a \\cdot posizione^{b} \\\\ \\)\n\n\n\n<p class=\"wp-block-paragraph\">dove \\( a \\) fissa il livello generale e \\( b \\) (negativo) governa la rapidit\u00e0 della discesa. Il bello arriva prendendo il logaritmo di entrambi i lati, che trasforma quella curva in una retta:<\/p>\n\n\n\n\\( \\log(\\text{CTR}) = \\log(a) + b \\cdot \\log(posizione) \\\\ \\)\n\n\n\n<p class=\"wp-block-paragraph\">In altri termini: il logaritmo del CTR \u00e8 una funzione <em>lineare<\/em> del logaritmo della posizione. E stimare una retta \u00e8 esattamente ci\u00f2 che sappiamo fare con la regressione. Da qui, tre strade per costruire la curva.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La prima, e quella che consiglio come cavallo di battaglia, \u00e8 una <strong>regressione lineare sui logaritmi<\/strong> \u2014 <code>lm(log(ctr) ~ log(posizione))<\/code>. \u00c8 in R base, \u00e8 interpretabile (la pendenza \\( b \\) \u00e8 l&#8217;elasticit\u00e0 del CTR alla posizione: di quanto cala in percentuale il CTR a ogni punto percentuale di posizione in pi\u00f9), e i suoi residui sono gi\u00e0 su scala logaritmica, quindi <em>moltiplicativi<\/em>, proprio come ci serve.<br>Si estrapola anche a posizioni poco osservate, e la si pu\u00f2 <strong>pesare per le impression<\/strong> (<code>weights = impression<\/code>), cos\u00ec le pagine con due clic in croce non sbilanciano la curva quanto quelle con decine di migliaia di visualizzazioni. \u00c8 una scelta pragmatica pi\u00f9 che il peso teoricamente ottimo (per una proporzione la varianza dipende anche dal CTR stesso), ma nella pratica funziona benissimo.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La seconda \u00e8 la <strong>regressione non lineare<\/strong> con <code>nls<\/code>, che stima direttamente \\( a \\) e \\( b \\) sulla scala naturale del CTR senza passare per i logaritmi. \u00c8 un raffinamento elegante, ma va innescato con valori di partenza sensati (che si pescano proprio dalla regressione log-log) e su dati sporchi pu\u00f2 non convergere. La tengo per quando serve un parametro pulito da mettere in un report, non come punto di partenza.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La terza \u00e8 il <strong>lisciamento locale<\/strong> con <code>loess<\/code>, che non impone nessuna forma alla curva e la lascia &#8220;disegnare ai dati&#8221;. \u00c8 perfetto per <em>vedere<\/em> l&#8217;andamento a colpo d&#8217;occhio, ma traballa sulle code (poche pagine in prima posizione) e soprattutto non estrapola: fuori dall&#8217;intervallo osservato non sa che dire. \u00c8 uno strumento esplorativo, non il modello su cui costruire i giudizi.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Dunque: partiamo dalla regressione log-log pesata per le impression come modello di lavoro, la confrontiamo a occhio con un <code>loess<\/code> per controllare che non stiamo forzando una forma sbagliata, e passiamo a <code>nls<\/code> solo se ci serve l&#8217;esponente esplicito. Vediamola al lavoro.<\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"esempio\">Un esempio con dati di Search Console<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Partiamo da un estratto come quello che chiunque pu\u00f2 scaricare da Search Console: una riga per pagina, con le impression, i clic e la posizione media. Nella realt\u00e0 il CTR \u00e8 il rapporto fra clic e impression; qui, trattandosi di dati d&#8217;esempio, facciamo il percorso inverso \u2014 fissiamo un CTR plausibile e ricostruiamo i clic.