长格式内容与短格式内容：2016年哪个排名更好？ 深入研究300k页

长内容还是短内容？ 哪一个更好？ 怎么了越多越好，少即是多？ 好吧，答案是相当复杂的，需要一些解压缩。 如果您正在寻找一个简短的答案，则需要知道没有这样的事情。 根据内容和您的需求，长内容和短内容都可以更好：排名，转化，关注者，受欢迎程度，权威性，参与度，关键字优化等。

TL; DR –这是一项相当大的研究。 如果您没有时间阅读全部内容，可以浏览主要内容。

1. 我们如何进行研究和其他相关研究
2. 较短的文章与较高的排名更好地相关。
3. 微内容–只要您在23个字的标记周围，您便会立于不败之地。
4. 简短内容-尝试停留在“黄金”时间间隔内：317-327个字。
5. 中型内容-字数越高，帖子的排名就越低。
6. 内容较长的文章-较长的帖子通常与较高的排名相关联。
7. 科学形式：将您的内容设为“较短的长文章”，可以获得更多收益。
8. Google Search Console如何帮助您在长内容或短内容之间进行选择。
9. 长格式内容还是短格式内容-哪一个影响更大？
10. 结论

我们如何进行研究和其他相关研究

在引用一个字母时，有一个经常被引用的引用归因于布莱斯·帕斯卡（Blaise Pascal）（其变体归因于马克·吐温）。

我将其设置为比平常更长的时间，因为我没有时间将其缩短。

撇开虔诚而言，这句话很好地说明了如何用更少的词多说些话不仅有益，而且还可以花费更多的精力和时间。
因此，为了确定赢家，内容长或短的形式，首先我们应该问自己我们的目标是什么，然后再决定。 但是，由于我们对大约30万条随机选择的内容进行了非常深入的研究，这些内容在Google上的排名1至10排名很高，因此您的决定要容易一些。相关系数以充分利用汇总数据。

我们不想让您厌烦这项研究的技术细节，但是，请允许我们推动这项最新研究。 除了我们一直想让读者了解数字营销领域的最新发现（由我们自己记录和撰写）这一事实外，我们发现这项研究确实非常必要。 没有关于此问题的最新研究（或至少没有找到任何证据），在数字营销世界中，“内容”是一个广为流传的术语，我们认为需要进行深入研究以揭示出什么内容。内容的类型是有帮助的，为什么。 关于这个问题，有一些有趣的研究，但是它们来自大约两年前。

这项研究的结果无疑将帮助您弄清楚哪种类型的内容策略将对您有效以及为什么。 在不做进一步介绍的情况下，我会让您拿起一大杯咖啡和一个记事本，因为您可能想记下来。

长或短内容–排名的获胜者是哪一个？

多头还是空头？ 获胜者是哪种类型的内容？ 好吧，如果您需要简要了解一下，下面的图表将以非常准确的直观方式显示答案。 尽管存在一些清晰的线性段，但这并不是一个完美的线性关系。 至少对于前5个排名，可以假设平均而言，较短的文章与较高的排名具有更好的相关性。

当然，从此处推断出发布比竞争对手短的文章会使您在排名中排名更高的说法是不准确的。 不仅因为等级6至6的数据似乎使该结论无效，而且还因为未明确定义“空头”和“多头”。 例如，相对于1.000字的文章，您应该选择20字的文章吗？ 直觉的判断会说这似乎没有道理。

实际上，为了能够从数据分析中得出有效的结论，我们应该首先将其细分。 我们通过查看文章簇来完成以下操作：基于一定长度的范围：0个字，1-50个字，51-100个字，101-500个字，501-1000个字，1001-5000个字，5001- 10000个单词，10001-100000个单词和> 100000个单词。 这样划分后，景观看起来像什么？

