البحث الدلالي - رياح التغيير

ما هو البحث الدلالي ؟

يكمن تحت المصطلح التقني الخام رغبة بريئة قديمة قدم الإنسانية نفسها.

لقد حاولنا دائمًا أن ننظر إلى المظاهر الماضية ونصل إلى المعنى الأعمق لما يحيط بنا.

في بعض الأحيان ، قادنا هذا إلى إنجازات عميقة. في أوقات أخرى ، تمكنا من الفشل بشكل مذهل.

الآن لدينا التكنولوجيا لتعزيز وتعميق سعينا للوصول إلى المعنى.

أدخل البحث الدلالي.

سحر الكلمات والبحث الدلالي

علم الدلالة هو الجانب الرائع من علم اللغة ، الذي يُسند إليه مهمة البحث عن المعنى.

معنى الكلمات وعلاقتها ببعضها البعض. يجب أن تشرح الدلالات سبب اختيارنا كلمات وعبارات معينة لوصف الأشياء.

ما يعرّف الدلالات على أنها جزء أساسي من البحث الدلالي هو التوق إلى البحث عن الروابط وإنشاءها.

تخيل أنك تبحث عن إبرة في كومة قش - تجربة محطمة للأعصاب لا يمكن إنكارها.

ستبحث عن أشياء على الإنترنت بنفس مستوى النجاح تقريبًا بدون الأدوات اللازمة لتمكين نتائج سريعة وبديهية.

لحسن الحظ ، فإن الدافع إلى جعل حياتنا منظمة ومتصلة يترجم حتى في كيفية بحثنا عن الأشياء على الويب. هذه هي الطريقة التي ظهر بها البحث الدلالي.

نحصل على شرح أكثر تفصيلاً لما هو البحث الدلالي من منشور بقلم هانا باست والمؤلفين المشاركين.

كما وصفهم ، فإن البحث الدلالي هو "البحث بالمعنى". ويمكننا إيجاد معنى في جزأين على الأقل من عملية البحث.

أولا ، في الاستعلام نفسه. هنا ، نحتاج إلى معرفة القصد الحقيقي وراء الطلب.

بعد ذلك ، يتعين علينا النظر في البيانات التي يتعين علينا استردادها ، وما إذا كانت تناسب ما نبحث عنه حقًا.

أو ، إذا قدمنا ​​المعلومات بشكل صحيح ، فسيكون لها معنى للبحث.

تحطيم معنى البحث الدلالي

لوضعها في مصطلحات Layman ، يسعى البحث الدلالي إلى فهم اللغة الطبيعية بالطريقة التي قد يفعلها الإنسان وإعطاء نتائج بحث دلالية مناسبة على الويب .

ماذا يعني ذلك؟

حسنًا ، لنفترض أنني أكتب في حقل بحث Google "وهو أصغر حيوان ثديي."

سوف يجيب محرك البحث ، بشكل مفهوم ، على سؤالي بناءً على الافتراض الذي أريد معرفة أصغر حيوان ثديي - بدلاً من البحث عن المطابقات الدقيقة للعبارة التي كتبتها.

هذه هي الطريقة التي أحصل بها ، كنتيجة أولى ، على مقال بعنوان "أصغر 6 ثدييات في العالم" متبوعًا بصور الزبابة الأترورية - والتي ، بالمناسبة ، هي أصغر حيوان ثديي معروف على هذا الكوكب.

إن التطلع إلى فهم معنى استفساري يساعد محركات البحث الدلالية على اقتراح تصحيحات للكلمات التي بها أخطاء إملائية أيضًا.

لذا ، إذا أخطأت في تهجئة كلمة mammal ، فسوف يقترح Google أنه بدلاً من "mamal" ، ربما أبحث عن "mammal".

كيف جاء البحث الدلالي ليكون؟

إن جنسنا ينجذب للبحث عن النظام - وإذا كان هذا غير موجود ، فلا يسعنا إلا أن نحاول خلقه.

لذلك من المفهوم أننا نبني عالمًا افتراضيًا يلبي حاجتنا إلى النظام والوقت الأمثل.

إلى جانب توفير الإجابات المناسبة ، تضيف محركات البحث أيضًا معنى لها بمساعدة الذكاء الاصطناعي.

يستخدمون التعلم الآلي للبحث الدلالي للمساعدة في معالجة المعلومات وترتيبها ، ويمكنهم أيضًا فهم الكلام البشري الطبيعي.

كل هذا ، في النهاية ، يوفر نتائج مناسبة لاستفساراتنا.

