Ahrefs pour les backlinks, ou des crédits ? Le coût par point d'autorité

Commencez par ce que chacun propose

Ahrefs vend une suite de recherche. L'API est une porte d'entrée vers celle-ci.

Ses unités d'API sont incluses dans les abonnements, à partir de 129 $ par mois pour 200 000 unités, et une requête coûte au moins 50 unités. À ce minimum, l'abonnement achète au maximum 4 000 requêtes par mois, soit environ 0,032 $ chacune lorsque vous les utilisez toutes.

LinkMidas vend des données de liens et rien d'autre. Son appel refdomains coûte 2 crédits, soit 0,0002 $, donc en théorie le prix unitaire est environ 160 fois inférieur au minimum d'Ahrefs. C'est vrai. Mais ce n'est pas toute l'histoire, car la référence de champ montre ce que chaque appel à bas prix omet.

Les deux chiffres sont les prix de liste tels que nous les avons lus lors de la dernière mise à jour de cette page. Les plans évoluent, donc confirmez avant de budgétiser.

Évaluez le travail, pas l'unité

Un prix unitaire répond à une seule question. Comboute coûte une seule requête ? La plupart des acheteurs posent une question différente : quel sera le coût d'une décision finale ? Les deux chiffres ne se rejoignent qu'après avoir compté combien de requêtes cette décision nécessite.

Un écran coûte un crédit par domaine

Le filtrage d'une liste de vendeurs est la tâche la moins chère en matière de données de liens. Extrayez bulk_dr pour toute la liste et vous payez un crédit pour jusqu'à 2 000 domaines. Sur l'abonnement, le même écran est mesuré en unités, et une seule requête y coûte au moins 50.

C'est cet écart qui fait que les écrans semblent presque gratuits avec les crédits. Le travail est peu coûteux parce que la question est précise, pas parce que les données sont pauvres. La recette montre la requête exacte pour un écran comme celui-ci.

Un écran est aussi l'endroit où vous découvrez la structure de votre liste. Une fois que vous savez combien de domaines ne dépassent pas le seuil, les lectures plus approfondies peuvent être planifiées autour des survivants, et la facture mensuelle devient facile à prévoir.

Une lecture approfondie coûte plus cher

Une évaluation complète d'un finaliste utilise les appels refdomains, anchors et toppages, ce qui représente 6 crédits, soit 0,0006 $. Sur l'abonnement, les mêmes trois lectures puisent dans un quota mensuel, donc la facture dépend de votre niveau d'utilisation plutôt que du nombre de réponses à chaque lecture.

Les lectures approfondies sont là où les calculs deviennent intéressants. Six crédits par finaliste, c'est peu, mais une question de recherche nécessitant de nombreux finalistes et de nombreuses pages de données est là où une suite complète justifie son coût.

Comptez aussi les pages que vous lisez manuellement. Lire un article donneur ne coûte aucun crédit, mais coûte du temps, et ce temps doit entrer dans le calcul.

Comptez les questions que vous posez réellement

Notez les cinq questions que vous posez le plus souvent en un mois. Si toutes les cinq concernent les liens, un compteur de crédits convient. Si trois concernent les mots-clés ou l'historique de positionnement, l'abonnement fait la majeure partie du travail et les crédits ne font que combler les lacunes.

Gardez cette liste courte. Une liste de quarante questions a tendance à masquer les deux qui comptent le plus.

Posez les mêmes questions chaque mois. Une structure de travail régulière rend la facture facile à prévoir, et une surprise sur la facture est facile à retracer.

Coût par point d'autorité, honnêtement

Divisez le coût par ce que vous apprenez. Pour une évaluation, ce que vous apprenez est un numéro DR plus un compte de largeur.

Notre DR coûte 0 $ via l'appel de domaine et 0,0001 $ par 2 000 domaines via bulk_dr. Cela rend le prix d'une lecture d'autorité effectivement nul pour une liste de 50, et 0,00000005 $ chacun pour les 2 000 complets.

Comparez avec soin. La comparaison avec Ahrefs n'est pas équivalente, car leur notation est un nombre différent du nôtre. Ne mettez jamais les deux dans une seule colonne. Choisissez une source par décision, et si vous changez, re-scorez tout.

