تست سئو A/B چیست؟

تست سئو A/B چیست؟

تست سئو A/B چیست؟

تست سئو A/B چیست؟ راهنمای راه اندازی، طراحی و اجرای تست های تقسیم سئو

تست سئو A/B چیست؟-  اجرای تست A/B برای سئو، بر خلاف برای کاربران، موضوعی پیچیده است. سردرگمی زیادی در مورد مواردی مانند طراحی آزمایش، کنترل عوامل خارجی و برخی از ابزارهایی که می‌توانند به شما در اجرای آزمایش‌ها کمک کنند، وجود دارد. این راهنمایی است که همه اینها و موارد دیگر را همراه با مطالعات موردی و آزمون های نمونه پوشش می دهد. تست سئو A/B چیست؟
چیزهای زیادی برای پوشش دادن وجود دارد، بنابراین به راحتی به هر یک از بخش هایی که بیشتر مورد علاقه شما هستند بروید:

اندازه گیری تاثیر تست های سئو
تفاوت بین تست کاربر و تست سئو چیست؟
نحوه محاسبه عوامل خارجی مانند فصلی بودن و به‌روزرسانی‌های Google
چه نوع چیزهایی را می توانید آزمایش کنید (با مطالعات موردی)

تست سئو A/B چیست و چگونه تست های تقسیم سئو را طراحی کنیم؟

دانستن اینکه تغییر در وب سایت شما چه تأثیری بر ترافیک ارگانیک موتورهای جستجو داشته است، اندازه گیری آن می تواند چالش برانگیز باشد.
صرفاً ایجاد تغییر در وب سایت خود و بررسی تأثیر معیارهایی مانند رتبه بندی و نرخ کلیک (CTR) به اندازه کافی خوب نیست. تست سئو A/B چیست؟

تا زمانی که بتوانید عوامل خارجی را کنترل کنید، هیچ راهی برای دانستن اینکه آیا تغییرات در رتبه بندی یا CTR به دلیل تغییری است که ایجاد کرده اید یا برخی عوامل خارجی دیگر وجود دارد. زیر را ببینید.

ایجاد تغییر و بررسی معیارها اغلب به عنوان قبل و بعد از آزمایش نامیده می شود. در حالی که قبل و بعد از آزمایش بهتر از اندازه‌گیری نکردن چیزی است، اما این یک آزمایش کنترل‌شده نیست و نمی‌توانید از آن برای نتیجه‌گیری محکم استفاده کنید – به راحتی می‌توان گمراه شد و فکر کرد که تغییر شما مسئول تأثیر مشاهده شده است، زمانی که می تواند به همان اندازه رقیبی باشد که سایت خود را تغییر می دهد یا بسیاری از عوامل خارجی دیگر. خرید بک لینک تضمینی 

علاوه بر نداشتن گروه کنترلی از صفحات در قبل و بعد از آزمایش، این واقعیت که مدت زمانی که موتورهای جستجو برای خزیدن در سایت شما و در نظر گرفتن تغییرات لازم است نیز غیرقابل پیش بینی است، تحلیل را پیچیده می کند. ممکن است آنی باشد یا هفته ها طول بکشد. این باعث می‌شود که به داده‌هایی مانند ترافیک یا رتبه‌بندی نگاه کنید و سعی کنید آن‌ها را با تغییری که ایجاد کرده‌اید مطابقت دهید تقریباً غیرممکن است.

تست تقسیم سئوی کنترل شده زمانی است که شما گروهی از صفحات مشابه آماری را به کنترل تقسیم می‌کنید و سپس گروه‌های مختلف را در صفحات مختلف تغییر می‌دهید.

شما می‌توانید عملکرد ارگانیک هر دو گروه را در مقابل یکدیگر و با سطح ترافیک پیش‌بینی‌شده‌ای که هیچ تغییری در سایت ایجاد نشده بود، مقایسه کنید.

در زیر شما را با نحوه عملکرد فرآیند تست A/B SEO آشنا می‌کنم، برخی از مطالعات موردی را به اشتراک می‌گذارم و به برخی از سوالات متداول پاسخ می‌دهم.