ولكن كيف يمكنهم بالضبط الإجابة على أسئلة مثل "أكبر دونات في العالم؟"

لقد ظهر البحث الدلالي من الويب الدلالي ، لذا لكي أكون صادقًا مع طبيعتي الخاصة التي تبحث عن النظام ، فلنلقِ نظرة على ماهية الويب الدلالي أولاً.

أصل الويب الدلالي

باختصار: الويب الدلالي هو امتداد لشبكة الويب العالمية.

ووفقًا لاتحاد شبكة الويب العالمية (W3C) ، فإنه يوفر إطارًا مشتركًا للبيانات التي يمكن مشاركتها وإعادة استخدامها.

هذا صالح عبر التطبيقات والمؤسسات والمجتمعات.

إن إطار العمل ، أو "علم الوجود" ، كما هو معروف في مجال علم المعلومات ، يجمع الحقائق والمعلومات التي تصبح في النهاية نظامًا للمعرفة.

ببساطة ، هياكل الويب الدلالية وبيانات العلامات بطريقة يمكن لأجهزة الكمبيوتر قراءتها.

يسمح الويب الدلالي بتحليل مدخلات محددة بناءً على الشبكة أو العوامل ذات الصلة. يستخدم المجموعات والخصائص والعلاقات لفهم الكم الهائل من البيانات التي تشكل الويب.

سأقارنه بمحاولتي بناء شجرة عائلتي.

بالتأكيد سأفشل في معرفة الأشخاص الذين تدعي جدتي أنهم أبناء عمومتي البعيدين من جانب أمي. أنا أفتقر إلى السياق ، لأنني لا أعرفهم.

ومع ذلك ، فإن الويب الدلالي يقوم بعمل أفضل في فرز الأشياء.

الرؤية للويب الدلالي

يتمثل الطموح النهائي للويب الدلالي ، كما يراه مؤسسها تيم بيرنرز لي ، في تمكين أجهزة الكمبيوتر من التلاعب بشكل أفضل بالمعلومات نيابة عنا.

ولقد تطور مفهوم ما الويب الدلالي إلى اثنين من الأنواع الهامة من البيانات التي تشكل اليوم - ترتبط البيانات المفتوحة والدلالي الفوقية.

اطلب في حالة الفوضى - الترتيب باستخدام أدوات البحث الدلالية

تم تصميم البيانات المفتوحة المرتبطة (LOD) على شكل رسم بياني ونشرها بطريقة تسمح بالترابط عبر الخوادم.

يمثل بشكل أساسي البيانات المنظمة . في عام 2006 ، قام تيم بيرنرز لي بإضفاء الطابع الرسمي على القواعد الأربعة للبيانات المرتبطة على النحو التالي:

1. استخدم معرّفات الموارد العالمية (URIs) كأسماء للأشياء.
2. استخدم HTTP URIs حتى يتمكن الأشخاص من البحث عن هذه الأسماء.
3. عندما يبحث شخص ما عن URI ، قدم معلومات مفيدة باستخدام التنسيق القياسي (RDF ، SPARQL).
4. قم بتضمين روابط إلى URIs أخرى. حتى يتمكنوا من اكتشاف المزيد من الأشياء.

يتيح LOD لكل من الأشخاص والآلات الوصول إلى البيانات عبر خوادم مختلفة وتفسير دلالاتها بسهولة أكبر.

نتيجة لذلك ، ينتقل الويب الدلالي من مساحة تتكون من مستندات مرتبطة إلى مساحة تتكون من معلومات مرتبطة.

وهذا بدوره يسمح بوجود شبكة مترابطة من المعنى ، قادرة على المعالجة بواسطة آلة.

هناك الآلاف من مجموعات البيانات المنشورة كـ LOD عبر مختلف القطاعات.

بعض الأمثلة هي الموسوعات والبيانات الجغرافية والبيانات الحكومية وقواعد البيانات والمقالات العلمية والترفيه والسفر وما إلى ذلك.

نظرًا لأنها مترابطة ، تشكل مجموعات البيانات هذه شبكة عملاقة من البيانات أو رسم بياني معرفي.

يربط الرسم البياني قدرًا هائلاً من أوصاف الكيانات والمفاهيم ذات الأهمية العامة.

لعبة العلامات - مجلد أدوات البحث الدلالي. 2

الأداة المهمة الثانية التي يعتمد عليها الويب الدلالي هي البيانات الوصفية الدلالية.

