چگونه تکه‌های نقد منفی می‌توانند بر عملکرد سئو تأثیر بگذارند


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

در اینجا آنچه دیگر متخصصان سئو باید در مورد این تست به اشتراک بگذارند آورده شده است:

ولادیمیر گرتنر، مدیر ارشد پروژه در Soft Road Apps:

تعجب می کنم اگر بررسی منفی var ctr را افزایش دهد. حذف آن باید چیز خوبی باشد.

بوستیان تانکو، متخصص سئو در بیمه آپولو:

CTR مطمئنا! اما نه به خودی خود سئو یا به دلیل آن رتبه های پایین تر!

با مطالعه تحلیل کامل این تست متوجه شوید که آیا حق با فالوورهای ما بود.

نتایج غنی از رتبه بندی ستاره یکی از ویژگی های مورد تقاضای SERP برای بسیاری از سئوکاران است. دلیل اصلی این امر این است که اگر شما به عنوان یک نتیجه غنی لیست شده باشید، جستجوگران بیشتر متوجه شما خواهند شد زیرا شما از سایر نتایج جستجو متمایز هستید. این می تواند منجر به نرخ کلیک (CTR) بالاتر شود. با دادن اطلاعات اضافی به کاربران در مورد موجودیت (به عنوان مثال، یک محصول)، کاربران همچنین می توانند قضاوت بهتری را مستقیماً از نتایج جستجو انجام دهند. این به نوبه خود به این معنی است که نتیجه غنی شما باید برابر باشد، در غیر این صورت ممکن است نتیجه معکوس داشته باشد، اما بعداً در مورد آن بیشتر توضیح خواهیم داد.

اکثر نتایج غنی با استفاده از داده های ساخت یافته تولید می شوند. در حالی که موارد استفاده مهم دیگری برای داده های ساخت یافته وجود دارد، نتایج غنی یکی از بزرگترین محرک ها برای پذیرش داده های ساختاریافته است. قطعه بررسی یک قطعه کوتاه از یک رتبه بندی، به عنوان مثال از یک محصول است. وقتی Google نظرات معتبر یا نشانه‌گذاری رتبه‌بندی پیدا می‌کند، ممکن است یک نتیجه غنی شامل ستاره‌ها را نشان دهد.

SM4JfTVg1oo39jVZf-9MlfnURHBUSPEvsUt-Tc8CSrmYqLEUAR_OfXVxffebPTRbCHLy0vqrtjBxhaOh1Z0_Lzoqstt2RJRNH6xHnxpwAC95nYRZYO3O1WZBT

رایج‌ترین رتبه‌بندی‌هایی که در SERP مشاهده می‌کنید، رتبه‌بندی‌های جمعی تودرتو با استفاده از ویژگی aggregateRating هستند.

همانطور که گفته شد، اگر نظرات شما در حد یکسان نباشد، کاربران ممکن است از نتایج جستجو وارد وب سایت نشوند. OrangeValley می خواست این را برای یکی از بزرگترین احزاب تجارت الکترونیک در هلند آزمایش کند.

فرضیه

وب سایت مورد نظر تمام صفحات محصول خود را با داده های ساختار یافته برای محصولات علامت گذاری کرده است. اگر محصولی نظراتی داشت، بدون در نظر گرفتن مثبت یا منفی بودن امتیاز بازبینی، در نشانه گذاری گنجانده می شد.

این وب سایت بیش از 500000 محصول را به فروش می رساند، بنابراین محصولات با امتیاز بررسی پایین اجتناب ناپذیر هستند. با این حال، این بدان معنی است که برخی از نتایج جستجو برای کلیک کردن چندان جذاب نیستند:

img-semblog

ما فرض کردیم که رتبه های پایین تاثیر منفی بر CTR و در نتیجه ترافیک ارگانیک به وب سایت دارد. بنابراین می‌خواستیم اعتبارسنجی کنیم که اگر ویژگی aggregateRating (و اشیا و مقادیر تودرتوی آن) را برای محصولات با ارزش رتبه‌بندی کمتر از 3 (از 5) در نشانه‌گذاری لحاظ نکنیم، چه اتفاقی می‌افتد.

