SEO A/B testing: Ontdek de kracht!

Testen, testen en nog eens testen. Daar ben je als SEO-specialist voortdurend mee bezig. Je verandert iets aan een website en vervolgens check je of dit het gewenste effect heeft. Maar leidt jouw aanpassing wel tot het effect, of zijn er andere externe invloeden die invloed hebben op jouw SEO-resultaten? Lees snel meer over SEO A/B testing en de kracht ervan. 

Wat is SEO A/B testing? 

SEO AB/testing is het testen van wijzigingen aan een website. Hiervoor maak je gebruik van  twee verschillende groepen; een controlegroep (A) en een testgroep (B). Bij de controlegroep doe je geen aanpassingen. Bij de variant hierop wel. Beide groepen meet je om te kijken of jouw hypothese leidt tot het gewenste effect. Voor SEO A/B testing is het makkelijk om gebruik te maken van soortgelijke productgroepen, categorieën en pagina’s. Hierbij is het belangrijk dat controlegroep A ongeveer evenveel organisch verkeer krijgt als testgroep B. 

Verschil tussen CXO A/B testing en SEO A/B testing 

Er zit een verschil tussen CXO A/B testing en SEO A/B testing. Bij CXO A/B testing split je de bezoekers op en zorgt een variabele ervoor dat een bezoeker steeds een andere versie te zien krijgt. Er zijn dan twee versies van de pagina die jij optimaliseert. Bij SEO A/B testing split je juist de pagina’s op, in plaats van de bezoekers, omdat je de SEO-resultaten van de pagina wilt meten en niet het gedrag van de bezoeker. CXO A/B testing wordt daarom vooral ingezet voor CRO (conversieoptimalisatie), omdat je hiermee meet wat de gebruiker doet en op welke knoppen hij klikt. Bij SEO A/B testing meet je het organisch verkeer uit de zoekresultaten en voer je wijzigingen door aan een specifieke set pagina’s. Je kijkt dus hoe pagina’s presteren en niet hoe de gebruiker zich gedraagt. 

De kracht van SEO A/B testing 

De meeste SEO-specialisten streven naar een data-driven aanpak, waar SEO A/B testing een onderdeel van is. Het nut, de kracht en het doel van A/B testing zien de meeste specialisten in, maar toch zijn er weinig SEO-specialisten die A/B testen uitvoeren. Zo bleek tijdens een SEO Benelux meetup die ik bijwoonde in juni 2022 van de SEO Benelux groep. Julian Redlich, head of SEO van Booking.com, vertelde hier meer over het A/B testen binnen de SEO-wereld en het doel ervan. Ook benadrukte hij de kracht van SEO A/B testing en deelde hij volgende slide…

Bereik de opgestelde doelen 

Door een data-driven aanpak wordt het voor SEO-specialisten makkelijker om hun doel te bereiken. Sommigen zeggen ook wel: data is the key to succes. Hier ben ik het zeker mee eens. Door te experimenteren en te meten, weet je beter of een wijziging een gewenst effect heeft. Het mogelijk positieve effect is groter dan de negatieve effecten als de test niet slaagt en je vervolgens alles terugzet naar de controlegroep. Zorgt een test voor een stijging in organisch zoekverkeer op de testgroep? Dan kun je het vervolgens ook toepassen op de controlegroep. Het wordt zo makkelijker om de opgestelde SEO-doelen te bereiken. Julian Redlich benadrukte de quote van Derek Alexander Muller. 

“although it’s flawed, it’s far more reliable than any other way of testing we have”  

Derek Alexander Muller

Wanneer kun je een SEO A/B test uitvoeren?

Voor de SEO A/B testen zijn een aantal vereisten. Heb je nauwelijks bezoekers op jouw website? Dan kan een SEO A/B test een vertekend beeld geven. Je krijgt dan niet een goed beeld of de wijziging een positieve/negatieve invloed heeft op de rankings. Voor een SEO A/B test is het daarom belangrijk om te voldoen aan een aantal criteria: 

• Er moet genoeg organisch zoekverkeer zijn. De meeste SEO-experts houden een minimum aan van 30.000 organisch bezoekers per maand. Zijn dit er minder? Dan kun je besluiten om de test uit te voeren over een langere termijn;

• Er moeten voldoende pagina’s zijn om te testen. Hoe meer pagina’s, hoe betrouwbaarder het resultaat, en hoe minder externe factoren zoals concurrentie en Google updates een rol spelen bij de uitkomst van de SEO A/B test; 

• Er moeten meetgegevens beschikbaar zijn van de afgelopen jaren. Zo kun je eerst een voorspelling maken van het organisch zoekverkeer. Dit versterkt de uitkomst van de test. Ook houd je hierdoor rekening met invloeden van buitenaf, bijvoorbeeld seizoensverkeer. 