تست سئو A/B چیست؟- چه نوع وب سایت هایی می توانند آزمایشات سئو را اجرا کنند؟

برخی از وب سایت ها و بخش هایی از وب سایت ها برای اجرای تست های تقسیم SEO مناسب نیستند. برای اینکه بتوان تست ها را اجرا کرد، دو شرط اولیه وجود دارد:
شما به صفحات زیادی در یک قالب نیاز دارید.
شما به ترافیک زیادی نیاز دارید. آموزش رایگان سئو
چقدر ترافیک؟ این سوال خوبی است و به وب سایت شما بستگی دارد. به طور کلی، هرچه الگوهای ترافیک شما پایدارتر باشد، اجرای آزمایش‌ها با ترافیک کمتر آسان‌تر خواهد بود. هرچه ترافیک وب سایت شما نامنظم تر باشد، برای ایجاد یک مدل ترافیک قوی به ترافیک بیشتری نیاز خواهید داشت.
به طور کلی، ما با سایت‌هایی کار می‌کنیم که حداقل صدها صفحه در یک قالب و حداقل 30000 جلسه ارگانیک در ماه به گروهی از صفحاتی که می‌خواهید روی آن‌ها آزمایش کنید، کار می‌کنیم. این شامل ترافیک صفحات یکباره مانند صفحه اصلی شما نمی شود.

آیا امکان تست در صورت داشتن ترافیک کمتر وجود دارد؟ ما مشتریانی داریم که روی بخش‌هایی از سایت خود تست می‌کنند که فقط چند هزار جلسه در ماه دارند، اما تغییرات در ترافیک باید بسیار بیشتر باشد تا بتوان به اهمیت آماری رسید.

هرچه ترافیک بیشتر و صفحات بیشتری داشته باشید، رسیدن به اهمیت آماری آسان تر خواهد بود و تأثیر قابل تشخیص کمتر می شود.

اگرچه فهرست جامعی نیست، برخی از انواع نمونه از سایت‌هایی که برای آزمایش خوب هستند عبارتند از:

مسافرت رفتن
تجارت الکترونیک
سایت هایی با تعداد زیادی صفحات محلی
خرده فروشی
استخدام
مشاور املاک
ناشران
وب سایت های لیست (eBay، Craigslist، رویدادها)
نحوه طراحی تست A/B SEO
پنج بخش برای طراحی تست سئو وجود دارد:

انتخاب گروهی از صفحات برای آزمایش
ایجاد یک فرضیه
سطل کردن صفحات به کنترل و انواع
ایجاد تغییر
اندازه گیری نتایج
من شما را در هر مرحله راهنمایی خواهم کرد.

انتخاب صفحاتی برای تست – تست سئو A/B چیست؟

اولین کاری که باید انجام دهید این است که گروهی از صفحات را در همان قالب پیدا کنید. به عنوان مثال، در یک وب سایت تجارت الکترونیک، می توانید گروهی از صفحات دسته بندی یا صفحات محصول را انتخاب کنید. در یک سایت مسافرتی، می توانید از صفحات مقصد یا صفحات پرواز استفاده کنید. نمونه سایت سفر را در زیر ببینید.
در واقعیت، بعید است که ما هرگز آزمایشی را تنها در شش صفحه اجرا کنیم، اما اصول یکسان است، چه شش، چه ۶۰۰ یا ۶ میلیون صفحه باشد. ساده نگه داشتن آن، توضیح همه چیز را آسان تر می کند، به خصوص وقتی به بخش تجزیه و تحلیل تست می رسیم.

اگرچه تفاوت‌های زیادی بین تست سئو و تست کاربر وجود دارد (ما بعداً به آن خواهیم پرداخت)، یک چیز مشترک که هر دو دارند این است که قبل از شروع با یک فرضیه محکم شروع کنید.

ما می دانیم که: گوگل به محتوا با توجه به موقعیت آن در صفحه، سطوح مختلفی از اهمیت را می دهد.

ما معتقدیم که: انتقال محتوا به بالاتر در صفحه، اهمیت آن متن و در نتیجه ارتباط صفحه را با کلمات کلیدی هدف ما افزایش می دهد. تست سئو A/B چیست؟

ما با آزمایش می دانیم: صفحاتی که محتوای آنها در صفحه پایین تر است در مقایسه با صفحات با محتوای بالاتر در صفحه و مشاهده ترافیک ارگانیک به هر گروه از صفحات و اندازه گیری تفاوت در ترافیک ارگانیک. آموزش رایگان سئو خارجی

انتخاب صفحات کنترل – تست سئو A/B چیست؟

هنگامی که می دانید چه چیزی را می خواهید آزمایش کنید، در مرحله بعد باید تصمیم بگیرید که چه صفحاتی صفحات کنترلی و کدام گونه ها هستند.
تصمیم گیری در مورد اینکه کدام صفحات باید در هر سطل قرار گیرند، یکی از مهم ترین و در عین حال کمتر شناخته شده ترین بخش های تست سئو است. دو معیار اصلی برای بررسی وجود دارد:

