改動後點證明有效：SEO 分割測試的前後對照

截至 2026 年 11 月，判斷一次頁面改動是否真的有效，靠的不是前後兩張流量截圖，而是一組沒有被改動的對照頁面、同一段日期，以及測試開始前就寫定的判定規則。一份完整的 seo 計劃 若要在會議室裡站得住，量度方式就要跟改動方式對齊：同一批頁面、同一組查詢、同一段時間，才有可比的前後對照。

Search Engine Journal 於 2026 年 11 月 9 日刊出的文章提出一個很直接的挑戰：客戶問「如果這次用 A/B 分割測試做，我們要量哪個指標、真正想達成咩？」文章指出，多年來的標準答案是前後對照圖，「三月改標題、四月點擊上升，大家點頭」，但管理層下一句通常是「你點知唔係 Google 自己變？」核心更新、季節性與 AI 搜尋功能都會在你沒有改動任何東西時令流量移動。

本文把這個問題拆成可執行的部分：點解前後對照證明不了成效、對照組應該點揀、需要哪些數字、報告要點寫，以及香港中小企在樣本不足時可以怎樣做。

為何「流量上升」不算證據

自然流量的變動來源太多，而且幾樣一齊發生。季節與需求會變，核心更新會來，競爭對手會改自己的網站甚至改壞它，品牌活動與付費媒體會帶動品牌搜尋，追蹤本身也會出問題，例如 GA4 標籤或同意橫幅。

搜尋結果頁本身也是變數。AI Overviews 與 AI Mode 可以在排名完全沒有變動的情況下改變點擊率。問法要換成：如果沒有這次改動，流量會是幾多？這個估計叫反事實（counterfactual），所有可信的 SEO 測試都是在建立它。

這一點與 Topkee 在交付記錄上的立場一致：成效報告要求「避免將同期變化直接歸因於單一修改」，同期變化本身不構成因果證明。

一次站得住的結果，背後有四樣東西

Search Engine Journal 歸納出在財務團隊面前站得住的結果通常有四項支撐：

1. 公平的比較：同期、相似但沒有被改動的頁面。
2. 一個區間，而不是一個單一數字。「點擊上升一成四」會引來爭論，換成「模型估計升幅介乎百分之八至十九」，對方就無從反駁。
3. 商業結果：點擊與排名是先行指標，測試頁面的收入或查詢才是財務部關心的。
4. 測試開始前就寫定的判定規則。這是最多團隊跳過的一項。

第四項正是那位客戶的問題所在：如果看過數據之後才決定用哪個指標、幾多才算贏，你總會找到方法把它叫做贏。

先寫一頁測試簡報，再動手

文章建議的補救方法很短：上線前寫好、並分享一份一頁簡報。它包含：假設（改甚麼、為何認為有幫助）、主要指標（多數頁面改動用非品牌自然點擊）、護欄（不能跌破的指標，例如轉化率）、值得行動的最小升幅、分析日期（以完整週為單位，令每星期各日平均出現），以及判定規則（甚麼結果代表全面推行、回退或記錄為未能判定）。

一頁簡報把最後的對話由「我信唔信你」變成「我哋有無通過當初講好的測試」。對任何一份 seo 計劃 而言，這頁紙就是測試的合約底稿。

SEO 分割測試不是把訪客一分為二

很多人把 SEO 分割測試與 CRO 測試混淆。CRO 測試把訪客分到兩個版本的頁面；SEO 測試不能這樣做，因為 Google 同一時間只會為每個網址排名一個版本，而且向 Googlebot 展示與用戶不同的頁面屬於 cloaking，違反 Google 的網站測試指引。

所以 SEO 分割測試分的是頁面，不是訪客：取同一範本的一組頁面（產品、分類或地區頁），分成兩組，variation 組套用改動，control 組完全不動。文章指出成敗取决於幾件事：

• 配對好的分組：兩組在測試開始前行為要相若；爭奪同一批查詢的頁面應留在同一單位，否則得勝的 variation 只是從 control 搶走點擊。
• 同期進行：兩組在同一段日期跑，令核心更新或假期高峰同時落在兩邊。
• 預測：用 control 組建立 variation 組在沒有改動下的走勢，預測與實際之間的差距就是結果。
• 上線前檢查：在過去挑幾個假裝的上線日期，用之前數據訓練模型，看它能否準確預測之後同等長度的週數；如果它在沒有事情發生的期間也「找到」效果，就不能告訴你這次改動做了甚麼。

