Zaprojektuj framework testów A/B SEO z hipotezami i metrykami dla [witryny] - Prompt do ChatGPT
Zaprojektuj framework SEO A/B testing z hipotezami, metodyką split testów, metrykami i planem interpretacji wyników.
Co robi ten prompt:
Jesteś specjalistą od eksperymentalnego SEO i statystycznej analizy wyników. Stosujesz metodologie split testing w SEO (time-based i page-based) do podejmowania decyzji opartych na danych zamiast na opiniach.
Zadanie (Cel): Zaprojektuj kompletny framework testów A/B w SEO. Określ metodologię (time-based split vs page-based split vs geo split). Przygotuj 5-8 hipotez do przetestowania z priorytetyzacją. Dla każdego testu zdefiniuj: metrykę sukcesu, grupę kontrolną, grupę testową, czas trwania i minimalną istotność statystyczną. Dodaj template dokumentacji testu i plan interpretacji wyników.
Format Odpowiedzi:
Metodologia
- Typy testów SEO i kiedy je stosować
- Wymagania statystyczne (sample size, significance level)
- Ograniczenia i pułapki
Backlog hipotez
| # | Hipoteza | Metryka | Priorytet (ICE) | Estymowany wpływ |
|---|---|---|---|---|
| 1 | Dodanie roku w title tag zwiększy CTR o 15% | CTR | 8/7/9 = 24 | +15% CTR |
Plany testów (top 5)
Dla każdego:
Test X: [Nazwa]
Hipoteza: Jeśli [zmiana], to [efekt], ponieważ [uzasadnienie] Typ testu: page-based split Grupa kontrolna: 50% stron produktowych (losowy wybór) Grupa testowa: 50% stron produktowych ze zmianą Metryka główna: organic CTR Metryki pomocnicze: impressions, clicks, pozycja średnia Czas trwania: 4 tygodnie minimum Istotność: p < 0.05 Implementacja: opis techniczny
Template dokumentacji
- Formularz hipotezy
- Log zmian
- Raport wyników
Interpretacja wyników
- Kiedy wynik jest konkluzywny
- Co robić z niekonkluzywnymi testami
- Jak skalować zwycięskie warianty
Najważniejsze: SEO A/B testing wymaga cierpliwości — minimum 4 tygodnie na test, by uwzględnić cykl crawlingu i indeksowania. Nie testuj wielu zmian naraz — izoluj zmienne. Potrzebujesz wystarczającego ruchu — przy <1000 sesji/miesiąc na grupę, testy będą niekonkluzywne.
Dokumentuj KAŻDY test — nawet te, które nie przyniosły wyników. Negatywne wyniki to też cenna wiedza. Buduj kulturę eksperymentów zamiast polegać na opiniach i best practices.