Bahasa

SEO sebuah/B Testing

cara jalankan controlled SEO experiments — split testing tag judul, deskripsi meta, data terstruktur, dan pada-halaman perubahan — menggunakan time-series atau split-URL approaches untuk mengukur causal impact.

Pertama kali diterbitkan: 2 Jul 2026 · Terakhir diperbarui: 3 Agu 2026 · Lanjutan
AIDitulis olehAI v2

SEO sebuah/B testing measures apakah sebuah perubahan sebenarnya moved pencarian organik — tidak apakah Anda think ini melakukan. Anda dapat't test SEO cara Anda test sebuah landing halaman untuk conversions, karena ada hanya satu Googlebot: mesin pencari indeks satu versi dari sebuah URL dan ada Tidak cara untuk split searches untuk sebuah kueri 50/50. So Anda randomize di halaman tingkat alih-alih. Dua nyata metode: split-URL/holdout testing (randomly split sebuah besar group dari similar templated halaman ke control dan variant, bandingkan trafik organik) dan time-series/causal-impact testing (forecast apa variant halaman akan memiliki selesai tanpa perubahan, menggunakan sebuah control group sebagai baseline). tag judul, deskripsi meta, data terstruktur, tautan internal, dan konten adalah testable; backlinks tidak. Anda perlu cukup halaman dan traffic untuk beat noise (SearchPilot's practical floor adalah hundreds dari sama-template halaman dan ~30k+ organic sessions/month), tests biasanya jalankan 2–6 weeks, dan Anda tidak berhenti early pada sebuah baik-looking trend. Stay compliant per Google: canonical variant URLs, gunakan 302 tidak 301 jika mengalihkan, Tidak cloaking, dan shut test down ketika ini adalah selesai.

TL;DR — Classic randomized sebuah/B testing tidak transfer untuk organic SEO karena ada hanya satu Googlebot — mesin pencari indeks satu versi dari sebuah URL dan dapat’t split sebuah kueri’s searches 50/50. So Anda randomize di halaman tingkat. Dua methodologies: split-URL/holdout (randomly split sebuah besar group dari sama-template halaman ke control dan variant, bandingkan organic sessions) dan time-series/causal-impact (forecast counterfactual dengan sebuah control group sebagai baseline, per Google’s own CausalImpact research). Testable: judul, metas, data terstruktur, tautan internal, konten, layout. Tidak reliably testable: backlinks, algorithm memperbarui, apa pun situs-wide. Anda perlu cukup comparable halaman, observations, dan pre-test history untuk estimate variance; tidak ada universal traffic floor atau duration. Treat ini sebagai sebuah quasi-experiment, tidak sebuah bersih RCT — halaman groups tidak fully independent, since shared templates, tautan internal, dan SERP competition dapat let sebuah variant-group perubahan bleed ke control group. Predefine stopping aturan alih-alih ending pada sebuah favorable-looking trend. Stay compliant: canonical variants, 302 tidak 301, Tidak cloaking, tear test down ketika ini adalah selesai.

Bukti untuk klaim ini CausalImpact estimates an intervention's causal effect from a Bayesian structural time-series counterfactual under stated assumptions. Cakupan: Original methodology; validity depends on controls, stable relationships, and experimental design. Tingkat keyakinan: tinggi · Diverifikasi: Brodersen et al.: Inferring causal impact using Bayesian structural time-series models Bukti untuk klaim ini Search experiments must avoid showing materially different content to Googlebot and users in ways that constitute cloaking; temporary tests should preserve normal crawlability and canonical intent. Cakupan: Current Google spam and testing constraints, not a universal test-duration prescription. Tingkat keyakinan: tinggi · Diverifikasi: Google Search Central: Website testing and Google Search

Mengapa CRO-style sebuah/B testing tidak berfungsi untuk pencarian organik

«The whole reason SEO testing needs its own methodology is that the thing you’re testing for isn’t a human. As Craig Bradford at SearchPilot puts it, “The ‘user’ we are testing for is Googlebot, not human users. That means it’s not possible, for instance, to show 10,000 ‘Googlebots’ control and variant pages randomly. There is only one Googlebot.” » (Terjemahan) (Ringkasan bahasa Indonesia untuk bagian dua puluh dua, bagian kecil satu: teks sumber dipertahankan agar dapat diperiksa dalam tinjauan penutur asli.)

ada dua structural alasan randomized, pengunjung-tingkat sebuah/B testing — jenis conversion-rate optimization menggunakan — dapat’t menjadi applied untuk pencarian organik:

