تاثیر داده های ساختار یافته ItemList بر صفحات فهرست بندی


قبل از شروع: اگر با اصول تقسیم بندی سئوی آماری و نحوه عملکرد SplitSignal آشنا نیستید، پیشنهاد می کنیم از اینجا شروع کنید یا یک نسخه نمایشی از SplitSignal درخواست کنید.


اولین، ما از دنبال کنندگان توییتر خود پرسیدیم رای دادن:

img-semblog
نتیجه نظرسنجی توییتر

این بار اکثریت فالوورهای ما بودند درست! ادامه مطلب را بخوانید تا دلیل آن را بدانید.

اما ابتدا، بیایید ببینیم که متخصصان سئو در مورد نتیجه این تست چه می گویند:

Uroš Stanimirović، نویسنده و ویرایشگر محتوا در Brid.TV:

صادقانه بگویم، من معتقدم که بستگی به این دارد که گوگل چه تصمیمی با آن دارد.
اگر هیچ، نباید بر CTR ارگانیک تأثیر بگذارد.
اگر نتیجه را به یک قطعه برجسته تبدیل کند، احتمالاً CTR را کاهش می دهد (اگر نتیجه قبلاً در موقعیت 1 بود).

Trevor Stolber، بازاریاب دیجیتال در STOLBER.com:

بر اساس برخی از زبان‌های اخیر در اسناد Google، می‌گویید بله. من فکر می‌کنم که این کمترین تأثیر را خواهد داشت – احتمالاً حتی تغییر قابل توجهی نشان نمی‌دهد.

ما را در لینکدین دنبال کنید تا نظرات خود را در مورد آزمون بعدی به اشتراک بگذارید.

مطالعه موردی

داده‌های ساختاریافته به‌خاطر ویژگی‌های نتایج جستجو و پیشرفت‌هایی که در قالب قطعه‌های غنی‌شده دارد، به‌طور گسترده شناخته می‌شوند. با این حال، داده های ساختاریافته خیلی بیشتر از یک “پاشیدن نهایی” برای به دست آوردن یک نتیجه جستجوی خوب است. با داده های ساختاریافته، می توانید از «رشته ها» به «چیزها» بروید.

داده های ساختاریافته یک قالب استاندارد شده برای ارائه اطلاعات در مورد یک صفحه و طبقه بندی محتوای صفحه است. به «چیزها» (موجودات) معنا می دهد و زمینه و روابط بین قطعات مختلف محتوا را در سراسر وب توضیح می دهد.

گوگل می گوید از داده های ساختاری که در وب پیدا می کند برای درک محتوای یک صفحه و جمع آوری اطلاعات در مورد وب و جهان به طور کلی استفاده می کند. از منظر سئو، هدف داده های ساختاریافته کمک به موتورهای جستجو برای درک بهتر معنای محتوا (و پیوند دادن آن به هدف کاربر) است تا محتوای شما به عنوان بهترین پاسخ برای یک عبارت جستجو انتخاب شود.

برای یک بازار آنلاین برای برنامه‌های کاربردی نرم‌افزاری، می‌خواستیم به گوگل زمینه بیشتری در مورد محتوای صفحات فهرست‌شان بدهیم. زیرا این صفحات فقط مجموعه ای از پیوندها نیستند، بلکه یک صفحه مجموعه (خلاصه) پر از لیست برنامه های نرم افزاری هستند که به برنامه های نرم افزاری ساکن در سایر نقاط سایت اشاره می کنند، که همه آنها به صفحه لیست و سایر برنامه های نرم افزاری مرتبط در وب سایت مربوط می شوند.

فرضیه

وب سایت مورد بحث می خواست آزمایش کند که آیا افزودن داده های ساختار یافته ItemList به صفحات فهرست آنها تأثیر قابل توجهی بر ترافیک ارگانیک دارد یا خیر.

داده های ساختار یافته ItemList برای علامت گذاری لیستی از “چیزها” استفاده می شود. یک لیست می تواند از هر نوع باشد. در این مورد، ما نرم افزار(های) تودرتو داریم، و موارد لیست باید از همان نوع طرحواره باشند.

