Comment optimiser l’expérience utilisateur pour améliorer le SEO

Pour Google, l’expérience utilisateur (UX) est un facteur de positionnement et revêt une importance croissante. Pour cette raison, il est nécessaire de savoir comment analyser le comportement des utilisateurs sur notre page, quelles sont les zones de notre site Web qui donnent de meilleurs résultats et celles que nous devons améliorer.

Le référencement ne consiste pas à optimiser les sites pour les moteurs de recherche, mais pour les personnes qui utilisent les moteurs de recherche.

Comprendre les objectifs des utilisateurs et Google

De nombreuses personnes et entreprises envisagent le référencement sous l’angle suivant :

Un utilisateur fait une recherche sur Google avec une intentionnalité > mon atterrissage répond à cette intentionnalité > je donne la réponse à l’utilisateur > enfin, je dirige l’utilisateur vers la conversion.

C’est une demi-vérité, ce qui revient à dire que c’est un mensonge.

• Pourquoi est-ce un mensonge ?

Le seul à connaître l’intentionnalité des utilisateurs lorsqu’ils effectuent une recherche est Google. De nombreux utilisateurs peuvent avoir des intentions différentes et effectuer plusieurs recherches, mais aboutir à la même page.

En outre, une page de renvoi ne répond pas à une seule recherche, mais peut répondre à de nombreuses recherches différentes. Par conséquent, Arturo conclut en disant que l’intentionnalité de l’utilisateur est multiple.

• Comment répondre à des intentions multiples ?

Pour Arturo, la solution est claire : il s’agit d’un ensemble d’atterrissages qui répondent non seulement à cette recherche, mais aussi aux recherches futures.

• Avec cela, allons-nous conduire l’utilisateur à la conversion/achat ?

Peut-être pas. Cela dépend du parcours du client. Si un utilisateur met deux semaines avant d’acheter un produit, Arturo a déclaré qu’avec une recherche informative, il est très difficile de le convertir.

Quel est le résultat le plus pertinent pour Google ?

Le résultat le plus pertinent pour Google est celui qui répond à la recherche actuelle et aux recherches futures. Pour montrer cette formation, il a utilisé l’évolution des résultats de Google comme exemple.

• Résultats de Google en 2016

En 2016, lorsque vous avez effectué la recherche “how long Matrix lasts”, les informations suivantes vous ont été présentées.

Cette année-là, Google a lancé ce que l’on appelle Google Answers, qui vous donne directement la solution à la recherche que vous avez effectuée. Dans ce cas, il vous disait que le film Matrix dure 136 minutes.

En outre, sur le côté droit, le graphique de connaissance est déjà proposé avec des informations sur le film et les acteurs qui y participent.

Enfin, en bas, on pouvait voir les résultats du référencement.

• Résultats de Google en 2018.

La première chose est que Google ne dit pas 136 minutes, mais donne comme résultat 2 heures et 16 minutes. Ce résultat est plus humain, car c’est ainsi que nous mesurons le temps. En outre, il ne donne pas seulement l’heure du film que vous recherchez, mais aussi celle des autres films de la saga.

Sur le côté droit, le Knowledge Graph demeure.

L’autre grande variation est la disparition des résultats de référencement pour les autres questions que les utilisateurs posent en plus de celle que vous posez.

Conclusion : Google tente de répondre à votre question et aux questions futures avec une page de renvoi qui regroupe le contenu de différentes pages. En d’autres termes, Google vous donne une réponse avec un ensemble d’atterrissages et de contenus.

Comment l’expérience utilisateur affecte-t-elle le référencement ?

L’une des mesures utilisées par Google pour évaluer la qualité d’une page, en termes de comportement des utilisateurs, est le Pogo Sticking.

Pogo Sticking : une mesure clé du référencement qui indique le pourcentage d’utilisateurs qui visitent une page via les résultats de Google et qui, après un certain temps, la quittent en appuyant sur le bouton “retour” du navigateur.

Le Pogo Sticking peut être mesuré avec Google Tag Manager. Nous pouvons créer un événement HTML5 appelé Story.pushState() qui nous permet de placer notre URL dans l’historique de l’utilisateur avec les variables que nous voulons.

De cette manière, lorsque l’utilisateur clique sur le bouton “retour”, il est redirigé vers une page de notre site en quelques millisecondes, ce qui nous permet de savoir si l’utilisateur clique sur le bouton “retour” du navigateur et de recueillir ainsi des informations pertinentes pour l’analyser ultérieurement.

L’utilisation de cette stratégie n’affecte pas l’utilisateur, car elle est imperceptible pour lui.

Google Analytics est un outil très utile en tant que base de données, mais il ne l’est pas en tant que seul outil d’analyse. En effet, il n’offre que 17% des données totales et doit être complété par d’autres outils.

En plus de la Search Console, d’autres mesures peuvent compléter les données d’Analytics :

Nbre de requêtes par rapport à Pogo Sticking.

• Axe X : Position moyenne
• Axe Y : Pourcentage de pogo sticking
• Couleur du cercle : Cluster auquel il appartient
• Taille du cercle : Nbre de requêtes/recherches

Dans ce graphique, on observe une tendance : lorsque le taux de pogo est supérieur à 20 %, le nombre de cercles est de plus en plus petit, c’est-à-dire que Google pense que ce comportement de l’utilisateur est mauvais et réduit le nombre de mots-clés pour lesquels il classe ce contenu.