<br>Costruisco la tabella in R con dodici pagine di esempio (con dentro, di proposito, un paio di casi anomali):<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>gsc &lt;- data.frame(\n  pagina     = c(\"\/guida-seo-tecnica\",\"\/checklist-audit-seo\",\n                 \"\/guida-keyword-research\",\"\/calcolatore-roi-campagne\",\n                 \"\/tutorial-google-analytics\",\"\/glossario-statistica\",\n                 \"\/recensione-tool-seo\",\"\/guida-link-building\",\n                 \"\/analisi-dei-competitor\",\"\/modello-attribuzione\",\n                 \"\/report-posizionamento\",\"\/ottimizzazione-meta-tag\"),\n  impression = c(  9800, 5400, 12500, 2100, 7600, 1500,\n                   8300, 4200,  6100,  900, 3300, 1800),\n  posizione  = c(  1.3,  2.1,   3.4,  4.0,  4.6,  5.2,\n                   2.8,  6.1,   7.0,  8.3,  9.1, 10.2)\n)\n# CTR osservato (in genere lo si calcola come click \/ impression)\ngsc$ctr   &lt;- c(0.232, 0.150, 0.034, 0.071, 0.066, 0.060,\n               0.171, 0.048, 0.041, 0.012, 0.031, 0.028)\ngsc$click &lt;- round(gsc$impression * gsc$ctr)<\/code><\/pre>\n\n\n\n<p class=\"wp-block-paragraph\">Stimo ora la curva del CTR atteso con la regressione sui logaritmi, pesando ogni pagina per le sue impression:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>fit &lt;- lm(log(ctr) ~ log(posizione), data = gsc, weights = impression)\nround(coef(fit), 3)\n# (Intercept)  log(posizione)\n#      -1.240          -1.088<\/code><\/pre>\n\n\n\n<p class=\"wp-block-paragraph\">La pendenza \u00e8 <strong>\u22121,088<\/strong>: un valore vicino a \u22121 racconta una curva quasi inversamente proporzionale, in cui raddoppiare la posizione (passare, diciamo, dalla 3 alla 6) taglia il CTR all&#8217;incirca della met\u00e0.<br>\u00c8 la stessa caduta ripida che avevamo intravisto misurando la correlazione, ora per\u00f2 scritta in una formula che possiamo <em>interrogare<\/em>: dato un numero di posizione, ci restituisce il CTR tipico che quella posizione comporta sul nostro sito.<\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"residui\">I residui: chi rende meno di quanto dovrebbe<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Avere la curva significa poter calcolare, per ogni pagina, il suo CTR atteso e confrontarlo con quello reale. Il confronto, lo abbiamo detto, va fatto in termini di rapporto e non di differenza: <code>rapporto = ctr_reale \/ ctr_atteso<\/code>. Un valore intorno a 1 dice che la pagina rende quanto previsto; molto sotto 1 che lascia clic sul tavolo; molto sopra 1 che cattura pi\u00f9 della sua quota.<br>Calcolo il CTR atteso, il rapporto e segnalo i casi che si discostano davvero \u2014 ma solo se hanno abbastanza impression da rendere il loro CTR affidabile:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>gsc$ctr_atteso &lt;- exp(predict(fit))           # torno dalla scala log a quella naturale\ngsc$rapporto   &lt;- gsc$ctr \/ gsc$ctr_atteso\n\ngsc$flag &lt;- ifelse(gsc$rapporto &lt; 0.6 &amp; gsc$impression &gt;= 1000, \"SOTTO\",\n             ifelse(gsc$rapporto &gt; 1.4 &amp; gsc$impression &gt;= 1000, \"SOPRA\", \"ok\"))\n\ngsc[order(gsc$rapporto),\n    c(\"pagina\",\"posizione\",\"impression\",\"ctr\",\"ctr_atteso\",\"rapporto\",\"flag\")]<\/code><\/pre>\n\n\n\n<p class=\"wp-block-paragraph\">n.b. il <code>predict<\/code> ci d\u00e0 il logaritmo del CTR atteso, perch\u00e9 \u00e8 su quella scala che abbiamo stimato il modello: l&#8217;<code>exp<\/code> lo riporta in CTR vero e proprio. A rigore l&#8217;<code>exp<\/code> ci restituisce la <em>mediana<\/em> del CTR atteso, non la media aritmetica (sotto errori log-normali la media vera \u00e8 un filo pi\u00f9 alta), ma per i rapporti relativi che ci interessano la distinzione \u00e8 ininfluente.