با انجام این کار، می‌خواهیم این احتمال را افزایش دهیم که کاربران بدون اتکا به امتیاز بررسی محصول، از وب‌سایت بازدید کنند تا همه چیز را در مورد محصولات بیاموزند. علاوه بر این، اگر کاربری قبلاً در وب سایت باشد، ممکن است به جای ادامه مسیر در Google، از سایر صفحات محصول (مرتبط) در وب سایت بازدید کند.

امتحان

ما از SplitSignal برای تنظیم و تجزیه و تحلیل تست استفاده کردیم. همه صفحات محصول با امتیاز ارزش رتبه بندی زیر 3 به عنوان متغیر یا کنترل انتخاب شدند. ما آزمایش را شروع کردیم و 21 روز آن را اجرا کردیم. ما توانستیم تعیین کنیم که Googlebot 98٪ از صفحات آزمایش شده را بازدید کرده است.

نتیجه

img-semblog

حذف ویژگی aggregateRating (و اشیا و مقادیر تو در تو) برای محصولات با ارزش رتبه بندی کمتر از 3 (از 5) منجر به افزایش 21 درصدی در کلیک شد!

تنها پس از 6 روز توانستیم تشخیص دهیم که این افزایشی که شاهد بودیم قابل توجه است. هنگامی که ناحیه سایه‌دار آبی در زیر یا بالای محور y=0 انجام می‌شود، آزمون از نظر آماری در سطح 95٪ معنی‌دار است. این بدان معناست که ما می توانیم اطمینان داشته باشیم که افزایشی که شاهد آن هستیم به دلیل تغییری است که ایجاد کرده ایم و نه عوامل دیگر (خارجی).

توجه داشته باشید که ما صفحات گروه کنترل واقعی را با صفحات مختلف خود مقایسه نمی کنیم، بلکه یک پیش بینی مبتنی بر داده های تاریخی هستیم. 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 تغییر سئو واقعاً به دست می آوریم.

تجزیه و تحلیل نتیجه (چرا؟)

این تست نشان می دهد که نتایج غنی به خودی خود فرمول موفقیت نیستند، نمایش امتیازهای رتبه پایین در نتایج جستجو می تواند توجه اشتباه را به خود جلب کند. همچنین می توانیم فرض کنیم که نظر سایر کاربران هنگام انتخاب کلیک کردن بر روی وب سایت از نتایج جستجو مهم در نظر گرفته می شود. بنابراین به عنوان یک سئو باید به دقت فکر کنید که چه اطلاعاتی را می خواهید مستقیماً در نتایج جستجو به کاربران بدهید.

همانطور که فرض شد، CTR به طور چشمگیری برای صفحات محصول آزمایش شده افزایش یافت. اما اگرچه نتیجه این آزمایش بسیار مثبت بود، اما تعداد کل صفحات محصول با امتیاز رتبه پایین نسبتاً کم است. این بدان معنی است که تأثیر مطلق بر ترافیک ممکن است در مقایسه با سایر تغییرات احتمالی سئو برای صفحات یا قالب هایی که ترافیک بیشتری را جذب می کنند، زیاد نباشد. تست تقسیم نه تنها به مشتریان ما کمک می کند تا راه هایی را پیدا کنند که می توانند ترافیک ارگانیک خود را بهبود بخشند، بلکه می تواند به اثبات تأثیر تغییرات سئو با اولویت بندی آنها در صف توسعه کمک کند.

به دست آوردن ترافیک ارگانیک اضافی از طریق تست تقسیم به SEO ها کمک می کند تا موارد تجاری قوی ایجاد کنند تا تغییرات SEO خود را انجام دهند.

افزایش ترافیکی که ما برای این وب سایت دیدیم بسیار ارزشمند بود زیرا به آنها بینش جدیدی در مورد آنچه که مخاطب هدفشان به آن اهمیت می دهد داد. 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!

تست تقسیم سئو بعدی خود را توسط آژانس OrangeValley تجزیه و تحلیل کنید.





منبع