[ad_1]
A / B測試您的SEO更改可以帶給您競爭優勢，並且可以避免負面更改而降低您的訪問量。在本周五的白板中，艾米莉·波特（Emily Potter）不僅分享了為什麼A / B測試您的更改很重要，而且還分享了如何建立假設，收集和分析數據的內容以及得出結論的想法。
單擊上方的白板圖像，在新選項卡中打開高解析度版本！
視頻轉錄
莫茲迷，您好！我是Emily Potter，我在 蒸餾的 在我們倫敦辦公室。今天，我將與您討論SEO中的假設檢驗及其統計意義。
在Distilled，我們使用稱為ODN的平台 蒸餾優化交付網路，進行SEO A / B測試。現在，在此，我們使用假設檢驗。您可能無法部署ODN，但是今天我仍然認為您可以從我所談論的內容中學到一些有價值的東西。
假設檢驗
假設檢驗的四個主要步驟
因此，當我們使用假設檢驗時，我們使用四個主要步驟：
- 首先，我們提出一個假設。
- 然後，我們收集關於該假設的數據。
- 我們分析數據，然後…
- 最後，我們得出一些結論。
A / B測試最重要的部分是有很強的假設。因此，在這裡，我已經討論了如何制定強有力的SEO假設。
1.形成假設
幫助提出假設的三種機制
現在我們需要記住，使用SEO，我們試圖影響三件事以增加自然流量。
- 我們要麼試圖提高自然點擊率。因此，您所做的任何更改都會使您在SERP中的出現對您的競爭對手更具吸引力，因此會有更多人點擊您的廣告。
- 或者，您可以提高自然排名，從而使自己更高。
- 或者，我們也可以為更多關鍵字排名。
您也可能會同時影響所有這三個方面。但是，您只想確保其中之一明確成為目標，否則就不是真正的SEO測試。
2.收集數據
接下來，我們收集數據。同樣，在Distilled，我們使用ODN平台執行此操作。現在，使用ODN平台，我們進行了A / B測試，並將頁面分為統計上相似的存儲桶。
使用控制項和變體進行A / B測試
因此，一旦執行了此操作，我們將使用變數組，然後使用數學分析來確定如果不進行更改，我們認為變數組會做什麼。
所以在這裡，我們有黑線，那就是這樣做的地方。它可以預測如果我們不做任何更改，模型會認為變體小組會做什麼。這條虛線是測試開始的時間。這樣您可以在測試後看到分離。藍線實際上就是發生的情況。
現在，由於這兩行之間存在差異，因此我們可以看到一個變化。如果我們移到這裡，我們就繪製了這兩條線之間的差。
由於藍線高於黑線，因此我們將其稱為正面測試。現在，這裡的綠色部分是我們的置信區間，作為標準，這部分是95％的置信區間。現在我們使用它，因為我們使用統計測試。因此，當綠線全部位於零線上方，或者所有綠線都位於零線以下（用於陰性測試）時，我們可以將其稱為統計顯著性測試。
對於這個，我們最好的估計是，這將使會議增加12％，大約每月大約有7,000次自然會議。現在，在這裡的任何一側，您都可以看到我寫了2.5％。那就是使所有這些加起來等於100，其原因是您永遠不會獲得100％的自信結果。總是有機會，有隨機的機會，而您有錯誤的否定或肯定的判斷。這就是為什麼我們然後說我們有97.5％的信心這是積極的。那是因為我們有95加2.5。
沒有統計意義的測試
現在，在Distilled，我們發現在許多情況下我們的測試在統計上並不重要，但是有充分的證據表明它們有所提高。如果我們移到這裡，我有一個例子。因此，這是一個沒有統計學意義的示例，但我們看到了強勁的增長。
現在您可以看到我們的綠線中仍然有一個負值區域，這表示在95％的置信區間內，這仍然是一個負測試。現在，如果我們再次在下面放下，我又做了粉紅色。因此，我們雙方都有5％的權益，我們可以在這裡說我們有95％的信心取得了積極的結果。這是因為該5％始終也高於該值。
3.分析數據以檢驗假設
現在，我們這樣做的原因是嘗試並能夠實施我們有很強假設的變更，並且能夠從中獲得勝利，而不僅僅是完全拒絕。現在造成這種情況的部分原因還在於我們說我們在做生意而不是科學。
在這裡，我創建了一個圖表，該圖表說明了我們何時可能會部署統計意義上不重要的測試，這是基於假設的強弱程度以及更改的便宜程度或昂貴程度。
強有力的假設/廉價的改變
現在在這裡，在您的右上角，當我們有很強的假設和廉價的更改時，我們可能會部署它。例如，我們最近與Distilled的一位客戶進行了這樣的測試，他們將主關鍵字添加到H1中。
最終結果看起來像此圖。這是一個強有力的假設。實施起來並不是一項昂貴的更改，我們決定部署該測試，因為我們非常有信心那將仍然是積極的。
虛假假設/廉價變動
現在，從另一方面來說，如果您的假設很弱，但價格仍然便宜，那麼也許有證據表明仍是採用該假設的理由。您必須與客戶溝通。
強有力的假設/昂貴的改變
在具有強大假設點的昂貴變更中，如果您根據要達到的百分比變化來計算預期收入，則必須權衡從投資回報中獲得的收益。
虛假假設/廉價變動
如果假設不充分且變化巨大，那麼我們僅在統計意義重大的情況下才需要部署它。
4.得出結論
現在我們需要記住，當我們進行假設檢驗時，我們所做的只是嘗試檢驗原假設。這並不意味著無效結果意味著根本沒有效果。這意味著我們不能接受或拒絕該假設。我們說的是，這太隨機了，以至於我們不能說這是真的。
現在95％的置信區間可以接受或拒絕該假設，我們說的是數據不是噪音。當它的置信度小於95％時，就像我們在這裡所說的那樣，我們不能說我們通過科學測試就能學到一些東西，但是我們仍然可以說我們有很充分的證據表明這將產生積極的影響。在這些頁面上的效果。
測試的優勢
現在，當我們與客戶討論此問題時，這是因為我們的真正目標是在這裡提供與其他垂直行業相比的競爭優勢。現在，測試的主要優勢是避免那些負面變化。
我們只想確保所做的更改不會使流量真正下降，而且我們看到了很多。在Distilled，我們稱之為躲閃的子彈。
現在，這是我希望您能從事的工作，並能夠與您的客戶或您自己的網站一起使用。希望您可以開始提出假設，即使您無法部署ODN之類的東西，如果所做的更改正在幫助或損害流量，您仍然可以使用GA數據來嘗試並獲得更好的主意。這就是我今天為您準備的全部。謝謝。