Terminé les intuitions humaines sur le référencement naturel : place au SEO Prédictif ! Présentation d’une nouvelle IA qui priorise les facteurs de ranking…
Le SEO est-il une science exacte ? Comme toutes les sciences, cela dépend grandement des outils d’observation à disposition. À l’ère des intelligences artificielles et du machine learning, on développe des programmes de plus en plus performants, notamment quant au traitement de l’information.
À ce titre, après qu’ont émergé de nombreux outils d’optimisation pour le référencement, l’agence SEO Uplix (en partenariat avec Oncrawl) semble avoir trouvé la formule pour en dépasser les premiers balbutiements.
L’objet de ce progrès ?
Une machine dédiée au Predictive SEO (SEO prédictif), capable de dire si un modèle de page web sera bien ranké ou non, et pourquoi !
Comment est-ce possible ?
La suite vous montrera que c’est plus simple qu’il n’y paraît !
Accès rapide (Sommaire) :
Uplix Lab IA : l’avenir du SEO Prédictif ?
Connaissez-vous les échecs ?
Aujourd’hui, de puissantes IA telles que Stockfish et AlphaZero aident à la préparation des Grands Maîtres Internationaux, en évaluant les positions et en préconisant les meilleurs coups.
Eh bien, il se trouve qu’ULI (Uplix Lab IA) fait exactement la même chose : en prenant en compte les règles du jeu Google, les forces et faiblesses des concurrents et les mots-clés des requêtes-cibles, l’algorithme estime votre position dans les SERP avec une précision allant jusqu’à 92%.
Ensuite, il vous suggère des axes d’amélioration pour mieux ranker.
En quoi consiste une machine de SEO Prédictif ?
Bien sûr, la première tâche a été de rassembler tous les facteurs de ranking connus afin de les apprendre à l’IA.
Les experts d’Uplix s’en sont chargé les doigts dans le nez. Puis, grâce au savoir faire d’Oncrawl, l’algorithme peut bénéficier d’une base de données importante via le crawling sur les sites concernés.
En effet, pour savoir quelles pages se positionnent bien, il faut connaître les qualités et failles des principaux concurrents ! Puis les prédictions sont vérifiées, et doivent apparaître sous forme de recommandations SEO pour le propriétaire du serveur.
Recommandations SEO d’ULI : classées par ordre d’importance
C’est là que l’outil d’Uplix fait des merveilles : il est non-seulement capable de dire pourquoi une page web est mieux référencée qu’une autre, mais également de vous dire dans quelles proportions les suggestions de modification impacteront le ranking.
Predictive SEO rankings
En effet, la plupart des facteurs de référencement identifiables et mesurables concernent généralement :
Il en existe des dizaines, avec un poids qui diffère selon la requête et la concurrence.
Le travail d’ULI est donc de vous dire comment prioriser les featuresou “critères de référencement”. Le rôle du propriétaire du serveur sera alors simplement de suivre les recommandations de l’algorithme.
En conséquence, si ULI estime que lesmots-clés dans vos H2sont plus importants que la rapidité d’indexation, ce sera au web rédacteur de passer à l’action plutôt qu’au développeur.
Uplix Lab IA : du Predictive SEO vraiment fiable ?
Les intelligences artificielles existent pour faire gagner en précision les bonnes intuitions humaines. Pourtant, même avec du machine learning, ULI annonce un minimum de 8% d’erreurs.
Une faille de l’algorithme ?
Pas tout à fait. En effet, il existe quelques facteurs de ranking imprédictibles, parmi lesquels :
l’historique de l’internaute (les recherches antérieures orientent les résultats à venir dans les SERP) ;
le comportement de l’internaute (bien que cela ne soit pas tout à fait établi, certains experts soupçonnent les navigateurs comme Chrome d’observer le comportement utilisateur pendant sa navigation afin que Google affine encore plus ses pages de résultats) ;
l’arrivée d’un concurrent ;
Une pénalité manuelle de Google…
etc.
Voilà donc comment on obtient 8% de marge d’erreur.
Comment l’outil parvient-t-il à estimer l’importance de chaque feature ?
C’est d’une simplicité redoutable !
Lorsque l’on donne à l’outil un certain nombre de features à vérifier, celui-ci effectue la manipulation suivante : il retire de ses estimations un facteur de ranking et compare le niveau d’erreur avant et après.
Le schéma ci-dessous illustre l’exemple du temps de réponse de l’interface lorsque l’utilisateur interagit avec.
Lorsque ULI ne prend plus en compte ce critère, il enregistre un taux d’erreur d’environ 20% au lieu de 8%. Cet écart de 12 points est conséquent, ce qui classe le temps de réponse en premier critère d’importance pour le référencement natureldans ce cas précis. La garantie de résultat est donc diaboliquement mathématique !
Quel impact sur le travail d’agence SEO ?
