Les moteurs de recherche utilisent de plus en plus de machine learning pour générer leurs « signaux » (leurs scores exploités dans l’algorithme de classement), notamment pour mesurer la qualité des pages fournies en réponse.
Ces scores sont élaborés en tenant compte de nombreux critères.
La conséquence c’est que toute modification peut engendrer des effets de bord importants et imprévisibles.
Il y’a dix ans, optimiser ses balises <title> était forcément bénéfique pour le SEO. Aujourd’hui… cela dépend du contexte.
Heureusement, il est possible de tester ses optimisations SEO sur un échantillon de pages sans risquer d’impacter votre activité.
Les principes du Split Testing SEO
Le principe du « split testing » est de comparer deux versions très différentes d’une même page. Ici on compare :
- une version optimisée d’un modèle de page (page détail produits ou page listing produits sur un site ecommerce par exemple
- et la version non modifiée
Contrairement aux tests A/B ou même multivariés classique, on ne teste pas l’impact de modifications particulières. Cela prendrait trop de temps, car les résultats d’une optimisation SEO peuvent n’apparaître qu’au bout de plusieurs semaines !
Les spécificités du SEO split testing
Lorsque l’on fait des tests pour le SEO, on doit analyser les résultats sur un grand nombre de pages tests (plusieurs centaines à plusieurs milliers) pour voir une tendance se dégager.
Pour pouvoir les tester, il faut que les pages soient crawlables et indexables.
Les tests doivent durer plusieurs semaines : la durée à observer dépendent de la nature des optimisations
Les challenges statistiques
Les tests SEO sont trop longs pour ne pas être influencés :
- par des changements dans l’environnement concurrentiel
- par des changements sur le reste du site
- par des changements dans Google
Pour analyser les résultats, on ne peut plus utiliser les outils statistiques habituels, qui ne fonctionnent que pour des tests de durée limitée pendant lesquels les seuls sources de changement dans les résultats sont supposés être les changements apportés aux pages du test.
Pour le SEO Split Testing, on s’appuie sur des outils statistiques à base de machine learning, capable :
- de prévoir les valeurs attendues en fonction de l’historique passé des résultats (trafic SEO, visibilité, conversions…)
- de comparer les données réelles avec la prévision
- tout en tenant compte des évolutions des ces indicateurs dans l’écosystème.
L’objectif à la fin est de pouvoir attribuer correctement la causalité des résultats aux optimisations SEO
Comment élaborer un Test ?
Il faut être capable de rediriger n’importe quel visiteur vers la version optimisée pour un nombre limité d’urls, mais constituant un échantillon suffisant pour obtenir des statistiques fiables à la fin.
Nous déconseillons les outils de split testing SEO fonctionnant avec un tag JS (par exemple SplitSignal), car si votre site est lent, les pages risquent être mal indexées et cela peut influencer les résultats.
Par contre, le renvoi vers la version test ou la version de contrôle peut se gérer facilement :
- via un url forwarding transparent gérée par votre CDN (Cloudflare, Akamai, Limelight…) ou votre environnement Cloud
- via un « forward » transparent gérée par votre reverse proxy (Varnish, Squid…) ou votre boitier de load balancing (Haproxy, F5…)
- via un forward géré par votre serveur web et/ou votre applicatif
Il vous suffit de prévoir un modèle de page différent, dotée d’une url différente.
Les urls vues par les moteurs seront les mêmes avant, pendant et après le test. La bascule vers la version modifiée se fait de manière transparente, sans erreur 30x. (c’est le même principe que le dynamic serving rendering).
Chez Neper, les tests et leur analyse peuvent s’effectuer sans recours à des outils tiers, dont le prix est prohibitif
Les méthodes ne permettent pas de trancher dans tous les cas de figure, mais en général, au bout de quelques semaines la situation est claire : les pages surperforment ou sous performent par rapport aux pages de contrôle sur l’indicateur SEO analysé.
Dans tous les cas, Neper dispose de l’expertise permettant de déterminer les situations où le test est concluant (dans un sens comme dans l’autre). Si l’impact n’est pas suffisant pour sortir de la zone d’incertitude, c’est aussi un enseignement, et l’indication qu’il faut essayer un autre jeu d’optimisations.
Dans le cas ci-dessous, les courbes montrent que l’impact est clairement imputable au changement :
Aujourd’hui, les algorithmes des moteurs se sont complexifiés et sophistiqués, et les recettes de cuisine d’il y’a dix ans ne marchent plus à tous les coups.
Voici un exemple ci-dessous avec une « optimisation » de la balise title. Le résultat est une suroptimisation qui combinée à d’autres critères, a conduit Google a estimer que ce site ne correspondait pas à ses critères de qualité mais devait êtes considéré comme un site non légitime sur des requêtes populaires…
– Parce que l’on peut vous faire économiser le coût de la licence d’un outil pour générer les tests
– Parce que l’on vous aidera à générer vos tests avec les possibilités offertes par votre plateforme
– Parce l’on vous aidera à concevoir les optimisations pour les tests (autant mettre toutes les chances de votre côté)
– Parce que l’on vous aidera à analyser vos résultats