La raison des tests SEO A / B

L’expérimentation est au cœur du digital marketing. Qu’il s’agisse de tester différents formats d’annonces ou d’effectuer une CRO avec des conceptions de page de destination, les tests SEO A / B vous permettent de valider les changements à grande échelle et d’améliorer votre entonnoir de conversion. Les tests A / B sont la voie à suivre – en définissant le contrôle et la variation, vous pouvez mesurer l’impact estimé avant d’intensifier les changements. Mais en matière de référencement, ce n’est pas aussi facile qu’il y paraît.

Pourquoi? La raison des tests SEO A / B

Le référencement peut être délicat. Afin de maintenir et d’améliorer sa domination sur le marché des moteurs de recherche, Google peaufine constamment son algorithme – faisant de l’art du référencement un jeu d’ajustements constants. Il y a eu plusieurs mises à jour de base au cours de la dernière année qui ont généré un buzz important dans l’industrie. Pourtant, la réalité est que Google apporte, en moyenne, de multiples changements à son algorithme de recherche chaque jour (totalisant des milliers chaque année).

Cette nature dynamique de la recherche rend votre recherche d’une visibilité SERP plus élevée et des taux de clics beaucoup plus difficile. Chaque marché de recherche et chaque domaine est unique. Par conséquent, tester différentes méta-descriptions, formats de titres, données structurées et mises en page (pour n’en nommer que quelques-uns) est nécessaire pour découvrir votre recette d’optimisation.

Un autre défi du référencement est l’incertitude quant au résultat de toute campagne ou test que vous allez exécuter. Bien que votre hypothèse puisse sembler valable, rien ne garantit qu’elle est valide.

Par exemple, les changements à l’échelle du site peuvent avoir des conséquences négatives importantes. Potentiellement cela peut réduire votre visibilité et vos CTR. Egalement, les changement peuvent ralentir considérablement votre entreprise et perdre beaucoup de temps et d’argent.

Donc, vous devez traiter le référencement comme de la recherche scientifique – en utilisant la méthode scientifique pour formuler une hypothèse, la tester, analyser les résultats et prendre des décisions éclairées à partir de là.

En exécutant d’abord des expériences contrôlées sur les changements souhaités, nous pouvons transformer tout échec potentiel en hypothèses prouvées ou rejetées, dont nous pouvons tirer des leçons et utiliser pour modifier notre approche et nos attentes pour les expériences futures.

Le problème: Les tests SEO A / B traditionnels ne fonctionnent pas pour le référencement

Avec les tests CRO (optimisation du taux de conversion) et UX (expérience utilisateur) traditionnels, vous pouvez simplement fractionner les utilisateurs en créant plusieurs versions d’une page / élément et en présentant au hasard l’une ou l’autre des versions à votre public. Ensuite, vous pouvez rassembler les résultats et exécuter un simple test du chi carré pour mesurer et valider l’impact.

Mais avec le référencement, les bots de Google ajoutent une nouvelle couche de complexité à l’équation. Vous ne pouvez pas simplement présenter deux versions de la même page Web à Google pour l’indexation, nous devons donc faire preuve d’un peu plus de créativité.

Il existe deux approches principales à cela:

Tests SEO A / B avant et après: mesure du trafic / clics / CTR pendant une période donnée, modification de la ou des pages, puis mesure de ces KPI sur le même intervalle de temps.

Test statistique A / B – fractionnement aléatoire des pages avec les mêmes mises en page / modèles en un groupe de contrôle ou de variantes, en utilisant Javascript (ou un logiciel comme Google Tag Manager) pour implémenter le changement à tester sur le bon groupe de pages, puis l’estimation de l’impact causal après une période donnée.

Malheureusement, il y a plusieurs défis et lacunes majeurs lors de l’utilisation de ces méthodes pour le référencement.