Là où Ahrefs gagne est facile. Il gagne en profondeur. Les données de mots-clés, le suivi de positionnement et un crawl quotidien sont tous là. Là où les crédits gagnent est le volume : si vous filtrez 3 000 vendeurs une fois, le quota d'abonnement est le goulot d'étranglement et le modèle de crédit coûte des centimes.

Choisissez la métrique avant de faire les calculs. Un coût par point n'a du sens que lorsque le point est la même chose dans les deux colonnes, et les deux échelles DR ne le sont pas. Décidez quelle lecture compte comme le point dans votre tableau, notez-le, et gardez-le fixe pour toute la comparaison. Même métrique, chaque ligne.

Ce que 100 $ achètent de chaque côté (un exemple)

Prenez le crédit d'inscription de 100 $. Il représente 1 000 000 de crédits, donc il paie pour 500 000 extractions refdomains, ou un million d'écrans bulk_dr de 2 000 domaines chacun.

Personne n'a besoin de ça. Un mois réaliste pour une petite agence pourrait être 40 listes courtes filtrées avec bulk_dr, 300 extractions refdomains et 100 extractions d'ancres, ce qui donne 40 + 600 + 200 = 840 crédits, soit 0,084 $. Ces comptes sont une charge de travail inventée, choisie uniquement pour montrer le calcul.

Considérez le crédit comme une ligne budgétaire plutôt que comme un abonnement. Vous décidez chaque mois combien dépenser, et vous pouvez arrêter à tout moment sans date de renouvellement à retenir.

Mettez cela à côté d'un abonnement mensuel de 129 $ et l'écart est clair. L'abonnement est un siège de recherche. Les crédits sont un compteur. Comparez-les seulement lorsque vous savez quel travail vous achetez, et lisez le modèle de notation pour voir où les appels à bas prix s'insèrent dans une décision.

Relisez le calcul une fois par mois. Un chiffre que personne ne regarde va dériver, et un compteur de crédits n'est honnête que lorsque quelqu'un lit le solde par rapport au travail effectué.

Faire fonctionner les deux sources via un commutateur

Certaines équipes passent d'une source à l'autre. D'autres gardent les deux pendant un certain temps. La période de chevauchement est là où se produisent la plupart des erreurs, donc planifiez-la intentionnellement. Ahrefs pour les backlinks et un compteur de crédits peuvent fonctionner côte à côte pour un cycle.

Gardez les deux en fonctionnement pour un cycle

Faites fonctionner les anciennes et nouvelles sources sur la même liste pour un cycle mensuel complet avant de passer. Deux sources côte à côte vous montrent l'écart, et l'écart est ce qu'il faut comprendre avant que tout autre changement ne survienne.

Ne mélangez pas les deux chiffres dans une seule colonne. Étiquettez chaque source dans l'en-tête, et gardez les deux ensembles de fichiers séparés dès le premier jour.

Notez la date de début du chevauchement sur la première page du tableau. Un lecteur ultérieur voudra savoir quels chiffres provenaient de quelle source, et quand le changement a eu lieu.

Rescorez tout après un changement

Si vous changez de source, chaque score antérieur est périmé. Les chiffres DR ne sont pas comparables entre deux sources, donc un candidat qui semblait fort le trimestre dernier peut se retrouver plus bas sur la nouvelle échelle.

Rescorez la liste complète sur la nouvelle source, puis commencez vos comparaisons à partir de cette date.

Si les anciennes et nouvelles figures diffèrent largement pour le même candidat, notez l'écart et la date avant de re-ranker quoi que ce soit. L'écart explique le changement mieux que le nouveau classement.

Prévoyez plus de temps pour le tableau que pour le changement

Déplacer un tableau, un script et un ensemble d'habitudes d'une source à l'autre est plus lent que de changer un seul paramètre. Gardez les anciennes sorties pour référence, afin que la première comparaison ait quelque chose contre quoi comparer.

Un run parallèle vous donne aussi une lecture de coût fiable, car les crédits et les unités dépensés pour le même travail sont côte à côte en un mois.