如何对 Google 进行 A/B 测试更改

sarakhilker34

在我们最近的 SearchLove 会议上，我一直在讨论作为营销人员在重塑搜索的大趋势中我们需要采取不同的做法。我的同事Tom Anthony是 Distilled 研发团队的负责人，他谈到了5 个新兴趋势： 隐式信号 复合查询 关键词与意图 网络搜索到数据搜索 私人助理 所有这些趋势都是由谷歌对机器学习和人工智能的日益依赖推动的，这意味着排名因素更难理解、更难以预测，而且关键词之间的一致性也更差。它正在成为一个如此复杂的系统，我们通常无法真正知道更改将如何影响我们自己的网站，直到我们推出它。缺乏透明度和对结果缺乏信心对营销人员有两个主要影响： 它损害了我们制作业务案例来证明目标项目或计划合理性的能力（甚至只是影响解决技术积压的顺序） 它提出了看似好的想法产生不可预见的负面影响的丑陋可能性 您可能已经看过有关RankBrain的最新新闻，RankBrain 是 Google 对某些机器学习技术的应用的名称。


在宣布这一消息之前，我介绍了这套策略，其中强调了旨在在这个快 赌号数据 速变化的世界中取得成功的四种策略： 桌面端与移动端的关系很差 了解应用搜索 优化排名后会发生的情况 测试找出 Google 希望从您的网站获得什么 今天我想详细讨论最后一点——通过研究测试的好处、测试的结构以及评估成功测试的一些方法。 A/B 测试对 SEO 的好处 今年早些时候，Pinterest 工程团队写了一篇关于他们的SEO 实验工作的精彩文章，这是对该技术的首次公开讨论之一，该技术已在许多大型网站上使用了一段时间。 他们在其中强调了两个主要好处： 1. 证明在有前景的领域进一步投资的合理性 他们的一项实验涉及 pin 页面上内容的丰富性： 对于许多 Pin 图，我们从包含相同图像的其他 Pin 图中选择了更好的描述，并将其显示在现有描述之外。实验结果比我们预期的要好得多……这促使我们在使用视觉分析等复杂技术的文本描述上投入更多。 – Pinterest 工程博客 其他实验未能显示出回报，因此他们能够比其他实验更积极地集中注意力。



在重点关注描述的情况下，此活动最终使这些页面的提升率提高了近 30%。 2. 避免灾难性的决定 出于非 SEO 相关的用户体验原因，Pinterest 团队确实希望能够在 JavaScript 中呈现客户端内容。幸运的是，他们没有盲目地进行更改并假设他们的内容将继续被很好地编入索引。相反，他们只对有限数量的页面进行了更改并跟踪了效果。当他们看到显着且持续的下降时，他们关闭了实验并取消了在整个网站上推出此类更改的计划。 在这种情况下，尽管测试组中的页面性能受到了一些持续的损害，但与立即将更改推广到整个站点所造成的损害相比，这显得相形见绌。 SEO 的 A/B 测试如何进行？ 与许多人在转化率优化 (CRO) 中熟悉的常规 A/B 测试不同，我们无法创建页面的两个版本并将访问者分为两组，每组接收一个版本。只有一个谷歌机器人，它不喜欢看到近似的重复（尤其是大规模的）。创建一个页面的两个版本并只是看看哪个版本排名更好是一个坏主意。