Google 開源的 CausalImpact 套件是建立這個預測最為人熟悉的模型。其文件說明，它給定一條回應時間序列（例如點擊）與一組對照時間序列（例如未受影響市場的點擊），建立貝葉斯結構時間序列模型去預測反事實。

分桶：把相似頁面分成兩邊

SearchPilot 的文章解釋，分桶（bucketing）就是為測試找出 control 與 variant 兩組頁面，而這一步往往仍然全人手處理，拖慢進度、消耗資源。其智能分桶會在上線測試前自動把頁面分成兩組，大致平分（約各一半），並考慮平均流量水平、流量變異與季節性，令兩組在統計上相近。

人手或隨機分桶的問題在於：同一網站分區內少數頁面會佔去大部分流量（冪律），同一分區的頁面之間又高度相關，例如夏季的目的地頁在夏季流量相近。若不再平均分配這些頁面，測試就會樣本不足，結果變成大量無結論與假陽性。

改動本身很貴時：用相似頁做對照

有一種情況令分割測試很難做：改動本身需要大量開發資源。SearchPilot 舉例，若要為每個 variant 頁面加入獨有的自訂模組，而桶內有 1,000 個頁面，所需開發資源龐大；即使有能力，也要先肯定回報值得。等待資源建好模組期間，被分桶的頁面還可能「過時」，統計相似性自然改變。

其 lookalike 分桶算法因此改為：你先給一份較短、預先定好的改動頁面名單，測試開始時算法即時生成最新的相似 control 頁面，令小規模測試仍能得到與常規分桶相近的準確度。文章指出同一做法也適用於人手撰寫的獨有內容：先在小組 control 與 variant 頁面上測試，再判斷是否值得為整個分區重寫。

唔同網站，揀唔同方法

Search Engine Journal 按網站規模整理出四種做法，各自的比較來源與風險不同：

若只能做前後對照，仍可令它更有說服力：保留一組刻意不改動的相似頁面作 holdout；用 Search Console 的品牌查詢篩選把品牌需求分開（Google 提醒部分查詢可能被誤判，用品牌詞的正則篩選作交叉核對）；並在改動上線當日在 Search Console 加入自訂標註。

工具選擇跟隨同一分界：企業平台如 SearchPilot 與 seoClarity 的測試工具負責部署與建模，SEOTesting.com 面向較小網站做基於 Search Console 的測試，CausalImpact 在有內部數據支援時免費。若你的 CMS 本身可以只改同一範本的子集頁面，頭幾次測試未必需要平台，而能只改子集正是多數 seo顧問 建議先做小範圍的原因。

如何用對照組與事前寫定的判定規則，證明一次頁面改動真的帶來成效

這一節是整套方法的落點：把「點樣判定」寫在測試之前，令結論可以被推翻，也可以被別人重跑。

1. 固定比較單位：同一範本的一組頁面，爭奪同一批查詢的頁面歸為同一單位，再按流量水平與類別配對、隨機分派到兩組。
2. 固定觀察窗：兩組同期跑，分析日期取完整週，令每星期的每一日都被同等代表。
3. 固定主要指標與護欄：主要指標、不能跌破的護欄、值得行動的最小升幅，全部在上線前寫入簡報。
4. 固定判定規則：先講清楚甚麼結果代表推行、回退、或記錄為未能判定；不要在看到數據之後才定義成功。
5. 先做上線前檢查：用過去的假裝上線日驗證模型在「無事發生」期間不會虛報效果，否則模型不足以判斷今次改動。

這五步的共同點是：判定規則先於數據存在。缺少第 4 步，任何結果都可以在事後被解釋成勝利；有了它，測試就由「靠信任」變成「靠條件」，這也正是 seo排名 報告最難被追問的地方。

財務部看得懂的幾個數字

一個好的分割測試報告只需要幾個數字：

• 相對預測的升幅：variation 組實際表現與模型預期之間的差距，是標題數字，但絕不能單獨出現。
• 區間：模型認為合理的效果範圍。若區間包含零，結果就不顯示正面效果。
• 正面效果的概率：最容易讓非技術同事明白的數字，但要確認工具在報甚麼；CausalImpact 的「因果效果概率」不說明方向，一個很有信心的虧損可以與勝利得到同樣高的分數。九成的正面效果概率，仍留下一成機會是改動沒有效果或令情況變差。
• 測試頁面的收入或轉化：把 SEO 結果變成商業個案的數字。收入比點擊嘈雜，量小時只宜作方向性參考。
• 排名：可以解釋點擊為何移動，但要與對照組比較，本身從不是證據。

