5 expériences de référencement pratiques avec l’IA en tant que copilote

L’intention des utilisateurs évolue, tout comme nos habitudes autour de la technologie.

Avec la montée en puissance de l’IA, les façons dont les gens recherchent et trouvent des informations se diversifient rapidement.

Naturellement, la façon dont nous pensons au référencement change également.

Mais ce n’est pas un terrain pour l’IA.

Au lieu de cela, je veux explorer comment nous pouvons traiter l’IA comme un collaborateur, et non un remplacement de l’expertise humaine, pour rendre nos flux de travail plus efficaces et adaptatifs dans ce paysage de plus en plus complexe.

Je vois l’IA comme un télescope, pas l’étoile du Nord. Cela nous aide à voir plus loin et à évoluer plus vite, mais nous devons encore naviguer sur le chemin nous-mêmes.

Avec cet état d’esprit, je vous guiderai à travers une série d’expériences de référencement pratiques à faible barrier où l’IA génératrice agit comme copilote.

Pas d’armées, pas de budgets sans fin, pas de tests risqués – juste des moyens focalisés et utiles pour obtenir des résultats.

5 expériences de référencement où l’IA agit comme copilote

Le référencement a toujours impliqué d’attendre même des actions de base.

Publier du contenu, attendez.

Implémentez les liens internes, attendez.

Corrigez le problème de chargement de la page, attendez.

Testez manuellement une théorie et passez parfois des semaines à regarder les résultats se dérouler.

Qu’est-ce qui change lorsque vous ajoutez l’IA?

Vous devriez toujours attendre de voir les performances.

Mais il y a une petite différence: vous pouvez maintenant poser les bonnes questions et encadrer l’expérience pour prédire le résultat et prendre la bonne décision pour obtenir des résultats.

L’IA peut vous donner de la vitesse et de l’échelle.

Cela me semble plus rapide, proactif et plus granulaire pour moi. Si cela vous semble bien aussi, allons-y!

1. Valider les idées avant de perdre du temps de développement

Le temps et les budgets sont limités.

C’est pourquoi la validation des idées qui visent à améliorer l’expérience utilisateur (UX) et les performances de référencement avant de les partager avec les parties prenantes ou l’équipe de développement est une action très sage.

Après tout, personne ne veut perdre du temps sur un changement qui peut ne pas donner les résultats attendus.

Pour nous assurer de ne pas surcharger nos développeurs, j’ai décidé d’exécuter un processus de test A / B avec Claude 3.7 Sonnet, qui a:

• Raisonnement profond.
• Sorties structurées.
• Prise en charge de la mémoire étendue.

Je voulais comparer la barre de navigation actuelle avec la version que je pensais mieux fonctionner.

Cela nous aiderait à déterminer quelle version mènerait à de meilleurs taux d’engagement et de conversion des utilisateurs, le tout sans impliquer prématurément l’équipe de développement.

J’ai commencé par nourrir des informations sur les claude sur les conceptions actuelles et proposées de barres de navigation, ainsi que des données sur le site Web, les produits et notre contenu Web.

Il a évalué les deux versions, puis a décrit leurs forces, leurs faiblesses et leur impact potentiel sur l’engagement et les conversions des utilisateurs.

Divulgation: Je travaille chez DesignModo, la société SaaS référencée dans cette expérience.

Claude a également fait quelques recommandations pour améliorer encore plus la conception, ce qui m’a aidé à affiner l’idée avant de la ramener à l’équipe.

Après avoir mis en œuvre la nouvelle version de la barre de navigation, nous avons vu une augmentation significative de l’engagement des utilisateurs et des taux de conversion, confirmant que la décision d’investir du temps dans les changements était la bonne.

2. Expérience d’optimisation du contenu

Je suis sûr que nous avons tous des sites Web dans lesquels nous sommes confiants. Ils:

• Cochez toutes les cases de qualité.
• Servir l’intention.
• Ont bien performé dans le passé.

Mais après un certain temps, pour une raison quelconque, ils cessent de fonctionner si bien.

Peut-être que l’intention de l’utilisateur a changé, les concurrents ont publié un contenu mieux formaté comme les listes, les tables et les comparaisons, ou une mise à jour d’algorithme l’a provoqué.

Dans des situations comme celle-ci, nous audit généralement le contenu et le SERP et révisons le contenu en fonction de son classement actuel.

Pour cette expérience, j’ai décidé de laisser l’IA m’aider dans ce processus.

J’ai utilisé la recherche approfondie des Gémeaux pour:

• Passez en revue les pages de premier rang pour une requête spécifique.
• Prédisez quels formats de contenu étaient les plus susceptibles de réussir.
• Identifier les facteurs affectant les performances.
• Déterminez les modèles qui réussissent constamment.

J’ai filtré ce qui avait du sens, je l’ai partagé avec l’équipe de contenu.

Ceci est un exemple pratique de l’utilisation de l’IA dans ce type d’expérience.

Nous avons rendu l’article plus skimmable par:

• Améliorer sa structure.
• Clarifier les sections clés.
• Affiner le format global pour mieux s’aligner sur les attentes des utilisateurs.

En deux semaines, les impressions ont sauté.

Et après deux mois, nous avons remarqué une pièce dans le résumé des aperçus de l’IA de notre contenu révisé.

Aurais-je pu faire cette analyse manuellement?

Bien sûr, je le fais depuis des années.