SEO A/B testen voor meerdere content discovery platforms

We zijn met een uitdagend SEO traject bezig voor een organisatie die meerdere content discovery platforms beheert. Dit zijn domeinen met grote aantallen URLs en een grote bak traffic, allemaal rond één onderwerp. Ter indicatie cijfers van het grootste domein:

Het aantal geïndexeerde URLs op bijbehorend platform is momenteel 718.000. Dit stelt ons in staat om redelijk snel SEO A/B testen uit te voeren. Er zijn twee manieren hoe we dit momenteel doen: cross-domain SEO testen en SEO testen binnen 1 domein.

SEO testen binnen één domein

Het testen binnen één domein doen we in dit geval op categorieniveau. De manier hoe we dit doen is vrij straightforward: 

• Er zijn meer dan 1.000 high traffic categorieën
• De URL opbouw is logisch: een categorie begint altijd met /category/a* of /category/b*
• Hierdoor hebben we twee varianten en 1 controle variant
  • URLs beginnnend met /category/a* t/m /category/i* zijn een controle variant
  • URLs beginnen met /category/j* t/m category/q* zijn variant 1
  • URLs beginnen met /category/r* t/m category/z* zijn variant 2
• Vervolgens maken we een meta title taxonomy per variant, geïmplementeerd door de developers:
  • Controle variant > default meta title
  • Variant 1 > meta title optimaal + emoji
  • Variant 2 > meta title optimaal zonder emoji
• En vervolgens wachten we een maand: na 2 weken zijn de meeste categorieën sowieso geïndexeerd. De 2 weken erna gebruiken we als testdata. Dit vergelijken we met dezelfde dagen voor de test
• De hypothese is dat de variant meta title optimaal + emoji de CTR verhoogt. De data moet uitwijzen dat er een flinke CTR verhoging is, waar de gemiddelde positie gelijk blijft of daalt
  • De controle variant draaien we ernaast om te checken of er geen invloed is van het domein over de hele linie
• Het resultaat is een winnaar: variant 1:
  • Verschillen moeten ‘op het oog’ groot genoeg zijn om te concluderen dat er een winnaar is. We gebruiken hierin niet altijd direct statistische modellen.

Dit geeft ons vervolgens input voor vervolgtesten (andere titles, descriptions, etc). En natuurlijk voor wijzigingen op meerdere platformen tegelijk. 

Cross-domain SEO testen

Doordat we bij deze klant meerdere high traffic platforms hebben binnen dezelfde niche, is het ook wat makkelijker om wijzigingen op het ene domein te vergelijken met wijzigingen die je niet doet op het andere domein. 

Testen die we op deze manier gedraaid hebben:

• Overview pagina’s laten nu content zien op basis van populariteit. We hadden een hypothese dat Google het interessanter vindt als we content laten zien op basis van nieuwheid/versheid. We hebben dit op één domein geïmplementeerd. En vervolgens gezien dat dit niet werkt (qua ranking, maar ook qua doorkliks van gebruikers zelf)
• Een aantal platforms laten content zien (als in een soort productpagina’s), waarbij je bij een doorklik direct naar een andere website gaat. Hierdoor is paginering crawlen overbodig, want er zijn geen productpagina’s te crawlen. We hebben Robots.txt gebruikt om paginering uit te sluiten en getest of dit werkt op één domein. Dit was het geval. En nu is het geïmplementeerd op alle soortgelijke domeinen.

Meer interessante SEO A/B cases ontdekken? Bekijk dan de case van Etsy, over het optimaliseren van title tags. Of lees het artikel van Pinterest, waarbij ze een uitgebreid A/B test framework creëerden en ook testten of normale website optimalisaties geen negatief effect hebben op SEO. 

Hoe doe je een SEO A/B test? 