هر دو سطل باید سطح ترافیک مشابهی داشته باشند. اگر برای مثال، صفحات کنترلی 10 برابر بیشتر از صفحات مختلف ترافیک داشته باشند، بعید به نظر می رسد که نتایج خوبی کسب کنید.
هر دو سطل باید از نظر آماری مشابه یکدیگر باشند. آنها باید در زمان های مشابه روند صعودی و نزولی داشته باشند. اگر این کار را انجام ندهند، این نشان‌دهنده تعصبات از قبل موجود در سطل‌ها است، و سخت‌تر می‌توان اعتماد کرد که هرگونه تغییر در ترافیک ناشی از عوامل خارجی نیست که به‌طور نامتناسبی فقط بر سطل کنترل یا متغیر تأثیر می‌گذارد.
SearchPilot یک الگوریتم سطل اختصاصی دارد که به طور خودکار سطل هایی ایجاد می کند که با هر دو معیار مطابقت دارند.

ایجاد تغییر در صفحات مختلف

پس از انتخاب سطل ها، باید تغییر را فقط به سطل مختلف صفحات انجام داد. پس از ایجاد تغییر، دو قالب مختلف به طور همزمان وجود خواهد داشت، اما تنها یک نسخه از هر صفحه وجود خواهد داشت.
توجه داشته باشید که نیمی از صفحات پرواز در مثال زیر دارای محتوای بالاتر در قالب هستند. آن صفحات واریانت هستند.

این واقعیت که تنها یک نسخه از هر صفحه وجود دارد نکته بسیار مهمی است که باید به آن توجه کرد. این یک نقطه سردرگمی رایج برای افرادی است که تازه به تست سئو می پردازند یا افرادی که از تست های A/B مبتنی بر کاربر استفاده می کنند.

صرف نظر از اینکه کاربر یا موتور جستجو صفحه ای را درخواست کند، همان چیزی را خواهد دید. در بخش تفاوت بین تست SEO A/B و تست کاربر A/B با جزئیات بیشتری به این موضوع پرداخته شده است.

اندازه گیری تاثیر آزمایش – تست سئو A/B چیست؟

توضیحی که می خواهم از آن بگذرم، تلاشی عمدی برای ساده کردن ریاضیات مربوط به تست سئو A/B است. تیم مهندسی ما بیش از پنج سال را صرف ساختن یک شبکه عصبی برای تجزیه و تحلیل نتایج آزمایش SEO کرده است، بنابراین غیرواقعی است که بتوانم توضیح جامعی را در یک پست وبلاگ ارائه کنم. با این حال، من تمام تلاشم را می کنم تا اصول اولیه را پوشش دهم
همچنین می‌توانید بخوانید که چگونه با انتقال به شبکه عصبی به جای مدل تأثیر علی که قبلاً استفاده می‌کردیم، حساسیت پلتفرم تست SEO A/B خود را دو برابر کردیم.

مرحله اول – ساخت یک مدل

قبل از شروع آزمایش، باید الگوهای ترافیک ارگانیک به صفحات کنترل و انواع را به صورت تاریخی قبل از ایجاد هر گونه تغییری درک کنیم. برای این کار، از داده های تاریخی برای دو گروه از صفحات (معمولاً حدود 100 روز داده) استفاده می کنیم و از آن برای ساخت یک مدل استفاده می کنیم.
در تصویر بالا، چهار خط را مشاهده خواهید کرد، دو خط، ترافیک واقعی برای صفحات کنترل و انواع مختلف، و دو خط نقطه‌دار، مدل‌هایی برای صفحات کنترل و گونه‌ای که با استفاده از داده‌های تاریخی موجود ساخته‌ایم.

در این مرحله، چند داده مهم داریم که برای تست سئو به آنها نیاز داریم:
ما یک مدل ترافیک برای صفحات کنترل داریم.
ما یک مدل ترافیک برای صفحات مختلف داریم.
ما همچنین رابطه بین ترافیک گروه کنترل و ترافیک گروه متغیر را درک می کنیم. به عنوان مثال، متوجه خواهید شد که در این مثال ساخته شده، ترافیک صفحات کنترل از نظر تاریخی همیشه کمی بیشتر از صفحات مختلف بوده است.