<br>L&#8217;output, ordinato dal rapporto pi\u00f9 basso al pi\u00f9 alto:<\/p>\n\n\n\n<figure class=\"wp-block-table\"><table><thead><tr><th>pagina<\/th><th>posizione<\/th><th>impression<\/th><th>ctr<\/th><th>ctr_atteso<\/th><th>rapporto<\/th><th>flag<\/th><\/tr><\/thead><tbody><tr><td>\/modello-attribuzione<\/td><td>8,3<\/td><td>900<\/td><td>0,012<\/td><td>0,029<\/td><td>0,41<\/td><td>ok<\/td><\/tr><tr><td>\/guida-keyword-research<\/td><td>3,4<\/td><td>12500<\/td><td>0,034<\/td><td>0,076<\/td><td>0,44<\/td><td><strong>SOTTO<\/strong><\/td><\/tr><tr><td>\/guida-seo-tecnica<\/td><td>1,3<\/td><td>9800<\/td><td>0,232<\/td><td>0,218<\/td><td>1,07<\/td><td>ok<\/td><\/tr><tr><td>\/calcolatore-roi-campagne<\/td><td>4,0<\/td><td>2100<\/td><td>0,071<\/td><td>0,064<\/td><td>1,11<\/td><td>ok<\/td><\/tr><tr><td>\/checklist-audit-seo<\/td><td>2,1<\/td><td>5400<\/td><td>0,150<\/td><td>0,129<\/td><td>1,16<\/td><td>ok<\/td><\/tr><tr><td>\/analisi-dei-competitor<\/td><td>7,0<\/td><td>6100<\/td><td>0,041<\/td><td>0,035<\/td><td>1,18<\/td><td>ok<\/td><\/tr><tr><td>\/report-posizionamento<\/td><td>9,1<\/td><td>3300<\/td><td>0,031<\/td><td>0,026<\/td><td>1,18<\/td><td>ok<\/td><\/tr><tr><td>\/guida-link-building<\/td><td>6,1<\/td><td>4200<\/td><td>0,048<\/td><td>0,040<\/td><td>1,19<\/td><td>ok<\/td><\/tr><tr><td>\/tutorial-google-analytics<\/td><td>4,6<\/td><td>7600<\/td><td>0,066<\/td><td>0,055<\/td><td>1,20<\/td><td>ok<\/td><\/tr><tr><td>\/ottimizzazione-meta-tag<\/td><td>10,2<\/td><td>1800<\/td><td>0,028<\/td><td>0,023<\/td><td>1,21<\/td><td>ok<\/td><\/tr><tr><td>\/glossario-statistica<\/td><td>5,2<\/td><td>1500<\/td><td>0,060<\/td><td>0,048<\/td><td>1,25<\/td><td>ok<\/td><\/tr><tr><td>\/recensione-tool-seo<\/td><td>2,8<\/td><td>8300<\/td><td>0,171<\/td><td>0,094<\/td><td>1,81<\/td><td><strong>SOPRA<\/strong><\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Il caso che salta all&#8217;occhio \u00e8 <strong>\/guida-keyword-research<\/strong>: sta in terza posizione, dove la curva si aspetterebbe un CTR del 7,6%, e invece raccoglie un misero 3,4% \u2014 meno della met\u00e0 del dovuto, su dodicimila e cinquecento impression che rendono il dato solidissimo.<br>\u00c8 un&#8217;ipotesi forte e immediatamente azionabile: con ogni probabilit\u00e0 il <em>title<\/em> e la <em>meta description<\/em> non stanno facendo il loro lavoro, e una riscrittura potrebbe sbloccare clic che la posizione avrebbe gi\u00e0 meritato.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">All&#8217;estremo opposto c&#8217;\u00e8 <strong>\/recensione-tool-seo<\/strong>, che in seconda-terza posizione rende quasi il doppio dell&#8217;atteso. Non \u00e8 un problema, \u00e8 una lezione: qualcosa in quello <em>snippet<\/em> funziona benissimo \u2014 un titolo magnetico, una <em>rich card<\/em>, una corrispondenza perfetta con l&#8217;intento \u2014 e vale la pena capire cosa, per provare a replicarlo altrove. <strong>I residui non servono solo a trovare i malati: le sovra-performance sono i casi di studio da cui imparare cosa, sul nostro sito, fa cliccare.<\/strong><\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"interpretare\">Leggere gli scostamenti senza farsi ingannare<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">C&#8217;\u00e8 un dettaglio nella tabella che \u00e8 il cuore di tutto il discorso, e che \u00e8 facile mancare. <strong>\/modello-attribuzione<\/strong> ha un rapporto di 0,41 \u2014 pi\u00f9 basso ancora di \/guida-keyword-research \u2014 eppure non l&#8217;abbiamo segnalato. Il motivo \u00e8 nella colonna delle impression: novecento. Un CTR calcolato su cos\u00ec pochi dati \u00e8 quasi solo rumore, e il mese prossimo rientrer\u00e0 verso la sua media a prescindere da qualunque cosa facciamo.<br>Segnalarlo come &#8220;pagina da ottimizzare&#8221; ci farebbe inseguire un fantasma. Due pagine con lo stesso scostamento, due verdetti opposti, e a fare la differenza \u00e8 solo la quantit\u00e0 di dati che li sostiene.