SEO A/B-Testen: data-driven aan de slag!

Het begrip A/B-testen is vooral bekend van testen met het doel om de conversieratio van websites te verhogen. Ook binnen de advertising kanalen wordt getest met onder andere advertentieteksten en visuele uitingen. SEO A/B-testen komt nog weinig ter sprake, maar is een zeer interessante ontwikkeling in de markt. Je kunt namelijk de ROI van een aanpassing voorspellen door te testen en zo meer urgentie creëren rondom doorvoering van SEO implementaties.

In dit blog vertel ik je meer over hoe het werkt, de voordelen en welke tools jou erbij helpen.

Meer SEO-verkeer met een data-driven aanpak

“Wat gaat het ons opleveren? Wat lopen wij mis als we de aanpassing niet of later doorvoeren?”

Als SEO-consultant krijg ik vaak te maken met dergelijke vragen. Het vooraf hard maken van het resultaat van een aanpassing is vrijwel onmogelijk. Uitgaan van bestaande business cases kan eveneens verkeerd uitpakken. Wat in branche X goed werkt, hoeft in branche Y helemaal niet goed te werken.

Het is mogelijk door een groep pagina’s van een website te pakken en de aanpassing hierop te testen. Als blijkt dat de aanpassing meer organisch verkeer oplevert, dan voer je het door op de hele website. Zie je geen stijging in organisch verkeer? Dan behoud je de pagina’s zoals ze waren. Je voorkomt besteding van tijd en geld aan aanpassingen die je geen geld gaan opleveren.

Bijkomend voordeel is dat je – naast een oordeel over de significantie – ook een procentuele verandering teruggekoppeld krijgt. Zo kun je per aanpassing doorberekenen wat het gaat opleveren wanneer het site-breed wordt geïmplementeerd, ook in conversies en omzet. Of je rekent door wat je als organisatie misloopt aan resultaat bij uitstel van X-aantal maanden.

Hoe werkt SEO A/B-testen?

Voor SEO A/B-testen neem je een groep pagina’s en deel je deze in twee groepen met ongeveer een gelijk aandeel in verkeer. Eén van de groepen is de controlegroep (origineel) waarop geen aanpassingen worden gedaan. Op de andere groep pagina’s (variantgroep) wordt de aanpassing gemaakt. Belangrijk is dat de paginagroep een gelijk paginatype betreft. Denk aan categorie-, vestiging- of productdetail pagina’s.

Het verschil met A/B-testen voor conversieratio is dat van elke pagina twee varianten beschikbaar zijn. Bezoekers krijgen één van de twee varianten te zien. Bij CRO A/B-testen is de googlebot niet op de hoogte van de test. Je zult na de CRO A/B-test dus niet weten wat het effect is op het organisch verkeer.

Het resultaat van de test wordt na verloop van tijd inzichtelijk door de resultaten van de controle- en variantgroep over elkaar te leggen. Vervolgens dien je de uitkomsten te toetsen op significantie.

Bron: Distilled

Wat kun je allemaal SEO A/B-testen?

Er zijn zowel technische als contentelementen te testen. Denk onder andere aan:

• Het aanpassen van page titles en meta tags
• Aanpassen, toevoegen of verwijderen van on-page content
  • Tekstuele content (headings of body copy)
  • Visuele content (afbeeldingen, video’s, maps, etc)
  • Interne links
• Het toevoegen of aanpassen van technische elementen
  • Structured data markeren
  • Canonical- of hreflang-tags

Combineer je het met Edge SEO dan zijn er nog meer testmogelijkheden. Denk bijvoorbeeld aan het omzetten van 302 redirects naar een 301 redirect.

Hoe bepaal je of de test significant is?

Het bepalen van significantie is een must. Je wilt immers uitsluiten dat het resultaat per toeval heeft kunnen ontstaan. Het lastige bij SEO A/B-testen is dat er sprake is van twee groepen pagina’s die niet volledig identiek zijn. Ze zijn hebben overlap qua design en vormgeving, maar verschillen qua onderwerp en inhoud van elkaar. Om die reden zijn de resultaten niet één-op-één met elkaar te vergelijken.