مرحله دوم – ایجاد یک پیش بینی

برای ایجاد یک پیش‌بینی، از مدل‌ها استفاده می‌کنیم تا پیش‌بینی کنیم که اگر هیچ تغییری در هیچ کدام از صفحات ایجاد نکنیم، فکر می‌کنیم ترافیک این گروه‌ها در آینده چه خواهد شد.
تصویر بالا پیش بینی هر دو گروه از صفحات را نشان می دهد که با استفاده از مدل ها ساخته شده اند.

اکنون که پیش‌بینی می‌کنیم که فکر می‌کنیم باید بدون تغییر برای صفحات چه اتفاقی بیفتد، می‌توانیم ادامه دهیم و آزمایش را راه‌اندازی کنیم و ترافیک واقعی را با پیش‌بینی‌ها مقایسه کنیم.

مرحله سوم – نظارت بر نتایج

برای توضیح اینکه چگونه نتایج را رصد می کنیم، باید در نمای روز بزرگنمایی کنیم. ساده ترین راه برای توضیح آن، جاسازی اسلایدهای زیر است. دنبال کردن آن با استفاده از تصاویر فردی دشوار خواهد بود.

همانطور که در اسلایدها خواهید دید، ما باید ترافیک پیش بینی شده را با ترافیک واقعی هر g مقایسه کنیم.

دسته ای از صفحات ما همچنین ترافیک واقعی صفحات کنترل را با ترافیک واقعی صفحات مختلف مقایسه می کنیم.

باز هم می‌خواهم تاکید کنم که این ساده‌سازی بیش از حد فرآیند است. در واقعیت، SearchPilot همه این کارها را همزمان انجام می دهد.

اگرچه اسلایدها فقط سه نقطه داده را نشان می‌دهند، اگر روند ترافیک واقعی به صفحات متغیر بالاتر از کنترل باشد و پیش‌بینی ادامه یابد، نتیجه چیزی شبیه به نمودار زیر خواهد بود.

همانطور که می بینید، دوره ای وجود داشت که پیش بینی و ترافیک واقعی در یک راستا بودند و این طبیعی است زیرا موتورهای جستجو برای خزیدن وب سایت شما به زمان نیاز دارند. به همین دلیل است که اغلب در ابتدا یک الگوی بدون تغییر را مشاهده می کنید و به دنبال آن در ترافیک جدا می شود زیرا Google این تغییر را در نظر می گیرد. بسته به وب سایت شما، موتورهای جستجو ممکن است چندین بار در ساعت وب سایت شما را بخزند، یا ممکن است یک هفته طول بکشد تا متوجه شوند.

مرحله چهارم – رسیدن به اهمیت آماری

تست سئو A/B چیست؟ نمودار بالا فقط نیمی از تصویر است. این نشان می دهد که تفاوتی در ترافیک وجود دارد، اما به ما نمی گوید که آیا باید به نتیجه اعتماد کنیم یا نه. برای دانستن این موضوع، برای رسیدن به معناداری آماری به یک آزمون نیاز داریم.

توضیح اینکه اهمیت آماری چیست یا چگونه اندازه‌گیری می‌شود خارج از محدوده این پست وبلاگ است، اما SearchPilot این را به‌طور خودکار برای شما محاسبه می‌کند. اگر هر یک از مطالعات موردی تست SEO A/B ما را دیده اید، با نمودارهای فن شکلی که نشان می دهیم آشنا خواهید شد.

در زیر توضیحی در مورد نحوه خواندن آن نمودارها آورده شده است.

برخلاف نمودارهای قبلی که سطوح ترافیک روزانه (واقعی و پیش‌بینی‌شده) را نشان می‌دهند، این نمودار تأثیر کل تجمعی را در طول زمان نشان می‌دهد، همانطور که توسط فرآیند مدل‌سازی ما محاسبه می‌شود. ناحیه سایه دار محدوده اطمینان 95% ما را در این رقم تجمعی نشان می دهد.

متوجه خواهید شد که در اوایل، ناحیه سایه‌دار نمودار در بالا و پایین محور x قرار دارد. در ابتدای آزمایش، مثبت یا منفی بودن تغییر، کم و بیش 50/50 است. با ادامه آزمایش و جمع‌آوری داده‌های بیشتر، ناحیه سایه‌دار ممکن است در جهت خاصی حرکت کند.

