7 types de preuves SEO

Nous avons eu beaucoup de discussions récemment sur le référencement en tant que science. Malheureusement, ces discussions se transforment parfois en arguments sur la sémantique ou sur la « meilleure » approche dans toutes les situations. J’aimerais prendre du recul quelques instants aujourd’hui et parler du monde plus large des preuves SEO. Bien que tous ces types de preuves ne soient pas « scientifiques » au sens technique, ils sont tous importants pour notre compréhension globale. Nous devons utiliser les meilleurs éléments de chacun d’entre eux si nous espérons un jour développer une science mature du référencement.

L’hypothèse fondamentale

Toute science repose sur une hypothèse fondamentale, bien avant qu’une hypothèse ne soit proposée ou testée. L’hypothèse fondamentale est que l’univers est ordonné et suit des règles, et que par l’observation et l’expérimentation, nous pouvons déterminer ces règles. Sans un univers ordonné, la science serait impossible (tout comme l’existence, très probablement). Une hypothèse connexe est que ces règles sont relativement statiques – si elles changent, elles changent très lentement. Notre vision de l’univers peut changer radicalement, entraînant des changements de paradigme, mais les règles sous-jacentes restent à peu près les mêmes.

L’avantage que nous avons en tant que référenceurs est que nous savons, pour un fait absolu, que notre univers est ordonné. Comme Neo, nous avons vu The Matrix. L’algorithme se compose de lignes de code écrites par des humains et exécutées sur des serveurs.

L’inconvénient pour la science SEO est que les règles régissant notre univers ne sont PAS statiques. L’algorithme change constamment – jusqu’à 400 fois par an. Cela signifie que toute observation, toute donnée et même toute expérience contrôlée pourrait s’avérer non pertinente. Les faits sur lesquels nous avons construit nos pratiques de référencement il y a 5 ou 10 ans ne sont pas toujours valables aujourd’hui.

(1) Preuve anecdotique

Toute science commence par l’observation. En référencement, nous apportons des modifications aux sites tous les jours et mesurons ce qui se passe. Lorsque les classements montent et descendent, nous essayons naturellement de comprendre pourquoi et de lier ces changements à quelque chose que nous avons fait dans le passé. Bien qu’il ne s’agisse pas de “science” au sens technique, la preuve de notre propre expérience est très importante. Sans observer l’univers et créer des histoires pour l’expliquer, nous n’apprendrions jamais rien de ces expériences.

AVANTAGES – Les preuves anecdotiques sont faciles à collecter et c’est la forme de preuve la plus abondante que nous ayons. C’est la pierre angulaire de presque toutes les formes de recherche scientifique.

LES INCONVÉNIENTS – Nos propres expériences sont facilement affectées par nos propres préjugés. De plus, aucune expérience unique ne peut jamais raconter toute l’histoire. Les preuves anecdotiques ne sont qu’un point de départ.

(2) Preuve prophétique

Les référenceurs ont un type unique de preuves disponibles. De temps en temps, un prophète descendra du sommet de la montagne (ou de Mountain View), se rasera la tête et prononcera les paroles des dieux de Google. Que nous choisissions ou non de croire ces prophètes, le fait demeure qu’il y a des gens qui ont vu et écrit l’Algorithme, et ces gens ont accès à des faits que le reste d’entre nous n’avons pas. Leurs déclarations (et notre capacité à concilier ces déclarations de manière critique) sont une partie importante du puzzle global.

AVANTAGES – Les prophètes sont aussi proches de la réalité objective que nous ne pourrons jamais l’être. Ils ont un aperçu direct de l’algorithme.

LES INCONVÉNIENTS – Les prophètes n’ont pas intérêt à nous dire toute la vérité. Leurs messages peuvent être cryptés et même trompeurs.

(3) Preuve de seconde main

Lorsque vous entendez des preuves “de seconde main”, vous pouvez naturellement penser aux exemples extrêmes, comme les ouï-dire et les légendes urbaines :

La styliste du voisin de ma cousine a dit qu’elle avait une fois changé toutes ses balises META en “sex poker sex poker sex” et que son site est immédiatement passé au premier rang sur Google !

Pour être juste, cependant, les preuves indirectes incluent également la science légitime qui nous a précédés et les expériences de nos pairs. Si nous étions obligés de confirmer et de reproduire chaque conclusion par nous-mêmes, nous ne ferions aucun progrès. En fin de compte, nous nous appuyons sur les conclusions fiables d’autres experts, passés et présents.

AVANTAGES – Les preuves de seconde main sont le fondement du progrès scientifique.

LES INCONVÉNIENTS – Parfois, les experts se trompent, et il faut apprendre à faire la différence, surtout dans un domaine aussi jeune que le SEO.

(4) Expérimental – “The Wild”

L’expérimentation est au cœur de Capital-S Science. Les expériences les plus élémentaires se déroulent comme suit :

• Vous formulez une hypothèse (“Ajouter des mots-clés à ma balise de titre améliorera les classements”).
• Vous apportez une modification pour tester cette hypothèse.
• Vous mesurez le résultat et découvrez si vous aviez raison.