ما فرض کردیم که با افزودن داده‌های ساختاریافته ItemList با نرم‌افزار(های) تودرتو، می‌توانیم به Google زمینه بیشتری در مورد صفحه و ارتباط آن با نرم‌افزار (های) نرم‌افزار در سراسر وب‌سایت بدهیم. در حالی که این منجر به یک قطعه غنی نمی شود، ما فرض کردیم که تأثیر مثبتی بر ترافیک ارگانیک به صفحات آزمایش شده دارد.

img-semblog

امتحان

ما از SplitSignal برای تنظیم تست استفاده کردیم. حدود 1500 صفحه فهرست به عنوان کنترل یا متغیر انتخاب شدند.

برای پیاده سازی داده های ساختار یافته ItemList در صفحات مختلف، یک اسکریپت سفارشی ایجاد کردیم که از طریق HTML آیتم های برنامه نرم افزاری در صفحه فهرست بندی حلقه می زند. این اسکریپت تمام اطلاعات مربوط به صفحه را برای هر برنامه نرم افزاری برداشت و در قالب استاندارد schema.org قرار داد.

ما آزمایش را شروع کردیم و 30 روز آن را اجرا کردیم. ما توانستیم تعیین کنیم که Googlebot 80٪ از صفحات آزمایش شده را بازدید کرده است.

نتایج

img-semblog

افزودن داده های ساختار یافته ItemList با نرم افزار(های) تو در تو در صفحات فهرست منجر به افزایش 4.6 درصدی در کلیک شد.

پس از کمی بیش از دو هفته، مطمئن شدیم که اثری که دیدیم قابل توجه است. هنگامی که ناحیه سایه‌دار آبی در زیر یا بالای محور x=0 انجام می‌شود، آزمون از نظر آماری در سطح 95٪ معنی‌دار است. این بدان معنی است که ما می توانیم مطمئن باشیم که تأثیری که می بینیم ناشی از تغییری است که ایجاد کرده ایم و نه سایر عوامل (خارجی).

توجه داشته باشید که ما صفحات گروه کنترل واقعی را با صفحات آزمایش شده خود مقایسه نمی کنیم. بلکه یک پیش بینی مبتنی بر داده های تاریخی است. این مدل پاسخ خلاف واقع را پیش‌بینی می‌کند که اگر مداخله‌ای صورت نمی‌گرفت، رخ می‌داد. ما این را با داده های واقعی مقایسه می کنیم. ما از مجموعه ای از صفحات کنترل استفاده می کنیم تا زمینه مدل را برای روندها و تأثیرات خارجی ارائه دهیم. اگر چیز دیگری در طول آزمایش ما تغییر کند (مثلاً فصلی)، مدل آن را شناسایی کرده و در نظر می گیرد. با فیلتر کردن این عوامل خارجی، بینشی در مورد تأثیر واقعی تغییر سئو به دست می آوریم.

چرا

این تست نشان می‌دهد که غنی‌سازی نتایج جستجو با تکه‌های غنی فقط نوک کوه یخ است. استفاده از داده های ساختاریافته برای ایجاد زمینه بیشتر به موتورهای جستجو و اتصال معنایی صفحات وب می تواند تأثیر مثبتی بر عملکرد SEO داشته باشد.

تجزیه و تحلیل داده‌ها نشان می‌دهد که این آزمایش تنها بر روی کلیک‌های صفحات آزمایش‌شده تأثیر نداشته است. در مقایسه با گروه کنترل مدل‌سازی‌شده ما، افزایش برداشت‌ها را نیز پیدا کردیم. تجزیه و تحلیل بیشتر نشان داد که این به دلیل موقعیت بهتر و افزایش دید در مجموعه وسیع تری از عبارات جستجو است.

ما معتقدیم این تغییر ارتباط صفحات آزمایش شده را افزایش داده است. گوگل بهتر می تواند یک صفحه و محتوای آن را ارزیابی کند و با دقت بیشتری تعیین کند که آیا با هدف کاربر گوگل مطابقت دارد یا خیر.

ما تصمیم گرفته‌ایم که تنظیمات مشابه این تست را در چندین وب‌سایت اجرا کنیم. در مطالعات موردی آینده می توانید انتظار بیشتری در مورد این موضوع داشته باشید.

به خاطر داشته باشید که چیزی که برای یک وب سایت کار می کند ممکن است برای وب سایت دیگر کارایی نداشته باشد. تنها راه برای اطمینان از این است که آزمایش کنید چه چیزی برای شما مفید است!





منبع