我们可以将这两个帖子的大小间隔（以单词数衡量）看作是一种特殊情况。 一百个字用于详细说明主题的空间并不大，因此，出于所有意图和目的，这些帖子可能都属于特定类别（例如，社交网络更新以其简洁性而著称，无论是被追捧还是被追捧）根深蒂固的设计）。

毫无疑问，这是大部分内容。 从中型到中型职位，它们可以使您对主题进行全面的发展。 可能是新闻，观点或分析-无论哪种方式，我们处理高质量帖子的可能性都很高。

再次，这是一个特殊的区域。 超过5,000个单词的帖子很少见，而且其大小增加得越多，获得的信息就越少。 这些职位中的一些可以轻松地放入杂志中，而其他职位的大小可以与论文或论文相提并论。

如您所料，大多数文章的字数在100到5.000之间。 100字以内的文章占很小的百分比（刚好超过5％），而5,000字以内的文章很少（只有3.5％）。 因此，即使我们要研究这些范围中的大多数范围，我们也主要对代表最大数据百分比的范围感兴趣。

因此，让我们首先照顾一下边缘。 超过10.000字的文章是非常罕见的文章（无论是大小还是内容质量），都可能需要进行单独的讨论（实际上，大多数BA或MA论文都在10.000到100.000词之间，并且大多数博士论文限于100.000左右）个字以内，因此任何大于该长度的博客帖子都需要进行单独的分析）。

然后，我们将以1至50个字的文章作为开始。 实际上，在仔细查看下表之前，请记住，该段落恰好合计40个单词，因此适合该范围。

因此，如果这就是我们正在谈论的内容的大小，那么难于得出结论也就不足为奇了。 我们基本上是在这里看微内容。 Facebook帖子，Google +头条新闻-理想的情况是在此范围内。 很难得出最有效的结论，因为变化很小（最低和最高值之间为2.25范围），并且所有平均值与所有等级的中位数均在2个字以内。

基本上，这是一个非常公平的竞争环境，只要您在23个字的标记（给予或接受）周围，您就可以立于不败之地。 顺便说一句，最佳位置也是整个时间间隔的中间，但是鉴于时间间隔是什么，这很可能是巧合，而不是需要阅读的东西。 平均长度和等级之间的皮尔逊相关系数为中到强（-0.71），表明潜在的负相关。 而且，如果我们要忽略图表中的一些打,，听起来似乎是正确的：稍多一些的单词可能会更好。 但是话又说回来，如果您必须在22个单词的标题和25个单词的标题之间进行选择……那可能不是排名差异的来源。

推文和标题标签被认为是可以在该范围内舒适地放置的内容的主要示例。 与之前的时间间隔相比，您会注意到趋势更加平滑（如果忽略前三个等级，则实际上是一个线性趋势）。 在上下文中也很有意义。 另一方面，推文和标题标签在设计上已经很短了，因此，如果您想与他人竞争，唯一的脱颖而出的方法就是使它们不再需要。 还有一个很好的指标，即越短越好。 中位数和众数相同（56），但均低于平均值，这表明实际上有更多的实例是单词少而不是单词多。 在此间隔内，平均长度和等级之间的皮尔逊相关系数确实很强，为0.9，证明线性正相关：较高的值（针对单词数）与等级越高相关。

当然，事情还很接近。 平均值的范围是4.41（大约对应7％的变化），因此可能需要考虑其他因素。 到目前为止，这是我们所见过的第一个重要关系。

很难说出哪种类型的内容适合在此范围内（小故事，预告片或新闻？）。也很难根据图表得出结论。 皮尔逊相关系数通常表示平均单词长度和等级之间存在较小的负相关（-0.35）。 这可以粗略地解释为：稍长的内容似乎排名更高，但这在10个等级中并不一致。 排名第一的内容的平均值不仅低于第二和第三的平均值，而且第六和第八的平均值也低于第九和第十的平均值。

