تست AB در سئو

اگر مدت زمان تقریبا طولانی تحت یکی از عناوین مشتری یا سئوکار با مباحث سئو سر وکار دارید با نحوه ایندکس مطالب و کرال وبسایت آشنا هستید. همه‌ی ما به طور مرتب با موتورهای جستجو سروکار داریم،پس از هر تغییر در سایت، منتظر می‌مانیم تا موتورهای جستجو تغییرات را مشاهده کنند، سپس آثار مثبت، ختثی یا منفی را رصد می‌کنیم. در این نوشته با تعریف تست AB در سئو و مزایای آن خواهیم پرداخت، در ادامه این نوشته با ما همراه باشید.

مشکلات در تست سئو

اگر تاکنون پروژه‌های سئو با مقایس بزرگ را انجام داده باشید احتمالا تا کنون حداقل یکبار آرزو کرده‌اید که کاش راه بهتری برای تست SEO در سطح بزرگ و مقایس پذیر وجود داشته باشد. یا راهی وجود داشته باشد در صورت اشتباه صدمه کمتری به سایت وارد شود. ایجاد تغییرات و تست‌های سئو در سایت‌های کوچک و سفارشی بسیار ساده است. هر چه دامنه وب سایت کوچکتر باشد به تبع آن قالب نیز محدود است و شما با برچسب زدن، ساختار و دیگر عناصر تغییراتی در شکل محتوا ایجاد می‌کنید و موقعیت وب سایت را در نتایج یک سرچ در گوگل بررسی می‌کنید، تا نتایج تغییرات را ببینید و متوجه شوید آیا سایت از نظر گوگل رتبه بهتری گرفته است یا خیر. هر زمان که تست a/b سئو نشان دهد که کار به درستی انجام نشده و در مسیر درستی نیستید اصلاح تغییرات به دلیل کم بودن تعداد صفحات و کوچک بودن سایت نسبتا ساده است.

هرچه سایت بزرگتر می شود، پس زمینه پیچیده تر است و صفحات بیشتر و بیشتر قالب بندی می‌شوند تا حجم زیادی از محتوا را مدیریت کنند. زمانی که با وب سایت های تجارت الکترونیک با هزاران تا میلیون ها محصول کار می‌کنیم. اگر بخواهم یک اصلاح جدید را در یک صفحه محصول آزمایش کنیم تا ببینم آیا تأثیر سئو مثبتی دارد یا خیر، به احتمال زیاد مجبوریم به دلیل ماهیت قالب، آن را در همه صفحات محصول آزمایش کنیم. این تغییرات می‌تواند نتایح خوب یا بد روی یک صفحه یا همه صفحات داشته باشند گاهی حتی تغییر در هیچ صفحه‌ای مشاهده نمی‌شود.

فرض کنید چهار میلیون صفحه بر اساس فرضیه ما تغییر کند اگر این تغییر رتبه سایت را بهبود بخشد که بسیار عالی است اما اگر اشتباه باشد قطعا از بین بردن این تغییرات و بازگشت آنها به زمان قبل کمی زمان‌بر است.

در این حالت گوگل دیر عمل می‌کند به این معنی که اگر تغییرات شما سبب کاهش رتبه سایت شده باشد پس از حذف تغییرات زمانی طول می‌کشد تا دوباره به جایگاه قبلی باز گردید و در واقع می‌توان گفت گوگل به سرعت سودها را از بین می برد اما در بازگرداندن ضررها دیر عمل می‌کند. عملا خودمان با دست خودمان اوضاع را از آنچه که هست وخیم‌تر کرده‌ایم.

این تنها یک نمونه از دردسرهایی است که می‌تواند با آزمایش پیشرفت سئو در مقیاس بزرگ در سایت‌های بزرگ ایجاد شود. مشکل این نیست که ما نمی توانیم تست و آزمون و خطا روی سایت انجام دهیم اما مسئله این است که ما باید برای تست صفحات را مقیاس بندی کنیم! بهتر است قبل از اعمال این تغییرات در همه صفحات، قسمت کوچکتری از صفحات خود را آزمایش کنیم تا مشخص شود آیا نتایج مثبتی ایجاد می‌کنند یا خیر.

