Pouvez-vous repérer les mises à jour de Google avec les graphiques XmR ?
Les données de trafic d’un site Web ressemblent normalement à ceci :
Des hauts et des bas, des pics et des creux.
Si nous faisons notre travail correctement, nous nous attendons généralement à ce que le trafic augmente au fil du temps, mais dans un mois donné, il est difficile de dire si un pic ou un creux mérite qu’on y prête attention.
Avons-nous réalisé quelque chose de formidable et déclenché une nouvelle phase de croissance ? Avons-nous bénéficié d’une nouvelle mise à jour de Google ? Ou s’agit-il simplement d’une variation normale, d’une partie du flux et du reflux naturel des internautes qui découvrent notre site Web ?
Ou supposons que vous apportiez un changement à votre processus de contenu (vous avez supprimé et redirigé un tas d’anciens contenus) et que le trafic a ensuite chuté le mois suivant. Cette baisse a-t-elle été causé par le changement, ou était-ce juste une coïncidence ?
J’ai expérimenté un outil statistique simple conçu pour aider à répondre à ces questions : Cartes XmRégalement connus sous le nom de cartes de contrôle de processus.
Voici un graphique XmR :
Les graphiques XmR sont conçus pour vous indiquer si un point de données unique d’une série chronologique est susceptible d’être causé par une fluctuation normale (« variation de routine ») ou un signe que quelque chose s’est produit et doit être étudié (« variation exceptionnelle »).
Les graphiques XmR se composent d’un tracé X (nommé d’après le valeur xla « chose » qui nous importe (comme les gadgets produits ou les ventes conclues)…
…et un complot MR (nommé d’après le plage de déplacementessentiellement « l’écart » entre chaque point de données) :
Dans son utilisation la plus simple, si vous tracez vos données sur le graphique et qu’elles oscillent de haut en bas autour de la ligne centrale, sans dépasser les limites supérieure et inférieure, aucun problème ! Ces hauts et ces bas représentent probablement une variation normale.
Mais tous les points qui apparaissent en dehors des limites supérieures ou inférieures (indiquées dans rouge) doivent être traitées comme des anomalies qui doivent être étudiées.
Dans le graphique X ci-dessus, la série chronologique semble montrer une variation de routine jusqu’au 16 janvier, lorsque le premier point rouge hors limites apparaît.
Le graphique XmR suggère que quelque chose Un événement s’est produit le 16 juillet et a perturbé notre processus de production (pour le meilleur ou pour le pire). Notre travail consiste à enquêter sur les raisons de cet incident.
Note marginale.
La ligne au milieu est la valeur moyenne de l’ensemble de données ; les limites supérieure et inférieure représentent 3 écarts types par rapport à la moyenne (appelés trois sigma). Tout point qui se situe en dehors de ces limites supérieure et inférieure est très probablement une anomalie et ne fait pas partie de la distribution de probabilité d’origine.
Il existe d’autres « signaux » que le graphique XmR peut vous montrer (comme huit points consécutifs d’un côté de la ligne moyenne représentant un autre type de variation exceptionnelle) – mais je vous laisse les étudier à votre rythme.
Lorsque j’ai commencé à lire sur les graphiques XmR, une utilisation évidente m’est venue à l’esprit : identifier l’impact des mises à jour de l’algorithme de Google.
Si le trafic d’un site tombe à zéro, il est facile de dire « nous avons été frappés d’une pénalité manuelle ». Mais pour des changements plus petits, comme une baisse de trafic consécutive de plusieurs mois, il est plus difficile d’en déterminer la cause. Avons-nous été surpris par une mise à jour de Google ? Est-ce un phénomène saisonnier ? Ou s’agit-il simplement d’une coïncidence, le trafic revenant probablement à la normale à l’avenir ?
Voici deux années de données mensuelles sur le trafic organique du blog Ahrefs, extraites de Site Explorer et tracé sur un graphique XmR :
Maintenant… ce n’est pas particulièrement utile.
Il existe des tonnes de points de données en dehors de la plage attendue (rouge), avec très peu d’entre eux se situant plus près de la ligne centrale que les limites des quartiles (orange).
Le graphique XmR est censé montrer une variation exceptionnelle dans un processus cohérent, mais dans cette image, presque tous les points de données suggèrent une variation exceptionnelle. Qu’est-ce qui se passe ?
Les diagrammes de processus ont été conçus autour de processus de fabrication simples et fonctionnent très bien lorsque le rendement attendu d’un processus est constant.
Si votre objectif est de fabriquer 10 000 widgets chaque semaine, un graphique XmR vous aidera à déterminer si ce mois de 5 600 widgets était un « incident » normal dans le fonctionnement de routine ou causé par un problème réel qui doit être étudié.
Le trafic sur un site Web est plus complexe. De nombreuses variables ont un impact sur le trafic :
- le volume de recherche fluctuant de chaque sujet,
- positions de classement individuelles,
- nouveaux articles concurrents,
- fonctionnalités de recherche,
- saisonnalité,
- fréquence de publication,
- Mises à jour de l’algorithme de Google…
Cela signifie que l’exécution d’une analyse XmR sur une longue série de données de trafic ne sera probablement pas très utile. Votre « processus de blogging » ne restera probablement pas stable très longtemps.
