در شرایطی که ترافیک ورودی وب‌سایت‌ها رشد نمی‌کند و بودجه‌ای برای آزمایش‌های جدید وجود ندارد، بازاریابان دیجیتال با چالش بزرگ جلب موافقت مدیران و دستیابی به رشد مواجه هستند. جاناتان برتولد (Jonathan Berthold)، معاون درآمد شرکت Ziff Davis، در گفت‌وگو با پادکست Search Engine Journal راه‌کارهایی عملی برای آزمون استراتژی‌های بازاریابی در وضعیت رکود ترافیک و محدودیت مالی ارائه کرده است. به باور وی، کلید موفقیت در چنین شرایطی، شیفت از جذب ترافیک بالادستی (Top-of-Funnel) به سمت کلمات کلیدی با قصد خرید بالا در انتهای قیف (Bottom-of-Funnel) و اجرای آزمایش‌های کوچک و کنترلی است.
تمرکز بر انتهای قیف بازاریابی و عبور از معیار حجم جستجو
به گفته برتولد، بخش عمده‌ای از ترافیک بالادستی و اطلاعاتی وب‌سایت‌ها توسط مدل‌های بزرگ زبانی (LLMs)، پاسخ‌های هوش مصنوعی گوگل (AI Overviews) و حالت هوش مصنوعی (AI Mode) جذب می‌شود. این نوع ترافیک علاوه بر ریزش شدید، نرخ تبدیل پایین‌پایینی دارد و تأثیر مستقیمی بر سودآوری شرکت‌ها نمی‌گذارد. در مقابل، هدف‌گیری کلمات کلیدی انتهای قیف با قصد خرید تجاری (Commercial Intent)، ساده‌ترین و کم‌هزینه‌ترین فرصتی است که بسیاری از متخصصان SEO آن را نادیده می‌گیرند.
تمرکز بر کلمات کلیدی با حجم جستجوی بالای ۱۰۰۰ بار در ماه به‌دلیل حضور رقبای بزرگی چون Reddit، LinkedIn و Wikipedia و تحلیل آن‌ها توسط هوش مصنوعی، اثرگذاری سابق را ندارد. برتولد تاکید می‌کند که حجم جستجو دیگر معیار مطلق نیست؛ زیرا الگوی جستجوی کاربران روزانه تغییر می‌کند. وی به تجربه خود در یک آژانس بازاریابی برای مشتری تولیدکننده لوله‌های فایبرگلاس پروژه‌های تجاری اشاره می‌کند که حجم جستجوی کلمات کلیدی آن بسیار پایین بود؛ اما جذب تنها دو کاربر از میان ۱۰ جستجوکننده ماهانه، منجر به انعقاد یک قرارداد ۵۰۰ هزار دلاری می‌شد. به باور وی، عبارت‌هایی مانند «به یک لوله‌کش برای تعمیر سریع توالت نیاز دارم» با وجود حجم جستجوی کم، قصد خرید فوق‌العاده بالایی دارند.
مدیریت ریسک آزمایش‌ها و جلب موافقت مدیران ارشد
متقاعد ساختن مدیریت ارشد برای تایید آزمایش‌های جدید، اغلب یک چالش ارتباطی است. برتولد پیشنهاد می‌کند که بازاریابان هیچ‌گاه با وعده مبهم نتایج مثبت نزد مدیران نروند، بلکه هر آزمایش را به‌عنوان یک فرضیه علمی برای یادگیری مطرح کنند. از آنجا که تیم‌های مدیریتی عمدتاً بر اساس صورت سود و زیان (P&L) تصمیم‌گیری می‌کنند، نشان دادن اینکه یک آزمایش چگونه دانش تیم را ارتقا داده و سودآوری آینده را تضمین می‌کند، مسیر جلب موافقت را هموار می‌سازد.
علاوه بر این، برای جلوگیری از افت کل ترافیک ارگانیک سایت در صورت ناموفق بودن یک فرضیه SEO، آزمایش‌ها باید در بخش‌های بسیار کوچک اجرا شوند. اجرای سراسری نشانه‌گذاری‌های ساختاریافته (Schema) یا تغییرات محتوایی بدون تست اولیه می‌تواند صفحات پربازده را از دست بدهد. در تبلیغات کلیکی و پولی نیز افزایش ناگهانی بودجه (مثلاً سه برابر کردن آن در یک روز) سیستم بهینه‌سازی الگوریتم‌ها را مختل می‌کند؛ از این رو افزایش بودجه باید کاملاً تدریجی انجام گیرد.
بازه زمانی ارزیابی نتایج در SEO و تبلیغات پولی
ارزیابی بازدهی آزمایش‌ها در بازاریابی نیازمند چارچوب زمانی دقیق است. در بخش SEO، برتولد بازه زمانی حدود یک ماه (۳۰ روز) را برای بررسی داده‌های اولیه در Google Search Console توصیه می‌کند؛ چرا که گوگل برای خزش مجدد (Crawl)، پردازش تغییرات و رتبه‌بندی مجدد به زمان نیاز دارد و در هفته اول هیچ نتیجه قابل اتکایی دیده نمی‌شود. حداکثر زمان انتظار برای ارزیابی روند نمایش‌ها (Impressions) ۶۰ روز است.
در مقابل، تبلیغات پولی بازخورد بسیار سریع‌تری دارند. در این حوزه، آزمایش‌ها باید هر دو هفته یک‌بار بازبینی شوند یا بر اساس آستانه هزینه ارزیابی گردند. روش ترجیحی برتولد، تعیین آستانه هزینه‌ای معادل دو تا سه برابر هزینه به‌دست‌آوردن مشتری هدف (Target CPA) است. اگر آزمایشی به این میزان از صرف بودجه رسید و به نتیجه نرسید، باید اصلاح شده یا کاملاً متوقف شود.
بهینه‌سازی نرخ تبدیل و بهره‌گیری از داده‌های ارجاع هوش مصنوعی
یکی از شکاف‌های عمده در بازاریابی دیجیتال، تمرکز بیش از حد بر جذب ورودی و غفلت از رفتار کاربر پس از ورود به وب‌سایت است. برتولد معتقد است صفحاتی که ترافیک ارگانیک بالایی دارند یا بودجه سنگینی صرف جذب کاربر برای آن‌ها می‌شود، باید به‌طور مداوم تحت آزمایش دوگانه (A/B Testing) و بهینه‌سازی قیف فروش قرار گیرند؛ چرا که حتی افزایش چند صدم درصدی نرخ تبدیل، نتایج مالی ملموسی ایجاد می‌کند.
همچنین، وی از داده‌های ارجاع هوش مصنوعی (AI Citation Data) برای یافتن فرصت‌های جدید لینک‌سازی استفاده می‌کند. بسیاری از کسب‌وکارها پایش می‌کنند که هوش مصنوعی کدام منابع و رقبا را ارجاع می‌دهد، اما گام بعدی یعنی ارتباط با آن رسانه‌ها و گرفتن ارجاع مشابه را برنمی‌دارند. دریافت لینک از رسانه‌هایی که هوش مصنوعی آن‌ها را به‌عنوان منبع رقبای شما در کلمات کلیدی انتهای قیف ذکر می‌کند، موجب ارسال ترافیک مستقیم و تقویت جایگاه برند در پاسخ‌های هوش مصنوعی می‌شود.