Na één maand waarin ik een persoonlijk side project als SEO-proeftuin gebruikte, stond de teller op 632 organische bezoekers. Dat was bemoedigend, maar de nuttigste les kwam uit een ander getal: op 15 oktober bereikte de site een dagpiek van 83 bezoekers, en een deel van die piek zag er niet menselijk uit.
Ik bereidde me voor op een groter SEO-initiatief op mijn werk en wilde praktijkervaring opdoen in plaats van alleen nog meer theorie te lezen. Het side project gaf me ruimte om wijzigingen te doen, data te bekijken en ongelijk te hebben zonder elke observatie meteen om te zetten in een productie-beslissing.
Dat onderscheid werd snel belangrijk. Een metric kan tegelijk met een wijziging bewegen zonder dat die wijziging de oorzaak is. Een verkeerspiek kan op groei lijken totdat je de bronnen uitsplitst. En een session replay kan iets vreemds laten zien zonder precies te verklaren waarom het gebeurde.
Wat 632 organische bezoekers me werkelijk vertelden
De eerste maand leverde 632 organische bezoekers op. Dat resultaat kan ik bevestigen. Uit dat getal alleen kan ik niet concluderen dat ik een herhaalbare SEO-formule had gevonden, dat elke wijziging rankings verbeterde of dat de lijn zo zou doorgaan.
Voor een leerproject zat de waarde vooral in genoeg echt zoekverkeer om iets te kunnen observeren. Ik kon een wijziging doen, kijken wat bewoog en daarna een preciezere vraag stellen. Dat was voor mij nuttiger dan SEO behandelen als een checklist waarbij elke “best practice” automatisch een rankingwinst zou opleveren.
De wijziging van de lettergrootte maakte me voorzichtiger met causaliteit
Een opvallende observatie was een correlatie tussen aanpassingen van de lettergrootte en performance-metrics. Het is verleidelijk om dat samen te vatten als “kleine UX-details beïnvloeden rankings”. Mijn data ondersteunen zo’n sterke conclusie niet.
Wat ik werkelijk zag: ik veranderde de lettergrootte en daarna bewogen bepaalde metrics. Ik deed geen gecontroleerd experiment dat die wijziging van alle andere veranderingen isoleerde en ik heb geen bewijs dat een zoekmachine vanwege die specifieke CSS-regel rankings heeft aangepast. Lettergrootte kan wrapping, layout en elementposities veranderen en daarmee sommige rendering- of UX-metingen. Het exacte mechanisme in mijn geval blijft echter onbewezen.
Een veiligere regel voor zulke experimenten is: eerst de observatie vastleggen, daarna de verklaring. “Metric X bewoog na wijziging Y” is data. “Y veroorzaakte X” blijft een hypothese totdat er genoeg bewijs is.
De dag met 83 bezoekers zag er beter uit vóór Webvisor
Op 15 oktober haalde de site zijn hoogste dagtotaal tot dan toe: 83 bezoekers. Dat waren niet per se 83 organische bezoekers; dit was de totale dagpiek die ik onderzocht. Bij het uitsplitsen bleek een aanzienlijk deel uit China te komen en als direct verkeer te zijn geclassificeerd.
“Direct” lees je al snel als “iemand typte mijn URL in”. In Yandex Metrica kan de categorie ook worden gebruikt wanneer er geen referrer is doorgegeven, naast andere gevallen. Yandex beschrijft dat in de documentatie over verkeersbronnen. Het label vertelt me dus niet op zichzelf wie de bezoeker was of hoe die werkelijk op de pagina kwam.
Daarna bekeek ik de verdachte sessies in Yandex Webvisor. De pagina leek geopend te worden met CSS uitgeschakeld. Op basis van het patroon schatte ik dat ongeveer 20 van die “gebruikers” waarschijnlijk bots waren.
CSS uitgeschakeld was een aanwijzing, geen bewijs
Die schatting blijft een schatting. Er zijn minstens twee brede verklaringen mogelijk.
- De requests waren echt geautomatiseerd. Een scraper kan alleen HTML ophalen en stylesheets, afbeeldingen of andere onnodige assets overslaan. Bandbreedte besparen is een plausibele reden, maar ik heb niet bevestigd dat dit het motief was.
- De replay kan de oorspronkelijke sessie niet perfect hebben gereproduceerd. Session-replay-systemen reconstrueren pagina’s uit opgenomen data. Yandex documenteert zelf situaties waarin een opname afwijkt van wat de bezoeker zag, waaronder CSS-problemen bij het afspelen na wijzigingen aan stylesheets.
“Webvisor liet de pagina zonder CSS zien” is dus een observatie. “De bezoeker schakelde CSS bewust uit” is een interpretatie. “Dus het was een bot” is nog een stap verder. De bot-hypothese leek mij plausibel, maar één replay-kenmerk is onvoldoende voor een zekere classificatie.
Wat ik in de logs zou controleren
Bij dit soort afwijkingen vertrouw ik meer op serverlogs dan op de visuele replay. Ik zou User-Agent, IP’s of netwerkblokken, timing en herhaling van requests, opgevraagde assets, paden, statuscodes en referrers vergelijken. Ook zou ik kijken of de client alleen HTML opvroeg of ook CSS, JavaScript en afbeeldingen, en of hetzelfde patroon terugkomt in analytics-dimensies zoals browser, JavaScript-ondersteuning, regio, sessieduur en landingspagina.
Geen enkel signaal is op zichzelf perfect. Samen kunnen ze de bot-hypothese veel beter versterken of verzwakken dan alleen “de replay zag er vreemd uit”.
De grootste les ging over meten, niet over rankings
Ik begon het side project om praktische SEO-ervaring op te doen vóór een groter initiatief op mijn werk. Na een maand waren de 632 organische bezoekers niet het enige waardevolle resultaat. Belangrijker was zien hoe snel er uit onvolledige data een aantrekkelijk verhaal kan ontstaan.
Ik had de piek van 83 bezoekers groei kunnen noemen. Ik had de fontwijziging een rankingfactor kunnen noemen. Ik had elke sessie zonder CSS als bot kunnen classificeren. Alle drie de verhalen waren eenvoudiger geweest. Geen ervan was voldoende onderbouwd.
Voor toekomstige experimenten zou een conservatievere werkwijze zijn: verkeersbronnen scheiden, een changelog bijhouden, voor en na vergelijken zonder automatisch causaliteit aan te nemen, afwijkingen op request-niveau onderzoeken en analytics-tools behandelen als meetsystemen met eigen beperkingen.
Dat is voor mij tot nu toe het waardevolste deel van het experiment. SEO gaf me verkeer om te bestuderen; de moeilijkere vaardigheid is bepalen wat de data werkelijk bewijzen.
Ik blijf de logs onderzoeken, vooral rond direct verkeer uit China. Als ik een herhaalbaar request-patroon vind, kan ik veel sterker antwoord geven op de oorspronkelijke vraag: waren die ongeveer 20 bezoeken werkelijk bots, en hoorde het overslaan van CSS bij hun gedrag?