Ces données figuraient à l’origine dans la newsletter du 5 janvier 2022 que vous trouverez ici : https://www.trustinsights.ai/blog/2022/01/inbox-insights-january-5-2022-disadvantages-of-predictive-analytics-seo-ab-testing/

Dans les journaux de données de cette semaine, nous voulons connaître l’impact d’un changement SEO que nous avons fait. En novembre, nous avons remplacé le plugin Yoast SEO par un plugin différent, le plugin RankMath. Le défi avec ce type de changement de technologie marketing est que vous ne pouvez effectuer aucun type de test A / B – vous ne pouvez pas montrer un site Web différent à Google et à d’autres moteurs de recherche une partie du temps et montrer une version optimisée différemment d’autres fois.

Alors, comment évaluer si un logiciel fonctionne ou non quand on ne peut pas faire un test contrôlé ? Nous devons nous appuyer sur des méthodes statistiques qui simulent un test A/B rétroactif. Voici comment ils fonctionnent, à peu près.

Nous avons une série de jours appelés jours de traitement – des jours où notre changement est effectif, comme tous les jours depuis le 29 novembre 2021, date à laquelle nous avons installé et déployé le nouveau logiciel.

Nous avons également une série de jours appelés jours de contrôle – des jours où le changement n’était pas en vigueur, c’est-à-dire tous les jours avant le 29 novembre 2021.

Nous rassemblons nos données pour tous ces jours; dans ce cas, nous utiliserons les données de Google Search Console.

Lorsque nous utilisons un logiciel statistique comme le langage de programmation R pour effectuer une technique appelée appariement du score de propension, ce que fait le logiciel, c’est regarder nos jours de traitement et essayer de les faire correspondre aussi étroitement que possible avec des jours de contrôle similaires. Par exemple, nous voudrions que le logiciel compare des jours similaires de la semaine ; cela n’a aucun sens de comparer un dimanche à un mardi.

Cette technique nous permet également de tenir compte d’autres choses qui se passent, ce qui est la partie la plus critique. Par exemple, si nous diffusions des publicités Twitter pendant notre période de traitement, nous voudrions comparer la période de traitement aux jours de la période de contrôle pendant lesquels nous diffusions également des publicités Twitter.

Avec tout cela à l’esprit, à quoi cela ressemble-t-il lorsque nous examinons notre analyse de nos données Google Search Console avec le nouveau plugin WordPress par rapport à l’ancien ?

Ce que nous voyons ici, ce sont une série de résultats ; la deuxième colonne nous montre la moyenne (moyenne) des jours de notre traitement, tandis que la troisième colonne nous montre nos jours de contrôle. La quatrième colonne nous montre les différences. Parcourons-les :

• Pendant des jours d’utilisation du nouveau plug-in, nous constatons une augmentation de 16 % du nombre d’impressions de recherche. C’est vraiment important – les impressions signifient que Google considère notre site comme pertinent par rapport à ce que les internautes recherchaient et nous a affichés dans les résultats de recherche.
• Nous constatons également une augmentation de 10 % du nombre total de clics sur nos résultats de recherche. Encore une fois, bonne nouvelle.
• Nous ne voyons aucune différence dans la métrique de distance – il s’agit d’une mesure statistique pour nous montrer à quel point nos jours de contrôle sont différents de nos jours de traitement. S’il s’agissait d’un très grand nombre, le test pourrait ne pas être statistiquement valide.
• Nous ne voyons aucune différence dans les taux de clics ; cela est logique car même si nos clics ont augmenté, nos impressions ont également augmenté.
• Nous ne voyons aucune différence dans nos positions de classement. Il s’agit plus d’avoir un contenu pertinent que d’optimiser la recherche, quelque chose qu’un changement de technologie marketing n’aurait pas d’impact substantiel.
• Enfin, nous ne voyons aucune différence dans l’affectation numérique pour le jour de la semaine, et nous ne devrions pas non plus.

Cette analyse nous indique qu’il existe une différence significative pour l’utilisation du nouveau plugin par rapport à l’ancien. Avec plus d’un mois de données à notre actif, je suis convaincu que le changement vaut la peine d’être conservé.

Quelle est la clé à emporter, le So What? moment? Ce n’est pas quel plugin utiliser, c’est qu’il est possible dans certaines circonstances d’effectuer un test A/B rétroactivement si vous avez les bonnes données et les bons outils. Étudiez cette méthode et appliquez-la à votre marketing (ou demandez-nous de le faire pour vous, je suppose).

---

Besoin d’aide avec vos données et analyses marketing ?	Vous pourriez également profiter de :
Obtenez des données, des analyses et des perspectives uniques sur l’analyse, les informations, l’apprentissage automatique, le marketing et l’IA dans la newsletter hebdomadaire Trust Insights, Data in the Headlights. Abonnez-vous maintenant gratuitement ; nouveaux numéros tous les mercredis! Cliquez ici pour vous abonner maintenant “	Vous souhaitez en savoir plus sur les données, les analyses et les informations ? Abonnez-vous à In-Ear Insights, le podcast Trust Insights, avec de nouveaux épisodes de 10 minutes ou moins chaque semaine.