Comment les mises en page SERP 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 ce sur quoi ils se concentrent. Un exemple est la récente expérience de Moz testant si les moteurs de recherche doivent continuer d'optimiser pour les extraits en vedette ou non (surtout maintenant que Google a annoncé que si vous avez un extrait en vedette, vous n'apparaissez plus ailleurs dans les résultats de recherche). [19659002] 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 pour donner un aperçu du comportement de recherche en général.

Le plan

Le but de la la recherche visait à 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 un comportement de recherche naturelle, notre expert UX et biométrique 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.

Entrées de données

• Suivi des yeux
• Analyse de l'expression faciale
• Réponse galvanique de la peau (GSR)

Échantillon de données

Objectifs clés

• Comprendre le comportement du regard sur les SERPs (là où les gens regardent lors de la recherche)
• Comprendre le comportement d'engagement sur les SERPs (où les gens cliquent lors de la recherche) ?)
• Analyse d'interaction avec différents types de résultats (par exemple, annonces, résultats d'achats, 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. Connaître la taille d'écran et la résolution de l'iPhone XS
   Terme de recherche: taille et résolution de l'iPhone XS
2. Connaître la durée de vie de la batterie de l'iPhone XS
   Terme de recherche: iPhone XS talk time
3. Trouvez des critiques pour l'iPhone XS qui donnent une liste rapide des avantages et des inconvénients
   Terme de recherche: iPhone XS reviews
4. Trouvez l'adresse et le numéro de téléphone d'une boutique de téléphonie dans le centre-ville qui peut être capable de vous vendre un iPhone XS
   Terme de recherche: Magasins de téléphonie près de chez moi
5. Trouvez ce que vous pensez être le prix le moins cher pour un nouvel iPhone XS (combiné uniquement)
   Terme de recherche: Les meilleures offres iPhone XS
6. Trouvez et continuez pour acheter un iPhone XS d'occasion en ligne (arrêtez-vous au moment de la saisie des données)
   Terme de recherche: Achetez 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 clair).

«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 donnent les informations dont nous avons besoin.» – Tom Pretty, consultant UX, Coast Digital

Les résultats

Extraits en vedette

C'est la constatation qui a le plus intéressé nos référenceurs internes. Selon une étude d'Ahrefs, les extraits sélectionnés obtiennent 8,6% des clics tandis que 19,6% vont à la première recherche naturelle en dessous mais quand aucun extrait présenté n'est présent, 26% des clics vont 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 annonçant 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 SEOs y ai pensé. 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. L'expérience récente de Moz a estimé 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 réaliser, ce qui indique que les extraits de code sont en mesure de donner aux utilisateurs la réponse souhaitée rapidement et efficacement.

Tout cela indique que les extraits de code sont des biens immobiliers extrêmement importants au sein d'un SERP (surtout si vous

Dans les deux tâches basées sur des informations, l'extrait en vedette a été le premier élément à être affiché (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?

D'après les résultats, après avoir regardé un extrait en vedette, les chercheurs ont sauté 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.

Knowledge Graph

Une tâche impliquait les participants de rechercher à l'aide d'un mot clé qui retournerait 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 Knowledge Graph 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 tarification sur le graphe des connaissances a suscité un engagement important, mais il y avait encore beaucoup d'attention concentrée sur les résultats organiques.

Essentiellement, cela montre que même si le graphe de connaissances est un espace utile, il ne diminue pas totalement 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 localisation

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 plupart de l'attention était consacrée 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 de SERP différente, l'ajout de la ligne de produits a conduit les utilisateurs à passer plus de temps à examiner le SERP et à exprimer des émotions plus négatives. Cet ajout de ligne de produits a également modifié les modèles de regard, ce qui a fait que les utilisateurs progressent à travers chaque élément, plutôt que de passer directement aux résultats locaux (qui semblaient plus utiles dans la recherche précédente).

Cette présentation des résultats étant jugée non pertinente ou moins important 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, captant 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 de résultats du graphe de connaissances pour ce type de recherche n'a pas été très efficace, ne suscitant que 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 d'une 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 regardant le GSR lorsque les participants étaient sur les différents SERP, il existe une certaine corrélation entre les tâches «les plus difficiles» autodéclarées et un GSR plus élevé que la normale.

Pour le «temps de conversation» En particulier, l'extrait présenté présentait des informations sur l'iPhone XS Max, et non sur le modèle iPhone XS, ce qui était probablement la cause de la réaction négative car les participants devaient passer plus de temps à fouiller dans de multiples sources d'informations.

»SERP, les difficultés rencontrées lorsque des données incorrectes étaient présentées dans un extrait de code en vedette ont probablement causé la cote de difficulté élevée.

Qu'est-ce que tout cela signifie?

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, nous pouvons tirer certaines conclusions solides:

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 des informations, et bien qu'ils aient conduit quelque 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 différentes des 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 des 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 grand rôle 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 SEO 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.