التجارب: اختبر ما إذا كان تغيير SEO قد أثّر في حركة الزيارات

تجيب التجارب عن السؤال الذي يطرحه كل تغيير في SEO: هل نجح التغيير، أم أن الموقع كله هو الذي تحرّك؟ تحدّد مجموعة المعالجة (الصفحات التي عدّلتها)، والمجموعة الضابطة (صفحات مشابهة تركتها دون تغيير)، وتاريخ الإطلاق. يقارن AutoPSEO كل مجموعة بعد الإطلاق بالأيام الـ 28 التي سبقته لها، ثم يختبر ما إذا كان الفارق بين المجموعتين يتجاوز التذبذب اليومي المعتاد. ولأن المجموعة الضابطة تتشارك مع مجموعة المعالجة الموسمية وتحديثات Google وتقلبات الطلب، فإن هذا الأسلوب يعزل أثر تغييرك أفضل بكثير من المقارنة البسيطة بين ما قبل التغيير وما بعده.

إنشاء تجربة

اضغط New (جديد) واملأ الحقول التالية:

• Name وHypothesis: ما الذي غيّرته وما الذي تتوقعه، مثل: "إضافة FAQ schema إلى أدلة المنتجات ترفع CTR بنسبة 10%".
• Start date: اليوم الذي دخل فيه التغيير حيّز التشغيل. أما End date فاختياري؛ وإن لم تحدده تستمر التجربة حتى آخر يوم تتوفر له بيانات.
• Metric: Clicks أو Impressions أو CTR أو Position. تُعرض المقاييس الأربعة جميعها، لكن هذا المقياس هو الذي يحدّد الفائز.
• Treatment group وControl group: كل منهما إما List of URLs (حتى 500 عنوان URL مطلق) أو URL pattern (regex)، مثل ^https://www.example.com/guides/.

هناك اختصاران يسهّلان تحديد المجموعتين. الأول Upload a CSV with URL groups، وهو يقرأ ملفًا يحتوي على العمودين url وgroup؛ وتصبح أول مجموعة في الملف هي الضابطة والثانية هي مجموعة المعالجة. والثاني Auto-suggest groups، وهو يحمّل أكثر صفحاتك زيارة خلال آخر 28 يومًا ويقترح مجموعات بحسب المجلد الأول في المسار (أي مجلد فيه ثلاث صفحات على الأقل)، وتكون جاهزة للاستخدام كأنماط.

اختر مجموعة ضابطة تشبه مجموعة المعالجة: القالب نفسه، وحجم زيارات مقارب، ونوع نية البحث نفسه. وحدّد انتماء الصفحات إلى المجموعتين قبل أن تطّلع على النتائج، لا بعدها.

كيف تُحسب النتيجة

1. النوافذ الزمنية. فترة ما قبل الإطلاق هي الأيام الـ 28 التي تسبق تاريخ البدء؛ أما فترة ما بعد الإطلاق فتمتد من تاريخ البدء حتى تاريخ الانتهاء أو حتى أحدث يوم متاح.
2. التوحيد بالفهرسة. تُقسَم القيم اليومية لكل مجموعة بعد الإطلاق على متوسط اليوم الواحد لتلك المجموعة قبل الإطلاق، فتعني القيمة 1.0 "كما كان من قبل". وهذا يضع مجموعة معالجة صغيرة ومجموعة ضابطة كبيرة على المقياس نفسه.
3. الارتفاع (Uplift). الارتفاع النسبي هو متوسط مؤشر مجموعة المعالجة مطروحًا منه متوسط مؤشر المجموعة الضابطة: فالقيمة +0.12 تعني أن أداء مجموعة المعالجة تحسّن بمقدار 12 نقطة مئوية قياسًا إلى خط الأساس الخاص بها.
4. الاختبار. يقارن اختبار Welch t-test بين القيم اليومية المفهرسة للمجموعتين دون افتراض تساوي التباين، ويُنتج قيمة p وفاصل ثقة 95% ومعامل Cohen's d لقياس حجم الأثر (مهمل إذا كان أقل من 0.2، وصغير إذا كان أقل من 0.5، ومتوسط إذا كان أقل من 0.8، وكبير ابتداءً من 0.8).
5. الفائز. تكون النتيجة ذات دلالة إحصائية عندما تقل قيمة p عن 0.05؛ وحينئذ يكون Winner إما مجموعة المعالجة أو المجموعة الضابطة (وفي حالة Position تكون القيمة الأقل هي الأفضل). وفيما عدا ذلك تكون النتيجة Inconclusive (غير حاسمة).
6. الفارق التراكمي. يجمع AutoPSEO يومًا بعد يوم، منذ الإطلاق، الفرق بين القيمة الفعلية لمجموعة المعالجة وما كانت ستبلغه لو سارت على نهج المجموعة الضابطة (أي متوسطها قبل الإطلاق × مؤشر المجموعة الضابطة): أي النقرات الإضافية، أو أي مقياس آخر اخترته، التي أنتجها التغيير.

