紫色方框区域表示四分位距（IQR），即观测值的 25% 到 75% 之间的值。每个“框”（按排序位于中间的线），而从框延伸出的线（称为“须”）代表 1.5 倍 IQR。须线外的点称为“异常值”，显示每个等级的观测集的范围。尽管采用了对数尺度，我们仍可以看到中位数从排名第 10 位明显上升至排名第 1 位，这表明权益链接的数量可以成为影响 Google 排名的一个因素。
让我们用密度图进一步探索这个问题。 密度图与分布（直方图）非常相似，但显示的是平滑 约旦电报数据库 的线条而不是数据的条形图。与直方图非常相似，密度图的峰值显示数据值集中的位置,有助于比较两个分布。下面的密度图中，我将数据分为两类：（i）出现在排名1-10 的 SERP 第 1 页上的结果为粉红色；（ii）出现在 SERP 第 2页上的结果为蓝色。
我还绘制了两个分布的中位数，以帮助说明第 1 页和第 2 類和第 从这两个密度图可以推断出，第 1 页的 SERP 结果比第 2 页的结果具有更多外部部(UEID) . 您还可以在下面在到这两个类别的中值，这清楚地表明第 1 页 (38) 的值远夡页面(11) 因此،我们现在有一些数字可以作为反向链接 SEO 策略的基础. # 根据结果（cser_rank）所在的SERP 页面在 R 中创建一个因子 > نتائج$rankBin <- 粘贴（“页面”，天花板（The Results$cser_rank / 10）） > 结果 $rankBin <- 因子（结果 $rankBin） # 现在通过调用 "ٹیپ لگائیں"报告 SERP 页面的中位数 > ٹیپ کریں（结果$moz_ueid，结果$rankBin，中位数） 第 1 页 第 2 页 38 11 由此，我们可以推断出公平反向链接 (UEID) 很重要，如果我根据这些数据向客户提供建议，我会说帮助他们进入 SERP 的第 1 页。