繼爬蟲優化之後，我再分享個 SEO AB 測試系統。要注意，這裡的 AB 測試并不是正常的對流量進行分桶，而是根據 SEO 管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确判斷出 SEO 政策的真實效果。SEO AB 測試系統在阿裡巴巴國際站有實作，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澱的價值，并且幫助 SEO 從“玄學”到“科學”的轉變。
SEO 為什麼要做 AB 測試
之前 SEO 效果主要通過時間軸縱向來看，也就是說上線前後的變化。比如說某頻道新加了内容子產品，然後 3 周後觀測其收錄和流量的資料情況。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。比如這個内容子產品上線後，從曲線上看大概有 5% 的提升，那麼挑戰來了： 怎麼确定現在的增長是這個政策帶來的，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子產品可以讓頁面内容更加豐富，但還是解答不了這個問題。
是以，急需一個類似轉化上的 AB 測試系統，來清晰又準确的解決這個問題。SEO AB 測試就這麼誕生了。
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，那搜尋引擎爬蟲來通路時，一會是參與優化政策的實驗桶，一會是什麼都沒做的參考桶，搜尋引擎判斷時也會困惑，那最後的效果也不能完全反映這個政策的效果吧。
我想說的是，如果針對流量去做分桶，确實會有這個情況。爬蟲第一次抓取時頁面有内容子產品，第二次來的時候又沒有了。那最後的效果無法說明是這個子產品的效果。那有什麼解決方案呢？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 測試是什麼
SEO AB 測試，就是針對網頁進行分桶。這樣可以保證搜尋引擎爬蟲在通路時一直是在某種固定的方案下，保證最後效果的可靠性。比如有 30% 網頁參與了實驗，添加了内容子產品，另外的 70% 什麼都沒做，屬于參考桶。那麼大概在 2、 3 周後看這兩個桶的資料曲線能得到實驗結論。
有了這個 SEO AB 測試系統，就能保證每個政策都能産生科學、可靠的實驗結論。比如清單頁添加了内容子產品後，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：
- 一定要随機分桶。随機分桶才能保證每個桶的樣本足夠均勻，産生的結論也更可靠；
- 頁面分桶的次元有很多，比如按照餘數分桶，首字母分桶等；還可以多元分桶，同時做多個實驗；
- AB 測試的功能更适合大中型網站，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。
後續希望實作的功能
仍有一些功能一直未實作，也挺遺憾的，主要有下面 2 個：
- 産品化，主要是營運可以人工進行分桶、子產品的配置、以及對應資料報表的生成；這樣營運可以自助的線上上配置 SEO 實驗，調整分桶比例，并自動生成對應的資料報表；
- 政策沉澱。能夠将之前的政策和資料結論沉澱下來，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後發現，整體的效果并沒有那麼明顯，主要是效果 3%+ 的政策太少了，大多數都是沒有效果，還有一些是負向效果。
是以，我覺得 SEO AB 測試的價值可能是每年增長 10%～20%，并且能準确驗證一些政策的科學效果。
分享幾個實驗的效果
最後也分享幾個有效果、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%】清單頁添加内容子產品：跟 Google 同學确認過，在清單頁添加内容子產品，内容會更加豐富，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，會導緻使用者的 CTR 有提升（提升幅度看文案的品質）；另外，Google 的 SERP 也會采用更具體的文案，而替代掉 Google 算法識别的文案
上圖是模拟一個實驗的曲線，僅供參考
最後
最後，也不是說隻有這個實驗方式才算科學，其實上線前後看資料也能回報很多問題。架構這個實驗系統其實比較重，更适合中大型網站。
另外，也歡迎各位朋友也分享一些有結果的政策，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～