Dans mon cas, cet instantané de données sur deux ans ne provient probablement pas d’un processus unique et stable : il peut y avoir plusieurs distributions de probabilité cachées.
Mais nous pouvons rendre l’analyse plus utile.
La meilleure pratique pour les graphiques XmR est de limiter l’analyse à une période pendant laquelle vous savez que le processus était relativement statique et de le recalculer lorsque vous soupçonnez que quelque chose a changé.
En observant le graphique de la plage mobile de ces données ci-dessous, on constate que de grandes variations de trafic se sont produites en novembre et en décembre. Nous devrions rechercher les causes possibles. 
Je sais que notre fréquence de publication était assez statique (nous n’avons certainement pas doublé notre production de contenu). La saisonnalité entraînerait une baisse du trafic, pas un pic (nous écrivons sur le référencement, pas sur les guides de cadeaux de fin d’année).
Mais il y a eu une grosse mise à jour de Google au début du mois de décembre :
Si nous partons du principe que quelque chose est arrivé à notre processus de blog à cette époque (probablement un changement de trafic causé par la mise à jour de Google), nous pouvons ajouter un diviseur à notre graphique XmR.
Au lieu d’essayer d’analyser notre trafic comme un processus unique, nous pouvons le traiter comme deux processus et calculer les graphiques XmR séparément :
Le premier processus semble maintenant stable (tous les points noirs). Le deuxième processus présente également des variations moins extrêmes (rouge), mais il y a encore trop de variations modérées (orange) pour paraître stable. Il se peut qu’un autre processus se cache à l’intérieur.
Et par un règle empirique pour analyser les graphiques XmR : « La durée d’un graphique XmR doit être revue lorsqu’une « longue période » de données reste au-dessus ou en dessous de la ligne moyenne. » Cette tendance commence à la fin de l’été (qui est également à peu près au moment où Google a annoncé une autre mise à jour principale) :
Nous pouvons ajouter un autre diviseur au début de cette « longue série » de données pour créer trois analyses XmR distinctes :
Ce faisant, les trois analyses semblent stables, sans points de variance extrême. En d’autres termes, nous semblons avoir fait du bon travail pour capturer trois processus distincts se passe dans nos données de trafic.
D’après cette analyse, il semble y avoir de fortes chances que notre trafic ait été impacté par des facteurs externes à l’époque de deux mises à jour majeures de Google.
Il s’agit en fait d’un exercice de torture de données a posteriori. Nous ne pouvons déduire aucun lien de cause à effet de cette analyse, et il est tout à fait possible que d’autres divisions arbitraires produisent des résultats similaires.
Mais ce n’est pas grave. Ces graphiques ne peuvent pas vous donner de raisons définitives et concrètes. pourquoi votre trafic a changé, mais ils peuvent vous le dire où regarderet vous aider à déterminer si le dépannage d’une baisse ou d’un pic de trafic est une bonne utilisation de votre temps.
La mesure ultime de l’utilité d’un modèle est sa capacité à vous aider prédire choses. Les graphiques XmR m’aideront-ils à mieux gérer le blog Ahrefs à l’avenir ?
Je pense que oui.
En supposant que mon « processus de blog » reste relativement stable (je publie à la même fréquence, je cible les mêmes sujets, je suis en concurrence avec les mêmes concurrents), je dispose désormais d’un ensemble de données « stables » que je peux utiliser pour fournir un contexte supplémentaire pour les chiffres de trafic futurs :
Dans les mois qui suivent, je peux déterminer si les baisses ou les pics de notre trafic sont probablement le résultat de variations normales, ou si quelque chose a changé qui nécessite mon attention, comme une mise à jour de Google.
Si, par exemple, mon trafic fait cela le mois prochain… 
…Je sais que, compte tenu de cette distribution, cette baisse de trafic pourrait bien être une variation normale et peu intéressante.
Mais si ça fait ça…
…il y a probablement autre chose à l’œuvre.
En cas de changements extrêmes du trafic, vous pouvez généralement « observer » les graphiques de trafic et deviner ce qui s’est passé. Mais les graphiques XmR sont utiles pour des variations plus subtiles, et il y a une chance que je sois capable d’identifier et d’agir sur la base de données d’un seul mois. C’est plutôt cool.
Dernières pensées
La résolution des problèmes liés aux changements de trafic est un défi majeur pour les référenceurs et les spécialistes du marketing de contenu (et nous travaillons sur quelques moyens pour vous aider à identifier le signal parmi le bruit de vos données de trafic).
Entre-temps, j’ai trouvé que les graphiques XmR étaient un outil intéressant dans ma boîte à outils, utile pour contextualiser mes chiffres de rapport mensuels et justifier quand je devrais (ou ne devrais pas) consacrer mon énergie à résoudre un mois en baisse.
(À tout le moins, les graphiques XmR pourraient vous donner la confiance nécessaire pour dire « lâchez-moi les pédales » lorsque ce vice-président vous envoie un e-mail brusque à 3 heures du matin pour se plaindre de la baisse de trafic de 8 % du mois dernier.)
Note marginale.
Grâce à Benyamin Eliasvice-président du marketing chez Podia, pour m’avoir fait découvrir les graphiques XmR.
Commentaires récents