  1. mesin pencari indeks dan peringkat satu versi dari sebuah URL. sebuah server web dapat put half Anda pengunjung di bucket sebuah dan half di bucket B oleh cookie, di nyata time. Googlebot melakukan crawl dan indeks satu disajikan versi. ada Tidak mechanism untuk ini untuk hold dua competing versi dari yang sama URL dan peringkat them terhadap setiap lainnya.
  2. ada Tidak per-kueri random assignment. Anda dapat’t tampilkan variant konten untuk “half itu searches untuk [keyword]” (terjemahan) “half searches untuk [keyword]” cara sebuah ad platform menampilkan variant creative untuk half dari impressions. Google decides yang halaman peringkat untuk sebuah kueri; Anda tidak mendapatkan untuk split itu traffic.

workaround di keduanya nyata methodologies adalah yang sama: randomize di halaman tingkat, tidak pengunjung atau kueri tingkat. Anda treat sebuah besar group dari similar halaman sebagai Anda population dan split * halaman* ke control dan variant.

itu juga berarti CRO-safe habits tidak secara otomatis SEO-safe. Client-side JavaScript sebuah/B alat itu tukar konten setelah muat adalah fine untuk humans tetapi risky untuk crawler — SearchPilot warns itu menggunakan JavaScript untuk SEO tests “dapat penyebab significant problems atau even invalidate itu hasil” (terjemahan) “dapat penyebab significant masalah atau bahkan invalidate hasil”. jika Anda’re going untuk test SEO, melakukan ini server-side (atau edge-side), so crawler sees variant di awal HTML.

dua nyata methodologies

sebagian besar guides lump semuanya di bawah “SEO A/B testing.” (terjemahan) “SEO sebuah/B testing.” ini adalah worth separating dua distinct approaches, karena mereka jawaban slightly berbeda pertanyaan.

1. Split-URL / halaman-group (holdout) testing

Take sebuah besar set dari templated halaman — semua product halaman, semua category halaman, semua blog posts — dan randomly assign them ke sebuah control group dan sebuah variant group. variant group mendapatkan perubahan; control group tidak. di atas test window Anda bandingkan trafik organik (sessions/clicks) antara dua groups.

Keduanya groups experience yang sama external conditions, so seasonality dan algorithm memperbarui itu hit everyone tampilkan up sebagai parallel movement di keduanya groups dan jangan mendapatkan misattributed untuk Anda perubahan. Apa Anda’re measuring adalah divergence antara groups setelah perubahan goes langsung.

catch adalah statistical power: Anda perlu cukup halaman, dan cukup traffic per halaman, untuk detect sebuah nyata effect di atas day-untuk-day noise itu halaman sudah tampilkan.

Worth naming honestly: halaman groups tidak fully independent observations cara individual pengunjung di sebuah situs web sebuah/B test adalah. halaman pada yang sama situs sering share templates, tautan internal, dan compete terhadap setiap lainnya di yang sama SERPs — sebuah perubahan untuk variant group dapat shift internal-tautan equity atau cannibalize clicks di cara itu touch control group too. itu’s sebuah nyata limitation, tidak sebuah footnote: ini adalah mengapa ini adalah sebuah quasi-experiment, tidak sebuah bersih randomized controlled trial. lebih sedikit independent Anda halaman adalah, lebih conservative Anda harus menjadi sebelum calling sebuah hasil significant.

2. Time-series / causal-impact testing

alih-alih (atau di addition untuk) holding out sebuah langsung control group, Anda apply perubahan dan lalu forecast apa variant halaman’ traffic akan memiliki telah tanpa ini — counterfactual — menggunakan sebuah control group dari similar, unaffected halaman untuk bangun itu forecast. kesenjangan antara forecast dan apa sebenarnya happened adalah estimated impact.

statistical mesin behind ini adalah Bayesian structural time-series modeling, yang muncul straight out dari Google’s own research: Brodersen, Gallusser, Koehler, Remy, dan Scott, “Inferring Causal Impact Using Bayesian Structural Time-Series Models” (terjemahan) “Inferring Causal Impact menggunakan Bayesian Structural Time-Series Models” (* Annals dari Applied Statistics*, 2015), dirilis sebagai open-sumber CausalImpact R package (preprint di sini). Hampir setiap SEO testing alat itu claims sebuah “Bayesian” (terjemahan) “Bayesian” atau “causal impact” (terjemahan) “causal impact” metode adalah standing pada ini paper, bahkan ketika mereka jangan cite ini. ini adalah worth knowing di mana metode sebenarnya muncul dari.

