SemRush vient de publier une nouvelle étude sur les Ranking Factors ou critères de pertinence de l'algorithme de Google. Ses résultats sont plus que surprenants, c'est le moins que l'on puisse dire, mais la façon dont est menée ce type d'étude n'y est pas étranger. Corrélation n'est pas causalité...
De nombreuses sociétés ont essayé, depuis des années, de percer les secrets de l'algorithme de pertinence de Google et de ses 200 critères utilisés pour classer les résultats du moteur de recherche. Ainsi sont nées les études "Ranking Factors", que des sites comme SearchMetrics ou Moz ont popularisé.
Nouveau venu pour ce type d'analyse : SemRush, qui se base sur l'analyse des 100 premiers résultats Google pour 600 000 requêtes. Et le résultat (voir illustration ci-dessous) fera certainement bondir tout référenceur un brin sérieux, puisque les principaux critères de pertinence Google identifiés sont, par ordre d'importance décroissante : le trafic sur le site, la durée des visites, le nombre de pages vues par session et le taux de rebond. Bref, autant de critères dont on sait très bien qu'ils ne sont pas (ou très peu, avec un poids très faible) pris en considération par le moteur de recherche pour noter la pertinence d'une page pour une requête donnée. L'importance du critère HTTPS dans l'étude est également plus que largement surdimensionnée par rapport à la réalité.
Suivent ensuite des critères plus classiques comme les liens, la taille du contenu ou la présence du mot clés dans la page.
 Principaux résultats de l'étude Ranking Factors de SemRush... Source de l'image : SemRush |
Cette étude illustre parfaitement la différence entre corrélation (principe sur lequel est basée l'étude) et causalité, comme on le répète depuis des années. Si un site a un contenu et (donc) des liens de bonne qualité, il est normal qu'il soit bien classé par Google et qu'il ait du trafic. Mais ce n'est pas parce qu'il a du trafic qu'il est bien classé par Google. Nuance. Bref, le piège classique de la corrélation, illustré par le site anglophone Spurious correlations, qui met en parallèle, par exemple ci-dessous, deux courbes très proches qui illustrent le nombre de personnes qui se noient en tombant dans une piscine avec le nombre de films où apparait Nicolas Cage. Coïncidence ? Je ne crois pas... 🙂 :
 Un exemple de corrélation hasardeuse. On peux tout faire dire aux courbes... Source de l'image : Spurious correlations |
Ceci dit, ce type d'étude est toujours intéressante à lire car elle nous permet de réfléchir sur bon nombre de choses et de mettre en relief certains points, d'en relativiser d'autres. Bref, elle nous permet de prendre du recul, voire de nous remettre en question. C'est son principal avantage. Mais prendre ses résultats comme argent comptant et les appliquer comme voie unique ou majoritaire dans une volonté de visibilité sur les moteurs de recherche serait une très lourde erreur stratégique...
Faut bien qu’ils vendent des abonnement à leurs outils !
Pour les visites, cela concerne tout type de sources ? ou juste le naturel ?
les correlations c’est la première chose qu’on étudie en histoire. Par la courbe du chomage et la courbe de la baguette de pain. Plus le prix de la baguette de pin stagne, plus le chomage monte. Faut-il augmenter le prix de la baguette pour faire reculer le chomage 🙂
J’adore le site donné dans l’article en tous cas ^^
Non sinon c’est vrai que faire des études pour faire des études, cela ne sers pas à grand chose. Ils auraient pu pousser un peu plus loin leur analyse..
Étude peu pertinente de SemRush qui m’avait habitué à mieux !