A/B 测试对 SEO 优化的重要性
A/B 测试是一种比较两个或多个版本的实验方法,以确定哪个版本在特定指标上表现更好。
在SEO(搜索引擎优化)领域,A/B测试具有重要的价值,可以帮助优化网站的性能,提高搜索引擎排名和用户体验。A/B 测试在 SEO 优化中的重要性及其价值体现在如下几个方面。
- 页面元素优化:通过A/B测试,可以比较不同页面元素的效果,例如标题、元描述、按钮样式等。这有助于确定哪种元素组合更能吸引用户,提高点击率,从而改善页面的SEO性能。
- 内容排名效果:A/B测试可以用于比较不同内容排名策略的效果,例如采用不同的关键字、调整内容结构等。通过实验,可以找到最适合搜索引擎算法的优化方式。
- 网站速度优化:A/B测试可以用于比较不同网站速度优化策略的效果,如图像压缩、缓存设置等。搜索引擎通常更喜欢加载速度快的网站,因此通过A/B测试确定最佳的速度优化方案对SEO至关重要。
- 用户体验改善:通过A/B测试,可以测试不同用户体验设计的效果,例如导航菜单、页面布局等。改善用户体验不仅可以提高搜索引擎排名,还可以提高用户留存率和转化率。
- 移动友好性测试:A/B测试可以用于比较不同移动友好性策略的效果,例如响应式设计、移动页面加载速度等。由于搜索引擎对移动友好性的重视,通过A/B测试确定最佳的移动优化策略对SEO非常重要。
A/B测试为SEO优化提供了一种科学的方法,通过数据驱动的实验证明哪些变化对网站性能和搜索引擎排名产生积极影响。这有助于网站管理员制定更有效的优化策略,提高网站在搜索引擎结果页面上的可见性和吸引力。
从业SEO多年,我们一直在思考SEO的未来趋势。几年前的判断不曾改变,那就是SEO将以搜索用户体验为最高准则进行演变。换句话说,谁家网页能有更好的用户体验,其SEO的得分更高,排名也就更好。
2019年7月15日至19日,数字营销公司Distilled在美国西雅图举行的由Moz赞助的 MozCon2019上,谈及了理想SEO实施工作流程。
大家都热衷排名因素调查,了解网站内部和外部哪些因素会影响搜索引擎关键词排名。例如:
- 在标题标签中使用关键词
- 链接锚文字
- 链接流行度等
这类推测有实际意义,主要是因为搜索算法过去是由Google内部人员创建的。参与Google算法开发的工程师和信息搜索专家在会议室开会,讨论并不断调整算法。
只要是人类思考后的结果,就有可能在某种程度上由另一个人进行分析。
带有用户行为数据和AI的Google
但是今天一切都变了。过去10年中,Google发生了两项重大变化:
- 凭借在线用户行为数据成为全球最大的公司
- 使用先进的机器学习转型为AI第一公司
Google成为了全球最大的用户行为数据控股公司。如今,Google不仅是搜索引擎公司,而且是提供基础结构作为互联网网关的公司,例如世界上最受欢迎的Web浏览器(Google Chrome)和移动操作系统(Android)。
Google可以使用浏览器上的浏览行为数据和移动OS上的活动数据(在获得用户许可后)。
与间接评估网站价值的指标(例如外部链接)相比,此类数据应该是用于更直接地确定用户满意度的有用数据源。
Google作为AI的第一家公司,分析通过浏览器获取的大量用户数据时,需要进行机器学习。Google在这项技术的研发上投入了大量资金,并已开始通过机器学习来处理各种数据。
Google可以检测用户体验质量,通过利用大量的用户行为数据和适当地对其进行分析的机器学习技术,已经可以检测到不良的用户体验。例如,当您在搜索结果屏幕上单击某个关键字的顶部网页时,您会感觉无法获取所需的信息,因此您立即返回搜索结果是最明显的例子。
根据搜索查询,它可能是用户不希望的体验信号。当这种信息被堆积时,相应查询中页面的排名下降。
有关用户参与度排名影响的各种数据,用户参与度指标对SEO的影响已由各种SEO专家进行了调查。
- 调查显示点击率与搜索结果中的排名相关
(2016年:https://moz.com/blog/does-organic-ctr-impact-seo-rankings-new-data ) - 调查显示跳出率与排名相关
(2016年:https://backlinko.com/search-engine-ranking) - 调查显示页面停留时间和排名相关
(2018年白皮书下载:https://www.searchmetrics.com/knowledge-base/ranking-factors/)
另外,Google工程师在验证算法时会测量“有多少用户点击返回搜索结果”,至少参与索引用于算法的“验证”。
排名对用户行为数据有何强烈影响?