در نهایت، اگر تمام ناحیه سایه دار به ترتیب در بالا یا پایین محور x در صورت مثبت یا منفی بودن تست باشد، آزمون ممکن است به اهمیت آماری برسد. در این مرحله، از نظر آماری به نتیجه مطمئن می شویم – معمولاً در سطح 95٪، به این معنی که اگر چیزی را تغییر نداده باشیم، کمتر از 5٪ احتمال مشاهده این نتیجه وجود دارد.

اکنون که یک نمای کلی از چیستی تست تقسیم سئو به شما ارائه کردم، می‌خواهم به برخی از سوالات متداول پاسخ دهم.

تفاوت بین تست کاربر A/B و تست موتور جستجو A/B چیست؟

با توجه به اینکه تیم های محصول و بازاریابان برای مدت طولانی تست کاربر A/B را انجام می دهند، تعجب آور نیست، اما برخی تفاوت های کلیدی وجود دارد.

طراحی تست

تست برای کاربران نسبتا ساده است. شما دو نسخه از صفحه‌ای را که می‌خواهید آزمایش کنید ایجاد می‌کنید و پلتفرم آزمایشی شما به‌طور تصادفی کاربران را به نسخه A یا B صفحه اختصاص می‌دهد.
سپس معیارهای کاربران مانند نرخ تبدیل مقایسه می‌شوند و اگر تفاوت آماری معنی‌داری بین دو صفحه وجود داشته باشد، برنده اعلام می‌شود.

به چند دلیل نمی توانیم تست SEO A/B را به این روش انجام دهیم:

تقسیم صفحات، نه افراد: “کاربری” که ما برای آن آزمایش می کنیم Googlebot است، نه کاربران انسانی. این بدان معناست که، برای مثال، تقسیم 10000 «Googlebots» به کنترل و به طور تصادفی امکان پذیر نیست. تنها یک Googlebot وجود دارد. شما همچنین نمی توانید دو نسخه از یک صفحه واحد بسازید زیرا باعث ایجاد مشکلاتی مانند محتوای تکراری می شود. به همین دلیل است که برای تست سئو، ما گروهی از صفحات را به صفحات کنترلی و متفاوت تقسیم می کنیم، در مقابل تقسیم کاربران.
انتخاب سطل: کاربران را می توان به صورت تصادفی به صفحات کنترل یا انواع مختلف اختصاص داد. این برای تست سئو ایده آل نیست. اگر قرار بود صفحات را به صورت تصادفی سطل بندی کنید، می توانید تمام صفحات محبوب را در یک گروه داشته باشید و این می تواند نتایج را تغییر دهد. همچنین در نظر گرفتن عوامل خارجی دشوارتر خواهد بود. دو گروه از صفحات باید سطح ترافیک مشابهی داشته باشند و از نظر آماری مشابه یکدیگر باشند. برای جزئیات بیشتر به بخش سطل سئو مراجعه کنید.
تصویر زیر آن را به وضوح نشان می دهد، با تست کاربر دو نسخه از هر صفحه را می بینیم، با تست سئو تنها یک نسخه وجود دارد.

تست سمت سرور در مقابل تست سمت مشتری

یکی از تفاوت های دیگر بین تست کاربر و تست سئو، نحوه ایجاد تغییرات در صفحه است.
اکثر ابزارهای تست کاربر از روش های سمت مشتری برای تغییر صفحه در طول آزمایش استفاده می کنند. یعنی کاربر نسخه قدیمی صفحه را از سرور درخواست می کند، فایل بدون تغییر در مرورگر کاربر می رسد، سپس جاوا اسکریپت تغییر را انجام می دهد.

یکی از معایب شناخته شده ابزارهای تست A/B سمت سرویس گیرنده، “سوسو زدن” است. کاربران اغلب نسخه قدیمی صفحه را قبل از تغییر سریع به نسخه جدید می بینند.

در حالی که سوسو زدن یک تجربه کاربری عالی نیست، معمولاً تأثیری بر اعتبار آن در نظر نمی‌گیرد

y از نتایج آزمون از دیدگاه کاربر. با این حال، هنگام آزمایش تأثیر یک تغییر بر روی موتورهای جستجو مانند Google، استفاده از جاوا اسکریپت می‌تواند مشکلات قابل توجهی ایجاد کند یا حتی نتایج را باطل کند.

ما یک صفحه کامل در مورد اینکه چرا تست سمت سرور بهتر است نوشته‌ایم، بنابراین آن را در اینجا تکرار نمی‌کنم. با این حال، نکته اصلی این است که اگرچه گوگل بیشتر از همیشه جاوا اسکریپت را درک می‌کند، اما هنوز هم کامل نیست و ما اغلب در آزمایش‌های خود تغییراتی را از انتقال محتوا از سمت کلاینت به سمت سرور مشاهده می‌کنیم.

