Test A/B in SEO: cosa serve per provare la causalità

Quando un consulente CRO dice «facciamo un test A/B», intende qualcosa di preciso: due versioni della stessa pagina, mostrate in parallelo a utenti diversi, con un vincitore statisticamente misurabile in poche settimane. In SEO questo non è possibile nella sua forma pura, e capire perché è il primo passo per progettare test che funzionano davvero.

Google indicizza una sola versione di una URL alla volta. Non puoi mostrare il title tag A a metà del traffico di ricerca e il title tag B all'altra metà nello stesso momento: chi cerca vede quello che è in indice in quel momento, punto. A questo si aggiunge un problema più profondo: anche isolando una variabile, non esiste un gruppo di controllo fermo con cui confrontarti. L'indice cambia, i concorrenti pubblicano e aggiornano pagine, ottengono o perdono link, e l'algoritmo stesso viene aggiornato — spesso senza preavviso. Testare in SEO significa progettare esperimenti che tengano conto di tutto questo, non copiare lo schema del test A/B da CRO e sperare che funzioni allo stesso modo.

Perché non puoi fare un A/B test di una URL contro se stessa

Il motivo tecnico è semplice: Google non ha un concetto di «variante». Esiste una sola versione canonica di una pagina in un dato momento, con una sola posizione in classifica per una data query. Se provi a servire due title tag diversi ad utenti diversi sulla stessa URL — alternandoli via script o per sessione — rischi solo di confondere i sistemi di indicizzazione, e se la versione vista da Googlebot differisce sistematicamente da quella vista dagli utenti, ti avvicini a un problema di cloaking, non a un esperimento.

C'è anche un problema di sequenza. In un test A/B su un sito, le due varianti coesistono nello stesso periodo e condividono le stesse condizioni esterne. In SEO, se cambi un title oggi e guardi il CTR di domani, stai confrontando due periodi diversi, non due varianti dello stesso periodo — e in quei periodi possono cambiare la stagionalità, l'intento di ricerca, la SERP stessa: un concorrente che entra o esce, una nuova funzione visiva nei risultati, un aggiornamento dell'algoritmo. Per questo un semplice prima/dopo su una sola pagina è quasi sempre inconcludente: non puoi separare l'effetto della modifica da tutto il resto che si muove intorno a lei.

Il problema del gruppo di controllo che non esiste

Nel CRO il gruppo di controllo è integrato nel test: metà del traffico continua a vedere la versione originale mentre l'altra metà vede la variante, nello stesso momento, sottoposta agli stessi fattori esterni. In SEO non hai questo lusso per una singola pagina, perché quella pagina ha una sola versione indicizzata alla volta. Il gruppo di controllo, quando esiste, va costruito altrove: nello spazio, con altre pagine simili che non tocchi, oppure nel tempo, con lo stesso periodo dell'anno precedente — mai nella stessa URL nello stesso momento.

Questo non significa che testare sia impossibile. Significa che serve un disegno sperimentale diverso, pensato apposta per un ambiente dove la variabile che vuoi isolare è nascosta dentro decine di altre che si muovono da sole.

Split test tra gruppi di pagine comparabili: il metodo che regge su larga scala

Il metodo che più si avvicina a un vero A/B test in SEO funziona a livello di template, non di singola pagina, ed è per questo riservato a siti con un numero sufficiente di pagine simili: e-commerce con centinaia di schede prodotto, marketplace con migliaia di annunci, editori con archivi ampi di articoli dello stesso formato.

Il disegno è questo: dividi un insieme di pagine simili per tipologia, traffico storico e struttura in due gruppi equivalenti — non a caso URL per URL, ma bilanciando per traffico medio e categoria, così che i due gruppi si comportino allo stesso modo se non tocchi nulla. Applichi la modifica, un nuovo pattern di title tag, uno schema markup aggiuntivo, un blocco di link interni diverso, solo al gruppo di trattamento. Il gruppo di controllo resta invariato, esposto alle stesse condizioni esterne — stesso periodo, stessi aggiornamenti dell'algoritmo, stessa stagionalità — perché fa parte dello stesso sito nello stesso momento. Alla fine della finestra di osservazione, confronti la variazione tra i due gruppi, non il valore assoluto di uno solo.

È l'unico approccio che ricrea, abbastanza fedelmente, la logica di randomizzazione del CRO: il controllo esiste davvero, è contemporaneo, ed è esposto agli stessi fattori esterni della variante. Il limite è che serve massa critica: pagine e traffico per gruppo a sufficienza per distinguere un segnale reale dal rumore normale del ranking, che oscilla anche senza che tu faccia nulla.

Prima/dopo con un gruppo di controllo abbinato

Quando non hai abbastanza pagine simili per uno split test vero, l'alternativa più onesta è il prima/dopo con un gruppo di controllo abbinato. L'idea: invece di guardare solo la pagina che hai modificato, scegli un piccolo insieme di pagine paragonabili — stesso tipo di contenuto, traffico storico simile, stessa area del sito — che lasci intenzionalmente invariate per tutta la durata del test.

Misuri la variazione, clic, posizione media, CTR, sia sulla pagina modificata sia sul gruppo di controllo, nello stesso periodo. Se la pagina modificata migliora in modo evidente e il gruppo di controllo resta piatto, hai un indizio ragionevole che la causa sia la tua modifica. Se anche il gruppo di controllo si muove nella stessa direzione e nella stessa misura, il movimento probabilmente non ha nulla a che fare con quello che hai cambiato: è l'algoritmo, la stagionalità o la SERP che si muovono per tutti.