مزیت منحصر به فرد تست A/B در سئو

دو زمینه بسیار منحصر به فرد در بازاریابی آنلاین وجود دارند که هدف هر دوی آنها بهینه سازی تجربه کاربری در یک وب سایت برای دستیابی به نتیجه مطلوب است، که عبارتند از

• سئو: بهینه سازی موتورهای جستجو
• CRO: بهینه سازی نرخ تبدیل با هدف انجام کار مورد انتظار توسط کاربر، مثلا در سایت‌های خرید ثبت سفارش و خرید مورد انتظار است.

تست A/B در وب سایت‌ها

اکثر کارهایی که ما برای مشتریان خود در سمت CRO انجام می دهیم ایجاد و اجرای استراتژی های آزمایش کاربر است. متداول ترین روش انجام این کار استفاده از سیستم عامل های تست A/B، مانند AB Tasty ، VWO یا Google Optimize است.

اگر با آزمایش A/B آشنا نیستید ، این کار باعث می شود که کل ترافیک را به یک صفحه خاص (یا نوع صفحه) ببرید و تجربه عادی را برای نیمی از کاربران ارائه دهید ، در حالی که نیمی دیگر با یک تجربه تغییر یافته متفاوت مواجه می شود.

اساس این نوع آزمایش ، فرض کردن تجربه سایت است که در آن کاربر به احتمال زیاد یک اقدام را انجام می دهد (مانند تکمیل پرداخت در یک سایت تجارت الکترونیک). سپس شما تجربه سایت خود را بر اساس این فرضیه تغییر داده و این تجربه اصلاح شده را در مقابل بخشی از کاربران خود ارائه می دهید. انواع تغییراتی که در سایت خود ایجاد می کنید می تواند از ساده (یک بنر در بالای صفحه که تبلیغات رایگان ارسال می کند) تا بسیار پیچیده (بازسازی کامل روند پرداخت) و همه چیز بین آنها متفاوت باشد.

سیستم عامل های آزمایشی از انواع مدل های آماری برای تعیین اینکه آیا می توان به نتیجه آزمون شما اعتماد کرد یا خیر ، استفاده می کنند. این به طور کلی به عنوان "اهمیت آماری" شناخته می‌شود. اگر نتیجه آزمون از نظر آماری معنی‌دار باشد ، اطمینان بیشتری دارید که نتیجه آزمون به طور تصادفی نبوده است.

اگر فرضیه شما صحیح است، می توانید تغییرات آزمایش شده خود را با اطمینان از تأثیر مثبت آن به طور دائم در سایت خود پیاده سازی کنید. اگر فرضیه شما نادرست بود (آزمون شما شکست خورد) ، خود را از اشتباه بالقوه پرهزینه ای نجات داده اید که در آن زمان ایده خوبی به نظر می رسید.

این یک روش عالی برای اثبات ارزش تغییرات قبل از ایجاد آنهاست، که اهمیت زیادی دارد وقتی کوچکترین تغییر در نرخ تبدیل می‌تواند بر درآمد میلیون ها دلار در هر ماه تأثیر بگذارد.

مزیت حمایتی تست A/B

تست A/B یک راه عالی برای به دست آوردن علایق کاربر است.علاوه بر این امتیاز اضافی بسیاری از سیستم عامل های تست A/B این است که آنها مستقل از صف توسعه شرکت شما (یا مشتری) عمل می کنند و به شما این امکان را می دهند با نوار قرمز کمتر سریعتر حرکت کنید.

