SEO的A / B分割测试 – 现在是时间

戳了熊 – 一个经典的SEO故事

如果你已经在SEO游戏足够长(但特别是在机构/客户情景中),你熟悉“戳了”的游戏承担“我们都经常使用搜索引擎:对网站进行更改,等待搜索引擎拾取更改,然后监视正面,中性或负面影响。如果你很幸运,你有多年的经验或良好的管制,你知道熊真的喜欢你在左耳后面划伤。或者你将网站变化与疯狂的放弃只能发现戳了眼睛的熊是呃的保证之旅,如果你的排名恢复了。

但是许多SEO的现实’经验在于两者之间。一旦我们完成了基线最好的实践E优化,我们进入假设的领域:试图根据我们的先前经验,SERP分析,竞争分析以及浮动在浮动的百万SEO博客帖子的碎片上我们的大脑。基于这些假设,我们对我们的网站进行了增量变化和“熊”。有时候,“Googlebear”是友好而有益的。其他时候它是非常脾气暴躁。有时回应很慢。其他时间与闪电速度反应。多次,它盯着情感和眨眼,好像要问我们认为任何这一切都会在第一位置有所作为。

SEO测试的困境

如果你喜欢我,你就希望多次有更好的方法在某种可扩展级别进行SEO测试。或者更令人痛苦地戳Googlebear。

在较小的定制场所,对SEO进行修改和测试结果可以非常简单。该网站的范围越小,通常是较少的模板,使其在内容,标记,结构,导航和其他元素中更加难以展开。您可以进行这些更改,然后监控SERP位置以进行积极影响。任何时候你的SEO实验都会引导你误入歧途,通过恢复几页的改变来说,它相对容易进行校正。

网站变为越大,后端的复杂性越复杂,页面越来越多模板化以处理纯粹的内容量。在ROI革命,我们主要与EcommerC合作与数千到数百万产品的任何地方的网站。如果我想测试一个产品页面上的新修改,请看看它是否具有积极的SEO影响,那么我可能会因为它的模板性质而试验到所有产品页面上的修改。应用于这些网站的变更可以是一个“全部或全无”的事件,扫除后果(无论好坏),例如,一百万页突然有一个基于我的假设的新格式。如果我的假设是正确的,那么它都是高的凤和彩虹。但是,如果我的假设是错误的,那么所有产品页面都需要很长一段时间来获得reindex,在恢复这些改变时让我陷入困境。谷歌很快就脱掉了收益,但恢复损失很慢。

th是在大型站点上的规模上测试SEO改进的头痛的一个例子。问题不是我们无法扩展 – 这是我们必须缩放它!我们会更好地测试一部分较小的页面,以确定它们是否在将这些更改应用于所有页面之前生成正效。

一个独特的有利点 – SEO的PEEK进入网站A / B测试

通过我的角色领先的ROI革命的网站优化服务集团,我很幸运地领导团队,专门从事两个非常独特的在线营销领域:

SEO

(搜索引擎优化,您可能熟悉)和 CRO (转化率优化)。这两个学科都试图优化我们的用户体验Bsite实现了理想的结果。 CRO团队的目标是增加特定用户行动的可能性(对于电子商务网站,通常在漏斗中提前完成购买或某种操作)。 SEO团队的目标也是提高特定用户行动的可能性。但在他们的情况下,“用户”是一个搜索引擎,目标是搜索引擎对网站进行排名。 通过SEO,显然是人类的用户对您的网站所做优化的影响,但是对于本次讨论的目的,我们将假设您正在做的事情排名很好也是好的您网站上的人类用户。

网站A / B检测

我们为客户在CRO方面做的大多数工作是创建和执行用户验商imentation策略。这样做的最常用方式是利用A / B测试平台,例如AB美味,VWO或Google优化。

如果您不熟悉A / B测试,则它通过将所有流量占用到特定页面(或页面类型),并将正常体验服务于用户的一半,而另一半遇到a不同,改性经验:

一个SEO A / B测试业务流的简单图示。实际上,您可以在多个不同修改体验中拆分近无限百分比的流量,但经典50%/ 50%A / B检验为您提供了最简单的示例的测试工作原理。Simple illustration of a website A/B test’s traffic flow. Simple illustration of a website A/B test’s traffic flow.

这种实验的基础是假设用户的网站经验更有可能完成一个动作(如在电子商务站点上完成结账)。然后根据这一假设修改您的网站体验,并为您的一部分提供此修改经验。您对您的网站进行的修改类型可以从简单(页面顶部的横幅广告免费送货)到非常复杂的(完全重建结账流程)和所在的一切。

测试平台利用各种统计模型,以确定您的测试结果是否可以信任。这通常被称为“统计显着性”。如果测试结果有统计学意义,你有更多的信心,即测试的结果不是随机的机会。

如果你的假设是相应的CT(您的测试获奖),您可以永久地实现您的网站上的测试更改,相信它会产生积极的影响。如果您的假设不正确(您的测试丢失),那么您从似乎似乎是当时似乎是一个好主意的潜在昂贵的错误。

这是证明之前的变化价值的好方法制造它们,当转换率的最轻微的转变时,这是一个非常重要的转换率可能会影响数百万美元的收入。

大多数网站A / B检测平台的条纹好处

除了是一种令人敬畏的方式,可以获得对您的用户的激励触发和摩擦点的洞察,其中许多额外的奖金A / B测试平台是它们独立于yo运行UR公司的(或客户)开发队列,允许您更快地移动较少的繁文缛节。

