Avec un test SEO A/B ou Split Test, vous pouvez valider presque toutes les modifications et optimisations SEO avant qu’elles ne soient mises en œuvre sur votre site Web. Par exemple:

Les données structurées de la page FAQ ou « schéma FAQ » sont l’un des résultats riches les plus recherchés depuis que Google a publié cette fonctionnalité en 2019. Elle vous permet d’afficher des questions et des réponses directement dans les résultats de recherche de Google : comme vous pouvez le voir, cet extrait fait pour un résultat de recherche beaucoup plus complet. Le plus grand moteur de référencement pour l’adoption des données structurées FAQPage est souvent d’essayer de générer des taux de clics (CTR) plus élevés en se démarquant davantage et en poussant les concurrents vers le bas (en particulier sur mobile). Cependant, l’expérience d’apprentissage la plus remarquable que nous ayons eue de split- test est que quelque chose qui fonctionne pour un site Web peut ne pas fonctionner pour un autre. La seule façon de savoir avec certitude est d’effectuer des tests et de voir ce qui fonctionne pour votre site Web. De plus, un test fractionné peut aider à établir une analyse de rentabilisation solide pour obtenir les ressources nécessaires pour effectuer le changement rapidement. Donc, si vous n’avez pas accès à un outil de test fractionné d’entreprise comme SplitSignal avec ce billet de blog, nous vous accompagnerons à travers les étapes pour configurer et analyser votre propre split-test.

Comment mettre en place un test fractionné

Dans un test SEO, les pages sont divisées en (au moins) deux groupes avec des caractéristiques similaires. Un changement de référencement est effectué sur le groupe de variantes et le groupe de pages de contrôle reste inchangé.Avec un test de référencement, nous voulons mesurer l’efficacité du marquage de vos FAQ avec des données de page FAQ structurées. Vous devez d’abord identifier un modèle de page approprié sur votre site Web pour exécuter le test sur, par exemple, des pages de catégories ou de produits avec des FAQ. Une fois que vous avez la liste des pages à tester, vous devez les diviser en deux groupes :

Créez deux groupes de pages représentatifs du groupe total de pages avec un nombre similaire de trafic organique. Vous pouvez, bien sûr, le faire manuellement si vous comprenez bien votre groupe de test. Pourtant, il existe des moyens plus précis de le faire, c’est-à-dire de s’assurer que vous obtenez deux groupes avec des caractéristiques statistiquement similaires. Par exemple, l’échantillonnage stratifié est un excellent moyen de le faire. Si vous avez besoin d’aide, vous pouvez utiliser ce module train_test_split de la bibliothèque scikit-learn. Vous pouvez même diviser les pages en fonction de plusieurs valeurs, telles que le trafic organique total et le trafic organique quotidien moyen. Vous voulez vous retrouver avec deux groupes de pages qui contiennent des pages avec un trafic organique élevé, des quantités moyennes et petites de trafic, et plus encore. Voilà, en bref, ce qu’est le concept de création de données.

Générer dynamiquement des données structurées FAQPage

La raison la plus courante d’exécuter un test fractionné est de pouvoir prouver la valeur ajoutée d’un changement particulier avant de libérer de précieuses ressources de développement ou de contenu. Idéalement, vous souhaitez pouvoir modifier facilement votre groupe de variantes de pages via un outil professionnel tel que SplitSignal. Mais pour un test fractionné, nous vous montrerons comment utiliser temporairement les ressources existantes à votre disposition pour implémenter des données structurées pour vos pages de groupe de variantes. Pensez à des outils comme Google TagManager ou un autre système de gestion ou de test de balises qui vous permet d’insérer du code HTML ou JavaScript personnalisé.