在两种情况下,搜索用户的行为数据会极大地影响排名。
搜索结果首页。首先,用户行为是由流量产生的。从搜索控制台数据中可以看到,在搜索结果页面上的点击集中在第一页上。点击也可以在第二页上发生,但比第一页上少得多。这意味着,在第一页上显示的页面上会积累大量的用户行为数据,而在第二页及后续页面上则不会。
在搜索结果和链接的第一页和第二页中排名的页面的排名之间的相关性的结果,变得清楚了。
- 搜索结果首页顶部列出的页面排名与链接索引之间几乎没有关联。
- 与第二页相关。
- 也确认与第一页底部列出的页面略有相关。
换句话说,用户行为数据是在较高页面之间进行排名竞争的重要信号,而其他指标(链接等)在较低页面中趋于增加。
搜索次数众多的查询。类似地,对于具有大量搜索的关键字,用户行为数据易于累积,并且随着关键字变得更长的尾部关键字,累积变得更少。通过关键字搜索市场进行的类似调查得出以下结果:
- 搜索次数很多的关键字:与链接的相关性较弱
- 搜索量很少的关键字:链接的排名相关性
不良的用户体验对SEO的影响
不良搜索体验对SEO的影响,以《福布斯》为例。《福布斯》的内容很棒,但是开始做广告的各种技巧对来自搜索的用户来说已经非常烦人,这似乎对Google来说是令人失望的用户行为信号。
- 与主要内容完全无关的视频广告(侧面菜单)
- 视频广告预加载的开始(页面顶部)
- 浏览器推入对话框
- 向下滚动时,再次显示不相关的视频广告
提供这种体验的福布斯网站上的自然搜索流量如何?
根据第三方工具的估算,尽管外部链接有所增加,自然搜索流量却同比下降了35%。可以确定UX SEO通过搜索引擎对用户的影响。
从Mozcast的数据可以看出,我们正在进入一个排名变化正常的时代。该图表让您感觉到Google作为AI领先公司的出现,可以快速分析每天大量积累的用户的行为并将其反映在排名中。
当前时代的 SEO方法是什么?
到目前为止,我们已经看到,在排名中反映了来自搜索用户的直接评估(满意度)的时代,SEO的执行过程也应该发生重大变化。
验证SEO措施有效性的困难。首先,对于用户满意的UI,没有一个正确的答案。因此,需要一种实验方法。
用实验方法思考时,必须事先解决一些问题。那就是调整测试条件。例如,基于对措施前后自然搜索流量的简单变化进行的结果确定可能会导致误读。
- 适用于季节性强的行业
- Google的SERP发生重大变化时(例如用于酒店搜索的本地包装)
在这种情况下必须小心。首先,需要一种能够吸收这种前提条件变化的设计。基于此,将同时实现各种用户体验改进和内部措施,以优化用户行为。
假设同时实施了七个措施,则该措施前后的自然搜索流量提高了14%。流量本身的增加非常令人愉悦,但是您需要停下来思考片刻。这七项措施真的有助于将流入量提高2%吗?答案将是“否”。
实际上,有些措施具有积极的积极作用,有些则没有,其余的可能产生了负面影响。如果可以准确把握每个措施的影响程度,则流量的增长率可能不是14%,而是可能会进一步提高。
这将增加您作为SEO专业人员的信心。
解决方案:实施SEO拆分运行测试
从SEO的角度来看,一种实现此目的的方法是拆分运行测试(A/B测试)。
以下是分批运行测试设计的示例。
示例)与宠物相关的网站的类别页面
为了正确执行A / B测试,必须在相同条件下比较A和B。因此,当前设计和测试设计在相同条件下进行比较和检查。前者称为对照组,后者称为变异组。
- 当前设计(对照组): “页面标题→介绍句→图片”
- 测试设计(变体组): “页面标题->视频->列表格式的文本(以项目符号格式)”
通过在类别页面的“相同模板”框架内准备两个布局模式,可以获得正确的测试结果。
对照组和变体组在采取此措施之前具有几乎相同的自然搜索流量。如果变体组用户界面带来了良好的用户体验,则自然搜索流量只会在启动后有所改善。
通过A / B测试学习
从SEO的角度来看,A/B测试可以从简单到复杂。以下是测试用例的一些示例。
案例1:标题更改测试
- 假设:电子商务网站很明显是在线的,所以削减网站不是很好吗?
- 实施:作为一个变体组,请尝试从E课程站点的标题标签中删除“在线”(例如,从“在线购买礼服”,“在线购买帽子”,“在线购买皮带”中剪切在线)
- 结果:进行更改后,排名立即下降。但是,如果重新启动了在线描述,该订单将很快恢复。
- 学习:由于标题更改而导致的更改效果可以逆转(可逆)
案例2:JS渲染测试
- 假设:在 Google官方博客上,有一篇文章称Googlebot的行为类似于现代浏览器,JavaScript呈现得很好
- 怎么做:在变体组中添加一个将内容直接输出到HTML的模式并进行测试
- 结果:与对照组(基于JS)相比,变体组的自然搜索流量增加了6.2%
- 学习: Google并非始终是最可靠的信息来源
案例3:测试是否评估新鲜内容
- 假设:我想验证内容的新鲜度是否会影响排名
- 实现细节:更新商品的结构化数据标记的日期和时间(dateModified)部分,而无需将日期输出为纯文本。
- 结果:非常有趣的数据,但是内容是自给自足的。
与任何测试一样,即使测试产生结果,相同的措施在另一个站点上可能根本无效,或者可能是负面的。请注意,此处提供的示例并不适用于所有网站(请在您的网站上进行自己的测试)。
搜索用户满意度通过A / B测试验证
最后,SEO中A/B测试的重要性:
- 用户搜索体验直接反映在排名中。
- 像Piterest和Zillow这样的创业公司正在兴起。
- 能够准确识别产生结果的度量有助于提高您作为SEO的信心。
- 可以执行的工具和环境到位。