Case Semrush: Hoe negatieve recensie fragmenten de SEO-prestaties kunnen beïnvloeden

Iedere twee weken schrijft senior SEO-consultant Koen Leemans over een interessante SEO A/B-test case. De tests zijn uitgevoerd samen met Semrush en hun testing tool SplitSignal. Deze week onderzoeken we hoe een negatieve recensie de SEO-prestaties kunnen beïnvloeden. 

Het resultaat met veel sterren is een van de meest gewilde SERP-functies voor veel SEO's. De belangrijkste reden hiervoor is dat als je wordt vermeld als een rijk resultaat, zoekers je meer zullen opmerken omdat je opvalt tussen de andere zoekresultaten. Dit kan leiden tot een hogere klikfrequentie (CTR). Door gebruikers aanvullende informatie te geven over de entiteit (bijvoorbeeld een product), kunnen gebruikers ook direct vanuit de zoekresultaten betere oordelen vellen. Dit betekent op zijn beurt dat jouw rijke resultaat op peil moet zijn, anders kan dit averechts werken, maar daarover later meer.

De meeste uitgebreide resultaten worden gegenereerd met behulp van gestructureerde gegevens. Hoewel er andere belangrijke use-cases zijn voor gestructureerde gegevens, zijn rijke resultaten een van de grootste drijfveren voor het toepassen van gestructureerde gegevens. Het review fragment is een kort fragment van een beoordeling, bijvoorbeeld van een product. Wanneer Google geldige beoordelingen of beoordeling markeringen vindt, kunnen deze een uitgebreid resultaat weergeven met sterren.

De meest voorkomende beoordelingen die u in de SERP ziet, zijn geneste verzamelde beoordelingen met behulp van de aggregateRating . 

Zoals gezegd, als jouw beoordelingen niet kloppen, klikken gebruikers mogelijk niet door naar de website vanuit de zoekresultaten. We wilden dit testen voor een van de grootste e-commerce partijen van Nederland.

De hypothese

De website in kwestie markeerde al hun productpagina's met gestructureerde gegevens voor producten. Als een product beoordelingen had, werden deze opgenomen in de opmaak, ongeacht of de beoordelingsscore positief of negatief was. 

De website verkoopt meer dan 500.000 producten, dus producten met een lage reviewscore zijn onvermijdelijk. Dit betekende echter dat sommige zoekresultaten niet erg aantrekkelijk waren om door te klikken:

We veronderstelden dat lage beoordelingen een negatief effect zouden hebben op de CTR en dus op het organische verkeer naar de website. We wilden dus valideren wat er zou gebeuren als we de aggregateRating (en de geneste objecten en waarden) voor producten met een beoordelingswaarde lager dan 3 (van de 5) niet in de opmaak zouden opnemen.

Door dit te doen, wilden we de kans vergroten dat gebruikers de website zouden bezoeken om alles over de producten te weten te komen zonder alleen te vertrouwen op de beoordelingsscore van het product. Bovendien, als een gebruiker al op de website is, kan deze andere (gerelateerde) productpagina's op de website bezoeken in plaats van verder te navigeren op Google.

De test

We hebben SplitSignal gebruikt om de test op te zetten en te analyseren. Alle productpagina's met een beoordelingswaarde score van minder dan 3 zijn geselecteerd als variant of controle. We begonnen met de test en hebben deze 21 dagen uitgevoerd. We hebben kunnen vaststellen dat Googlebot 98% van de geteste pagina's heeft bezocht.

De resultaten

Het verwijderen van de eigenschap geaggregeerde Rating (en de geneste objecten en waarden) voor producten met een beoordelingswaarde lager dan 3 (van de 5) resulteerde in een toename van 21% in klikken!

Na slechts 6 dagen konden we vaststellen dat deze stijging die we zagen significant was. Wanneer het blauw gearceerde gebied onder of boven de y=0-as presteert, is de test statistisch significant op het 95%-niveau. Dit betekent dat we erop kunnen vertrouwen dat de toename die we zien te wijten is aan de verandering die we hebben doorgevoerd en niet aan andere (externe) factoren. 

Houd er rekening mee dat we de werkelijke controlegroep pagina's niet vergelijken met onze variant pagina's, maar eerder een prognose op basis van historische gegevens. We vergelijken dit met de werkelijke gegevens. We gebruiken een set controle pagina's om het model context te geven voor trends en externe invloeden. Als er iets anders verandert tijdens onze test (bijvoorbeeld seizoensinvloeden), zal het model dit detecteren en er rekening mee houden. Door deze externe factoren te filteren, krijgen we inzicht in wat de impact van een SEO wijziging werkelijk is.

Waarom

Deze test toont aan dat rijke resultaten op zich niet de formule voor succes zijn, het weergeven van lage beoordelingsscores in zoekresultaten kan de verkeerde aandacht trekken. We kunnen er ook vanuit gaan dat de mening van andere gebruikers belangrijk wordt gevonden bij het kiezen om vanuit de zoekresultaten door te klikken naar de website. Binnen SEO moet je dus goed nadenken over welke informatie je gebruikers direct in de zoekresultaten wilt geven. 

Zoals werd aangenomen, nam de CTR dramatisch toe voor de geteste productpagina's. Maar hoewel het resultaat van deze test zeer positief was, is het totaal aantal productpagina's met een lage rating score relatief laag. Dit betekent dat de absolute impact op het verkeer mogelijk niet zo groot is in vergelijking met andere mogelijke SEO-wijzigingen voor pagina's of sjablonen die meer verkeer aantrekken. Gesplitste tests helpen onze klanten niet alleen manieren te ontdekken waarop ze hun organisch verkeer kunnen verbeteren, het kan ook helpen de impact van SEO-wijzigingen te bewijzen door ze prioriteit te geven in de ontwikkeling wachtrij.

Door extra organisch verkeer te genereren door middel van split-tests, kunnen SEO's sterke businesscases bouwen om hun SEO-wijzigingen door te voeren.

De toename in verkeer die we voor deze website zagen, was zeer waardevol omdat het hen ook nieuwe inzichten gaf in wat hun doelgroep belangrijk vindt. Houd er rekening mee dat iets dat voor de ene website werkt, mogelijk niet voor een andere website werkt. De enige manier om het zeker te weten, is door te testen wat voor jou werkt!