在这里可能会发现，值的范围仅覆盖10.12个字（平均长度之间仅相差3％），中位值为333，虽然略高于但也几乎接近所有平均值，但可能会有所帮助在上图中。 我们之前已经以1-50个字的间隔看到了这一点，结论是相似的：只要您处于“黄金”间隔（在本例中为317-327），就不会出现这种情况。关于长度的任何非常好的建议。

如今可能不再是这种情况了，但过去的传统观点认为，大多数报纸专栏的字数必须在500到700个字之间。 这意味着我们已经进入了高质量的深度发布领域。 当然，并非该单词范围内的所有内容自动都很好，但是有潜力。 因此，总的来说，更多的单词似乎与更好的排名相关联，这不足为奇。 这不仅受到图表的支持，还受到The Pearson Correlation Coefficient的支持，这似乎表明帖子长度和排名之间存在很强的负相关性（-0.84）（这意味着单词数越高，发布的可能性就越大）将处于较低的排名）。

当然，这不是一个完美平滑的线性关系。 第一位和第9位的规则存在明显的偏差。 平均值的范围不是很大，在所有间隔中最大和最小平均字数之间只有10.4。 与最小的平均单词计数值相比，这还不到1.5％。 尽管如此，即使考虑到所有这些因素，这也是我们所看到的最强的线性关系，仅次于51-100区间的线性关系。

长篇文章还活得很好。 2013年，《****》最成功的新闻报导平均约2000字，有些则更长。 即使是在线，空间也不成问题，理想的博客文章也会围绕此间隔旋转，大约1600个单词。 毫不奇怪，稍大一点似乎更好。 即使该图表显示出一条稍微高低不平的趋势线，Pearson相关系数也显示出非常强的负相关性（-0.9），这表明，一般而言，职位越长通常排名越高。 当然，要支持排名后半的趋势可能会更加困难，但是排名前五和排名后五的排名之间的差异是如此之大，以至于很难看到一个相关性。

其他一些东西似乎也支持相关假设。 范围是67.02（最小值的3.4％），比以前的字数间隔大得多。 中位数为1672，远低于所有平均字数得分，这意味着前五个等级的帖子可能比后五个等级的帖子长很多（以补偿中位数和平均值之间的差异） 。

大多数科学论文的长度通常在3.000到10.000个字之间。 这可能意味着多达20余页的文字没有图片。 即使它不是严格的科学论文，也很容易理解，为什么这样一个职位的成功与其长度（从图表中可以暗示）无关，而不是其质量。 当然，如果只看前5个等级，较短的字体可能会更好，但这不是因为篇幅本身（即使是5000字，对读者来说也是相当可观的），而是因为为简洁而进行的努力会使每个人的输出更好。

除了所有这些，重要的是要记住，与平均长度相比，单词长度的范围仍然很小。 最高值（第5位为6738.58）与最低值（第1位为6603.08）之间的差仅为135.5，仅为最小平均长度的2％。 考虑到所有因素，这里的教训可能是，如果您的内容确实很长，则使篇幅较长的文章缩短，可能会带来更多好处。

Google Search Console如何帮助您在长内容还是短内容之间进行选择

根据上下文和需求，长短可能适合不同的情况。 但是，无论您的需求是什么，都可以肯定的是：更多的内容意味着需要排名的关键字更多。 请允许我解释一下原因。

花费时间来建立内容的故事不仅仅是更好的故事，而且它们在务实上更有可能使您与众不同。 使用Google控制台，您可以找出哪种类型的内容可以使您对哪些关键字进行排名。 显然，内容越长，排名的关键字就越多。 只需添加您感兴趣的帖子的URL，您就可以查看有关谁访问了它以及为什么（他们在寻找什么）的统计信息。 它可能使您对人们正在寻找的东西以及他们的想法有很多了解。