به طور سنتی، برای به دست آوردن تغییرات سایت در اسپرینت های توسعه خود، به تأییدیه از تیم توسعه دهنده و سایر ذینفعان نیاز دارید، سپس باید منتظر بمانید تا نوبت شما در صف ظاهر شود تا قبل از مشاهده تغییرات خود به صورت زنده در سایت ظاهر شود.

با استفاده از روش های اسکریپت نویسی سمت مشتری ، سیستم عامل های آزمایش به شما امکان می دهد کدی ایجاد کنید (چه از طریق ویرایشگران WYSIWYG و چه از ویرایشگران کد) که هنگام بارگیری صفحه در مرورگر کاربر اجرا می شود. وقتی صفحه در مرورگر ساخته می‌شود ، کد پلت فرم تست اجرا می شود و صفحه را در میلی ثانیه دوباره تنظیم می‌کند. اگر نتایج مثبت باشد تیم توسعه دهنده شروع به کار می‌کند و به راحتی می توانید تأثیر درآمد حاصل از تغییرات پیشنهاد شده در وب سایت خود را به آنها نشان دهید.

استفاده از تست A/B در سئو

آنچه که گفته شد در تئوری بسیار مفید است اما در عمل هم چنین خواهد بود؟ بیاید تست A/B را انجام دهیم.

پایگاه کاربر 1

چیزی که امکان آزمایش A/B در وب سایت سنتی را ممکن می‌سازد، اندازه جمعیت (یعنی تعداد افراد شرکت کننده در آزمون) است، که تعیین می‌کند مدت زمان آزمایش چقدر طول می‌کشد. هنگامی که افراد کافی در آزمون حضور داشته باشند‌، می‌توانیم از نظر آماری به نتیجه قابل توجهی در مورد تأثیر آزمون خود برسیم.

مشکل این است که اگر آزمایشی را برای تعیین تأثیر تغییر سایت بر الگوریتم رتبه بندی گوگل انجام می‌دهیم ، در آزمایش ما فقط یک "کاربر" وجود دارد: Googlebot به خودی خود کل مفهوم انجام آزمایش A/B سنتی در سئو را دگرگون می‌کند.

بنابراین ، چگونه می توانیم از این مشکل عبور کنیم؟

تست A/B مبتنی بر ربات

اگر به خاطر داشته باشید در تست A/B ما نیاز به یک کنترل و حداقل یک تغییر داریم. علاوه بر این به یک صفحه یا چند صفحه و تعداد زیادی کاربر برای تست نیاز داریم تا نتایج کنترل و تغییر را توسط آنها بررسی کنیم. به دلیل اینکه دسترسی به تعداد زیادی کاربر سخت است به جای آن تست را روی تعدادی صفحه انجام می‌دهیم. در تست تقسیم سئو صفحات را به دو دسته تقسیم می‌کنیم تغییرات موردنظر را روی یک گروه از صفحات اعمال می‌کنیم و نام گروه را تجربه می‌گذاریم، سپس آنها را طبق روال معمول و آهسته وارد موتور جستجو می‌کنیم. ترافیک و رتبه بندی این دو گروه از صفحات را طی سی روز کنترل می‌کنیم. اگر صفحات گروه تجربه دارای رتبه مثبت بودند می‌توانید تغییرات را در تمام صفحات موردنظر در قالب اعمال کنید.

پیاده سازی سمت سرور

یکی از مزایای تست A/B در نمای کلی این است که ابتدا شما از مثبت بودن نتایج تغییر اطمینان حاصل می‌کنید، سپس تیم توسعه دهندگان کار خود را شروع می‌کنند و زمان تیم توسعه برای مشارکت در تست به هدر نمی‌رود. به دلیل توانایی‌های ضعیف موتورهای جستجو در ارائه جاوا اسکریپت هر نوع تست A/B با استفاده از روش تست A/B مبتنی بر ربات که بالا توضیح داده شد کار سختی است. به جای استفاده از اسکریپت های ساده "سمت مشتری" روش هایی بسیار شبیه به پلت فرم‌های متمرکز بر کاربر، هر نوع ابزار تست A/B نیاز دارد که از قبل با با سرور وب سایت شما ادغام شود و یا استفاده از CDN برای اینکه تغییرات قبل از ارسال صفحات اعمال شود.

