Existem vários estudos (e muitos dados) sobre como as pessoas usam os SERPs do Google, o que ignoram e o que focam. Um exemplo é o experimento recente da Moz que testa se os SEOs devem continuar sendo otimizados para trechos em destaque ou não (especialmente agora que o Google anunciou que, se houver um trecho em destaque, ele não aparecerá mais em nenhum outro lugar nos resultados de pesquisa).
Duas coisas que eu nunca vi comprovadas são reações e comportamentos reais do usuário com SERPs. Minha equipe e eu nos propusemos a testá-las, e é aí que a tecnologia biométrica entra.
O que é tecnologia biométrica e como os profissionais de marketing podem usá-la?
A tecnologia biométrica mede características físicas e comportamentais. Ao combinar dados de dispositivos de rastreamento ocular, monitores galvânicos de resposta cutânea (que medem seus níveis de suor, permitindo medir reações subconscientes) e software de reconhecimento facial, podemos obter informações úteis sobre padrões de comportamento.
Estamos aprendendo que a biometria pode ser usada em uma ampla variedade de configurações, desde o teste de UX do site até a avaliação do envolvimento do consumidor com a garantia da marca e até mesmo a mensuração das respostas emocionais aos comerciais de televisão. Nesse teste, também queríamos ver se ele poderia ser usado para nos ajudar a entender como as pessoas realmente interagem com os SERPs do Google e fornecer informações sobre o comportamento da pesquisa de maneira mais geral.
O plano
O objetivo da pesquisa foi avaliar o impacto que os projetos e projetos de SERP têm no comportamento de busca dos usuários e na recuperação de informações no Google.
Para simular o comportamento natural da pesquisa, nosso especialista em UX e biometria Tom Pretty conduziu um pequeno experimento de teste do usuário. Os usuários foram solicitados a realizar várias pesquisas no Google com o objetivo de pesquisar e comprar um novo telefone celular. Um dos objetivos era capturar dados de cada ponto da jornada do cliente.
Os participantes receberam tarefas com termos de pesquisa específicos em vários estágios da intenção de compra. Embora a prescrição dos termos de pesquisa limitasse o comportamento natural da pesquisa, foi um sacrifício feito para garantir que o estudo tivesse a melhor oportunidade de obter consistência nas SERPs apresentadas e, assim, resultados agregados poderiam ser obtidos.
Os testes foram realizados em computadores desktop, embora no futuro tenhamos planos de expandir o estudo em dispositivos móveis.
Os usuários iniciaram cada tarefa na página inicial do Google. A partir daí, eles informaram o moderador quando encontraram as informações que procuravam. Nesse ponto, eles passaram para a próxima tarefa.
Entradas de dados
- Registro visual
- Análise de expressão facial.
- Resposta galvânica da pele (RSG)
Amostra de dados
Principais objetivos
- Entenda o comportamento do olhar nos SERPs (onde as pessoas olham quando pesquisam)
- Entenda o comportamento de envolvimento da SERP (onde as pessoas clicam ao pesquisar)
- Identifique respostas emocionais às SERPs (o que acontece quando os usuários recebem anúncios?)
- Análise de interação com diferentes tipos de resultados (por exemplo, anúncios, resultados de compras, pacotes de mapas, gráfico de conhecimento, rich snippets, PAA etc.).
Cenário e tarefas de pesquisa
Dissemos aos participantes que estavam procurando comprar um novo telefone e estavam particularmente interessados em um iPhone XS. Eles receberam uma lista de tarefas a serem concluídas, cada uma focada nas pesquisas que alguém poderia fazer ao comprar um novo telefone. O uso dos termos de pesquisa sugeridos para cada tarefa foi uma estipulação da participação.
Tarefas
- Descubra o tamanho da tela e a resolução do iPhone XS
Termo de pesquisa: tamanho e resolução do iPhone XS - Descubra a vida útil da bateria do iPhone XS
Termo de pesquisa: tempo de conversação do iPhone XS - Encontre resenhas do iPhone XS que fornecem uma lista rápida de prós e contras
Termo de pesquisa: revisões do iPhone XS - Encontre o endereço e o número de telefone de uma loja de telefones do centro da cidade que possa vender um iPhone XS
Termo de pesquisa: lojas de telefones perto de mim - Encontre o que você acha que é o preço mais barato para um novo iPhone XS (somente telefone)
Termo de pesquisa: ofertas mais baratas para iPhone XS - Encontre e compre um iPhone XS usado on-line (pare no ponto de entrada de dados)
Termo de pesquisa: Comprar iPhone XS usado
Escolhemos todos os termos de pesquisa primeiro para facilitar o mapeamento de dados. (Se todos tivessem procurado o que queriam, talvez não mostrássemos certos designs de SERP.) E segundo, para garantir que todos os participantes tenham exatamente os mesmos resultados no Google. Precisávamos de pesquisas para retornar um snippet em destaque, o Google Knowledge Graph, o recurso "As pessoas também perguntam" do Google, além de feeds de compras e anúncios PPC.
