in

Comment les mises en page SERP de Google affectent le comportement de recherche


Il existe plusieurs études (et beaucoup de données) sur la façon dont les gens utilisent les SERPs de Google, ce qu’ils ignorent et sur quoi ils se concentrent. Un exemple est Expérience récente de Moz tester si les référenceurs devraient continuer d’optimiser ou non les extraits sélectionnés (en particulier maintenant que Google a annoncé que si vous avez un extrait présenté, vous n’apparaissez plus ailleurs dans les résultats de recherche).

Deux choses que je n’ai jamais vues testées sont les réactions réelles des utilisateurs et leur comportement avec les SERP. Mon équipe et moi avons décidé de les tester nous-mêmes, et c’est là que la technologie biométrique entre en jeu.

Qu’est-ce que la technologie biométrique et comment les commerçants peuvent-ils l’utiliser?

La technologie biométrique mesure les caractéristiques physiques et comportementales. En combinant les données des appareils de suivi oculaire, des moniteurs de réponse cutanée galvaniques (qui mesurent vos niveaux de transpiration, nous permettant de mesurer les réactions subconscientes) et des logiciels de reconnaissance faciale, nous pouvons obtenir des informations utiles sur les modèles de comportement.

Nous apprenons que la biométrie peut être utilisée dans un large éventail de paramètres, des tests UX pour les sites Web, à l’évaluation de l’engagement des consommateurs avec les supports de marque, et même à la mesure des réponses émotionnelles aux publicités télévisées. Dans ce test, nous voulions également voir s’il pouvait être utilisé pour nous aider à comprendre comment les gens interagissent réellement avec les SERPs de Google, et donner un aperçu du comportement de recherche en général.

Le plan

L’objectif de la recherche était d’évaluer l’impact des mises en page et de la conception SERP sur le comportement de recherche des utilisateurs et la récupération d’informations dans Google.

Pour simuler le comportement de recherche naturelle, notre expert UX et biométrie Tom Pretty a réalisé une petite expérience de test utilisateur. Les utilisateurs ont été invités à effectuer un certain nombre de recherches Google dans le but de rechercher et d’acheter un nouveau téléphone mobile. L’un des objectifs était de capturer des données à chaque étape du parcours client.

Les participants ont reçu des tâches avec des termes de recherche spécifiques à différentes étapes de l’intention d’achat. Bien que la prescription de termes de recherche ait limité le comportement de recherche naturelle, c’était un sacrifice pour s’assurer que l’étude avait les meilleures chances de parvenir à une cohérence dans les SERP présentés, et ainsi des résultats agrégés pouvaient être obtenus.

Les tests ont été exécutés sur ordinateur de bureau, bien que nous prévoyions à l’avenir d’étendre l’étude sur mobile.

Les utilisateurs ont commencé chaque tâche sur la page d’accueil de Google. À partir de là, ils ont informé le modérateur lorsqu’ils ont trouvé les informations qu’ils recherchaient. À ce stade, ils sont passés à la tâche suivante.

Comment le test a été divisé et les dispositions que nous voulions tester

Entrées de données

  • Suivi de l’oeil
  • Analyse de l’expression faciale
  • Réponse cutanée galvanique (GSR)

Échantillon de données

Objectifs clés

  • Comprendre le comportement du regard sur les SERP (où les gens regardent lorsqu’ils recherchent)
  • Comprendre le comportement d’engagement sur les SERPs (où les gens cliquent lors de la recherche)
  • Identifier les réponses émotionnelles aux SERPs (que se passe-t-il lorsque les utilisateurs reçoivent des publicités?)
  • Analyse des interactions avec différents types de résultats (par exemple, annonces, résultats d’achat, packs de cartes, Knowledge Graph, extraits enrichis, PAA, etc.).

Scénario et tâches de recherche

Nous avons dit aux participants qu’ils cherchaient à acheter un nouveau téléphone et étaient particulièrement intéressés par un iPhone XS. On leur a ensuite fourni une liste de tâches à effectuer, chacune axée sur les recherches que quelqu’un pourrait effectuer lors de l’achat d’un nouveau téléphone. L’utilisation des termes de recherche suggérés pour chaque tâche était une stipulation de participation.