Voor een SEO A/B test is het dus belangrijk dat je gegevens hebt van de afgelopen jaren. Zo kun je een inschatting maken wat het zoekverkeer doet, zonder dat jij aanpassingen doet aan de pagina’s. Ook wordt het hierdoor makkelijker om een hypothese op te stellen. Dit is een onderzoeksvraag met een verwacht resultaat, geformuleerd als stelling. Hier volgt een voorbeeld van een hypothese: 

“Door ‘Gratis verzending’ toe te voegen aan de meta-titels van de productpagina’s van website X, zal de doorklikratio (CTR) vanuit Google hoger worden”.

De vervolgstappen 

Na het opstellen van de hypothese zijn er een aantal vervolgstappen. Het is belangrijk om deze stappen goed te doorlopen en dat er geen fouten gemaakt worden in het proces. Je wilt immers een zo betrouwbaar mogelijk resultaat. De vervolgstappen van SEO A/B testing zien er als volgt uit: 

1. Zorg dat je van tevoren een inschatting maakt van organisch zoekverkeer, zonder dat er wijzigingen doorgevoerd worden aan de website. Houd rekening met externe factoren, zoals concurrentie, seizoensgebondenheid en eerdere resultaten. 

2. Stel van tevoren vast over welke tijdspanne je het experiment wilt laten te lopen; is dit twee weken, vier weken of twee maanden? Hoe meer organisch zoekverkeer, hoe betrouwbaarder het experiment, maar laat het experiment niet te lang duren. Voor websites met minder zoekverkeer duurt het experiment wel automatisch langer. 

3. Stel vast welke pagina’s geen wijzigingen krijgen (controlegroep A) en welke pagina’s hier een variant op vormen (testgroep B). Vaak doe je dit een hand van een categorie of productgroep. Zorg dat je alle pagina’s inzichtelijk krijgt. Het is belangrijk dat controlegroep A ongeveer evenveel organisch zoekverkeer krijgt als testgroep B. 

4. Gebruik een A/B testing tool, zoals seotesting.com, Split Signal of Search Pilot. Hier kun je alle URL’s aan toevoegen en aangeven welke tot de controlegroep (A), of testgroep (B) behoren (zie ook onderstaande screenshot uit seotesting.com). Ook geef je aan hoe lang de testperiode mag duren. 

5. Voer de wijzigingen – die je noemt in de hypothese – door aan de pagina’s uit de testgroep. Daarna kan de SEO A/B test beginnen. 

Meten is weten 

Na de testperiode kun je zien of de inspanningen het gewenst effect gehad hebben. Is dit het geval? Dan kun je de wijzigingen ook toepassen op de controlegroep. Deze groep meet je vervolgens in de A/B testing software, om te kijken of ook hier het gewenste effect optreedt. Na de SEO A/B test geeft de testing tool een dashboard weer, waarin je de belangrijkste gegevens van jouw A/B SEO test ziet. Zie ook de screenshot hieronder van seotesting.com. Hoewel de de meeste SEO A/B testing tools een integratie hebben met Google Search Console, kun je ook in Google Search Console de resultaten meten. Dan is het alleen wel belangrijk dat de controle groep (A) en de testgroep (B) een aparte URL-parameter hebben. 

SEO A/B testing bij Onder 

Onze experts zijn voorstander van een data-driven aanpak, waar SEO A/B testing een onderdeel van is. Wil jij weten waar de knelpunten liggen van jouw website, waar het goed gaat en waar het beter kan? Vraag dan SEO advies aan. Wij nemen eerst jouw website onder de loep, om vervolgens met een eerlijk, transparant voorstel te komen. Twijfelen wij of een aanpassing wel het gewenste effect heeft? Dan kunnen we A/B testen, mits er genoeg organisch zoekverkeer is. 

Aan de hand van data, energie en een passie voor ons vak, proberen wij een zo goed mogelijk resultaat te behalen. Zoals je in de eerdergenoemde case zag, hebben we al mooie resultaten behaald met SEO A/B testing. Bekijk ook de testimonials voor meer inspiratie en ontdek direct hoe wij jou kunnen helpen. Lees ook eens ons blog over een goede SEO strategie.

Gaat je website verhuizen voor SEO? Zorg ervoor dat je geen verkeer laat liggen. Wellicht kunnen wij je helpen bij een SEO migratie. kijk ook eens bij onze Gratis online SEO training voor beginners.