Vu le nombre incalculable de sites qui existent et qui ont besoin d’ajustements (voire d’une refonte), un outil de Predictive Ranking permettrait de :
donner des recommandations faciles à comprendre au moyen d’un dashboard tourné utilisateur ;
prioriser les modifications avec un planning d’actions et donc ajuster le budget en se concentrant sur l’essentiel ;
permettre une optimisation totale sur un modèle de page web avant même qu’elle soit publiée et indexée ;
booster rapidement lepositionnement des sites à des moments stratégiques pour des requêtes précises.
Uplix Lab IA : c’est pour tout le monde et pour bientôt !
Uplix et Oncrawl sont en train de mettre au point la version bêta de leur machine learning dédiée au Predictive Ranking.
D’ici peu, n’importe quel propriétaire de site web, peu importe son budget et son domaine d’activité, pourra bénéficier d’un audit rapide et ultra-précis.
Même en prenant en compte la marge d’erreur, il sera possible d’identifier les principaux problèmes d’un site, voire de supposer plus facilement les facteurs extérieurs qui empêchent une page de prendre le lead dans les SERP sur une requête spécifique.
En résumé, c’est un peu comme si vous alliez chez le médecin, et qu’il avait à disposition un scanner capable de vérifier l’intégralité de votre corps, afin de diagnostiquer en une seule fois ce qui peut l’empêcher de fonctionner normalement.
Reste à voir quand sortira cette innovation encore en chantier !
L’intégration de nouvelles sources de données
En parallèle du développement de l’outil, de nouvelles sources de données ont émergé et apportent des informations supplémentaires dans l’équation.
Le leak des critères de classement du moteur de recherche russe Yandex
En début d’année 2023, plus de 1900 facteurs de positionnement SEO du moteur de recherche Yandex ont été dévoilés (plus de 44 Go de fichiers). Cet évènement est aussi appelé le “Yandex Data Leaks”
Bien que l’outil de predictive ranking d’Uplix se concentre principalement sur Google, le code source de Yandex apporte de nombreuses données intéressantes. Déjà parce que ce moteur de recherche est tout de même le 5ᵉ mondial, avec plus de 50% des parts du marché russe et 1% du marché mondial. Mais aussi car Yandex a été imaginé comme un clone de Google (cf : Alex Buraks, le Head of Growth de DiscoverCars), et que les spécialistes SEO utilisent les mêmes pratiques sur Yandex et Google.
Il est donc apparu comme une évidence que l’analyse de ce code serait une piste intéressante dans l’optimisation de l’outil de predictive ranking. Afin d’étudier de nouveaux axes, ou de confirmer des hypothèses existantes
Ce leak nous apporte des précisions sur les critères de positionnement suivants :
Facteurs relatifs au trafic et à la sémantique
Le nombre de visiteurs uniques, la position moyenne pour chacun des mots-clés, le pourcentage de trafic organique (notamment en comparaison avec le PPC)
La qualité et l’ancienneté des backlinks
L’ancienneté des backlinks est l’un des critères surprenants de Yandex, ainsi que les ancres considérées comme “optimisées”. Le positionnement des backlinks (sur la homepage, pages orphelines, liens structurels etc…).
La technique du site internet, et le comportement des utilisateurs
Yandex prend en compte le CTR (click through rate), bien que Google déclare ne pas le considérer activement comme un “ranking factor”. Il regarde aussi le nombre de pages orphelines et la profondeur de crawl.
Côté utilisateur, la page de fin de session et le temps passé sur une page sont examinés. Même chose avec la présence de vidéos courtes sur le site et le nombre d’utilisateurs ajoutant votre site dans leurs favoris.
La liste des critères est bien plus longue, et peu de ces critères surprennent vraiment. Par contre, l’indicateur d’importance de ces critères dans l’optimisation de l’ordre des résultats de recherche est une source d’information très intéressante pour la création d’un outil de predictive ranking.
Émergence de l’outil de suivi d’audience et de statistiques Google Analytics 4
Depuis le 1er juillet 2023, les rapports d’Universal Analytics cessent de traiter les nouvelles données, et c’est maintenant Google Analytics 4 (ou GA4) prend le relai.
Une différence majeure concerne la confidentialité des données, afin d’être conformes aux normes RGPD. GA4 ne stockant plus les adresse IP des visiteurs de sites web, la collecte et l’utilisation des données se font de manière plus granulaire et anonymisée.
Il permet aux webmasters de visualiser les parcours d’utilisateurs unifiés aussi bien sur leurs applications que sur leurs sites web. Cette solution analytique permet d’optimiser son site internet pour améliorer l’expérience utilisateur. Ces données sont très importantes dans le développement de l’outil de predictive ranking d’Uplix car elles apportent des données récentes permettant de prédire l’évolution de positionnement des sites internet sur une requête visée. Cet outil est conçu pour répondre aux problématiques d’accompagnement SEO en 2023, mais également pour être en capacité d’évoluer avec les nouvelles technologies à venir.
Cet article a été rédigé par un partenaire invité dans le cadre d’un partenariat (sponsorisé ou gagnant-gagnant, selon les cas). Pour nous contacter et obtenir ce type de visibilité, contactez-nous à l’adresse [email protected].
