Experiment: testa om en SEO-ändring har påverkat din trafik

Experiment besvarar den fråga som varje SEO-ändring väcker: fungerade det, eller rörde sig hela sajten? Du definierar en testgrupp (sidor du har ändrat), en kontrollgrupp (liknande sidor som lämnats orörda) och ett lanseringsdatum. AutoPSEO jämför varje grupp efter lanseringen med dess egna 28 dagar före och testar om skillnaden mellan grupperna är större än det vanliga bruset. Eftersom kontrollgruppen delar säsongsvariation, Google-uppdateringar och svängningar i efterfrågan isolerar den din ändring betydligt bättre än en enkel före/efter-jämförelse.

Skapa ett experiment

Klicka på New och fyll i:

• Name och Hypothesis: vad du har ändrat och vad du förväntar dig, till exempel "FAQ-schema på produktguider ökar CTR med 10 %".
• Start date: dagen då ändringen gick live. End date är valfritt. Utan slutdatum pågår experimentet till den senaste dagen med data.
• Metric: Clicks, Impressions, CTR eller Position. Alla fyra rapporteras, men det är detta mått som avgör vinnaren.
• Treatment group och Control group: båda är antingen en List of URLs (upp till 500 absoluta URL:er) eller ett URL pattern (regex), till exempel ^https://www.example.com/guides/.

Två genvägar underlättar när du skapar grupper. Upload a CSV with URL groups läser en fil med kolumnerna url och group. Den första gruppen i filen blir kontrollgrupp och den andra testgrupp. Auto-suggest groups hämtar dina toppsidor de senaste 28 dagarna och föreslår grupper utifrån första mappen (alla mappar med minst tre sidor), färdiga att använda som mönster.

Välj en kontrollgrupp som liknar testgruppen: samma mall, liknande trafik och samma typ av sökintention. Fördela sidorna på grupperna innan du tittar på resultaten, inte efteråt.

Så beräknas resultatet

1. Perioder. Perioden före är de 28 dagarna före startdatumet. Perioden efter löper från startdatumet till slutdatumet eller den senaste tillgängliga dagen.
2. Indexering. Varje grupps dagliga värden efter lanseringen divideras med gruppens egen genomsnittsdag före lanseringen, så 1,0 betyder "som tidigare". Det placerar en liten testgrupp och en stor kontrollgrupp på samma skala.
3. Uplift. Den relativa upliften är testgruppens genomsnittliga index minus kontrollgruppens: +0,12 betyder att testgruppen presterade 12 procentenheter bättre i förhållande till sin egen baslinje.
4. Test. Welch t-test jämför de två gruppernas dagliga indexerade värden utan att anta lika varians. Det ger ett p-värde, ett 95-procentigt konfidensintervall och Cohens d som effektstorlek (försumbar under 0,2, liten under 0,5, medelstor under 0,8 och stor från 0,8).
5. Vinnare. Resultatet är signifikant när p är under 0,05. Winner blir då testgruppen eller kontrollgruppen (för position är lägre bättre). I annat fall blir resultatet Inconclusive.
6. Kumulativ skillnad. Dag för dag sedan lanseringen summerar AutoPSEO testgruppens faktiska värde minus vad det hade varit om den följt kontrollgruppen (dess genomsnitt före lanseringen × kontrollgruppens index): de extra klicken, eller vilket mått du än valt, som ändringen gav.

Statistical Test Results visar också Minimum detectable effect, ungefär 2,8 standardfel av skillnaden: den minsta uplift som experimentet pålitligt kan upptäcka med 80 % styrka. När ett resultat inte är signifikant bör du jämföra den effekt du förväntade dig med detta värde innan du drar slutsatsen att ändringen inte gjorde något.

Läs resultaten

Öppna ett experiment i listan för att se Relative uplift, varje grupps förändring jämfört med perioden före lanseringen, p-value och Winner. Diagrammen visar båda gruppernas dagliga index med lanseringen markerad, samt den kumulativa skillnaden sedan lanseringen. Tabellerna bryter ned resultatet per grupp, per mått med konfidensintervall, per sida (de 300 sidorna med störst volym efter lanseringen) och per dag. Markera ett experiment som completed när du är klar. Det ligger kvar i listan med sina resultat.

När du kan lita på det

Sidan varnar dig när:

• färre än 14 dagar har gått sedan lanseringen,
• färre än 14 dagar före lanseringen finns tillgängliga,
• någon av grupperna, när klick eller visningar är måttet, hade i genomsnitt färre än 5 per dag före lanseringen, så att det dagliga bruset dominerar,
• en grupp inte hade någon trafik alls före lanseringen, så att dess förändring inte kan mätas.

Även ett signifikant resultat är observationellt och inte ett randomiserat försök: en annan ändring som släppts för den ena gruppen, eller en rankinguppdatering som träffade de två mallarna olika, kan se ut som din effekt. Lägg en annotation för lanseringen och för allt annat som hände under testet.

Testa utan att störa Google

Den här rapporten jämför grupper av riktiga sidor, så du behöver inte servera varianter till Google. Om du ändå kör ett A/B-test med variant-URL:er ber Google dig att inte visa Googlebot annat innehåll än användarna, att peka varianterna mot originalet med rel="canonical", att använda tillfälliga (302) omdirigeringar och att avsluta testet när du har ett resultat (A/B testing best practices for Search).

Så hjälper AutoPSEO

Innehållsmotorns uppgifter för uppdatering och optimering ändrar en sida i taget (hålla artiklar aktuella). För att bedöma om ändringarna lönar sig lägger du de uppdaterade artiklarna i en testgrupp, liknande orörda artiklar i kontrollgruppen, och använder datumet då den första uppdateringen gick live.