Ketika pertama kali mempelajari tentang XmR charts, satu kegunaan yang langsung terpikirkan adalah menggunakannya untuk mengidentifikasi dampak dari pembaruan Google updates.
Google updates memang sering kali menimbulkan perubahan signifikan di dalam kinerja SEO, dan mengetahui apakah perubahan tersebut hanya fluktuasi normal atau dampak langsung dari update bisa menjadi tantangan.
XmR charts bisa menjadi alat yang berguna untuk membantu kita memisahkan variasi normal dari anomali yang harus diselidiki lebih lanjut. Jadi, apakah XmR charts bisa memantau dampak Google updates? Berikut ini penjelasannya.
Table of Contents
Apa Itu XmR Charts?
XmR charts adalah salah satu jenis bagan kendali yang digunakan untuk memantau performa suatu proses, baik di industri maupun bisnis. Bagan ini sangat berguna untuk melihat perubahan pada hasil atau performa proses dari waktu ke waktu.
“X” mewakili data individu yang diukur, misalnya kualitas produk atau tingkat kepuasan pelanggan. Sedangkan “mR” adalah singkatan dari Moving Range (Rentang Bergerak), yang menunjukkan selisih antara dua pengukuran yang berurutan.
XmR charts biasanya terdiri dari dua bagian. Bagan pertama (Bagan X) menunjukkan hasil pengukuran individu dari waktu ke waktu, bersama dengan rata-rata yang dihitung dari data tersebut.
Berdasarkan rata-rata ini, dibuat Upper Control Limits (Batas Kontrol Atas) dan Lower Control Limits (Batas Kontrol Bawah) yang membantu mengidentifikasi apakah proses berada di dalam kendali atau tidak.
Baca juga: Ketahui Cara Menemukan Link Reclamation Beserta 8 Teknik Penerapannya
Bagan kedua (Bagan mR) menampilkan perbedaan antara pengukuran yang berurutan (Moving Range) dan membandingkannya dengan batas kontrol atasnya. Karena perbedaan ini selalu dihitung dalam nilai absolut (angka positif), maka tidak ada batas kontrol bawah.
Bagian-bagian XmR Charts
XmR charts membantu kamu membedakan mana perubahan yang benar-benar penting dalam datamu dan mana yang hanya gangguan biasa. Bagan ini menggunakan beberapa aturan deteksi untuk membantumu mengidentifikasi perbedaan tersebut.
Meskipun ada banyak aturan deteksi yang bisa digunakan, tapi Xmrit umumnya menerapkan 3 aturan sederhana yang diadaptasi dari buku Understanding Variation and Making Sense of Data oleh Donald Wheeler.
- Process Limit Rule (Aturan Batasan Proses)
- Jika ada titik data yang berada di luar garis batas pada Grafik X atau MR, ini menunjukkan adanya variasi besar yang tidak biasa di dalam prosesmu, dan perlu segera diperiksa lebih lanjut.
- Quartile Limit Rule (Aturan Batas Kuartil)
- Jika 3 dari 4 titik data berturut-turut lebih dekat ke garis batas daripada garis tengah, ini menandakan adanya variasi khusus yang cukup signifikan. Garis putus-putus pada bagan menunjukkan titik tengah antara garis tengah (merah) dan garis batas (biru). Jika 3 dari 4 titik berada di dekat garis batas, variasi ini perlu diperhatikan lebih lanjut.
- Runs of Eight (Aturan Delapan Baris)
- Jika 8 titik data berturut-turut berada di salah satu sisi garis tengah (merah), ini menandakan variasi khusus yang lebih kecil, tapi tetap penting untuk diselidiki.
Aturan-aturan ini akan membantu kamu mengetahui kapan perubahan dalam data perlu diperhatikan dan diselidiki lebih lanjut.
Apakah XmR Charts Bisa Mengidentifikasi Google Updates?