No geral, isso foi bem-sucedido, embora em alguns casos tenha havido pequenas variações na SERP apresentada (mesmo quando o mesmo termo de pesquisa foi usado no mesmo local com um cache limpo).
"Ao projetar um estudo, uma das principais preocupações é equilibrar comportamentos naturais e dar aos participantes a liberdade de interagir naturalmente, garantindo que, finalmente, tenhamos ativos que possam ser relatados de maneira eficaz e que nos proporcionem o conhecimento necessário". – Tom Pretty, consultor de experiência do usuário, Coast Digital
Os resultados
Snippets em destaque
Essa foi a conclusão de que nossos SEOs internos estavam mais interessados. De acordo com um estudo da Ahrefs, os snippets em destaque recebem 8,6% dos cliques, enquanto 19,6% vão para a primeira pesquisa natural abaixo, mas quando não há um snippet em destaque, 26% dos cliques são os primeiros resultado. Na época, isso significava que ter um snippet em destaque não era terrível, especialmente se você pudesse obtê-lo, mas ele não era classificado em primeiro lugar por um termo. Quem não quer ter imóveis acima de um concorrente?
No entanto, com Danny Sullivan, do Google, anunciando que, se aparecer em um snippet em destaque, não aparecerá mais em nenhum outro lugar na página de resultados dos mecanismos de pesquisa, começamos a pensar em como isso mudaria o que os SEOs pensam sobre eles. Talvez veríamos um êxodo maciço de SEO que des otimiza as páginas dos trechos em destaque para que eles possam manter sua classificação orgânica. O experimento recente de Moz estimou uma queda de 12% no tráfego para páginas que perdem seu snippet em destaque, mas o que isso significa sobre o comportamento do usuário?
O que encontramos?
Nas pesquisas baseadas em informações, descobrimos que os snippets em destaque atraíam a maioria das associações. Eles eram consistentemente o primeiro item visto pelos usuários e eram onde eles passavam a maior parte do tempo procurando. Essas tarefas também foram algumas das mais rápidas de concluir, indicando que os trechos em destaque são bem-sucedidos em fornecer aos usuários a resposta desejada de maneira rápida e eficaz.
Tudo isso indica que os trechos em destaque são imóveis muito importantes em uma SERP (especialmente se você estiver segmentando palavras-chave com base em perguntas e com uma intenção de pesquisa mais informativa).
Nas duas tarefas baseadas em informações, o trecho destacado foi o primeiro item visto (em dois segundos). Isso foi visto pelo maior número de entrevistados (96% em área fixa em média), e a maioria também foi clicada (66% dos usuários clicaram em média).
As pessoas também perguntam
O item "As pessoas também perguntam" (PAA) é o local ideal para encontrar respostas para termos de pesquisa com base nas perguntas que as pessoas estão pesquisando ativamente, mas os usuários interagem com elas?
O que encontramos?
A partir dos resultados, depois de analisar um trecho em destaque, os mecanismos de pesquisa passaram o elemento PAA para os resultados orgânicos padrão. Os participantes olharam para eles, mas os cliques nessas áreas foram extremamente baixos, mostrando uma participação limitada. Esse comportamento indica que eles não estão distraindo os usuários ou afetando a maneira como eles viajam pelo SERP de maneira significativa.
Gráfico de conhecimento
Uma tarefa envolveu participantes pesquisando usando uma palavra-chave que seria retornada pelo Google Knowledge Graph. O objetivo era descobrir a taxa de interação, bem como onde a principal interação ocorreu e para onde o olhar foi direcionado.
O que encontramos?
Nossas descobertas indicam que, ao pesquisar com uma intenção de compra (por exemplo, "ofertas"), o Gráfico de conhecimento atrai a atenção mais cedo, possivelmente porque inclui preços visíveis.
Ao inserir também os dados do mapa de calor, podemos ver que a área de preços no Gráfico de conhecimento obteve uma parcela significativa, mas ainda foi dada muita atenção aos resultados orgânicos.
Essencialmente, isso mostra que, embora o gráfico de conhecimento seja um espaço útil, ele não subtrai nada da coluna SERP principal. Os usuários ainda recorrem a anúncios pagos e listagens orgânicas para encontrar o que estão procurando.
Pesquisas de localização
Todos nós vimos dados no Google Search Console com "próximo a mim" sob determinadas palavras-chave, e há uma discussão em andamento sobre o porquê ou como otimizar. Do ponto de vista do pagamento por clique (PPC), você deveria tentar aparecer neles? Ao introduzir esse termo de pesquisa no estudo, esperávamos responder a algumas dessas perguntas.
O que encontramos?
