戳熊-一个经典的SEO故事
如果你在搜索引擎优化领域工作了足够长的时间（特别是在代理/客户场景中），你就会熟悉我们经常与搜索引擎玩的“戳熊”游戏：对网站进行更改，等待搜索引擎接收更改，然后监测其积极，中性或消极的影响。如果你幸运的话，你有多年的经验或良好的指导，你知道熊真的很喜欢你抓它的左耳后面。或者，您肆无忌惮地对站点进行更改，结果却发现戳瞎熊的眼睛是一趟注定要去急诊室的旅程，如果您的排名能够恢复，那就太幸运了。
但许多seo的实际经验介于两者之间。一旦我们完成了基线最佳实践优化，我们就会进入假设的领域：根据我们之前的经验，SERP分析，竞争分析以及在我们脑海中浮动的一百万SEO博客文章的片段，试图预测什么对我们的网站和细分市场有效。基于这些假设，我们对我们的站点进行增量更改并“戳熊”。有时，“谷歌熊”是和蔼可亲和有益的。其他时候它很暴躁。有时它的反应很慢。有时它会以闪电般的速度反应。很多时候，它会毫无表情地盯着我们，眨着眼睛，好像在质疑我们当初为什么会认为这一切会产生影响。
SEO测试的困境
如果你像我一样，你会不止一次地希望有更好的方法在某种可扩展的层面上进行SEO测试。或者用一种不那么痛苦的方式戳谷歌熊。
在较小的自定义站点上，为SEO进行修改并测试结果可能非常简单。站点的范围越小，通常模板化程度越低，从而使其更容易在内容、标记、结构、导航和其他元素上进行调整。您进行这些更改，然后监控SERP位置的积极影响。任何时候你的SEO实验让你误入歧途，通过在几个页面上恢复更改来纠正方向都是相对容易的。
站点越大，后端就越复杂，为了处理大量的内容，页面的模板化程度也会越来越高。在ROI Revolution，我们主要与拥有数千到数百万种产品的电子商务网站合作。如果我想在一个产品页面上测试一个新的修改，看看它是否有积极的SEO影响，那么由于其模板化的性质，我可能不得不在所有产品页面上测试该修改。应用于这些网站的改变可能是“要么全有，要么全无”的事情，其后果可能是彻底的（或好或坏），例如，根据我的假设，25万页面突然有了新的格式。如果我的假设是正确的，那就全是击掌庆祝了。但是如果我的假设是错误的，那么在我恢复那些让我陷入麻烦的更改之后，所有的产品页面都需要相当长的时间才能重新索引。b谷歌可以迅速消除收益，但恢复损失的速度很慢。
这只是在大型网站上大规模测试SEO改进所带来的头痛的一个例子。问题不在于我们不能扩大规模——而是我们必须一直扩大规模！在将这些更改应用到所有页面之前，我们最好测试一小部分页面，以确定它们是否产生积极的结果。
一个独特的优势-一个SEO窥视网站的A/B测试
通过领导ROI Revolution的网站优化服务团队，我很幸运地领导了两个非常独特的在线营销领域的团队：SEO（搜索引擎优化，你可能很熟悉）和CRO（转化率优化）。这两种学科都在寻求优化网站上的用户体验，以达到理想的结果。CRO团队的目标是增加特定用户操作的可能性（对于电子商务网站，通常是完成购买或漏斗早期的某些操作）。SEO团队的目标也是增加特定用户操作的可能性。但在他们的案例中，“用户”是一个搜索引擎，目标是让搜索引擎对网站进行排名。
有了SEO，你对网站所做的优化显然会对人类用户产生影响，但出于本讨论的目的，我们将假设你为排名所做的任何事情对你网站上的人类用户也有好处。
网站A/B测试
我们在CRO方面为客户做的大部分工作是创建和执行用户实验策略。最常见的方法是利用A/B测试平台，如AB Tasty、VWO或谷歌Optimize。
如果你不熟悉A/B测试，它的工作原理是将所有流量带到特定页面（或页面类型），并为一半用户提供正常体验，而另一半用户则遇到不同的，修改过的体验：
SEO A/B测试流量的简单说明。实际上，你可以在多个不同的修改体验中以近乎无限的百分比分割流量，但经典的50%/50% A/B测试为你提供了这种测试如何工作的最简单示例。
这类实验的基础是假设用户更有可能完成某个操作（比如在电子商务网站完成结帐）的站点体验。然后根据这个假设修改站点体验，并将修改后的体验提供给一部分用户。你对你的网站所做的修改类型可以从简单的（在页面顶部的横幅广告免费送货）到非常复杂的（完全重建结账流程）以及介于两者之间的一切。
测试平台利用各种统计模型来确定测试结果是否可信。这通常被称为“统计显著性”。如果测试的结果在统计上显著，你就更有信心测试的结果不是随机的。
如果您的假设是正确的（您的测试获胜了），那么您就可以在站点上永久地实现已测试的更改，并确信它将产生积极的影响。如果你的假设是不正确的（你的测试失败了），那么你就避免了一个潜在的代价高昂的错误，这个错误在当时看起来是一个好主意。
这是在做出改变之前证明其价值的好方法，当转换率的微小变化能够影响到每个月数百万美元的收益时，这一点非常重要。
大多数网站A/B测试平台的附带好处
这些A/B测试平台除了是了解用户动机触发点和摩擦点的好方法之外，还有一个额外的好处是，它们独立于公司（或客户）的开发队列运行，让你能够更快地减少繁文缛节。
传统上，你需要得到你的开发团队和其他利益相关者的批准才能将网站更改纳入你的开发冲刺，然后在看到你的更改在网站上运行之前，你必须等待轮到你进入队列。通过利用客户端脚本方法，测试平台允许您创建在页面在用户浏览器中加载时运行的代码（通过所见即所得编辑器或代码编辑器）。测试平台的代码在浏览器中构建页面时运行，并在几毫秒内重新排列页面。最终用户并不知道这种变化，而你的开发团队也不需要动一根手指。
