大多数 实验，就其本质而言都是在“野外”进行的

shammisa013

优点——通过直接形成和检验假设，我们可以开始确定因果关系。我们还可以重复这个过程，帮助验证我们所学到的知识。

缺点——在野外使用现有站点会带来很多额外的噪音。通常，我们的网站必须不断变化（即使在实验期间），而谷歌总是在变化。还有相当大的风险——如果我们改变我们的主要网站来测试 SEO 理论，错误可能会付出高昂的代价。

(5) 实验-对照
这是经典的 SEO 实验，我们注册一个或多个新域名并从头开 工作职能电子邮件列表 始构建网站。我们甚至可以引入一个对照组，将两个站点构建到步骤 X，然后在此之后仅更改其中一个站点。即便如此，最好将这些实验称为“半控制”，因为谷歌算法仍然可以改变，而且我们不能总是控制外部影响（比如有人不小心链接到其中一个网站）。




优点——在控制方面，这种方法是我们能做到的最好的方法，它分离出了许多混杂因素。

缺点——我们在这些实验中建立的人工站点（通常使用无意义的词语）并不总是代表真实、复杂的站点。此外，这些实验通常仅在一个或极少数站点的样本上进行，以节省时间和金钱。统计显着性可能很难实现。

(6) 相关证据
有时，要么我们无法分离出复杂情况中涉及的变量（例如 Google 在其排名模型中使用的 200 多个因素），要么直接进行实验是不可能的或不道德的。例如，假设您想了解吸烟如何影响死亡率。你不能拿 1000 个 5 岁的孩子，强迫他们吸烟 70 年，然后将他们与 1000 个不吸烟的 5 岁孩子进行比较。在这些情况下，您需要一个非常大的数据集并查看相关性。换句话说，如果我观察 1000 名吸烟者和 1000 名不吸烟者，每组在特定年龄死亡的可能性有多大？相关性可以帮助您了解 X（在本例中为吸烟）的变化如何与 Y（死亡率）的变化同时发生。

优点——当直接实验不可能或不切实际时，相关性可以帮助我们在数学上找到关系。这些技术还可以帮助对多个变量影响相同结果的复杂情况进行建模。

缺点——相关性并不意味着因果关系。我们不知道 X 的变化是否会导致 Y 的变化，或者它们是否恰好同时发生（甚至可能是由于 Z 因素同时影响它们）。