繼爬蟲優化之后，我再分享個 seo AB 測試系統。要注意，這里的 AB 測試并不是常規的對流量進行分桶，而是根據 SEO 渠道的特性專門對頁面進行分桶，這樣通過不同頁面分桶的效果能準確判斷出 SEO 策略的真實效果。SEO AB 測試系統在阿里巴巴國際站有實現，雖說還沒帶來成規模的增量，但測試下來幾個實驗結論還是有沉淀的價值，并且幫助 SEO 從“玄學”到“科學”的轉變。
SEO 為什么要做 AB 測試
之前 SEO 效果主要通過時間軸縱向來看，也就是說上線前后的變化。比如說某頻道新加了內容模塊，然后 3 周后觀測其收錄和流量的數據情況。不過這個方式有個很嚴重的問題，就是很容易被挑戰，即并不是嚴格的實驗和結論。比如這個內容模塊上線后，從曲線上看大概有 5% 的提升，那么挑戰來了： 怎么確定現在的增長是這個策略帶來的，而不是行業、品牌等外部因素的影響 ？即便從理論上解釋了這個模塊可以讓頁面內容更加豐富，但還是解答不了這個問題。
所以，急需一個類似轉化上的 AB 測試系統，來清晰又準確的解決這個問題。SEO AB 測試就這么誕生了。
SEO AB 測試說明
對流量進行分桶？
有些朋友又有疑問了，如果針對流量做了分桶，那搜索引擎爬蟲來訪問時，一會是參與優化策略的實驗桶，一會是什么都沒做的參考桶，搜索引擎判斷時也會困惑，那最后的效果也不能完全反映這個策略的效果吧。
我想說的是，如果針對流量去做分桶，確實會有這個情況。爬蟲第一次抓取時頁面有內容模塊，第二次來的時候又沒有了。那最后的效果無法說明是這個模塊的效果。那有什么解決方案呢？其實就是針對網頁進行分桶，這也是 SEO AB 測試最大的不同。
SEO AB 測試是什么
SEO AB 測試，就是針對網頁進行分桶。這樣可以保證搜索引擎爬蟲在訪問時一直是在某種固定的方案下，保證最后效果的可靠性。比如有 30% 網頁參與了實驗，添加了內容模塊，另外的 70% 什么都沒做，屬于參考桶。那么大概在 2、 3 周后看這兩個桶的數據曲線能得到實驗結論。
有了這個 SEO AB 測試系統，就能保證每個策略都能產生科學、可靠的實驗結論。比如列表頁添加了內容模塊后，是否有比參考桶更上揚的流量曲線。
SEO AB 測試的幾個注意事項
SEO AB 測試還有幾個注意事項：
-
一定要隨機分桶。隨機分桶才能保證每個桶的樣本足夠均勻，產生的結論也更可靠；
-
頁面分桶的維度有很多，比如按照余數分桶，首字母分桶等；還可以多維分桶，同時做多個實驗；
-
AB 測試的功能更適合大中型網站，因為這樣價值會更明顯（3%的提升就很可觀），而且樣本足夠大，結論更可信。
后續希望實現的功能
仍有一些功能一直未實現，也挺遺憾的，主要有下面 2 個：
-
產品化，主要是運營可以人工進行分桶、模塊的配置、以及對應數據報表的生成；這樣運營可以自助的在線上配置 SEO 實驗，調整分桶比例，并自動生成對應的數據報表；
-
策略沉淀。能夠將之前的策略和數據結論沉淀下來，作為長期價值而存在。
SEO AB 測試最終效果
SEO AB 測試剛上線時，我報的期望比較高，以為每年主要做 10 個正向實驗，每個漲幅在 3%～5%，那妥妥的 30～50% 的增長啊。但我們做了幾輪實驗后發現，整體的效果并沒有那么明顯，主要是效果 3%+ 的策略太少了，大多數都是沒有效果，還有一些是負向效果。
所以，我覺得 SEO AB 測試的價值可能是每年增長 10%～20%，并且能準確驗證一些策略的科學效果。
分享幾個實驗的效果
最后也分享幾個有效果、沒效果的實驗吧：
-
【無效】Title 上加 emoji 國旗：本來以為 title 上添加 emoji 能增加 CTR，結果發現 Google 會忽略掉 emoji，可能是擔心 emoji 被濫用
-
【有效，3%～5%】列表頁添加內容模塊：跟 Google 同學確認過，在列表頁添加內容模塊，內容會更加豐富，排名會有領先優勢
-
【有效，1%】Description 用帶有數字的具體文案：Description 更具體，會導致用戶的 CTR 有提升（提升幅度看文案的質量）；另外，Google 的 SERP 也會采用更具體的文案，而替代掉 Google 算法識別的文案
上圖是模擬一個實驗的曲線，僅供參考
最后
最后，也不是說只有這個實驗方式才算科學，其實上線前后看數據也能反饋很多問題。框架這個實驗系統其實比較重，更適合中大型網站。
另外，也歡迎各位朋友也分享一些有結果的策略，正向和負向都有價值；也可以分享一些想法，我可以來安排做實驗測試下～
（來源：SEO技術流）
（來源：SEO技術流）