اگر جاوا اسکریپت کند اجرا شود، این مهم است. شواهدی وجود دارد که نشان می دهد گوگل فقط پنج ثانیه منتظر می ماند تا محتوا ارائه شود، بنابراین هر چیزی که بعد از این نقطه تغییر کند برای رتبه بندی در نظر گرفته نمی شود.

این بسیار مهم است اگر نکته در آزمایش این باشد که ببینیم گوگل در مورد این تغییر چه فکر می کند.

به این دلایل، SearchPilot یک پلتفرم تست SEO A/B در سمت سرور است، به این ترتیب، ما می‌توانیم مطمئن باشیم که موتورهای جستجو تغییراتی را که ما ایجاد می‌کنیم مشاهده می‌کنند و ما از آن تغییرات بهره کامل می‌بریم.

نحوه عملکرد SearchPilot را در تصویر زیر می بینید.

عوامل خارجی مانند به‌روزرسانی‌های Google و فصلی بودن را چگونه محاسبه می‌کنید؟

سوال رایج دیگر این است که چگونه می دانیم که هرگونه تغییر در ترافیک ارگانیک به دلیل تغییری است که ما ایجاد کرده ایم و نه عوامل خارجی مانند فصلی بودن، به روز رسانی های گوگل، تغییر وب سایت های رقبا، سایر تغییرات در سراسر سایت، ساخت لینک، کمپین های تلویزیونی و غیره در طول آزمایش. .
قبلاً اشاره کردم که نحوه تقسیم صفحات به کنترل و صفحات مختلف ضروری است.

برای نشان دادن این نکته، می‌خواهم از طریق یک مثال ساده از یک وب‌سایت حیوان خانگی که می‌خواهد آزمایشی را روی قالب صفحه محصول خود انجام دهد، قدم بزنم.

این سایت دارای 36 صفحه محصول مختلف است که بین 6 دسته مختلف حیوانات تقسیم شده است.

مانند اکثر وب سایت ها، همه صفحات به یک اندازه ترافیک دریافت نمی کنند و برخی از صفحات فصلی تر از سایرین هستند.

برای اجرای یک آزمایش، آنها به یک گروه کنترلی از صفحات با 18 صفحه محصول و یک گروه متفاوت با 18 صفحه نیاز دارند.

 

به روز رسانی های گوگل
فصلی بودن
تلاش های بازاریابی
لینک بیلدینگ
نحوه عملکرد رقبای شما
سایر تغییرات در سراسر سایت در سایت شما اعمال شد
عوامل کلان اقتصادی
محصولات در حال موجودی/خاموش شدن
فروش/تبلیغات
این به هیچ وجه یک لیست جامع نیست. نکته این است که دنیا متوقف نمی شود زیرا شما می خواهید یک آزمایش سئو کنترل شده را اجرا کنید، ما باید بتوانیم دنیای واقعی را تطبیق دهیم و پیرامون آن کار کنیم.

 

چه نوع تغییراتی را می توانید آزمایش کنید؟

تست سئو چیزی بیش از عناوین و توضیحات متا است، بنابراین فکر کردم چند نمونه از این موارد را ارائه کنم.
می توانید تست کنید – تست سئو A/B چیست؟

تست های سئو می توانند از نظر پیچیدگی متفاوت باشند. من سعی کرده ام چند نمونه را در زیر به صورت مبتدی، متوسط ​​و پیشرفته ارائه کنم و برخی از مطالعات موردی را به اشتراک بگذارم.

اگر مایلید بیشتر ببینید، ما یک کتابخانه کامل از مطالعات موردی تست SEO A/B داریم.

ما مطالعات موردی جدید را هر دو هفته یک بار منتشر می کنیم. اگر می‌خواهید آن‌ها را دریافت کنید، می‌توانید در لیست ایمیل تست تقسیم سئو ما در اینجا ثبت‌نام کنید.