A partir dos dados de fixação, descobrimos que a maior parte da atenção era dedicada às listagens locais, em vez de listagens de mapas ou orgânicas. Isso indicaria que a maior quantidade de detalhes nas listagens locais era mais atraente.
No entanto, em uma variante SERP diferente, a adição da linha de produtos levou os usuários a gastar mais tempo analisando a SERP e expressando mais emoções negativas. Essa adição da linha do produto também alterou os padrões de visualização, levando os usuários a avançar por cada item, em vez de pular diretamente para os resultados locais (que pareciam ser mais úteis na pesquisa anterior).
Essa apresentação de resultados que o buscador considera irrelevante ou menos importante pode ser a principal causa de emoção negativa e, mais geralmente, pode indicar frustração geral por ter obstáculos no caminho para encontrar a resposta diretamente.
Pesquisa de intenção de compra
Para este elemento do estudo, os participantes receberam perguntas indicando que alguém está procurando ativamente comprar. Nesse ponto, eles realizaram a pesquisa educacional, talvez até a pesquisa de revisão, e agora planejam comprar.
O que encontramos?
Para pesquisas baseadas em "compra", a barra horizontal do produto funciona de maneira eficaz, capturando boas interações e cliques. No entanto, os usuários ainda se concentraram nas listagens orgânicas antes de retornar à barra de compras.
A adição dos resultados do Knowledge Graph para esse tipo de pesquisa não foi muito eficaz, pois capturou pouca participação na imagem geral.
Esses resultados indicam que os resultados da compra apresentados na parte superior da página desempenham um papel útil ao pesquisar com intenção de compra. No entanto, em ambas as variações, o primeiro resultado foi o item em que a SERP foi mais clicada, demonstrando que uma listagem tradicional de PPC ou orgânico ainda é altamente eficaz nesse ponto da jornada do cliente.
Resposta galvânica da pele
Ao analisar o GSR quando os participantes estavam nos vários SERPs, há alguma correlação entre tarefas "mais difíceis" autorreferidas e um GSR acima do normal.
Para a tarefa específica "tempo de conversação", o trecho apresentado apresentou informações para o iPhone XS Max, não para o modelo iPhone XS, que provavelmente foi a causa da reação negativa, pois os participantes tiveram que gastar mais tempo pesquisando múltiplas fontes de informação.
Para o "tempo de conversação" do SERP, os desafios encontrados quando dados incorretos foram apresentados em um trecho em destaque provavelmente causaram a alta taxa de dificuldade.
O que tudo isso significa?
Infelizmente, este não foi o maior estudo do mundo, mas foi um começo. Obviamente, executar este estudo novamente com um número maior seria ideal e ajudaria a confirmar algumas das descobertas (e da minha parte, eu adoraria ver muitas pessoas participando).
Dito isto, existem algumas conclusões sólidas que podemos tirar:
- A natureza da pesquisa altera bastante o comportamento do engajamento, mesmo quando são exibidos layouts SERP semelhantes. (Provavelmente por que eles são tão fortemente testados.)
- Os trechos em destaque são muito eficazes para a pesquisa baseada em informações e, embora levem cerca de 33% dos usuários a optar por não seguir o site após encontrar a resposta, dois terços ainda clicam no site (o que é muito diferente dos dados que vimos em estudos anteriores).
- As listagens locais (especialmente quando servidas sem uma barra de compras) são atraentes e fornecem aos usuários informações essenciais em um formato eficaz.
- Mesmo com a adição do Gráfico de conhecimento "As pessoas também perguntam" e trechos em destaque, os anúncios PPC mais tradicionais e as listagens de SEO ainda desempenham um papel no comportamento da pesquisa.
Os trechos em destaque não são os piores do mundo (ao contrário da reação popular da indústria de SEO após o anúncio do Google). Tudo o que mudou é que agora você precisa descobrir quais trechos em destaque valem a pena (em vez de tentar reivindicá-los todos). Em pesquisas puramente informativas ou educacionais, elas realmente tiveram um desempenho muito bom. As pessoas ficaram obcecadas por eles por um período bastante longo e 66% clicaram. No entanto, também temos um exemplo de pessoas que reagiram mal ao snippet em destaque quando ele contém informações irrelevantes ou incorretas.
As descobertas também reforçam o fato de que grande parte do SEO agora se refere ao contexto. O que os usuários esperam ver quando pesquisam de uma certa maneira? Espere ver muitos feeds de compras (geralmente, se for uma palavra-chave com intenção de compra), mas, ao mesmo tempo, você não esperaria vê-los em uma pesquisa educacional.
Agora que?
Felizmente, este estudo foi útil para ele e ele aprendeu algo novo sobre o comportamento da pesquisa. Nosso próximo objetivo é aumentar o número de pessoas no estudo para ver se um conjunto maior de dados confirma nossas descobertas ou nos mostra algo completamente inesperado.