alat di ini space

landscape moves, so verify saat ini status sebelum Anda commit, tetapi main players:

  • SearchPilot — platform sebagian besar associated dengan rigorous SEO split testing. ini grew out dari Distilled’s ODN (Optimisation Pengiriman Network); Distilled adalah acquired oleh Brainlabs di 2020 dan testing product spun out sebagai SearchPilot. ini berjalan tests di edge, so variants adalah disajikan di HTML crawler sees.
  • SEOTesting.com — sebuah lebih ringan-weight, Search Console-driven testing alat dengan sebuah strong focus pada statistical significance.
  • seoClarity — -nya enterprise suite mencakup sebuah SEO split-testing module.

Satu hal untuk tidak assume: Google Search Console melakukan tidak offer sebuah langsung, umum-purpose SEO experiments fitur hari ini. Di sana adalah experiment tooling tied untuk AMP era, tetapi ini adalah effectively telah folded ke umum pengalaman halaman reporting. jangan reach untuk “GSC Experiments” (terjemahan) “GSC Experiments” sebagai jika ini adalah sebuah saat ini split-testing alat — ini tidak.

pada Bing side, Microsoft frames split-URL testing sebagai right approach untuk structural perubahan dan positions IndexNow untuk mendapatkan baru variant URLs di-crawl quickly dan Microsoft Clarity sebagai UX-side companion untuk peringkat-side pengukuran.

Bagaimana banyak traffic dan bagaimana banyak halaman Anda perlu

tidak ada universal angka, dan apa pun guide itu memberikan Anda satu adalah oversimplifying. sample size Anda perlu adalah driven oleh three hal:

  • Bagaimana banyak natural variance halaman sudah tampilkan — noisier halaman perlu lebih data.
  • Bagaimana big sebuah effect Anda’re trying untuk detect — lebih kecil effects perlu banyak lebih data.
  • Bagaimana banyak halaman Anda dapat put di setiap group — lebih halaman, lebih sinyal.

untuk sebuah practical floor, SearchPilot says mereka “generally work with sites with at least hundreds of pages on the same template and at least 30,000 organic sessions per month to the group of pages you want to test on.” (terjemahan) “umumnya berfungsi dengan situs dengan setidaknya hundreds dari halaman pada yang sama template dan setidaknya 30 000 organic sessions per month untuk group dari halaman Anda ingin test pada.” Ahrefs’ testing guide puts comfortable threshold di “tens or hundreds of thousands of organic visits per month.” (terjemahan) “tens atau hundreds dari thousands dari organic visits per month.” Lebih kecil situs dapat test, tetapi mereka’ll perlu sebuah banyak lebih besar effect untuk reach significance — yang biasanya berarti kecil wins mendapatkan lost di noise dan hanya big swings register.

Note metric di sini: organic sessions/clicks untuk halaman group, tidak rankings. SearchPilot’s argument untuk itu adalah practical — peringkat tracking dapat’t cover penuh tail dari kueri sebuah halaman peringkat untuk, dan Search Console position data adalah too sparse dan averaged untuk menjadi sebuah rigorous test metric. Traffic untuk group adalah lebih menyelesaikan sinyal.

Bagaimana panjang untuk jalankan sebuah test

umum windows jalankan 2–6 weeks. floor adalah set oleh dua hal: Google perlu untuk recrawl variant halaman dan re-evaluate them, dan Anda perlu accumulate cukup traffic di setiap group untuk reach significance.

cardinal sin adalah stopping early. Early positive movement adalah very sering noise, dan jika Anda panggil test moment ini looks baik, Anda’ll ship salah positives. Ryan Jones di SEOTesting.com adalah blunt tentang ini — “Never end a test early just because you see good results!” (terjemahan) “tidak pernah end sebuah test early hanya karena Anda see baik hasil!” — dan recommends holding untuk sebuah 95% confidence bar (p < 0,05) sebagai standard. sebuah di bawah-powered test seharusnya jalankan lebih lama atau menjadi abandoned, tidak declared sebuah winner.

Controlling untuk seasonality dan algorithm memperbarui

ini adalah persis apa control group dan forecast model adalah untuk. jika sebuah seasonal spike atau sebuah core perbarui hits, ini hits keduanya Anda control dan variant groups, dan Anda see ini sebagai parallel movement — ini tidak mendapatkan misattributed untuk Anda perubahan.