Non è un esperimento randomizzato, ma è molto meglio di un prima/dopo nudo, perché almeno ti dà un termine di paragone contemporaneo invece di confrontare due momenti nel tempo senza alcun riferimento a ciò che sarebbe successo comunque.

Test temporali e il problema della stagionalità

Alcuni cambiamenti, una migrazione, una ristrutturazione dell'architettura di link interni, un aggiornamento massivo di contenuti, non si prestano a uno split per gruppi, perché coinvolgono l'intero sito insieme. In questi casi l'unico confronto disponibile è temporale: prima contro dopo, sull'intero dominio.

Il rischio principale è la stagionalità. Se il tuo settore ha picchi di ricerca ricorrenti, il rientro scolastico, i regali di fine anno, i viaggi in primavera, un confronto mese su mese contro il mese precedente non isola nulla: stai confrontando due stagioni diverse, non due condizioni diverse. Il confronto più difendibile è anno su anno, stesso periodo dell'anno precedente, così la stagionalità è almeno in parte neutralizzata. Anche questo non è perfetto — il traffico dell'anno scorso porta con sé tutto ciò che è cambiato nel frattempo, incluso il tuo stesso lavoro SEO precedente — ma resta molto più difendibile di un confronto settimana su settimana.

Serve anche simmetria nella finestra temporale: se guardi sei settimane prima della modifica, guarda sei settimane dopo, non due. Finestre asimmetriche fanno sembrare significativa qualunque differenza, anche quando non lo è.

Le condizioni che rendono un test credibile

Indipendentemente dal metodo scelto, un test SEO merita fiducia solo se rispetta alcune condizioni minime, decise prima di guardare i dati, non dopo.

• Una sola variabile per volta. Se cambi title, schema e struttura dei link interni nella stessa settimana, non saprai mai quale dei tre ha prodotto l'effetto, se un effetto c'è stato.
• Abbastanza pagine e abbastanza traffico da distinguere un segnale dal rumore. Il ranking di una pagina a basso traffico oscilla in modo naturale anche senza alcun intervento; su numeri piccoli, quell'oscillazione normale può sembrare un risultato.
• Un'ipotesi dichiarata prima di iniziare. «Aggiungere il prezzo nel title aumenterà il CTR della pagina prodotto» è un'ipotesi verificabile. «Vediamo cosa succede se cambiamo qualcosa» non lo è, perché qualunque risultato può essere raccontato come successo a posteriori.
• Una finestra di osservazione decisa in anticipo, abbastanza lunga da far uscire l'indicizzazione e il ranking dal transitorio iniziale, ma non così lunga da far entrare eventi esterni che confondono il quadro.

Leggere i risultati onestamente: regressione alla media e aggiornamenti core

Due trappole ricorrono più spesso di quanto si pensi quando si leggono i risultati di un test SEO, ed entrambe spingono verso conclusioni troppo ottimistiche.

La prima è la regressione alla media. Se scegli di intervenire proprio sulle pagine che sono scese di più nelle ultime settimane, è statisticamente probabile che quelle pagine risalgano almeno in parte anche senza alcun intervento, semplicemente perché un calo insolitamente forte tende a essere seguito da un parziale ritorno verso il livello normale. Senza un gruppo di controllo che ti mostri quanto sarebbero risalite comunque, rischi di attribuire alla tua modifica un recupero che sarebbe avvenuto lo stesso.

La seconda è la sovrapposizione con un aggiornamento dell'algoritmo. Google rilascia aggiornamenti, alcuni dichiarati, altri no, con una frequenza che rende quasi impossibile trovare una finestra di test completamente pulita. Se il traffico sale nella settimana in cui hai pubblicato la modifica e in cui è avvenuto un aggiornamento core, l'onestà intellettuale richiede di ammettere che non puoi separare con certezza le due cause, soprattutto senza un gruppo di controllo che mostri come si sono comportate pagine non toccate nello stesso periodo. Un controllo contemporaneo è proprio ciò che permette di distinguere: se si muove come il gruppo trattato, la causa è probabilmente esterna; se si muove diversamente, l'indizio a favore della tua modifica è più solido.

Cosa vale la pena testare, e la disciplina di scriverlo

Non tutto merita lo sforzo di un test formale. I candidati migliori sono le modifiche che puoi applicare in modo identico e scalabile a molte pagine, e il cui meccanismo d'azione è chiaro: pattern di title tag, struttura dei link interni tra pagine dello stesso template, presenza o formato dello schema markup, disposizione degli elementi in pagina. Sono modifiche binarie, o le hai fatte o no, replicabili su un gruppo di controllo, con un canale di impatto plausibile: il CTR per i title, la distribuzione di link equity per i link interni, l'idoneità ai rich result per lo schema.

Sono invece candidati poveri i test su variabili che non puoi isolare o replicare: la qualità generale di un contenuto riscritto da zero, dove troppe cose cambiano insieme per attribuire l'effetto a una sola; i link in ingresso, che non controlli direttamente e il cui effetto si manifesta su tempi lunghi e irregolari; o una modifica applicata a una singola pagina a basso traffico, per i motivi già visti sopra.

C'è infine una disciplina che conta quanto il disegno del test: scrivere il risultato, comunque vada, non solo quando conferma l'ipotesi. Un archivio di test che riporta solo i successi costruisce, nel tempo, un catalogo di best practice fasullo, perché ogni pratica sopravvissuta è quella per cui il rumore casuale ha giocato a favore almeno una volta. Annotare la data di inizio, l'ipotesi dichiarata, il gruppo di controllo usato, la finestra di osservazione e il risultato, positivo, negativo o inconcludente, è quello che rende il test successivo più informato del precedente, invece di ripartire ogni volta da zero.