Tâches

  1. Découvrez la taille d’écran et la résolution de l’iPhone XS
    Terme de recherche: taille et résolution de l’iPhone XS
  2. Découvrez l’autonomie de la batterie en temps de conversation de l’iPhone XS
    Terme de recherche: temps de conversation iPhone XS
  3. Trouvez des avis sur l’iPhone XS qui donnent une liste rapide des avantages et des inconvénients
    Terme de recherche: avis sur iPhone XS
  4. Trouvez l’adresse et le numéro de téléphone d’une boutique de téléphonie dans le centre-ville qui pourrait vous vendre un iPhone XS
    Terme de recherche: Magasins de téléphonie à proximité
  5. Trouvez ce que vous pensez être le prix le moins cher pour un nouvel iPhone XS (combiné uniquement)
    Terme de recherche: offres iPhone XS les moins chères
  6. Trouvez et continuez à acheter un iPhone XS d’occasion en ligne (arrêtez-vous au point de saisie des données)
    Terme de recherche: Acheter un iPhone XS d’occasion

Nous avons d’abord choisi tous les termes de recherche pour faciliter la corrélation des données. (Si tout le monde avait recherché ce qu’il voulait, nous n’aurions peut-être pas affiché certains modèles SERP.) Et deuxièmement, afin que nous puissions nous assurer que tous les participants ont exactement les mêmes résultats dans Google. Nous avons eu besoin des recherches pour renvoyer un extrait en vedette, le Google Knowledge Graph, la fonctionnalité « Les gens demandent aussi » de Google, ainsi que des flux commerciaux et des publicités PPC.

Dans l’ensemble, cela a été un succès, bien que dans quelques cas il y ait eu de petites variations dans le SERP présenté (même lorsque le même terme de recherche avait été utilisé à partir du même emplacement avec un cache vide).

«Lors de la conception d’une étude, une préoccupation clé est d’équilibrer les comportements naturels et de donner aux participants la liberté d’interagir naturellement, en s’assurant que nous avons à la fin des actifs qui peuvent être efficacement rapportés et nous donner les informations dont nous avons besoin.» – Tom Pretty, consultant UX, Coast Digital

Les resultats

Extraits en vedette

C’est la constatation qui a le plus intéressé nos référenceurs internes. Selon une étude d’Ahrefs, les extraits présentés obtiennent 8,6% des clics tandis que 19,6% vont à la première recherche naturelle en dessous, mais en l’absence d’extrait en vedette, 26% des clics aboutissent au premier résultat. À l’époque, cela signifiait qu’avoir un extrait en vedette n’était pas terrible, surtout si vous pouviez gagner un extrait en vedette mais que vous n’étiez pas classé premier pour un trimestre. qui ne veut pas avoir un bien immobilier au dessus d’un concurrent?

Cependant, avec Danny Sullivan de Google annonce que si vous apparaissez dans un extrait en vedette, vous n’apparaîtrez plus nulle part ailleurs dans la page de résultats du moteur de recherche, nous avons commencé à nous demander comment cela changerait ce que les SEO pensaient d’eux. Peut-être que nous verrions un exode massif de pages de désoptimisation de SEO pour les extraits en vedette afin qu’ils puissent conserver leur classement organique à la place. Expérience récente de Moz estime une baisse de 12% du trafic vers les pages qui perdent leur extrait en vedette, mais qu’est-ce que cela signifie sur le comportement des utilisateurs?

Qu’avons-nous découvert?

Dans les recherches basées sur les informations, nous avons constaté que les extraits de code en vedette attiraient en fait le plus de fixations. Ils étaient toujours le premier élément vu par les utilisateurs et étaient ceux où les utilisateurs passaient le plus de temps à regarder. Ces tâches ont également été parmi les plus rapides à effectuer, ce qui indique que les extraits de code réussissent à donner aux utilisateurs la réponse souhaitée rapidement et efficacement.