La plupart des expérimentations SEO, de par leur nature, se produisent dans la “sauvage”. Nous devons diffuser nos sites dans le monde, et nous devons souvent utiliser des sites existants qui sont déjà compliqués et changeants.

AVANTAGES – En formant et en testant directement une hypothèse, nous pouvons commencer à déterminer la causalité. Nous pouvons également répéter le processus, aidant à valider ce que nous avons appris.

LES INCONVÉNIENTS – L’utilisation de sites existants dans la nature introduit beaucoup de bruit supplémentaire. Souvent, nos sites doivent continuer à changer (même pendant l’expérience), et Google change toujours. Il y a aussi une bonne dose de risque – si nous changeons nos sites de pain et de beurre pour tester les théories SEO, les erreurs peuvent être coûteuses.

(5) Expérimental – Contrôlé

Il s’agit de l’expérience SEO classique, où nous enregistrons un ou plusieurs nouveaux noms de domaine et construisons des sites à partir de zéro. Nous pouvons même introduire un groupe de contrôle, en créant les deux sites jusqu’à l’étape X, puis en ne modifiant qu’un seul des sites après ce point. Même dans ce cas, il serait peut-être préférable d’appeler ces expériences “semi-contrôlées”, car l’algorithme de Google peut encore changer et nous ne pouvons pas toujours contrôler les influences extérieures (comme quelqu’un qui se connecte accidentellement à l’un des sites).

AVANTAGES – Cette approche est à peu près la meilleure que nous puissions faire, en termes de contrôle, et elle sépare de nombreux facteurs de confusion.

LES INCONVÉNIENTS – Les sites artificiels que nous avons mis en place dans ces expériences (utilisant souvent des mots qui n’ont pas de sens) ne sont pas toujours représentatifs de sites réels et complexes. De plus, ces expérimentations sont généralement menées sur un échantillon d’un seul ou très peu de sites, pour gagner du temps et de l’argent. La signification statistique peut être très difficile à atteindre.

(6) Preuve corrélationnelle

Parfois, soit nous ne pouvons pas séparer les variables impliquées dans une situation complexe (comme les plus de 200 facteurs que Google utilise dans son modèle de classement), soit l’expérimentation directe serait impossible ou contraire à l’éthique. Par exemple, supposons que vous vouliez comprendre comment le tabagisme affecte la mortalité. Vous ne pouvez pas prendre 1000 enfants de 5 ans, les forcer à fumer pendant 70 ans et les comparer à 1000 enfants de 5 ans non-fumeurs. Dans ces cas, vous prenez un très grand ensemble de données et examinez les corrélations. En d’autres termes, si je regarde 1000 fumeurs et 1000 non-fumeurs, quelle est la probabilité que chaque groupe meure à un certain âge ? La corrélation peut vous aider à comprendre comment les changements de X (tabagisme, dans ce cas) coexistent avec les changements de Y (mortalité).

AVANTAGES – La corrélation peut nous aider à trouver mathématiquement des relations lorsque l’expérimentation directe est impossible ou peu pratique. Ces techniques peuvent également aider à modéliser des situations complexes où plusieurs variables affectent le même résultat.

LES INCONVÉNIENTS – Corrélation ne signifie pas causalité. Nous ne savons pas si les changements dans X entraînent des changements dans Y ou s’ils se produisent simplement (peut-être même en raison d’un facteur Z qui les affecte tous les deux).

(7) Simulation à grande échelle

Si nous pouvons collecter suffisamment de données, nous pouvons construire un modèle de l’univers et tester des hypothèses par rapport à ce modèle. Maintenant que des index à grande échelle sont construits pour imiter Google (y compris notre propre Linkscape et des index comme Majestic), il va de soi que nous pourrons éventuellement mener des expériences directement sur ces modèles. Bien que les conclusions que nous tirons de ces simulations ne soient aussi bonnes que les modèles eux-mêmes, les données de simulation peuvent nous aider à la fois à améliorer les modèles et à mener quelque chose de plus proche d’un test en laboratoire que ce qui est généralement possible en SEO.

AVANTAGES – Les simulations peuvent être contrôlées. Contrairement à Google, nous savons si nous avons changé de modèle ou non. Les expériences peuvent également être menées très rapidement et à très grande échelle.

LES INCONVÉNIENTS – Le résultat de toute simulation est aussi bon que le modèle sur lequel il est construit, et nos modèles en sont encore à leurs balbutiements.

Lequel est le meilleur?

Tout type de preuve, y compris l’expérimentation contrôlée, a des limites. Dans un domaine comme le référencement, où l’algorithme de Google est en constante évolution, trop s’appuyer sur un type de preuve peut soit bloquer les progrès, soit nous conduire à de mauvaises conclusions (ou, dans certains cas, les deux). Comprendre toutes les sources de preuves disponibles nous aide non seulement à brosser un tableau plus large et plus complet, mais cela nous aide également à tester nos hypothèses et à éviter les erreurs. La science SEO est un domaine jeune et en constante évolution, et, du moins pour le moment, les scientifiques SEO devront s’adapter rapidement.