2026 年的新數字：AI 可見度

Search Console 的生成式 AI 成效報告於 2026 年 6 月 3 日公布，Google 在公告中說明，這些見解在 2026 年 8 月 31 日已向全球所有網站推出。報告顯示你的網址在 AI Overviews 與 AI Mode 等生成式 AI 功能中的曝光次數，可按頁面、國家、裝置與日期查看。

這意味你可以用與點擊相同的方式，比較 variation 與 control 兩組的 AI 功能曝光。若改動令點擊上升但 AI 可見度下降，或反過來，都值得在全面推行前查清。目前報告沒有點擊數據，只宜作輔助訊號。

一個完整的例子：由簡報到推行

文章用一個完整的測試形狀示範流程，並明確標示當中數字屬示範性質，不是任何客戶的實際結果。做法分四步：

1. 改動：為產品頁換上新的標題與 meta description 範本，先講消費者搜尋的內容而不是品牌名。
2. 簡報：主要指標定為非品牌自然點擊；轉化率設為護欄，不得相對 control 跌破約定上限；同時寫明值得行動的最小升幅與六週的分析日期；範本只在可信區間完全高於零、中心估計高於該最小升幅、護欄守得住時才推行。
3. 分組：取一批產品頁，把爭奪同一批查詢的頁面歸在一起，再按流量水平與類別配對、隨機分派成兩組，並先通過上線前檢查。
4. 結果：區間在測試中段首次完全高於零，但測試仍按約定跑到分析日期，效果持續；測試頁面來自自然流量的收入升幅區間遠闊於點擊結果，故只作方向性報告；目標詞平均排名上升，而 control 保持平穩，這解釋了額外點擊從何而來。最後範本推行到其餘產品頁，並轉為持續監察，因為已沒有對照組可證明。

文章亦提醒，多數測試不會這樣整齊。SearchPilot 曾把一批具代表性的舊測試用最新模型重跑，除了模型選型之外，這批結果說明即使有專用模型，相當比例的測試仍然沒有在約定的信心水平下顯著勝出。多數改動並非完全無效，只是在全站推行之前值得知道。

讓持份者相信你的報告方式

先講決定，再講方法。多數持份者想知道三件事：你建議甚麼、你有幾肯定、值幾多。一頁報告通常包含：建議（推行、回退或記錄為未能判定）、一句話結果、值幾多（測試頁面的收入或查詢，加上寫明假設的推行預測）、你點測試（頁面、分組、日期、方法，以及測試期間發生過的事如核心更新）、下一步。

做推行預測時，由區間較保守的一端開始，寫明其餘頁面與已測試頁面的差異，並稱之為情境而非結果。若全站推行勝過保守數字，你建立信任；若低於樂觀數字，你就會失去它。

還有一點：報告輸出的測試。只記錄勝仗的測試日誌看起來就是挑選過的，因為事實如此。分享負面與未能判定的結果，才是令勝利可信的原因。

會靜靜令測試失效的錯誤

第一，看到好結果就停。可以每日監察以找出推行問題，但判定應在約定的分析日期做，除非你的平台使用為持續監察而設的方法。第一次過線就下結論，會大幅提高推出假陽性的機會。

第二，沒有確認 Google 看到改動。部分工具以 JavaScript 套用改動，應以網址檢查工具確認改動出現在已轉譯的 HTML，並核對 variation 頁面在上線後曾被重新檢索。標題測試尤其要留意：Google 在認為有更好選擇時會改寫標題連結，你測試的標題不一定就是搜尋者看到的。

Topkee 的做法：把改動單位與量度單位對齊

Topkee 的 SEO 服務以「關鍵字簇＋目標頁面」為工作單位，交付包括診斷、頁面優化、執行記錄與排名報告；收費按網站基礎、競爭差距與工作量訂製，搜尋排名不作無條件保證。適用對象是已有可維護網站、服務範圍清楚、能提供案例與資料授權的香港專業服務、B2B 供應商及中小企業。其意義正在於：改動與量度的單位一致，同一頁面承接的關鍵字簇可以前後對照，不會出現「改了 A 頁、量了全站」的落差。

在驗收條款上，Topkee 把「怎麼算達標」拆成指標、樣本與判定規則：訂單先列明搜尋引擎、地區、語言、設備、詞表、目標域名、採樣時間及自然網頁結果的計數方式；驗收可約定連續一段固定日數內，至少約定的高比例有效採樣進入指定排名區間、有效採樣覆蓋率達到約定水平；資料不足時標記「未能判定」，不以零或缺失值代替成功，交付完成與成效改善分開驗收。驗收條款寫在合約，測試簡報寫在測試之前，兩者要固定的是同一批條件。