例如，让我们看一下我们的文章之一： 53种未开发的方法来提高您的电子邮件打开率。 使用Google Search Console检查了本文之后，我们发现了一些非常有用的数据。 首先，作为一个很长的内容（超过10.000个单词），排名是如此之多的关键字。 其次，我们可以为本文找到如此多的排名可能性。 除了排名信息外，您还可以找到有关展示次数的数据。

有更多的关键词需要排名，更多的帮助可以帮助您确定哪种类型的内容有效，哪种类型的无效。 我们通过博客中的另一篇文章进行了相同类型的分析，其中39种很少使用的SEO技术会使您的访问量增加一倍。 这篇文章很成功，引起了很多分享和评论。 通过这些指标，我们能够看到文章中最“有价值”的关键字。

使用Google Search Console确定哪种类型的内容（长或短）适合您，这可能是个好主意，但仍未得到充分利用。 好处是巨大的，而投入的精力却很小。

长内容还是短内容–哪一个影响更大？

我们已经警告过您答案不是那么容易。 但是，如果我们被迫做出决定怎么办？ 结论可能是这样的：

• 微观内容（1至50个字）：您受到设计的限制，因此您最好利用更广泛的频谱，尽管适合某个范围而不是某个范围的一端更为重要。频谱;
• 微观内容（51-100个字）：您所处的场景略有不同; 您仍然受到设计的限制，但是您已经跨入了可以负担得起的地区（您的局限性更加宽容，因此现在您可以争取注意-和关注范围）;
• 简短的内容（101-500个字）：长度可能不如内容重要; 诚然，一个150字的帖子与一个450字的帖子有些不同，但是它们的共同点是，对于您要交流的内容而言，它们太长或太短。
• 中型内容（501-1000字）：传统报纸专栏作家的大街小巷，这种形式仍然有力量; 实际上，您很有可能为读者提供关于某个主题的有用的，有争议的分析，或者至少提供了有见识的观点，因此您不妨稍加推敲，并获得更多话语，而不是更少的话，如果能让您更具说服力;
• 长篇内容（1001-5.000字）：您现在已经跻身大联盟，并且如果您可以撰写一篇能够引起读者足够长时间关注的文章，请不要快点结束; 您的读者已经知道他们将长期参与其中，因此请花点时间（和文字）提供更深入的分析，更多的示例或更加清晰的信息;
• 科学形式（5.001-10.000字）：这么长的帖子并非都一定是科学的，但这可能是篇幅最好的比喻; 越短越好，但是短促并不能保证更好的结果。
• 超过10.000个字的例外情况：您不再在堪萨斯州，托托; 我们没有对此字数进行分析，因为很难确定此处可能包含哪种内容; 即使如此，一旦达到此大小，长度上的任何差异都可能不会对排名方式产生重大影响（尽管如果我们根据皮尔逊相关系数进行猜测，则越短越好）。

结论

在我们的分析中，最广泛使用的形式实际上是长篇文章，这一事实并非巧合，因为无论来源如何，深入的分析似乎都能始终如一地表现良好。 长格式允许您运行分析（如我们通常发布的分析），详细讨论案例研究并通常提供原始内容。 简短的内容（例如列表，新闻和示例）也可以，而且仍然很有必要，它们甚至可以使您分享内容，但是很多时候，简短内容只是对原始的长篇内容的重新哈希处理。 2015年最常被分享的故事根本不是您所期望的：濒危物种，屏幕成瘾，大自然中漫步，肯尼亚的大象等。当然，您看到的许多“病毒”都是列表和点击诱饵，小猫，但对优质内容的兴趣仍然很大。 您无法通过其他人正在做的事情（或共享）来取得成功。 您需要创建自己的可共享内容，这需要时间和时间。

谁做了这项研究

• 拉兹万·加夫里拉斯（Razvan Gavrilas）

  研究并审核了分析

• 科妮莉亚·科兹米克（Cornelia Cozmiuc）

  研究并撰写论文

• 艾奥努特·阿斯特拉蒂（Ionut Astratiei）

  进行了爬行
  和数据验证