Avant de commencer : si vous n’êtes pas familier avec les principes du split-test statistique SEO et le fonctionnement de SplitSignal, nous vous suggérons de commencer ici ou de demander une démo de SplitSignal. Tout d’abord, nous avons demandé à nos abonnés Twitter de voter :Le résultat du sondage TwitterCette fois, la majorité de nos abonnés étaient DROIT ! Lisez la suite pour savoir pourquoi.Mais d’abord, voyons ce que les professionnels du référencement avaient à dire sur le résultat de ce test : avec ça.
Si rien, cela ne devrait pas avoir d’impact sur le CTR organique.
S’il transforme le résultat en un extrait en vedette, cela réduirait probablement le CTR (si le résultat était auparavant en position 1). Je pense que cela aura un impact minime, peut-être même ne montrera-t-il aucun changement significatif. Suivez-nous sur LinkedIn pour partager vos réflexions sur le prochain test.
L’étude de cas
Les données structurées sont largement connues pour leurs fonctionnalités de résultats de recherche et leurs améliorations sous la forme d’extraits enrichis. Cependant, les données structurées sont bien plus qu’une simple « sauce finale » pour obtenir un bon résultat de recherche. Avec les données structurées, vous pouvez passer des « chaînes » aux « choses ». Les données structurées sont un format normalisé permettant de fournir des informations sur une page et de classer le contenu de la page. Il donne un sens aux «choses» (entités) et explique le contexte et les relations entre les différents éléments de contenu sur le Web. Google affirme utiliser des données structurées qu’il trouve sur le Web pour comprendre le contenu d’une page et recueillir des informations sur le Web et le monde en général. Du point de vue du référencement, le but des données structurées est d’aider les moteurs de recherche à mieux comprendre le sens du contenu (et à le lier à l’intention de l’utilisateur) afin que votre contenu soit choisi comme la meilleure réponse à une requête de recherche. Pour une place de marché en ligne pour les applications logicielles, nous voulions donner à Google plus de contexte sur le contenu de leurs pages de liste. Parce que ces pages ne sont pas seulement une collection de liens, mais une page de collection (résumée) pleine de listes d’applications logicielles, faisant référence à des applications logicielles vivant ailleurs sur le site, qui se rapportent toutes à la page de liste et à d’autres applications logicielles liées sur le site Web.
L’hypothèse
Le site Web en question voulait tester si l’ajout de données structurées ItemList à leurs pages de liste aurait un impact significatif sur le trafic organique. Les données structurées ItemList sont utilisées pour marquer une liste de « choses ». Une liste peut être de n’importe quel type. Dans ce cas, nous avons imbriqué(s) SoftwareApplication(s) et les éléments de la liste doivent être du même type de schéma. Nous avons émis l’hypothèse qu’en ajoutant des données structurées ItemList avec des applications logicielles imbriquées, nous serions en mesure de donner à Google plus de contexte sur la page et sa relation avec les applications logicielles sur le site Web. Bien que cela ne se traduise pas par un extrait enrichi, nous avons émis l’hypothèse que cela aurait un effet positif sur le trafic organique vers les pages testées.
Le test
Nous avons utilisé SplitSignal pour configurer le test. Environ 1 500 pages de liste ont été sélectionnées comme contrôle ou variante. Pour implémenter les données structurées ItemList sur les pages de variantes, nous avons créé un script personnalisé qui parcourt le code HTML des éléments d’application logicielle sur une page de liste. Le script a saisi toutes les informations pertinentes sur la page de chaque application logicielle et les a placées au format standard schema.org. Nous avons commencé le test et l’avons exécuté pendant 30 jours. Nous avons pu déterminer que Googlebot a visité 80 % des pages testées.
Les résultats
L’ajout de données structurées ItemList avec des applications logicielles imbriquées sur les pages de liste a entraîné une augmentation de 4,6 % des clics. Après un peu plus de deux semaines, nous étions sûrs que l’effet que nous avions constaté était significatif. Lorsque la zone ombrée en bleu fonctionne en dessous ou au-dessus de l’axe x=0, le test est statistiquement significatif au niveau de 95 %. Cela signifie que nous pouvons être sûrs que l’effet que nous constatons est dû à la modification que nous avons apportée et non à d’autres facteurs (externes). Notez que nous ne comparons pas les pages réelles du groupe de contrôle à nos pages testées. mais plutôt une prévision basée sur des données historiques. Le modèle prédit la réponse contrefactuelle qui se serait produite si aucune intervention n’avait eu lieu. Nous comparons cela avec les données réelles. Nous utilisons un ensemble de pages de contrôle pour donner au modèle un contexte pour les tendances et les influences externes. Si quelque chose d’autre change pendant notre test (par exemple, la saisonnalité), le modèle le détectera et le prendra en compte. En filtrant ces facteurs externes, nous obtenons un aperçu du véritable impact d’un changement de référencement.
Pourquoi
Ce test montre qu’enrichir vos résultats de recherche avec des extraits enrichis n’est que la pointe de l’iceberg. L’utilisation de données structurées pour donner aux moteurs de recherche plus de contexte et connecter sémantiquement les pages Web peut avoir un impact positif sur les performances de référencement. L’analyse des données montre que ce test n’a pas seulement affecté les clics sur les pages testées. Par rapport à notre groupe de contrôle modélisé, nous avons également constaté une augmentation des impressions. Une analyse plus approfondie a montré que cela était dû à un meilleur positionnement et à une visibilité accrue sur un ensemble plus large de termes de recherche. Nous pensons que ce changement a accru la pertinence des pages testées. Google pourrait mieux évaluer une page et son contenu et déterminer plus précisément si elle correspondait à l’intention d’un utilisateur de Google. Nous avons décidé de déployer des configurations similaires de ce test sur plusieurs sites Web. Vous pouvez vous attendre à en savoir plus sur ce sujet dans de futures études de cas. Gardez à l’esprit que quelque chose qui fonctionne pour un site Web peut ne pas fonctionner pour un autre. La seule façon de savoir avec certitude est de tester ce qui fonctionne pour vous !