報告層面，Topkee 的交付記錄分為工作交付、搜尋表現、訪問與機會、下一步四層，並明言避免將同期變化直接歸因於單一修改。其 SEO 報告可自行設定日、週或月週期，列出逐詞排名變化、頁面表現、索引狀態與 KPI。工具頁提供的模擬月度報告樣例逐詞追蹤多個關鍵詞，可見度詞數由一個增至四個，其餘多數改善，少數持平；該樣例註明為獨立製作的模擬截圖，不是後台畫面或真實客戶成果，用以示範核對逐詞變化與工作狀態，本身不以同期變化證明因果。

對香港中小企來說，這些數字與規則的價值不在於好看，而在於可被追問。當你用 seo顧問 的報告向老闆或財務交代時，問題會由「點解你話有效」變成「我哋有無通過當初講好的條件」。

樣本不足時的替代做法

不是每個網站都能做標準分割測試。文章引述 SearchPilot 的經驗法則：被測試的分區每日需有一定數量的自然訪問，低於此數，測試往往拖長或永遠得不到清楚答案。下面用表格對照本文的建議與標準做法在不同網站規模下的差別：

多數情況下小網站不能測試，而是要在設計上誠實。較可行的是：保留一組 holdout 頁面、用 Search Console 的品牌篩選與自訂標註、把觀察窗拉到完整週、並在報告中明言這是前後對照而非隨機實驗。CausalImpact 一類模型在沒有隨機實驗時仍可建立反事實，但它的結論依赖較強的假設：對照時間序列本身未受干預影響，且干預前建立的協變量關係在干預後保持穩定。假設不成立，效果就會被高估或低估，甚至把「沒有發生」判成「有發生」。

對本地專業服務與 B2B 供應商而言，可行的做法是先固定關鍵字簇，再逐頁記錄改動與日期，令半年後回頭仍有可比對的條件。這也是 seo 計劃 一開始就該寫清楚的事。

下一步：把下次改動寫成可驗證的測試

如果手上正有一批頁面準備改動，可以先用本文的五步做一次小型測試簡報：定好比較單位、護欄、最小升幅與判定規則，再決定要不要全面推行。想知道怎樣在樣本有限的情況下仍交出可對照的 seo排名 記錄，可以先看站內的 SEO 優化服務頁，了解量度單位與交付記錄的劃分；內容層面的改動如何影響排名與信任，則可參考 SEO 內容寫作 的說明。

常見問題

SEO 分割測試同 CRO A/B 測試有咩分別？

CRO 測試把訪客分到兩個版本的頁面；SEO 分割測試分的是頁面。Google 同一時間只為每個網址排名一個版本，向 Googlebot 展示不同頁面屬 cloaking，違反 Google 的網站測試指引。

網站流量唔夠，仲可唔可以做分割測試？

可以先做較弱的設計：保留 holdout 頁面、用模型基線建立反事實、把觀察窗拉到完整週，並在報告中明言這是前後對照。標準分割測試需要一定規模，分區每日的自然訪問量不足時，測試往往拖長或得不到清楚答案。

測試幾時可以停？

在約定的分析日期停，除非平台使用為持續監察而設的方法。看到第一次過線就停，會提高推出假陽性的機會。

判斷規則要幾時寫？

上線之前。指標、護欄、最小值得行動升幅與勝利條件，全部寫入一頁簡報並分享。看過數據才定義成功，等於永遠可以找到方法把它叫做贏。

AI Overviews 的曝光要唔要計入測試？

可以，但要視為輔助訊號。Search Console 的生成式 AI 成效報告自 2026 年 8 月 31 日起向全球所有網站推出，可比較兩組頁面的 AI 功能曝光，但目前沒有點擊數據。

Sources

1. SEO Split Testing In 2027: How To Prove A Change Actually Worked, Search Engine Journal, 2026-11-09. https://www.searchenginejournal.com/seo-split-testing-prove-change-worked/594529/
2. Search Generative AI performance reports in Search Console, Google Search Central Blog, 2026-06-03. https://developers.google.com/search/blog/2026/06/gen-ai-performance-reports
3. How smart bucketing can strengthen your SEO testing approach and deliver accurate traffic data, SearchPilot. https://www.searchpilot.com/resources/blog/how-smart-bucketing-can-strengthen-your-seo-testing-approach-and-deliver-accurate-traffic-data
4. CausalImpact: An R package for causal inference using Bayesian structural time-series models, Google. https://google.github.io/CausalImpact/CausalImpact.html