Une expérimentation appropriée nécessite l’isolement d’une seule variable de test, et les tests avant et après ne peuvent tout simplement pas accomplir cela. Il est presque impossible de savoir si un afflux de clics était dû au changement appliqué plutôt qu’à un changement du marché, de votre audience, de l’algorithme de Google, de la mise en page SERP … la liste est longue. En plus de cela, les tests avant et après doublent le temps nécessaire pour terminer l’expérience.

Les tests SEO statistiques A / B sont beaucoup plus complets et analytiquement solides; cependant, il est aussi beaucoup plus compliqué et gourmand en ressources à mener.

Le processus de division des groupes de test et de configuration de Javascript / GTM pour appliquer les changements peut être fastidieux et exigeant, et estimer l’impact causal et la signification statistique après est encore plus difficile. Lorsque les tests nécessitent un grand nombre de pages à prendre en compte, ce processus devient beaucoup moins réalisable.

Résumer:

• Les tests avant et après sont trop simplistes pour arriver à une signification statistique
• Les tests statistiques SEO A / B sont trop compliqués et accablants

Les deux méthodes nécessitent beaucoup de temps et / ou de ressources pour fonctionner correctement

Mais … et si nous pouvions prendre la nature méthodique et axée sur les données des tests A / B Split et faciliter son exécution pour le référencement?

La solution – Outils de tests SEO A / B avec SplitSignal

L’outil des tests SEO A / B de SEMrush (SplitSignal) vous permet de concevoir et d’exécuter facilement des tests fractionnés SEO avec des modèles statistiques approfondis et automatisés pour estimer avec précision l’impact causal des changements, tout en permettant également de mettre à l’échelle des tests réussis sur l’ensemble de votre site. avec facilité.

La solution est conçue pour être efficace et facile à utiliser. Vous définissez simplement les conditions d’un test, implémentez notre extrait de code Javascript et attendez les résultats de votre test.

Vous pouvez tester tous les éléments de la page tels que les titres, les balises Meta, les données structurées, les emplacements de bloc d’annonces, les balises alt, etc. Notre analyse utilise vos tendances de trafic existantes pour créer un modèle de base qui aide à déterminer l’impact estimé des changements tout en éliminant les variables externes et le bruit.

Cette méthode donne confiance dans les résultats des tests, qu’ils soient positifs ou négatifs, ce qui vous permet d’estimer avec précision l’impact des modifications potentielles à l’échelle du site.

Pensée finale

Les modifications apportées à l’algorithme de classement de Google sont inévitables et il n’existe pas de recette secrète pour augmenter le trafic organique. C’est pourquoi l’expérimentation est un élément nécessaire du référencement; en exécutant des tests avant d’effectuer une modification à l’échelle du site, une baisse potentiellement dommageable du trafic / des clics est évitée, tout en vous permettant de tester davantage de variantes.

Les tests infructueux sont également très bien, en fait, ils sont au cœur de la méthode scientifique. Une hypothèse rejetée n’est pas un échec. C’est une conclusion: quelque chose que nous pouvons apprendre et utiliser pour construire de futures itérations. Cependant, sans un moyen simple de rationaliser cette expérimentation, beaucoup de temps et de ressources peuvent être gaspillés.

Avec SplitSignal, vous pouvez rationaliser l’expérimentation sur votre site, atténuer les risques potentiels de changements à grande échelle et découvrir des gains majeurs pour votre trafic et votre visibilité organiques.

Dans quelle mesure la peur du gaspillage de ressources vous a-t-elle empêché de prendre des risques avec votre stratégie marketing? Comment justifiez-vous l’investissement dans des modifications gourmandes en ressources de votre site avec l’incertitude de leur impact?

Avec SplitSignal, vous pouvez laisser libre cours à votre créativité et faire passer votre référencement au niveau supérieur. Ne laissez pas l’aversion aux pertes limiter le potentiel marketing de votre marque.

Lire aussi:

Comment gagner de l’argent en ligne: 20 idées pour vous lancer

(24)