Di mana ini breaks adalah buruk bucketing. SearchPilot’s own illustrative contoh: jika Anda put semua dari sebuah situs’s “cat” (terjemahan) “cat” halaman di variant group right sebelum International Cat Day, sebuah nyata external seasonal spike mendapatkan misread sebagai sebuah test win. perbaiki adalah random assignment ke groups, so keduanya control dan variant berisi sebuah representative mix dari halaman dan neither adalah uniquely exposed untuk sebuah di luar force.

Apa Anda dapat — dan dapat’t — reliably test

Testable:

  • tag judul dan deskripsi meta
  • H1/heading structure
  • data terstruktur (schema jenis atau presence)
  • Internal linking patterns
  • pada-halaman konten (depth, placement, “SEO konten” (terjemahan) “SEO konten” blocks pada category halaman)
  • halaman layout dan UI structure — bahkan penuh landing-halaman redesigns di advanced end

Tidak reliably testable ini cara:

  • Backlinks. ini adalah bersih contoh. Anda dapat’t randomly dan evenly assign inbound tautan untuk half sebuah halaman group sementara withholding them dari lainnya half — tautan acquisition tidak sebuah treatment Anda dapat dose out pada sebuah schedule atau standardize di seluruh halaman. ketiga-party situs tautan ketika mereka tautan. sebagai Liam Blackledge di Gorilla Marketing frames ini, membangun tautan untuk half Anda product halaman dan tidak lainnya half tidak sebuah controlled experiment. tautan mendapatkan evaluated dengan sebelum/setelah atau correlational analysis, tidak benar split testing.
  • Algorithm memperbarui dan situs-wide perubahan. oleh definition mereka hit everyone, so ada Tidak benar control group untuk bandingkan terhadap.
  • Apa pun itu dapat’t menjadi isolated untuk variant halaman tanpa leaking ke control group.

Staying compliant sementara Anda test

Google explicitly sanctions ini jenis dari testing — ini memiliki sebuah seluruh doc pada ini — sebagai panjang sebagai Anda ikuti hygiene aturan:

«- Canonicalize variant URLs to the original. Google recommends rel="canonical" over noindex for test variants, because it groups the variations and keeps the original indexed as canonical. (If you want the deeper mechanics of how canonical selection works, that’s its own topic.) » (Terjemahan) (Ringkasan bahasa Indonesia untuk bagian enam puluh, bagian kecil satu: teks sumber dipertahankan agar dapat diperiksa dalam tinjauan penutur asli.) «- Use 302, not 301, if you’re redirecting. Google is explicit: “If you’re running a test that redirects users from the original URL to a variation URL, use a 302 (temporary) redirect, not a 301 (permanent) redirect.” » (Terjemahan) (Ringkasan bahasa Indonesia untuk bagian enam puluh, bagian kecil dua: teks sumber dipertahankan agar dapat diperiksa dalam tinjauan penutur asli.) «- Don’t cloak. “Don’t show one set of URLs to Googlebot, and a different set to humans.” » (Terjemahan) (Ringkasan bahasa Indonesia untuk bagian enam puluh, bagian kecil tiga: teks sumber dipertahankan agar dapat diperiksa dalam tinjauan penutur asli.) «- Tear the test down when it’s over. Google warns that “If we discover a site running an experiment for an unnecessarily long time, we may interpret this as an attempt to deceive search engines and take action accordingly.” » (Terjemahan) (Ringkasan bahasa Indonesia untuk bagian enam puluh, bagian kecil empat: teks sumber dipertahankan agar dapat diperiksa dalam tinjauan penutur asli.)

dan untuk kill sebuah persistent myth: tidak ada “duplicate konten penalty” (terjemahan) “duplicate konten penalty” untuk properly canonicalized test variants. nyata risk adalah cloaking, tidak duplication. Google understands intentional test variations untuk apa mereka adalah.

Di mana ini fits

SEO sebuah/B testing adalah sebuah pengukuran discipline itu pays off sebagian besar di scale, yang adalah mengapa ini lives di enterprise toolkit alongside reporting dan attribution masalah Anda hit ketika Anda memiliki thousands dari templated halaman. ini adalah honest jawaban untuk “melakukan itu ubah berfungsi?” (terjemahan) “melakukan itu perubahan berfungsi?” — dan pada besar situs, honest jawaban adalah worth sebuah lot.

Tambahkan catatan pakar

Sematkan kutipan pakar

Orang baru? Buat profilnya yang belum diklaim di /admin/experts/ → Sematkan kutipan pakar terlebih dahulu.