نمونه های تست SEO A/B مبتدی

طراحی و راه اندازی تست های بهینه سازی روی صفحه نسبتا ساده است. به عنوان مثال مواردی مانند:

برچسب های عنوان
توضیحات متا
H1s
مطالعه موردی – اضافه کردن قیمت به برچسب‌های عنوان مطالعه موردی تست SEO A/B

برخی از تست های مبتدی دیگر مواردی مانند موارد زیر است:

تغییر موقعیت محتوایی که از قبل در یک صفحه وجود دارد
افزودن یا حذف “محتوای SEO” از صفحه دسته
نمونه های تست A/B SEO متوسط
آزمون های متوسط ​​اغلب نیاز به درک بیشتری از HTML و CSS دارند. برخی از نمونه ها مواردی مانند موارد زیر خواهد بود:

تست ساختار HTML

بیرون آوردن محتوا از برگه ها
مرتب سازی مجدد ترتیب چیدمان HTML
تست های داده های ساخت یافته

آزمایش انواع داده های ساخت یافته (JSON در مقابل Microdata)
افزودن نشانه‌گذاری پرسش‌های متداول
افزودن نشانه گذاری بررسی
اضافه کردن نشانه گذاری پودر سوخاری
مطالعه موردی – تغییر ریزداده به JSON+LD SEO A/B مطالعه موردی

نمونه های تست پیشرفته SEO A/B
تست های سئو پیشرفته نیاز به درک قوی از روش های تست HTML، CSS و A/B دارند. چند نمونه عبارتند از:

تست های پیوند داخلی

آزمایش‌های پیوند داخلی نیاز به برنامه‌ریزی دقیق دارند زیرا علاوه بر تأثیرگذاری بر صفحاتی که تغییر می‌دهید، بر صفحات هدفی که پیوندهای داخلی را به دست می‌آورند یا از دست می‌دهند، تأثیر می‌گذارند. شما باید تأثیر آن را روی چندین گروه از صفحات به طور همزمان اندازه گیری کنید. چند نمونه از تست های لینک سازی داخلی هستند

تست های متن لنگر داخلی

افزودن یا حذف لینک به محصولات مرتبط
افزایش یا کاهش تعداد لینک های محصولات مرتبط در وب سایت های خرید
پیوند دادن به صفحات عمیق تر در معماری سایت
برخی دیگر از تست های پیشرفته تر عبارتند از:

طراحی مجدد صفحه فرود کامل
تست صفحه AMP
مطالعه موردی – افزایش پیوندهای داخلی به صفحات زیر مجموعه – مطالعه موردی تست SEO A/B

چرا از داده های رتبه بندی یا نرخ کلیک استفاده نمی کنیم؟
شاید متوجه شده باشید که در تمام توضیحات بالا، من هرگز به ردیابی رتبه بندی کلمات کلیدی اشاره نکردم.

اغلب از ما می پرسند که چرا از رتبه بندی یا داده های کنسول جستجوی گوگل مانند نرخ کلیک در هیچ یک از تحلیل های خود استفاده نمی کنیم. این می تواند برای صنعتی که به رتبه بندی گوگل وسواس دارد شگفت انگیز باشد.

سه دلیل اصلی وجود دارد که ما از آنها برای تحلیل خود استفاده نمی کنیم. بیشتر در مورد آن در اینجا، اما خلاصه این است:

نرخ کلیک (CTR) یک عامل بزرگ در میزان ترافیک ارگانیک شما است، و بسیاری از تست‌های سئو نحوه ظاهر سایت شما را در نتایج جستجو تغییر می‌دهند و از این رو بر CTR تأثیر می‌گذارند. هیچ ابزار ردیابی موقعیت نمی تواند این را اندازه گیری کند
ردیابی رتبه هرگز نمی تواند تمام عبارات کلیدی را پوشش دهد و مواردی را که در آن تأثیر در سر و دم بلند متفاوت است را از دست می دهد یا اشتباه نشان می دهد.
کنسول جستجو از نظر تئوری دارای داده های CTR و دم بلند است، اما در عمل پراکنده، نادرست یا متوسط ​​است.
این بدان معنا نیست که ما هرگز برای درک تأثیرات یک تغییر به آن داده ها نگاه نمی کنیم، اما آن را برای اهداف تجزیه و تحلیل در نظر نمی گیریم. ترافیک ارگانیک ستاره شمالی ماست.

چرا به پیش بینی نیاز دارید؟ آیا نمی‌توانید ترافیک انواع مختلف را مستقیماً با کنترل مقایسه کنید؟
اسلایدهای Google در بالا تلاش معقولی برای توضیح نحوه استفاده از گروه کنترل و پیش‌بینی متغیر با هم هستند، اما من سعی می‌کنم جزئیات بیشتری را در اینجا اضافه کنم.

اگرچه این دو گروه از صفحات دارای سطوح ترافیکی مشابهی هستند و از نظر آماری مشابه یکدیگر هستند، اما کلمه مهمی که باید به آن توجه کرد مشابه است.