Tout cela indique que les extraits en vedette sont des biens immobiliers extrêmement importants dans un SERP (surtout si vous ciblez des mots clés basés sur des questions et une intention de recherche plus informative).

Dans les deux tâches basées sur l’information, l’extrait présenté était le premier élément à être visualisé (dans les deux secondes). Il a été vu par le plus grand nombre de répondants (96% fixé dans la zone en moyenne), et a également été le plus cliqué (66% des utilisateurs ont cliqué en moyenne).

Les gens demandent aussi

L’élément «Les gens demandent aussi» (PAA) est un endroit idéal pour trouver des réponses aux termes de recherche basés sur des questions que les gens recherchent activement, mais les utilisateurs interagissent-ils avec eux?

Qu’avons-nous découvert?

À partir des résultats, après avoir consulté un extrait en vedette, les chercheurs ont ignoré l’élément PAA pour les résultats organiques standard. Les participants les ont regardés, mais les clics dans ces zones étaient extrêmement faibles, montrant ainsi un engagement limité. Ce comportement indique qu’ils ne distraient pas les utilisateurs ou n’affectent pas la façon dont ils parcourent le SERP de manière significative.

Graphique des connaissances

L’une des tâches impliquait que les participants effectuent une recherche à l’aide d’un mot clé renvoyant le Google Knowledge Graph. Le but était de découvrir le taux d’interaction, ainsi que l’endroit où l’interaction principale s’est produite et où le regard est allé.

Qu’avons-nous découvert?

Nos résultats indiquent que lorsqu’une recherche avec intention d’achat est effectuée (par exemple, «offres»), le graphique des connaissances attire l’attention plus tôt, potentiellement parce qu’il inclut des prix visibles.

En introduisant également des données de carte thermique, nous pouvons voir que la zone de prix sur le Knowledge Graph a suscité un engagement significatif, mais il y avait encore beaucoup d’attention concentrée sur les résultats organiques.

Essentiellement, cela montre que si le graphe de connaissances est un espace utile, il ne détourne pas entièrement de la colonne SERP principale. Les utilisateurs ont toujours recours à des annonces payantes et à des listes organiques pour trouver ce qu’ils recherchent.

Recherches de lieux

Nous avons tous vu des données dans Google Search Console avec «près de moi» sous certains mots clés, et il y a une discussion en cours pour savoir pourquoi ou comment les optimiser. Du point de vue du paiement par clic (PPC), devriez-vous même prendre la peine d’essayer d’y apparaître? En introduisant un tel terme de recherche dans l’étude, nous espérions répondre à certaines de ces questions.

Qu’avons-nous découvert?

À partir des données de fixation, nous avons constaté que la plus grande attention était accordée aux listes locales plutôt qu’à la carte ou aux listes organiques. Cela indiquerait que la plus grande quantité de détails dans les listes locales était plus attrayante.

Cependant, dans une variante différente du SERP, l’ajout de la ligne de produits a conduit les utilisateurs à passer plus de temps à examiner le SERP et à exprimer plus d’émotions négatives. Cet ajout de ligne de produits a également changé les modèles de regard, obligeant les utilisateurs à parcourir chaque élément tour à tour, plutôt que de passer directement aux résultats locaux (qui semblaient plus utiles dans la recherche précédente).

Cette présentation de résultats jugés non pertinents ou moins importants par le chercheur pourrait être la principale cause de l’émotion négative et, plus largement, pourrait indiquer une frustration générale à l’idée de se voir opposer des obstacles pour trouver directement la réponse.

Recherche d’intention d’achat

Pour cet élément de l’étude, les participants ont reçu des questions qui indiquent que quelqu’un cherche activement à acheter. À ce stade, ils ont effectué la recherche pédagogique, peut-être même la recherche de révision, et maintenant ils ont l’intention d’acheter.

Qu’avons-nous découvert?

Pour les recherches basées sur les «achats», la barre de produits horizontale fonctionne efficacement, détectant un bon engagement et des clics. Cependant, les utilisateurs se sont toujours concentrés sur les annonces biologiques avant de revenir au bar commercial.