كما يعرض قسم Statistical Test Results قيمة Minimum detectable effect (أصغر أثر يمكن اكتشافه)، وتساوي نحو 2.8 من الأخطاء المعيارية للفرق، وهي أصغر نسبة ارتفاع تستطيع هذه التجربة رصدها بموثوقية عند قوة اختبار 80%. وإذا لم تكن النتيجة ذات دلالة إحصائية، فقارن الأثر الذي كنت تتوقعه بهذه القيمة قبل أن تستنتج أن التغيير لم يُحدث شيئًا.

قراءة النتائج

افتح تجربة من القائمة لترى Relative uplift، وتغيّر كل مجموعة مقارنةً بفترة ما قبل الإطلاق، وp-value، وWinner. وتعرض الرسوم البيانية المؤشر اليومي للمجموعتين مع تمييز لحظة الإطلاق، إضافةً إلى الفارق التراكمي منذ الإطلاق. وتفصّل الجداول النتيجة بحسب المجموعة، وبحسب المقياس مع فواصل الثقة، وبحسب الصفحة (أعلى 300 صفحة من حيث الحجم بعد الإطلاق)، وبحسب اليوم. عندما تنتهي من التجربة، علّمها بأنها completed (مكتملة)؛ وتبقى في القائمة مع نتائجها.

متى يمكن الوثوق بالنتيجة

تُظهر الصفحة تحذيرات في الحالات التالية:

• مرور أقل من 14 يومًا على الإطلاق؛
• توفّر أقل من 14 يومًا من البيانات قبل الإطلاق؛
• عند اعتماد Clicks أو Impressions مقياسًا، إذا كان متوسط أي من المجموعتين أقل من 5 في اليوم قبل الإطلاق، إذ يطغى حينها التذبذب اليومي على النتيجة؛
• خلوّ إحدى المجموعتين تمامًا من الزيارات قبل الإطلاق، فلا يمكن قياس تغيّرها.

وحتى النتيجة ذات الدلالة الإحصائية تبقى نتيجة رصدية وليست تجربة عشوائية محكومة: فقد يتسلل تغيير آخر طُبّق على إحدى المجموعتين، أو تحديث في الترتيب أثّر في القالبين بطريقة مختلفة، ليبدو وكأنه أثر تغييرك. لذا احتفظ بـ annotation توثّق الإطلاق وأي حدث آخر وقع أثناء الاختبار.

الاختبار دون إزعاج Google

يقارن هذا التقرير بين مجموعات من الصفحات الفعلية، فلا حاجة إلى تقديم نسخ بديلة إلى Google. أما إذا أجريت اختبار A/B باستخدام عناوين URL للنسخ البديلة، فتطلب منك Google ألا تعرض على Googlebot محتوى يختلف عمّا يراه المستخدمون، وأن توجّه النسخ البديلة إلى الصفحة الأصلية عبر rel="canonical"، وأن تستخدم عمليات إعادة التوجيه المؤقتة (302)، وأن تنهي الاختبار فور حصولك على نتيجة (A/B testing best practices for Search).

كيف يساعدك AutoPSEO

تغيّر مهام التحديث والتحسين في محرك المحتوى صفحة واحدة في كل مرة (keeping articles fresh). ولتحكم على جدوى هذه التغييرات، ضع المقالات المحدَّثة في مجموعة معالجة، ومقالات مشابهة لم تُمسّ في المجموعة الضابطة، واعتمد تاريخ دخول أول تحديث حيّز التشغيل تاريخًا للبدء.