我们最近有很多讨论关于搜索引擎优化的科学。不幸的是，这些讨论有时会退化为争论，语义或哪一种方法是在所有情况下的“最佳”。我想今天和谈话退一步一会儿关于SEO的证据更广阔的世界。虽然不是所有的这些类型的证据是在技术意义上的“科学”，他们都是我们的整体理解很重要。我们需要使用所有的人的最好的作品如果我们希望开发的搜索引擎优化的成熟的科学。
所有的科学建立在一个基本假设，长任何假设之前提出或测试。基本假设是，宇宙是有序的，遵循规则，通过观察和实验，我们可以判断这些规则。如果没有一个有序的宇宙，科学将是不可能的（如将存在，最有可能的）。一个相关的假设是，这些规则是相对静态的 – 如果他们改变，他们改变非常缓慢。我们对宇宙的视图可以显着地改变，从而导致范式转变，但基本规则保持大致相同的。
我们作为SEO的好处是，我们知道，一个绝对的事实，我们的宇宙是有序。新一样，我们所看到的矩阵。该算法由人类编写的代码行，并在服务器上运行。
搜索引擎优化科学的缺点是指导我们的宇宙的规则不是一成不变的。该算法不断变化 – 每年尽可能多400倍。这意味着任何意见，任何数据，甚至任何受控实验可能变成是无关紧要。我们建立在5年或10年前我们的SEO实践今天的事实并不总是有效。
所有的科学始于观察。在搜索引擎优化，我们每天都更改网站和测量会发生什么。当排名上升和下降，我们很自然地试图找出原因，并配合这些变化的东西我们过去那样。虽然它不是“科学”在技术意义上说，我们自己的经验证据是非常重要的。如果没有观察宇宙，创造故事来解释它，我们就永远也学不会从这些经验什么。
优点 – 传闻证据是容易收集和它的证据最为丰富的形式我们任何人都。这是积木几乎任何形式的科学探究。
缺点 – 我们自己的经历很容易受到我们自己的偏见。此外，没有任何一个体验都不能以偏盖全。传闻证据仅仅是一个起点。
上市公司增发有一个独特类型的现有证据。每过一段时间，先知会从山顶（或山景）下降，剃了头，说话的谷歌神的话。无论我们愿意相信这些先知，但事实上，还有谁看见了，写了算法的人，而那些人获得的事实，我们其余的人不。他们的发言（和我们批判地协调这些语句的能力）是整个拼图的重要组成部分。
优点 – 先知尽可能接近客观现实是我们永远会得到。他们有直接的洞察算法。
缺点 – 先知没有在告诉我们全部真相的既得利益。他们的消息可以是神秘的，甚至误导。
当你听到“二手”的证据，你会自然而然地想到的极端例子，像传闻和都市传说：
我表弟的邻居的设计师说，她曾经改变了她所有的META标签的“性扑克扑克性爱性”和她的网站立即跃升至＃1在谷歌！
说句公道话，虽然，二手证据还包括我们之前来了合法的科学和我们同行的经验。如果我们被迫确认和复制为自己的每一个结论，我们永远不会取得任何进展。最终，我们建立在其它专家，过去和现在的可靠的结论。
优点 – 二手证据是科学进步的基础。
缺点 – 有时，专家们错了，你必须学会如何分辨出来，尤其是在外地年仅SEO。
实验是资本-S科学的心脏。最基本的实验发生这样的事情：
你形成了一个假设（“添加关键字，我的标题标签会提升排名”）。 你做出改变，以检验这一假设。 你测量的结果，看看你是对的。
大多数SEO实验，其性质，发生在“野”。我们必须把我们的网站出来的世界，我们往往要使用已经复杂多变的现有网站。
优点 – 通过直接形成和验证假设，我们就可以开始确定因果关系。我们还可以重复这一过程，有助于验证我们的经验。
缺点 – 在野外介绍了利用现有站点很多额外的噪音。通常情况下，我们的网站都不断变化（即使在实验中），和谷歌总是在变。还有风险相当数量的 – 如果我们改变我们的面包和奶油网站测试SEO理论，错误可能是昂贵的。
这是典型的SEO实验，我们在那里注册一个或多个新的域名和网站建设从地上爬起来。我们甚至可以引入一个对照组，通过建立两个站点多达步骤X，然后只改变网站的一个点之后。即便如此，它可能是最好的调用这些实验“半控制”，因为谷歌的算法仍然可以改变，我们不能总是控制外界的影响（如某人无意中链接到网站之一）。
优点 – 这种做法是关于我们可以做的，在操控性方面是最好的，并将其分离出大量的混杂因素。
缺点 – 我们在这些实验中（经常使用的无意义词汇）建立的人工点并不总是代表真正的，复杂的网站。此外，这些实验通常只在一个或极少数网站的样本进行的，为了节省时间和金钱。统计显着性是非常难以实现。
有时候，要么我们不能分离出卷入复杂的情况下（如200度 谷歌的因素在使用其排名模型）的变量或直接的实验是不可能的或不道德的。例如，假设您想了解吸烟如何影响死亡率。你不能把1000 5岁的孩子，强迫他们吸烟70年，并将它们与1000禁烟的5岁。在这种情况下，你需要在相关性非常大的数据集，并期待。换句话说，如果我看1000名吸烟者和1000非吸烟者，怎么可能是各组在某年龄死亡？ 相关性可以帮助您了解如何在X（吸烟，在这种情况下）的变化与Y中的变化（死亡）共同出现。
优点 – 相关性可以帮助我们找到数学关系时直接实验是不可能的或不切实际。这些技术也可以帮助模型复杂的情况，其中多个变量的影响相同的结果。
缺点 – 相关性并不意味着因果关系。我们不知道，如果变化在Y X变化引起，或者如果他们只是碰巧同时出现（甚至由于因子Z影响到他们两个）。
如果我们能够收集足够的数据，我们可以建立针对模型的宇宙和测试假设的模型。现在，大规模的指标正在兴建，以模仿谷歌（包括我们自己对Linkscape和索引一样雄伟壮观），它只是按理说，我们最终能够直接对这些模型进行实验。虽然我们从这些模拟得出的结论是唯一的好，因为模型本身，模拟数据可以帮助我们改善两者的模型和行为更接近于实验室测试比通常是可能在搜索引擎优化。
优点 – 模拟可以控制。与谷歌不同，我们知道我们是否已经改变的模型或不。实验也可以非常迅速地运行，并在一个非常大的规模。
缺点 – 任何模拟的结果是唯一的好，因为它是建立在模型中，我们的模型仍处于起步阶段。
任何类型的证据，包括控制实验，有极限。在像搜索引擎优化领域，其中谷歌的算法是不断变化的，过分依赖于任何一个类型的证据可以失速的进展或导致我们坏的结论（或者，在某些情况下，两者）。了解的证据每个可用的源不仅可以帮助我们画一个更广泛，更全面的了解，但它也可以帮助我们交叉测试我们的假设和防止错误。SEO科学是一门年轻的，不断变化的领域，并且，至少在目前，搜索引擎优化科学家们将需要快速适应。