<\/p>\n\n\n\n<p class=\"has-light-gray-background-color has-background wp-block-paragraph\">Un avvertimento: il CTR atteso \u00e8 un <strong>valore tipico condizionato<\/strong> \u2014 la mediana che la curva associa a una posizione \u2014 non una legge di natura. Una pagina pu\u00f2 &#8220;sotto-performare&#8221; per ragioni che con il <em>title<\/em> non c&#8217;entrano nulla: una query di marca che gonfia il CTR dei concorrenti, un <em>featured snippet<\/em> o un blocco di annunci che si mangia i clic prima del primo risultato organico, un intento puramente informativo che si soddisfa gi\u00e0 leggendo lo <em>snippet<\/em>. E un CTR costruito su poche impression non misura quasi niente: regredir\u00e0 verso la sua media da solo, come abbiamo visto parlando di <a href=\"https:\/\/www.gironi.it\/blog\/regressione-verso-la-media\/\">regressione verso la media<\/a>. <strong>Un residuo negativo \u00e8 un&#8217;ipotesi da verificare \u2014 &#8220;forse qui il title rende poco&#8221; \u2014 non un verdetto da eseguire.<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Vale anche la pena ricordare che la curva la abbiamo stimata sui nostri dati, e quei dati la influenzano: una manciata di pagine molto anomale pu\u00f2 inclinarla quel tanto che basta a spostare i giudizi sulle altre.<br>Lo si vede gi\u00e0 nella nostra tabella: dieci pagine su dodici hanno un rapporto sopra l&#8217;1, ma non \u00e8 che il sito &#8220;sovra-performi&#8221; quasi ovunque. \u00c8 che l&#8217;unico grosso scostamento negativo, <code>\/guida-keyword-research<\/code>, pesa moltissimo (dodicimila e cinquecento impression) e tira la curva verso il basso, alzando di riflesso il rapporto di tutte le altre. Il &#8220;centro&#8221; della nuvola, insomma, non \u00e8 esattamente 1, e conviene leggere i rapporti in termini relativi \u2014 chi sta molto sotto e chi molto sopra il grosso del gruppo \u2014 pi\u00f9 che rispetto alla soglia secca dell&#8217;uno.<br>Per questo il peso delle impression \u00e8 prezioso, e per questo conviene rifare la curva ogni volta che il quadro cambia, invece di trattarla come una costante incisa nella pietra.<\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"prova-tu\">Prova tu<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Il modo migliore per fissare il meccanismo \u00e8 metterci le mani. Riprendendo il codice qui sopra, ci sono tre direzioni interessanti da esplorare:<\/p>\n\n\n\n<ol class=\"wp-block-list\"><li>Aggrega per <strong>query<\/strong> invece che per pagina: la stessa pagina pu\u00f2 comparire su decine di ricerche con posizioni e CTR diversi, e spesso \u00e8 l\u00ec \u2014 sulla singola query \u2014 che si nasconde l&#8217;occasione persa. La curva e i residui si costruiscono allo stesso identico modo.<\/li><li>Sostituisci la regressione log-log con un <code>loess(ctr ~ posizione)<\/code> e confronta i due CTR attesi: dove combaciano e dove divergono? Sulle code (prime posizioni, poche pagine) chi dei due ti sembra pi\u00f9 prudente?<\/li><li>Cambia la soglia di impression sotto cui non ti fidi del CTR: passando da 1000 a 3000, quali pagine escono dal radar? Il numero giusto non esiste in astratto, dipende da quanto traffico muove il tuo sito.<\/li><\/ol>\n\n\n\n<p class=\"wp-block-paragraph\">Suggerimento: la struttura non cambia mai \u2014 si stima la curva, si predice l&#8217;atteso, si guarda il rapporto. \u00c8 giocando con la soglia e con il livello di aggregazione che si capisce quanto di ci\u00f2 che chiamiamo &#8220;pagina sotto-performante&#8221; sia segnale e quanto, semplicemente, rumore.<\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<p class=\"wp-block-paragraph\">Individuare una pagina che rende meno del previsto <em>per la sua posizione<\/em> \u00e8 cugino stretto di un altro problema che ogni analista conosce: individuare un giorno che rende meno del previsto <em>nel tempo<\/em>, un crollo o un picco nel traffico che non torna con l&#8217;andamento abituale. \u00c8 lo stesso ragionamento sui residui \u2014 valore osservato contro valore atteso \u2014 spostato dallo spazio delle posizioni all&#8217;asse del tempo, dove l&#8217;atteso lo fornisce l&#8217;andamento storico della <a href=\"https:\/\/www.gironi.it\/blog\/analisi-delle-serie-storiche0-e-previsioni-di-serie-temporali-in-r-con-il-metodo-holt-winters\/\">serie<\/a>. \u00c8 esattamente il mestiere dell&#8217;<a href=\"https:\/\/www.gironi.it\/blog\/anomaly-detection\/\">anomaly detection<\/a>: distinguere il segnale dal rumore quando i numeri si muovono nel tempo \u2014 il passo naturale da cui proseguire.