آن‌ها گروه‌های مختلفی از صفحات هستند و ممکن است به دلایل متعددی با یکدیگر رفتار متفاوتی داشته باشند یا حتی با رفتاری که در گذشته داشتند متفاوت باشند.

برای به دست آوردن بهترین نتایج ممکن، استفاده از گروه کنترل و پیش بینی متغیر به عنوان دو ابزار مکمل مفید است:
تست سئو A/B چیست؟

پیش بینی: مفید برای گفتن اینکه فکر می کنیم چه اتفاقی باید برای این گروه از صفحات بیفتد بر اساس مدلی که از ترافیک تاریخی ساخته ایم. هیچ تضمینی وجود ندارد که الگوهای ترافیکی که در گذشته مشاهده کردیم در آینده نیز ادامه پیدا کند.
صفحات کنترل: برای توضیح این واقعیت که گذشته ممکن است نماینده آینده نباشد، از یک گروه مشابه از صفحات (گروه کنترل) استفاده می کنیم تا به ما بگوییم چه چیز دیگری ممکن است در جهان اتفاق بیفتد که می تواند آزمایش را تحت تأثیر قرار دهد. مستقل از تغییراتی که در حال آزمایش هستیم.
هر دوی اینها با هم نتایج دقیق تری نسبت به هر کدام از آنها به تنهایی ایجاد می کنند.

آیا می توانید تأثیر آن را بر رفتار کاربر و نرخ تبدیل اندازه گیری کنید؟
اگر می‌خواهید تأثیر آن را روی رفتار کاربر و موتورهای جستجو به طور همزمان اندازه‌گیری کنید، ما این آزمایش را با قیف کامل می‌نامیم. SearchPilot تنها پلتفرمی است که به شما امکان می دهد هر دو را همزمان اندازه گیری کنید.

من همه چیز را در اینجا توضیح نمی دهم، شما می توانید همه چیز را در مورد روش آزمایش کامل قیف ما در اینجا بخوانید.

اجرای آزمایش های سئو چقدر طول می کشد؟
تست سئو A/B چیست؟

آزمایشی برای رسیدن به اهمیت آماری به میزان ترافیک سایت شما و اندازه تأثیری که می خواهید اندازه گیری کنید بستگی دارد.

به عنوان یک قاعده کلی، آزمایش‌های سئوی مثبت یا منفی ۲ تا ۴ هفته طول می‌کشد تا به اهمیت آماری برسند، اما اغلب می‌توانید روندی را ببینید که در کمتر از یک هفته ظاهر می‌شود.

در مثال زیر، می بینید که آزمون حدود ده روز طول کشید تا به معنی آماری رسید، اما روند طی چند روز اول منفی بود.

گوگل چه نسخه ای از صفحه را می بیند؟ آیا این پنهان کاری است؟
من در بخش تفاوت بین تست کاربر و تست سئو، نسخه ای از صفحه را که گوگل می بیند توضیح دادم، اما در اینجا نیز به صراحت به این سوال پاسخ خواهم داد. تست سئو A/B چیست؟

هنگام انجام تست SEO A/B، تنها یک نسخه از صفحه وجود دارد. ما نسخه‌های مختلف یک صفحه را به کاربران یا Google نشان نمی‌دهیم.

ما در حال ایجاد تغییراتی در زیرمجموعه‌ای از صفحاتی هستیم که الگوی مشابهی دارند. این cloaking نیست و هیچ نسخه تکراری از همان صفحه ایجاد نمی کند.

آیا می توانید از تگ منیجر گوگل برای تست سئو استفاده کنید؟
در حالی که می‌توانید با استفاده از Google Tag Manager تغییراتی در صفحه ایجاد کنید، ممکن است Google تغییرات را نبیند زیرا با استفاده از جاوا اسکریپت انجام می‌شوند. می‌توانید در صفحه تست سمت سرور در مقابل سمت سرویس گیرنده اطلاعات بیشتری در مورد این موضوع بخوانید.

اگر تا اینجا پیش رفتید، از توجهتان متشکرم. امیدوارم در مورد تست سئو بیشتر از زمانی که شروع کردید بدانید.

لطفاً اگر چیزی وجود دارد که فکر می‌کنید می‌توانم آن را شفاف کنم یا سؤالی دارید، با تیم SearchPilot در توییتر تماس بگیرید. تست سئو A/B چیست؟

پست های مرتبط

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.