Mise en place de l’épreuve

Très probablement, vos FAQ seront balisées de la même manière, comme indiqué ci-dessous : vous pouvez implémenter un script de données structurées dynamiques pour les pages que vous souhaitez tester. Ainsi, par exemple, si vous avez 200 pages de groupe de variantes qui partagent le même modèle HTML mais qui ont des FAQ différentes par page, vous pouvez rapidement implémenter les données structurées que vous souhaitez sur toutes ces pages avec un seul script.Avec seulement 27 lignes de code JavaScript, vous pouvez parcourir toutes vos questions et réponses et générer un script JSON-LD, qui sera placé dans la section de votre document HTML : vous devrez modifier la variable faq_element pour qu’elle corresponde au conteneur qui répertorie vos FAQ. Ensuite, vous pouvez spécifier l’élément HTML contenant la question et l’élément HTML contenant la réponse. Le script parcourra ensuite toutes vos FAQ.Après avoir apporté les modifications nécessaires, vous pouvez facilement tester le script depuis la console de votre navigateur en collant le script :En appuyant sur Entrée, vous pouvez exécuter le script. Vous pouvez maintenant vérifier l’onglet « Éléments » pour voir si les données structurées sont injectées dans la section du document HTML :Enfin, vous pouvez copier le code HTML et le transmettre au Schema Markup Validator :Vous pouvez obtenir l’exemple de code modèle ici. (Oui : ça peut être aussi simple). La dernière étape consiste à lancer le script sur votre groupe de variantes de pages. Par exemple, si vous utilisez Google TagManager, vous pouvez facilement définir un déclencheur avec une chaîne d’expression régulière d’URL. Vous pouvez consulter la propre documentation de Google pour l’implémentation de données structurées via Javascript pour plus d’informations. Si tout semble bon, vous pouvez continuer votre essai.

Comment analyser votre split-test

Enfin, nous pouvons analyser et valider les résultats en utilisant l’approche d’inférence causale inventée par Google pour estimer l’impact d’un changement. L’outil vous permet de construire un modèle de série chronologique structurel bayésien. Le modèle prédit la réponse contrefactuelle qui se serait produite si aucune intervention n’avait eu lieu, et nous la comparons aux données réelles. Vous pouvez trouver l’outil ici.Avec cette approche statistique, vous obtenez un aperçu de l’impact réel d’un changement de référencement. À l’aide d’un groupe de contrôle de pages présentant des caractéristiques statistiquement similaires, le modèle peut détecter et filtrer les tendances et autres influences externes (par exemple, des influences saisonnières ou une mise à jour d’un algorithme). Vous pouvez utiliser la Search Console pour fournir une entrée de données. Pour la variante et le groupe de pages de contrôle, collectez des données sur les clics organiques (ou sessions ou impressions) au jour le jour pour la somme totale du groupe de pages. Pour les deux groupes, vous avez besoin d’un minimum de 100 jours de les données historiques (données avant le début du test), ainsi que tous les jours d’exécution de votre test. Ainsi, si votre test dure 21 jours, vous avez besoin de données de 121 jours. Après avoir téléchargé les données de test, vous pouvez sélectionner la date de début. Sur la base de l’exemple ci-dessus, votre date de début serait le jour 101. Ci-dessous, vous pouvez voir un exemple de la façon dont vous devez fournir des données : après avoir saisi les données, vous pouvez exécuter l’analyse. Le résultat du test ressemble à ceci : La vue d’ensemble vous donne des informations sur l’impact calculé du changement SEO, le niveau de confiance et l’effet absolu du changement sur vos pages testées. Par défaut, le tracé contient deux graphiques :Le premier graphique affiche les données et une prévision contrefactuelle pour la période suivant la modification. Chaque test comporte une période pré-intervention et post-intervention. Au cours de la période précédant l’intervention, vous souhaitez un bon ajustement du modèle, ce qui signifie que les « clics prévus » et les « clics réels » doivent correspondre très étroitement. Cela garantit un modèle fiable à partir duquel tirer des conclusions.Le deuxième graphique additionne l’effet quotidien sur les clics, ce qui donne un graphique de l’effet cumulatif. Lorsque la zone ombrée orange fonctionne en dessous (négatif) ou au-dessus (positif) de l’axe x=0, le test est statistiquement significatif au niveau souhaité de 95 %. Pour en savoir plus sur le fonctionnement de l’outil et la manière de fournir les données d’entrée, lisez La documentation.

Dernières pensées

Il ne fait aucun doute que les tests fractionnés SEO sont essentiels pour comprendre comment Google interprète (et classe) votre site Web. En testant de petits ajustements aux groupes de pages, vous commencerez à découvrir quels ajustements subtils déplacent l’aiguille pour votre stratégie de référencement. Il existe des moyens plus simples, plus avancés et intégrés de configurer et d’analyser vos propres tests fractionnés. Des outils comme SplitSignal peuvent faire beaucoup de démarches. Cela vous permet d’agir rapidement et d’exécuter plusieurs tests dans un court laps de temps, ce qui accélère votre processus d’apprentissage.