ربات‌های همیشه سبز

در سئو قدیم، موتورهای جستجو صفحات وب را بارگذاری نمی‌کردند. آنها به سادگی کد منبع را اسکن کرده و بر اساس آن اطلاعات، رتبه بندی را انجام می‌دادند. سرانجام موتورهای جستجو متوجه شدند که رتبه بندی باید بر اساس آنچه که کاربر نهایی مشاهده می‌کند انجام شود نه فقط آنچه در پاسخ کد منبع سرور است. برای حل این مشکل، آنها شروع به ارائه صفحات وب به همان شیوه‌ای که مرورگر انجام می‌دهد، کردند و از این نسخه بصری صفحه در تصمیم گیری رتبه بندی استفاده کردند. با افزایش استفاده از جاوا اسکریپت برای ایجاد آنچه کاربران نهایی در مروگرهای خود می‌بینند، موتورهای جستجو با مشکل مواجه می‌شوند.برای طولانی ترین زمان ، Google برای ارائه صفحه به نسخه های قدیمی Chrome تکیه کرد. ما به عنوان سئو، دائماً در مورد مشتریان با استفاده از JS پیشرفته در سایت های خود، بازی whack-a-mole را انجام می‌دادیم، اما گوگل نتوانست محتوا را "ببیند" زیرا نمی تواند آن را به درستی بارگذاری کند.
در سال 2019 ، گوگل اعلام کرد که موتور رندر GoogleBot "همیشه سبز" خواهد بود. این بدان معناست که هر بار که مرورگر Chrome گوگل به روز می‌شود ، GoogleBot از جدیدترین نسخه مرورگر به عنوان موتور ارائه دهنده آن استفاده می‌کند. چندی بعد، بینگ اعلام کرد که BingBot نیز همیشه سبز خواهد بود و همیشه از جدیدترین موتور رندر مرورگر Edge استفاده می کند.

این یک معامله بزرگ برای آزمایش A/B برای SEO بود.

اگر موتورهای رندر BingBot و GoogleBot همیشه سبز باشند، می توانیم اطمینان داشته باشیم که تقریباً هر جاوا اسکریپتی که در سایتی از طریق ابزار تست اجرا می‌کنیم، توسط موتورهای جستجو تایید می شود.
این بدان معناست که مکانیسم های کدگذاری سمت مشتری که پیاده سازی تست A/B کاربر را بسیار آسان می کند، اکنون می تواند در اختیار آزمایش کنندگان A/B SEO قرار گیرد.

منتظر پیشرفت تست A/B سئو باشید

با توجه به اینکه GoogleBot می‌تواند بیشتر جاوا اسکریپت‌ها را به درستی در صفحه بارگذاری کند می‌توانیم بگوییم در یک نقطه عطف واقعی در آزمایش SEO هستیم. شرکت هایی مانند Semrush سیستم عامل های تست A/B سمت مشتری مانند SplitSignal را معرفی کردند. تجربه من در صنعت CRO ایمان من را به آزمایش سمت مشتری، که سالهاست با موفقیت انجام می‌شود، تقویت کرده است. با توجه به اینکه ربات‌های موتورهای جستجو با زمان هماهنگ هستند، ترکیب روش آزمایش A/B مبتنی بر ربات با یک پلت فرم تست سمت مشتری کاملاً منطقی است.

آزمایش A/B مبتنی بر ربات ممکن است برای سایتهای کوچکتر بیش از حد باشد. اما برای سایتهای بزرگ CMS مانند سیستم عامل های تجارت الکترونیک و قطب های محتوای بزرگ با ده ها هزار صفحه (و بیشتر) ، این یک راه عالی برای استراتژیک تر شدن استراتژی های بهینه سازی است