Hoe je een SEO-A/B test opzet om FAQPage structured data te valideren

FAQPage structured data of ‘FAQ schema’ is een van de meest gewilde ‘rich results’ sinds Google dit is gaan ondersteunen. Deze vorm van structured data geeft vragen en antwoorden direct in de zoekresultaten van Google weer.

De belangrijkste reden voor om FAQPage structured data te gebruiken, is om te proberen hogere click-through rates (CTR) te behalen. Doordat je eigen resultaat meer opvalt en je concurrenten naar beneden duwt in de SERP (vooral op mobiel).

Het is belangrijk om hierbij in acht te nemen dat niet elke optimalisatie even goed werkt voor alle websites en dat bepaalde optimalisaties voor sommige websites helemaal niet werken. Dit is een van de belangrijkste learnings uit het SEO-A/B-testen. De enige manier om écht zekerheid te hebben, is door specifiek te testen wat werkt voor jouw website. Bovendien helpt het uitvoeren van een splittest bij het opbouwen van een sterke businesscase, waarmee je je belanghebbenden overtuigt en de benodigde veranderingen snel kunt doorvoeren.

Met een SEO-A/B-test of splittest kun je SEO-optimalisaties (gesegmenteerd) valideren, zodat je de bewezen beste variant site-breed kan doorvoeren. Bijvoorbeeld:

• Het optimaliseren van contentelementen, zoals headings;
• Het optimaliseren van SERP-elementen, zoals paginatitels of metabeschrijvingen;
• Het toevoegen van content;
• Het toevoegen van structured data;
• De impact van client-side gegerenderde versus server-side gerenderde content;
• De impact van Web Vitals optimalisatie (websitesnelheid)

Heb je zelf geen toegang tot een professioneel splittesting-hulpmiddel als SplitSignal? Dit artikel legt stap voor stap uit hoe je zelf een SEO A/B-test opzet en analyseert.

Een SEO-A/B-test opzetten: de basis

Met de test in dit artikel willen we de effectiviteit meten van het toepassen van FAQPage structured data op de ‘veelgestelde vragen’ van een website. Een eerste belangrijke stap is het vinden van een geschikte pagina-template om de test op uit te voeren. Denk bijvoorbeeld aan categorie- of productpagina’s met ‘veelgestelde vragen’.

SEO-A/B-testen valt of staat met het samenstellen van de controlegroep en de variant groep. Maak daarom twee groepen pagina’s die representatief zijn voor de totale groep pagina’s met vergelijkbare aantallen in organisch verkeer. De meest betrouwbare en nauwkeurige methode om dit te doen is stratified sampling. Hiermee zorg je voor twee groepen pagina’s met statistisch vergelijkbare elementen.

De ‘train_test_split‘-module uit de scikit-learn library is hierbij een handig hulpmiddel. Je kunt pagina’s splitsen op basis van verschillende waarden, zoals het totale organische verkeer en een dagelijks gemiddelde hiervan. Het is belangrijk dat de uiteindelijke controle- en variant groep beide pagina’s bevatten met veel, gemiddeld en weinig organisch verkeer. Dit is het concept van het doen van een gestratificeerde steekproef. Wanneer je jouw testgroep goed begrijpt, kun je er ook voor kiezen om de twee groepen handmatig samen te stellen.

Genereer dynamische FAQPage structured data

Voor deze test laten we zien hoe je middelen die je al tot je beschikking hebt kunt gebruiken om structured data voor je variantgroep te implementeren. Denk aan Google TagManager of een ander tagmanagement- of testsysteem waarmee je custom HTML of JavaScript kunt invoegen.

Hoogstwaarschijnlijk zul je jouw FAQ’s op een soortgelijke manier hebben opgemaakt als hieronder:

Je kunt een dynamisch gestructureerde-data-script implementeren voor de pagina’s die je wilt testen. Stel, je hebt 200 testpagina’s die dezelfde HTML-template delen, maar met verschillende veelgestelde vragen per pagina. Je kunt hiervoor met één script snel de gewenste structured data op alle gewenste pagina’s implementeren.