Cependant, en dessous de 20% de Pogo Sticking, il y a un grand nombre de cercles et la taille est plus grande. Cela signifie que pour Google il y a un comportement positif, c’est-à-dire que l’utilisateur trouve ce qu’il cherchait et, en plus, des doutes futurs.

Impressions vs. Pogo Sticking

• Axe X : Position moyenne
• Axe Y : Pourcentage de pogo sticking
• Couleur du cercle : Cluster auquel il appartient
• Taille du cercle : Nombre d’impressions

L’effet est le même que dans le cas précédent, sauf pour le comportement d’un cluster. Cela signifie qu’il existe un cluster où le comportement de l’utilisateur est différent du reste du site web.

Cela signifie-t-il que c’est mal ? Non. Le comportement des utilisateurs peut être différent pour chaque site web, et même différent pour chaque cluster du même site web.

Chaque section d’un site Web peut avoir des seuils de comportement différents.

Diagramme de Whisker Box

Pour connaître le point/seuil à partir duquel les résultats sont bons ou mauvais, nous devons faire un diagramme “Whisker Box”.

Nous ne nous intéressons pas seulement à l’optimisation des pages, mais aussi à un indicateur de performance clé qui nous indique à partir de quel résultat quelque chose est bon ou mauvais.

Le diagramme de la boîte à moustaches est utile pour visualiser les données présentant des valeurs asymétriques, puisque, en fin de compte, les données relatives à la distribution des bâtons de pogo sont asymétriques.

Comme Arturo le montre dans l’exemple, dans ce cas, la médiane (et non la moyenne) du comportement indique qu’au-delà de 12% de pogo sticking, les résultats ne seraient pas bons.

Chaque cluster de notre page fonctionne différemment, ainsi, comme dans les exemples précédents, il y a deux clusters au-dessus de la médiane dont le comportement est différent.

Nous ne pouvons pas appliquer une règle de comportement des utilisateurs à l’ensemble de notre site web.

En outre, nous constatons également qu’il existe des valeurs aberrantes (celles qui sont en dehors du graphique) qui sont les premières à attaquer. Pour ce faire, nous devons joindre ces résultats au nombre d’impressions qui disposent de ces données et rechercher des modèles à améliorer.

Comment optimiser nos clusters ?

Architecture Web

Il est d’abord intéressant de comprendre comment fonctionne l’architecture du site web en question.

Cette architecture est bien, mais est-elle réelle, Google envoie-t-il vos utilisateurs vers la page d’accueil ou vers des pages internes, comment les utilisateurs se comportent-ils ? Cette architecture ne reflète pas le comportement réel des utilisateurs sur un site web.

La relation entre les clusters est plus importante que l’architecture du site web, car les clusters sont utilisés par Google pour mesurer l’autorité.

Les liens en dehors du cluster nous sont préjudiciables.

Si on lie tout à tout sur un site web, c’est un problème. Tout ce qui se trouve dans le même cluster est bien relié, mais le reste des liens n’est pas positif.

EXEMPLE :

Les journalistes lecteurs, liés à chaque célébrité apparue dans un reportage avec leur dossier. Chaque fois qu’une célébrité était nommée, elle était liée à l’actualité, même si elle n’avait aucun rapport avec celle-ci.

• Que s’est-il passé ? Google comprend chaque célébrité comme un cluster.
• Qu’ont-ils fait ? Ils ont renommé chaque célébrité avec les nouvelles qui lui étaient réellement liées et de cette façon, ils n’ont pas mentionné d’autres célébrités qui pourraient apparaître indirectement.

De cette façon, ils sont passés d’un indice de visibilité de 0,5 à 3 dans les onglets des célébrités.

Page Rank

Le Page Rank est la probabilité qu’un utilisateur clique sur un lien. Par conséquent, pour Arturo, le Page Rank est l’utilisateur.

Le Page Rank n’est pas distribué de manière égale sur tous les liens de votre site web.

Le clic sur un lien a un poids de Page Rank différent selon :

• Taille, couleur et forme.
• Position dans le document
• Nombre de mots.
• Texte d’ancrage
• Relation entre les clusters
• Comportement de l’utilisateur

En outre, selon la position du lien sur la page web, il a une valeur différente et celle-ci n’est pas mesurée par les outils de référencement.

• Architecture = Header
• Contextuel = Contenu
• Secondaire = Sidebar
• Architecture secondaire = Footer

Conclusion

Qu’est-ce qui nous intéresse ?

Contrôler, mesurer et améliorer les regroupements de ces projets sur lesquels nous travaillons. Le problème est que les outils de référencement ne donnent pas les informations nécessaires, car ils ne peuvent pas mesurer pour chaque projet une architecture de page différente.

Que devons-nous avoir ?

• Relation entre les URLs et le nombre de clusters
• Position du lien en HTML
• Texte d’ancrage
• Importez toutes les données pour générer une visualisation des données.

**TIP : La console de recherche Google ne donne que 1 000 résultats, mais si vous la reliez à Data Studio, vous pouvez exporter toutes les données dans un excel.

Vous générez une base de données avec les données ci-dessus, et des données telles que l’origine du trafic, les sessions…etc. que vous souhaitez ajouter à votre analyse.

Enfin, avec toutes ces données, vous pouvez créer un graphe acyclique dirigé avec lequel vous pouvez voir le comportement réel des utilisateurs sur votre site web.

Découvrez également :