传统上,您需要从Dev团队和其他利益相关者的批准将网站变化进入Dev Sprints,然后必须等待轮到您在查看您的更改之前提出在队列中现场。通过利用客户端脚本方法,测试平台允许您创建代码(通过WYSIWYG编辑器或代码编辑器),该代码在用户浏览器中加载时运行。测试平台的代码在浏览器中构建页面时运行,它重新排列页面以毫秒为单位。最终用户对此更改的更愿意,您的Dev团队不必举手。

如果修改的测试经验是胜利者,只有Zh您是否可以参与开发人员 – 并且您可以轻松向他们展示使您建议的网站变更的收入影响。

将A / B检测原则应用于SEO

如果你喜欢我,我第一次看着SEO工作我们正在做和对比我们正在做的CRO工作,我想,“宾果。让我们做一个/ b seo split测试,以确定策略是否会在滚动满量程之前工作。“

在理论上听起来很好,有几个绊倒块:

1

的用户群

使传统网站A / B测试成为可能的是人群的大小(即测试中的人数),这决定了测试了多长时间需要运行。经过足够的人在考试中,我们可以到达关于我们测试影响的统计学意义。

问题是,如果我们正在运行测试以确定在谷歌排名算法上的站点修改的影响,那么我们的测试中只有一个“用户” :Googlebot。这本身就爆发了对SEO进行传统A / B检验的整个概念。

那么,我们如何解决这个问题?

基于Bot的A / B检测

如果您从先前的A / B测试中记载,我们需要“控制”经验和至少一个“变异“经验(AKA我们正在测试的新修改)。然后我们需要一个页面或页面来测试,我们需要大量的用户来显示控制和变化。然后,我们可以比较两个经验如何相互执行:

Simple illustration of an SEO A/B test traffic flow. SEO A / B测试交通流量的简单的说明。 Simple illustration of an SEO A/B test traffic flow.

通过SEO分离测试,您必须将模型翻转在其头上。由于您无法测试用户群体,因此您必须测试一群页面。而不是在两个经验之间拆分用户,你将平等地拆分页面,而是将不同的体验(AKA修改)应用于每组页面,然后通过其正常爬网例程将这些页面馈送到搜索引擎中:

Simple illustration of an SEO split testing process. 一个SEO分裂测试过程的简单图示。除了它不是,这对人类用户来说,这是一个如此之类的A / B测试。 Simple illustration of an SEO split testing process.

您将在三十天内监测两次经验的排名和流量向当前的基线编辑。如果修改经验组中包含的页面在经验的持续时间内看到正排名(并且控制组是平坦的或向下),那么您可以自信地实现对模板的那些修改,将更改应用于所有内容您网站上的类似页面。

服务器端实现

在我的概述A / B测试工作的概述中,我提到了利用客户端测试的边缘好处是它可以保持您每次想要测试更改时都会涉及开发人员。

上面描述的是一个繁重的任务。相反,n利用像大多数用户聚焦的测试平台一样的简单“客户端”脚本方法,先前需要在网站的服务器和/或CDN中集成的任何类型的SEO A / B测试工具,以便在它们之前进行更改送了“在线”。这些解决方案经常是家庭成长和笨重的。一些服务提供商确实进入市场提供SEO测试解决方案,但仍然需要进行测试的服务器端渲染,引入与家居溶液相同的头痛。

常绿机器人的美丽

在SEO的古老天,搜索引擎没有“渲染”网页。他们只是通过源代码扫描并根据该信息进行排名决策。最终,搜索引擎意识到他们真的应该是根据最终用户实际看到的内容进行决策,而不仅仅是被挤压为(或从)服务器的源代码响应的内容。为解决此问题,他们开始以相同的方式呈现网页并在进行排序决策时使用此视觉呈现的页面的此视觉呈现版本。

随着越来越多的网站开始利用JavaScript才能建立在其浏览器中看到的最终用户,搜索引擎无法跟上。在最长的时间内,谷歌依赖于过时的Chrome渲染页面。作为SEO,我们在他们的网站上使用尖端JS在客户端上不断发挥Whack-A-Mole游戏,但谷歌无法“看到”内容,因为它无法正确呈现它。

2019年

谷歌宣布Googlebot的渲染引擎将成为“常青”。这意味着,每次更新谷歌的Chrome浏览器时,GoogleBot都将使用最新版本的浏览器作为其渲染引擎。 后不太长时间,Bing发布了宾波特也是常绿的,并且总是从边缘浏览器中使用最新的渲染引擎。 这是SEO的A / B测试的巨大交易。如果宾波特和Googlebot的渲染引擎是常见的,那么我们可以感到相信几乎任何我们正在运行的JavaScript通过测试工具的站点将由搜索引擎确认。

这意味着现在可以提供具有使用户聚焦的A / B测试的相同的客户端编码机制如此易于实现到SEO A / B测试仪!

期望SEO A / B测试繁荣

我会诚实。因为我花了近15年来烦恼搜索引擎如何正确处理javascript,当常绿机器人宣布时,我不想相信它。先入为主的概念在SEO世界难以死亡。连接常绿机器人之间的点和做更多SEO测试的能力并不是一个明显的结论。

然而,鉴于我在去年的情况下看到了什么,Googlebot能够呈现最多javascript在页面加载上正确,我认为我们在SEO测试中的一个真正的转折点。我个人很兴奋,即Semrush这样的公司正在推出像

Splitsignal的客户端A / B测试平台

。我在CRO Indus的经历尝试建立了我对客户端测试的信心,这已经成功地发生了多年。使用搜索引擎机器人跟上时代,它可以将基于机器人的A / B测试方法与客户端测试平台组合起来。

基于机器人的A / B测试可能是矫枉过正的较小的网站。但对于大型CMS驱动的网站,如电子商务平台和大型内容集线器,具有成千上万(和更多)页面,这是与我们的优化策略更具战略性的好方法。

或者,换句话说,使游戏“戳熊”更有价值!如果你是intere