XmR charts dirancang untuk membantu kamu menentukan apakah perubahan pada datamu adalah bagian dari variasi normal (“fluktuasi rutin”) atau sesuatu yang tidak biasa yang memerlukan perhatian lebih (“variasi luar biasa”).
Penggunaan dasarnya cukup sederhana, yakni jika data pada grafik bergerak naik turun di sekitar garis tengah tanpa melewati batas atas dan bawah, itu biasanya dianggap sebagai variasi normal dan tidak perlu dikhawatirkan.
Tapi, jika ada titik data yang berada di luar batas atas atau bawah, ini dianggap sebagai anomali dan sebaiknya diselidiki lebih lanjut. Dalam kasus Google updates, jika trafik situs web tiba-tiba turun hingga nol, biasanya mudah untuk menyimpulkan bahwa ini adalah manual actions.
Tapi, untuk perubahan yang lebih kecil, seperti penurunan trafik secara bertahap selama beberapa bulan, lebih sulit untuk menentukan penyebabnya. Apakah ini akibat Google updates? Pengaruh musiman? Atau hanya kebetulan, dan trafik akan kembali normal nanti?
Contohnya, data trafik organik bulanan selama 2 tahun untuk blog Ahrefs dari Site Explorer dan memplotnya di XmR charts seperti di atas, kamu akan melihat banyak titik data yang berada di luar rentang yang diharapkan (berwarna merah), dan hanya sedikit yang lebih dekat ke garis tengah daripada batas kuartil (berwarna oranye).
Pada dasarnya, XmR charts seharusnya membantu menunjukkan variasi luar biasa dalam proses yang konsisten. Tetapi dalam contoh ini, hampir semua titik data menunjukkan variasi luar biasa. Jadi, apa yang sebenarnya sedang terjadi di sini?
Batasan XmR Charts
Bagan proses awalnya dirancang untuk digunakan pada proses manufaktur yang sederhana, di mana hasil yang diinginkan cenderung konsisten.
Misalnya, jika targetmu adalah memproduksi 10.000 unit produk setiap minggu, maka XmR charts dapat membantu mengidentifikasi apakah bulan dengan hasil 5.600 unit adalah bagian dari variasi normal atau tanda adanya masalah yang perlu diperiksa.
Tapi, trafik situs web jauh lebih kompleks. Ada banyak faktor yang memengaruhinya, seperti:
- Search volume yang berubah-ubah
- Peringkat halaman yang bervariasi
- Artikel baru yang bersaing
- Fitur pencarian di Google
- Tren musiman
- Frekuensi publikasi
- Pembaruan Google updates
Ini berarti jika kamu menjalankan analisis XmR pada data trafik dalam jangka waktu yang lama, maka hasilnya mungkin kurang bermanfaat. Proses di balik blogmu mungkin tidak stabil dalam jangka waktu lama.
Pada contoh Ahrefs, data trafik selama 2 tahun tersebut mungkin tidak berasal dari satu proses yang konsisten, kemungkinan ada beberapa faktor tersembunyi atau perubahan distribusi yang memengaruhi hasilnya.
Analisis Probabilitasnya
Kamu bisa membuat analisis XmR ini lebih berguna. Salah satu cara terbaik untuk menggunakan XmR charts adalah dengan membatasi analisis pada periode di mana proses yang kamu amati cukup stabil. Jika kamu menduga ada perubahan yang signifikan, maka kamu bisa menghitung ulang analisisnya.
Jika melihat grafik Moving Range (MR) untuk data ttafik ini, kita bisa melihat bahwa variabilitas terbesar terjadi pada bulan November dan Desember. Ini menunjukkan bahwa ada sesuatu yang layak diselidiki selama periode tersebut.
Ahrefs sadar bahwa frekuensi penerbitannya tetap stabil, mereks tidak tiba-tiba memproduksi dua kali lebih banyak konten. Musim mungkin menyebabkan penurunan trafik, bukan lonjakan, karena topik mereka adalah SEO, bukan panduan hadiah liburan. Tapi, ada Google updates yang besar di awal Desember.
