Многие исследования по SEO выглядят как наука, но на самом деле часто вводят в заблуждение. Я расскажу, как распознать слабые работы, не попасться на плохие данные и принимать решения на основе реальных фактов.
Мираж в пустыне выглядит как вода и может обмануть даже опытного путешественника. С SEO всё то же самое – видимость науки, убедительный вид, и даже опытные маркетологи верят, что нашли истину.
Даниэль Канеман как-то сказал, что люди лучше возьмут карту Пиренеев, заблудившись в Альпах, чем останутся без карты. В SEO мы идём дальше: берём карту Пиренеев, называем её картой Альп и учим других, как по ней ходить.
Хуже того, мы редко сомневаемся в авторитетах, которые эти карты дают. Эйнштейн говорил: «Слепое послушание авторитету – злейший враг правды».
В этой статье я расскажу:
- Как ненаучные исследования в SEO вводят нас в заблуждение
- Почему мы продолжаем на это вестись
- Что с этим делать
А в конце я дам готовый инструмент, который поможет быстро определять псевдонаучные исследования и не тратить время впустую.
Проблемы ненаучных исследований в SEO
Настоящее исследование должно помогать понять реальную картину: какие методы работают, а какие ведут в тупик; какое оборудование выдержит нагрузку; где прочная опора, а где камни, что осыплются под ногами.
Плохие исследования рушат всё это. Вместо прочного фундамента – шаткая почва. Пример: кто-то заявляет «Мы подняли трафик клиентов на X% за счёт ChatGPT». Но они забывают, что в это же время сам ChatGPT вырос на 83% по посещаемости. Рост мог произойти и без их действий.
И всё это упаковывается в громкие заголовки, которые разлетаются по соцсетям благодаря крупным аккаунтам.
Основные проблемы таких работ:
- Результаты нельзя повторить
- Выводы нельзя применить к другим случаям
- Нет прозрачности, как собирались данные
Пример: исследования пересечения AI Overview и обычного поиска
Есть много попыток понять, как часто сайты из ТОП-10 Google попадают в AI Overview. Я собрал 11 таких работ и выяснил, что пересечение колеблется от 5% до 77%, в среднем – около 46%.
Разброс объясняется разными наборами ключевых слов, временем проведения исследований и методами отбора. Большинство работ – про США, почти никто не раскрывает набор ключевых слов, и лишь единицы проверяли больше 100 тысяч запросов.
Главный вывод: со временем Google чаще берёт контент из ТОП-10 для AI Overview, чем раньше. Но все эти исследования страдают одними и теми же проблемами:
- Маленький набор ключей – нельзя делать общие выводы
- AI меняется слишком быстро – данные устаревают
- Часто неясно, что именно измеряли
- Сильная опора на средние значения, которые могут искажать реальность
- Игнорирование «разветвления запросов» у чат-ботов
Почему мы ведёмся на плохие исследования
Причины разные:
- Неосведомлённость – человек просто ещё не знает, как делать научные исследования.
- Неспособность – человек физически или интеллектуально не может это сделать.
- Добровольная глупость (аматиа) – знания есть, но человек сознательно их игнорирует.
- Предвзятость и скрытые мотивы – желание быть правым, заработать или подтвердить свои взгляды.
К этому добавляются соцсети, которые затягивают нас в замкнутые информационные круги. Плохие данные множатся, авторы получают внимание, а пользователи тонут в потоке «сенсаций».
Как это исправить
1. Проводить исследования правильно
- Пытаться доказать, что ты неправ, а не прав
- Делиться исходными данными для проверки
- Смотреть на реальные действия, а не слова
- Наблюдать и проверять постоянно
- Продумывать дизайн исследования (контрольные группы, рандомизация, ограничения)
2. Правильно рассказывать о результатах
- Избегать сенсационных заголовков
- Самому читать оригиналы, а не пересказывать чужие пересказы
- Проверять источники
- Критически относиться к информации
3. Критично потреблять информацию
Задавайте вопросы:
- Кто проводил исследование и зачем?
- Есть ли конфликт интересов?
- Как был выбран объект исследования?
- Какой объём данных?
- Можно ли повторить эксперимент?
- Ограничили ли авторы свои выводы?
Итог: начни с себя
SEO нельзя просчитать на 100% – всегда есть доля случайности. Но жажда определённости создала рынок ложной уверенности, где сомнительные исследования получают внимание, а честные остаются в тени.
Мы можем либо идти за ложными картами, либо строить свои, лучше и точнее. Наука – это не только ответы, но и умение задавать правильные вопросы. И начать можно прямо сейчас – с того, чтобы изменить свой подход.