如果修改后的测试体验是一个赢家，只有这样你才能让你的开发人员参与进来——你可以很容易地向他们展示你建议的网站更改对收入的影响。
将A/B测试原则应用于SEO
如果你像我一样，第一次看到我们正在做的SEO工作，并将其与我们正在做的CRO工作进行对比，我想，“对了。让我们先进行A/B SEO分离测试，在全面推广之前确定策略是否有效。”
虽然这在理论上听起来很棒，但仍存在一些障碍：
用户基数为1
使传统网站A/B测试成为可能的是人口规模（即测试中的人数），这决定了测试需要运行多长时间。一旦有足够的人参加测试，我们就可以得出关于测试影响的统计显著结论。
问题是，如果我们正在运行一个测试来确定网站修改对谷歌排名算法的影响，那么在我们的测试中只有一个“用户”：Googlebot。这本身就打破了为SEO做传统A/B测试的整个概念。
那么，我们要怎么解决这个问题呢？
基于机器人的A/B测试
如果你回想一下之前关于A/B测试的概述，我们需要一个“控制”体验和至少一个“变化”体验（也就是我们正在测试的新修改）。然后，我们需要一个或多个页面进行测试，我们需要大量的用户来显示控制和变化。然后我们比较这两种体验的表现：
SEO A/B测试流量的简单说明。
对于SEO拆分测试，你必须彻底改变模型。因为您不能测试一组用户，所以您必须测试一组页面。而不是将你的用户分成两种体验，你将平等地分割页面，对每组页面应用不同的体验（又名修改），然后通过正常的抓取程序将这些页面输入搜索引擎：
SEO拆分测试过程的简单说明。这很像针对人类用户的a /B测试，只不过它不是。
然后，您将在30天内监控这两种体验的排名和流量，并与当前基线进行比较。如果包含在修改后的体验组中的页面在体验的持续时间内看到了积极的排名提升（而对照组是持平或下降），那么您就可以自信地对模板实现这些修改，并将更改应用于站点上的所有类似页面。
服务器端实现
在我对A/B测试工作原理的概述中，我提到了利用客户端测试的一个附带好处，那就是每次你想测试变更时，它都可以让你的开发人员参与进来。
由于搜索引擎渲染JavaScript的能力一直很差，因此使用上述基于机器人的A/B测试方法进行任何类型的A/B测试都是一项繁重的任务。与大多数以用户为中心的测试平台使用简单的“客户端”脚本方法不同，任何类型的SEO A/B测试工具以前都需要集成到网站的服务器和/或CDN中，以便在页面通过网络发送之前对其进行更改。这些解决方案往往是国产的、笨拙的。一些服务提供商确实进入市场提供SEO测试解决方案，但仍然需要为测试提供服务器端渲染，这带来了与本地解决方案相同的头痛问题。
常绿机器人之美
在SEO的旧时代，搜索引擎不“渲染”网页。他们只是浏览源代码，并根据这些信息做出排名决定。最终，搜索引擎意识到他们确实应该根据最终用户实际看到的内容做出决策，而不仅仅是压缩到（或从）服务器的源代码响应中删除的内容。为了解决这个问题，他们开始以与浏览器相同的方式呈现网页，并利用页面的视觉呈现版本来进行排名决策。
随着越来越多的网站开始使用JavaScript来构建最终用户在浏览器中看到的内容，搜索引擎很难跟上。在很长一段时间里，谷歌依赖于过时的Chrome版本来渲染页面。作为seo，我们一直在玩打地鼠游戏，关于客户在他们的网站上使用尖端的JS，但谷歌无法“看到”内容，因为它不能正确渲染它。
2019年，谷歌宣布GoogleBot的渲染引擎将是“常青树”。这意味着每次b谷歌的Chrome浏览器更新时，GoogleBot将使用最新版本的浏览器作为其渲染引擎。不久之后，Bing宣布BingBot也将是常青树，并将始终使用Edge浏览器的最新渲染引擎。
这对于SEO的A/B测试来说是一个巨大的交易。
如果BingBot和GoogleBot的渲染引擎是常青树，那么我们可以确信，通过测试工具，我们在网站上运行的几乎任何JavaScript都将被搜索引擎识别。
这意味着同样的客户端编码机制，使以用户为中心的A/B测试如此容易执行，现在可以提供给SEO A/B测试人员！
期待SEO A/B测试热潮
我实话实说。因为我花了将近15年的时间为搜索引擎不能正确处理JavaScript而烦恼，当常青树机器人被宣布时，我不愿意相信它。在SEO世界里，先入为主的观念很难消失。出于同样的原因，将常绿机器人与进行更多SEO测试的能力联系起来并不是一个明显的结论。
然而，鉴于我在去年看到GoogleBot能够在页面加载时正确渲染大多数JavaScript，我认为我们正处于SEO测试的真正转折点。我个人对于Semrush这样的公司引进SplitSignal这样的客户端A/B测试平台感到非常兴奋。我在CRO行业的经验建立了我对客户端测试的信心，这种测试已经成功地进行了多年。随着搜索引擎机器人与时俱进，将基于机器人的A/B测试方法与客户端测试平台结合起来是完全有意义的。
对于较小的站点，基于bot的A/B测试可能是多余的。但对于大型cms驱动的网站，如电子商务平台和拥有数万（甚至更多）页面的大型内容中心，使用我们的优化策略是一种更具战略性的好方法。
或者，换句话说，让“戳熊”的游戏更有回报！要求今天的演示！