Mais cette expérience m’a permis de voir comment l’IA peut soutenir une ingénierie inverse rapide et focalisée. Et cela a fonctionné.

3. Expérience de vitesse d’indexation des pages

Comprendre à quelle vitesse les différentes plates-formes indexes ou le contenu de surface peuvent aider à hiérarchiser les pages qui nécessitent d’abord l’attention.

Pour explorer cela, j’ai organisé une expérience pour comparer la rapidité avec laquelle les moteurs de recherche traditionnels et les plates-formes d’IA génératrices découvrent de nouveaux contenus.

J’ai publié 10 types de pages différents sur l’un de mes sites Web de test, tous en ligne à 16 heures un samedi.

Je n’ai pas soumis ces pages d’indexation sur Google ou Bing. Au lieu de cela, j’ai attendu de voir quelles plates-formes les trouveraient organiquement.

Pendant ce temps, j’ai partagé les pages sur plusieurs plateformes de médias sociaux.

• Étonnamment, Bing a été le premier à indexer les pages, ce qui le faisait en seulement 38 minutes.
• Chatgpt a commencé à faire surface deux des pages dans les réponses pertinentes après environ deux heures.
• La perplexité était encore plus rapide dans certains cas, montrant six des pages en trois heures.

L’outil d’inspection URL de la console de recherche de Google a déclaré que 8 des pages ont été indexées six heures plus tard.

Mais quand j’ai vérifié avec le site: Opérateur, je ne pouvais en voir que cinq.

Le lendemain, cependant, les 10 ont été indexés et visibles dans Google Search.

Ci-dessous, vous pouvez voir tous les résultats:

Pour la deuxième partie de l’expérience, j’ai introduit l’IA sur la scène.

J’ai demandé à chatppt (en utilisant le Raison fonction) pour aider à analyser les résultats de la rampe et d’indexer et partager les données que j’ai eues et l’inciter en conséquence.

Le résultat a été impressionnant: une compréhension plus rapide de la corrélation entre la structure, le type de page et la visibilité entre les moteurs et les plates-formes d’IA génératives.

Et puis j’ai profité de ces sorties pour hiérarchiser la fixation des pages d’indexation lente ou d’apparition.

Gardez à l’esprit que l’indexation et la vitesse de visibilité peuvent varier considérablement en fonction des facteurs tels que l’autorité d’un site Web, l’âge, le profil de liaison interne et externe, etc.

Ainsi, les résultats de ce type d’expérience diffèrent naturellement pour chaque site Web.

4. Expérience de notation de priorité de crawlabilité

Parfois, une page qui devrait bien fonctionner ne fonctionnait pas – simplement parce qu’elle n’est pas rasée et ne peut donc pas être découverte.

La révision des fichiers journaux est l’un des meilleurs moyens de diagnostiquer ce problème.

Mais au lieu de peigner manuellement des milliers de lignes, j’ai décidé d’exécuter une expérience et d’utiliser la fonction d’analyse avancée des données de Chatgpt comme mon copilote.

Il a scanné pour des modèles et des problèmes résumés comme:

• Une page orpheline que les bots n’avaient jamais visitée.
• Pages consommant un budget d’exemple.
• Pages à chargement lent.
• Des pointes ou des gouttes inhabituelles dans l’activité de rampe.

En fin de compte, j’avais une liste prioritaire de problèmes liés à la frame.

Plutôt que de passer des heures à diagnostiquer manuellement des problèmes, j’ai pu utiliser ce temps pour les résoudre. C’est exactement ce qu’un copilote devrait faire – faciliter le processus, pas le prendre.

5. Expérience d’index de vitesse de contenu

Nous savons que la publication régulière de la publication de nouveaux contenus aide à maintenir la visibilité.

Mais vous êtes-vous déjà demandé si la vitesse de contenu de vos concurrents pourrait également affecter vos performances?

Je voulais mener une expérience à ce sujet et j’ai décidé de se faire une main des Gémeaux afin de ne pas perturber mes autres tâches de priorité.

J’ai demandé à Gemini de gratter et de résumer les dates de publication du blog de trois concurrents principaux.

Il a rassemblé toutes les informations que je voulais et calculé à quelle fréquence le nouveau contenu était publié sur des sujets clés.

Ensuite, je lui ai nourri l’histoire de l’édition du blog sur lequel je me concentrais.

Les Gémeaux m’ont donné une référence de vitesse de contenu quantifiée, montrant à quel point d’autres se déplaçaient plus rapidement (ou plus lents).

Ensuite, je l’ai comparé à notre fréquence de publication pour suivre et travailler sur la réaffectation des ressources pour combler l’écart.

Réflexions finales

Ces petites mais précieuses expériences m’ont montré que les plateformes basées sur l’IA dépendent toujours fortement de l’expertise humaine pour opérer et interpréter leurs résultats, prendre des décisions éclairées et guider leur utilisation responsable.

Nous, pas l’IA, devons rester les vraies stars du Nord de nos feuilles de route, avec l’IA servant d’assistant serviable.

C’est pourquoi il est essentiel de ne jamais compter sur l’IA aveugle.

Remettre en question sa production, en particulier dans un environnement où les erreurs peuvent coûter des revenus importants.

Utilisez l’IA de manière réfléchie et expérimentale – non pas comme un raccourci, mais comme un outil puissant pour améliorer l’exécution et obtenir de meilleurs résultats.