<\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h3 class=\"wp-block-heading\" id=\"per-approfondire\">Per approfondire<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Se vuoi approfondire la regressione, le trasformazioni logaritmiche e la lettura dei residui \u2014 l&#8217;ossatura esatta del modello che abbiamo costruito qui \u2014 <em><a href=\"https:\/\/www.amazon.it\/dp\/8891906190?tag=consulenzeinf-21\" rel=\"nofollow sponsored noopener\" target=\"_blank\">Introduzione all&#8217;econometria<\/a><\/em> di Stock e Watson \u00e8 il riferimento che consiglio: spiega con cura sia il &#8220;perch\u00e9&#8221; dei logaritmi sia il &#8220;come&#8221; si interpretano i coefficienti, partendo sempre da problemi applicati. A chi volesse spingersi oltre la legge di potenza, verso i metodi locali come il <code>loess<\/code>, <em><a href=\"https:\/\/www.amazon.it\/dp\/1461471370?tag=consulenzeinf-21\" rel=\"nofollow sponsored noopener\" target=\"_blank\">An Introduction to Statistical Learning<\/a><\/em> di James, Witten, Hastie e Tibshirani offre i capitoli giusti, con i laboratori in R sotto mano.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Chi passa le giornate dentro Search Console conosce quel piccolo fastidio: una pagina \u00e8 stabilmente in terza posizione, eppure i clic sono pochi, un CTR che parrebbe da fondo pagina.La domanda che ci poniamo, di solito, \u00e8 quella sbagliata: non \u00abquanti clic prende?\u00bb, ma quella pi\u00f9 scomoda \u2014 \u00abquanti clic dovrebbe prendere, stando dov&#8217;\u00e8?\u00bb. Finch\u00e9 &hellip; <a href=\"https:\/\/www.gironi.it\/blog\/ctr-atteso-vs-reale\/\" class=\"more-link\">Leggi tutto<span class=\"screen-reader-text\"> &#8220;CTR atteso vs reale: trovare le pagine che rendono meno della loro posizione&#8221;<\/span><\/a><\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_uag_custom_page_level_css":"","footnotes":""},"categories":[629],"tags":[],"class_list":["post-3941","post","type-post","status-publish","format-standard","hentry","category-statistica-it"],"lang":"it","translations":{"it":3941,"en":3942},"uagb_featured_image_src":{"full":false,"thumbnail":false,"medium":false,"medium_large":false,"large":false,"1536x1536":false,"2048x2048":false,"post-thumbnail":false},"uagb_author_info":{"display_name":"Paolo Gironi","author_link":"https:\/\/www.gironi.it\/blog\/author\/autore-articoli\/"},"uagb_comment_info":0,"uagb_excerpt":"Chi passa le giornate dentro Search Console conosce quel piccolo fastidio: una pagina \u00e8 stabilmente in terza posizione, eppure i clic sono pochi, un CTR che parrebbe da fondo pagina.La domanda che ci poniamo, di solito, \u00e8 quella sbagliata: non \u00abquanti clic prende?\u00bb, ma quella pi\u00f9 scomoda \u2014 \u00abquanti clic dovrebbe prendere, stando dov&#8217;\u00e8?\u00bb. Finch\u00e9&hellip;","_links":{"self":[{"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/posts\/3941","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/comments?post=3941"}],"version-history":[{"count":2,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/posts\/3941\/revisions"}],"predecessor-version":[{"id":3945,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/posts\/3941\/revisions\/3945"}],"wp:attachment":[{"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/media?parent=3941"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/categories?post=3941"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/tags?post=3941"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}