L’ajout des résultats du graphe de connaissances pour ce type de recherche n’a pas été très efficace, ce qui a suscité peu d’engagement dans l’image globale.

Ces résultats indiquent que les résultats d’achat présentés en haut de la page jouent un rôle utile lors de la recherche avec intention d’achat. Cependant, dans les deux variantes, le premier résultat a été l’élément le plus cliqué dans le SERP, montrant qu’une liste PPC ou organique traditionnelle reste très efficace à ce stade du parcours client.

Réponse cutanée galvanique

En examinant le GSR lorsque les participants participaient aux divers SERP, il existe une certaine corrélation entre les tâches «les plus difficiles» autodéclarées et un GSR supérieur à la normale.

Pour la tâche de «temps de conversation» en particulier, l’extrait présenté présentait des informations pour l’iPhone XS Max, et non le modèle iPhone XS, ce qui était probablement la cause de la réaction négative car les participants devaient passer plus de temps à creuser dans plusieurs sources d’informations.

Pour le SERP «temps de conversation», les difficultés rencontrées lorsque des données incorrectes étaient présentées dans un extrait en vedette étaient probablement à l’origine de la cote de difficulté élevée.

Qu’est-ce que tout cela veut dire?

Malheureusement, ce n’était pas la plus grande étude au monde, mais c’était un début. De toute évidence, relancer cette étude avec un plus grand nombre serait l’idéal et aiderait à raffermir certaines des conclusions (et pour ma part, j’adorerais voir un grand nombre de personnes participer).

Cela étant dit, il y a quelques conclusions solides que nous pouvons tirer:

  1. La nature de la recherche modifie considérablement le comportement d’engagement, même lorsque des dispositions SERP similaires sont affichées. (C’est probablement pourquoi ils sont si fortement testés en split).
  2. Les extraits en vedette sont très efficaces pour la recherche basée sur les informations, et bien qu’ils aient conduit environ 33% des utilisateurs à choisir de ne pas accéder au site après avoir trouvé la réponse, les deux tiers ont toujours cliqué sur le site Web (ce qui est très différent de la données que nous avons vues dans des études précédentes).
  3. Les listes locales (en particulier lorsqu’elles sont servies sans bar commercial) sont engageantes et fournissent aux utilisateurs les informations essentielles dans un format efficace.
  4. Même avec l’ajout de Knowledge Graph, « Les gens demandent aussi », et des extraits en vedette, des annonces PPC plus traditionnelles et des listes SEO jouent toujours un rôle important dans le comportement de recherche.

Les extraits en vedette ne sont pas la pire chose au monde (contrairement à la réaction populaire de l’industrie du référencement après l’annonce de Google). Tout ce qui a changé, c’est que vous devez maintenant déterminer quels extraits de code en valent la peine pour votre entreprise (au lieu d’essayer de les revendiquer tous). Lors de recherches purement informatives ou éducatives, ils ont en fait très bien fonctionné. Les gens sont restés obsédés par eux pendant une période assez longue et 66% ont cliqué. Cependant, nous avons également un exemple de personnes réagissant mal à l’extrait en vedette lorsqu’il contenait des informations non pertinentes ou incorrectes.

Les résultats donnent également un certain poids au fait que beaucoup de référencement est désormais une question de contexte. Qu’attendent les utilisateurs lorsqu’ils recherchent d’une certaine manière? S’attendent-ils à voir beaucoup de flux d’achat (ils le sont généralement s’il s’agit d’un mot clé d’intention d’achat), mais en même temps, ils ne s’attendent pas à les voir dans une recherche pédagogique.

Et maintenant?

J’espère que vous avez trouvé cette étude utile et appris quelque chose de nouveau sur le comportement de recherche. Notre prochain objectif est d’augmenter le nombre de personnes dans l’étude pour voir si un plus grand pool de données confirme nos résultats ou nous montre quelque chose de complètement inattendu.




What do you think?

0 points
Upvote Downvote

Written by manuboss

Récapitulatif du forum de recherche quotidienne: 21 avril 2020

À venir sur Live with Search Engine Land: le marketing de contenu pendant COVID-19