Met slechts 27 regels JavaScript-code kun je een script genereren dat door middel van een ‘forEach‘-loop automatisch vraag- antwoord-combinaties voor een betreffende pagina ophaalt en in het gestructureerde-data-script plaatst. Dat script wordt vervolgens in het juiste gedeelte van het HTML-document geplaatst.

Wijzig de ‘faq_element’-variabele zodat deze overeenkomt met de container waarin jouw veelgestelde vragen staan. Vervolgens kun je het HTML-element met de vraag en het HTML-element met het antwoord specificeren. Het script haalt vervolgens de juiste vraag-en-antwoord-combinaties op. Nadat je jouw wijzigingen hebt aangebracht, test je het script eenvoudig door het script in de console van je browser te plakken:

Door op enter te drukken voer je het script uit. Controleer nu het tabblad ‘Elements’ om te zien of de structured data zijn toegevoegd aan de <head>-sectie van het HTML-document:

Valideer en controleer ten slotte de HTML met de Schema Markup Validator:

Hier vind je de JavaScript-template voor FAQPage structured data.

De laatste stap is om het script te activeren op de pagina’s binnen de variantgroep. Als je Google TagManager gebruikt, kun je eenvoudig een trigger instellen met een reguliere expressie reeks van URL’s. Raadpleeg voor meer informatie de documentatie van Google. Ziet alles er goed uit? Dan kun je doorgaan en je test starten.

Je SEO-A/B-test analyseren

Om de resultaten van de test te analyseren en valideren gebruiken we de ‘causale inferentie’-methode. Met deze methode bereken je de impact die een wijziging heeft door een Bayesiaans structureel tijdreeksmodel te construeren. Het model voorspelt de contrafeitelijke respons die zou zijn opgetreden als er geen wijziging had plaatsgevonden. We vergelijken dit met de werkelijke gegevens. Hier vind je de tool.

Deze statistische aanpak geeft inzicht in de werkelijke impact van een SEO-wijziging. Door gebruik te maken van een controlegroep van pagina’s met statistisch vergelijkbare kenmerken detecteert het model trends en andere externe invloeden (bijvoorbeeld seizoensinvloeden of een algoritme-update) en is het in staat deze uit de testresultaten te filteren.

Gebruik Google Search Console om de benodigde testdata te verzamelen. Voor zowel de pagina’s in de variant- als in de controlegroep verzamel je de dagelijkse organische kliks, sessies of vertoningen voor de totale som van de groep pagina’s. Voor beide groepen heb je minimaal 100 dagen aan historische data nodig (data voordat de test begint), plus alle dagen dat de test actief is. Als je test 21 dagen loopt, heb je dus data nodig van 121 dagen.

Na het uploaden van de testgegevens kun je de startdatum selecteren. In bovenstaand voorbeeld ligt je startdatum op dag 101. Hieronder zie je een voorbeeld van hoe je de data juist invoert:

Nadat je de data hebt ingevoerd, kun je de analyse uitvoeren. De output van de test ziet er ongeveer zo uit:

Het overzicht biedt informatie over de berekende impact van de SEO-wijziging, het betrouwbaarheidsniveau en het absolute effect op je geteste pagina’s.

Standaard bevat het overzicht twee grafieken. De eerste grafiek toont de gegevens en een contrafeitelijke voorspelling voor de periode nadat de wijziging is doorgevoerd. Elke test heeft een pre-interventie en post-interventie periode. In de pre-interventieperiode wil je een goede fit van het model, wat betekent dat ‘voorspelde klikken’ en ‘werkelijke klikken’ sterk overeen moeten komen. Dit zorgt voor een betrouwbaar model waar je conclusies uit kunt trekken.

De tweede grafiek weergeeft het effect op klikken van dag op dag, wat resulteert in een grafiek van het cumulatieve effect. Als het oranje gearceerde gebied onder (negatief) of boven (positief) de x=0-as presteert, dan is de test statistisch significant op het gewenste 95%-betrouwbaarheidsniveau.

Over de auteur: Koen Leemans is Product Owner SEO bij OrangeValley.

Op de hoogte blijven van het laatste nieuws binnen je vakgebied? Volg Emerce dan ook op sociale media: LinkedIn, Twitter en Facebook.