Dengan asumsi bahwa sesuatu telah mengubah pola trafik di blog Ahrefs sekitar waktu itu, mungkin Google updates, maka mereka menambahkan pembatas pada XmR chartsnya. Daripada memperlakukan seluruh data trafik sebagai satu proses, kamu bisa membaginya menjadi 2 periode waktu terpisah dan menghitung XmR untuk masing-masing.
Setelah itu, proses pertama tampak lebih stabil, di mana semua titik hitam berada dalam batas normal. Proses kedua juga relatif stabil, meskipun masih menunjukkan beberapa variasi sedang (oranye). Ini mungkin menunjukkan bahwa ada faktor lain yang memengaruhi trafik di periode tersebut.
Berdasarkan aturan praktis dalam analisis XmR, “perlu meninjau ulang analisis ketika data tetap berada di atas atau di bawah garis rata-rata dalam jangka panjang.” Tren ini dimulai sekitar akhir musim panas, yakni ketika Google juga meluncurkan core update lainnya.
Dengan menambahkan pembatas lain di awal periode “jangka panjang” tersebut, mereka bisa membagi analisis XmR menjadi tiga bagian. Hasilnya, ketiga analisis XmR ini menunjukkan stabilitas yang lebih baik, tanpa variasi ekstrem.
Ini mengindikasikan bahwa ada kemungkinan besar trafik Ahrefs dipengaruhi oleh faktor eksternal, seperti 2 Google updates besar yang terjadi selama periode tersebut.
Baca juga: 6 Langkah Optimalkan Kontenmu dengan AI Content Helper dari Ahrefs
Apakah XmR Charts Benar-benar Berguna?
Sebenarnya, ini lebih seperti upaya memanipulasi data secara post-hoc. Kita tidak bisa menarik kesimpulan sebab-akibat dari analisis ini, dan sangat mungkin jika kita membagi data secara acak dengan cara lain, hasilnya akan mirip.
Tapi, hal ini tetap berguna. Bagan ini mungkin tidak bisa memberi tahu kamu alasan pasti mengapa trafik berubah, tetapi bisa menunjukkan area yang perlu diselidiki dan membantumu memutuskan apakah masalah trafik ini perlu ditangani segera.
Salah satu indikator utama dari kegunaan sebuah model adalah kemampuannya membantu kita dalam membuat prediksi. Apakah XmR charts akan membantu kamu dalam mengelola blogmu dengan lebih baik di masa mendatang? Mungkin iya.
Misalnya, jika kita mengasumsikan bahwa “proses blog” tetap relatif stabil, kamu mungkin akan mempublikasikan konten dengan frekuensi yang sama, menargetkan topik serupa, dan tetap bersaing dengan para kompetitor yang sama.
Kamu sekarang memiliki data “stabil” yang bisa dijadikan referensi untuk memberikan konteks pada fluktuasi trafikq di masa mendatang.
Dalam beberapa bulan ke depan, kamu bisa melihat apakah penurunan atau lonjakan trafik ini adalah bagian dari varians normal, atau ada sesuatu yang berubah dan perlu diperhatikan, seperti adanya Google updates.
Jika, misalnya, bulan depan trafikmu menurun, kamu bisa mengecek kembali data stabil ini dan melihat bahwa penurunan tersebut kemungkinan besar adalah varians normal dan tidak perlu terlalu dikhawatirkan.
Kalau kamu sedang mencari cara yang lebih efektif untuk mengoptimalkan kinerja situs web dan memastikan hasil SEO yang berkelanjutan, Optimaise, sebuah digital marketing agency di Malang, siap membantu.
Dengan pengalaman dalam menyediakan jasa SEO Malang serta jasa pembuatan website yang profesional, Optimaise dapat membantu meningkatkan visibilitas online dan kinerja bisnismu secara keseluruhan.