Om ze te kunnen vergelijken, maken we gebruik van tijdreeksanalyses. Hierbij wordt op basis van historische bezoekersgegevens van zowel het controlegroep als de variantgroep een forecast gemaakt van hoe de bezoekersaantallen eruit hadden gezien indien de test niet had plaatsgevonden. Op deze manier is het mogelijk om inzichtelijk te maken wat het effect van de variant is geweest op het bezoekersvolume. Een test wordt als succesvol beschouwd indien de daadwerkelijke aantallen van de variant de voorspelling significant overtreffen, mits dat voor het origineel niet geldt.

Het rekenmodel is gebaseerd onderzoek van Google. Het gebruik van deze methodiek is interessant, omdat andere site-wide factoren uitgesloten kunnen worden. Denk hierbij aan Google-algoritme updates, seizoensinvloeden en branchespecifieke trends. Deze zullen niet enkel effect hebben op de resultaten van de variantgroep, maar ook op die van de controlegroep.

Het volledig isoleren van de pagina-aanpassingen is helaas niet mogelijk. Factoren als nieuwe of verloren backlinks of groei in zoekinteresse naar een specifiek(e) product of productcategorie zijn niet volledig uit te sluiten. De invloed ervan op de berekeningen kan wel beperkt worden door de test niet op enkele pagina’s tegelijk te doen, maar een groter aantal pagina’s – bij voorkeur 10+ per groep – te testen.

Zijn er ook uitdagingen of randvoorwaarden?

Het klinkt allemaal mooi, maar eenvoudig is het niet. Er zijn een aantal criteria die SEO A/B-testen een uitdaging maken:

• Contentmanagementsystemen (CMS) werken over het algemeen met een vast template per paginatype. Het A/B-testen met betrekking tot indeling, design en layout van de pagina is dan een uitdaging. Edge SEO maakt het mogelijk om deze aanpassingen wél te doen, buiten het functioneren van het CMS om. Maar ook Edge SEO brengt uitdagingen met zich mee.
• SEO A/B-testen kan niet toegepast worden voor ieder type website, omdat de test gedaan wordt op pagina’s met een gelijk paginatemplate. Dienstenwebsites zijn daarom minder geschikt. E-commerce websites zijn met uitstek wél geschikt voor testen met SEO.
• Er is een flinke mate organisch verkeer nodig om een goed voorspellend model op te stellen. Als stelregel kun je aanhouden dat het er 1000 sessies per dag moeten zijn.

Welke tools zijn er voor SEO A/B testing beschikbaar?

Het aantal tools voor SEO A/B-testen is beperkt, maar groeit wel. De tools die je onder de loep kunt nemen:

• Distilled ODN – een geavanceerde en uitgebreide SaaS-oplossing dat functioneert als een edge oplossing. Je bouwt zelf de test via de tool en de tool doet de rest. ODN deelt zelf de pagina’s in gelijke groepen in en koppelt op basis van de Analytics-data het resultaat van de tijdreeksanalyse terug. De tool komt inclusief uitgebreide support voor het bedenken van testideeën en hulp bij het bouwen van tests. Wij waren na de demo onder de indruk over wat er allemaal al mogelijk is met deze tool. Het enige nadeel: alle écht goede tools komen met een prijskaartje. Tipje van de sluier: houd rekening met meerdere duizenden euro’s per maand…
• Rankscience – De tool wordt gepresenteerd als een geautomatiseerd SEO A/B testplatform. De website vertelt niet veel over de werking en voordelen van de tool.  Een demo hebben we nog niet gehad, dus meer kunnen we je er nog niet over vertellen. Jij ons wel?
• Er verschijnen ook steeds meer ‘meta CMS’-oplossingen, vaak op basis van Cloudflare Workers, zoals Spark en Updatable. Houd er rekening mee dat de tijdreeksanalyse is in dit geval nog niet in de tools is geïntegreerd.
• De code voor de tijdreeksanalyse is open-source. Je vindt het op Google’s Open Source Blog.

Tot slot

Wat mij betreft is SEO A/B-testen een interessante ontwikkeling die de markt vooruit gaat helpen. Het biedt handvatten om de ROI van SEO-aanpassingen te kunnen voorspellen waardoor er gefocust kan worden op implementaties die écht resultaat opleveren. Wij zijn er in ieder geval druk mee bezig!

Heb je interesse in SEO A/B-testen? Of wil je er over sparren? Neem dan vrijblijvend contact met ons op en/of laat een comment achter!