هذه هي في الأساس علامات دلالية ، تتم إضافتها إلى صفحات الويب العادية من أجل وصف معانيها بشكل أفضل.

على سبيل المثال ، يمكن إضافة تعليقات توضيحية إلى الصفحة الرئيسية لجائزة نوبل مع إشارات إلى العديد من المفاهيم والكيانات ذات الصلة - السويد ، والتقدم الأكاديمي ، والثقافة ، والجائزة ، من بين أمور أخرى.

يتم تمثيل هذه العلاقات المحددة جيدًا بين الموضوعات والنتائج المقابلة بشكل أفضل من خلال مخططات البيانات الوصفية المنظمة ، مثل Schema.org

تجعل البيانات الوصفية من السهل العثور على صفحات الويب بناءً على المعايير الدلالية.

من خلال التعلم من النتائج السابقة وإنشاء روابط بين الكيانات ، قد يتمكن محرك البحث بعد ذلك من استنتاج الإجابة على استعلام الباحث ، بدلاً من تقديم العديد من الروابط التي قد تحتوي أو لا تحتوي على الإجابة الصحيحة.

تعمل البيانات الوصفية على حل أي غموض محتمل وتضمن أنه عندما نبحث عن Prince (الموسيقي) ، لن نحصل على صفحات عن أي من الأمراء العديدين الذين هم من العائلة المالكة ، على سبيل المثال .

يمكنك شكر الويب الدلالي على ذلك.

حاليا.

يعطينا هيكل الويب الدلالي فكرة عن ماهية البحث الدلالي. حتى أنه يخبرنا كيف يحدد محرك البحث أكبر كعكة في العالم.

لكن

دعونا نلقي نظرة على تاريخها.

الحالمون في مجال البحث الدلالي

كما هو الحال مع أي حركة واسعة النطاق ، هناك قائد وراء التغيير. لقد ذكرنا بالفعل اسم Tim Berners-Lee ، الذي يجادل الكثيرون بأنه الرجل الذي يقف وراء البحث الدلالي.

في عام 1998 ، أثناء طفولة شبكة الويب الحديثة ، كان بيرنرز لي يتحدث بالفعل عن الفكرة في تقرير نشره بعنوان خريطة طريق الويب الدلالي.

بعد 21 عامًا ، تم تبني أفكاره وأصبح البحث الدلالي حقيقة واقعة.

كانت Google هي الشركة التي أحدثت التغيير وأفسحت المجال لظهور البحث الدلالي .

قال بيرنرز لي: "يجب أن تكون الآلات قادرة على التواصل مع بعضها البعض تمامًا كما يفعل البشر".

يعمل Google الآن على تحقيق رؤيته.

كيف؟

نقطة التحول في البحث الدلالي

بينما حدث الكثير منذ عام 1998 ، كان عام 2012 نقطة تحول في البحث الدلالي.

خلال هذا العام ، كانت 20٪ من جميع عمليات البحث على Google جديدة. ليس هذا فقط ، ولكن الكلمات الرئيسية طويلة الذيل شكلت حوالي 70٪ من جميع عمليات البحث.

أخبر هذا Google أن المستخدمين أصبحوا مهتمين باستخدام محرك البحث الخاص بهم كأداة للإجابة على الأسئلة وحل المشكلات.

لم يعد الأمر مجرد البحث عن الحقائق والعثور على مواقع الويب الفردية بعد الآن.

وهكذا تم اتخاذ الخطوة الأولى نحو التحديث الدلالي .

الرسم البياني المعرفي

تم تقديم الرسم البياني المعرفي في عام 2012 ، وكان علامة على تحول Google نحو فهم الكيانات والسياق ، بدلاً من مقارنة سلاسل الكلمات الرئيسية دون تفكير.

أو كما صاغها Google ، "أشياء ، وليس خيوط".

ما هو الرسم البياني المعرفي؟

تنص ويكيبيديا على أن Google وخدماتها تستخدم الرسم البياني المعرفي لتحسين نتائج محرك البحث بمعلومات من مجموعة متنوعة من المصادر.

بعبارة أخرى ، يعد الرسم البياني للمعرفة طريقة برمجية لنمذجة مجال المعرفة - بمساعدة الخبراء في الموضوع ، وربط البيانات ، وخوارزميات التعلم الآلي.

ما جعل هذا الرسم البياني بالذات أداة بحث دلالية هو الطريقة التي جمع بها المعلومات.

جمعت البيانات ، التي كانت تعتبر مجالًا عامًا (على سبيل المثال ، من حجم الأرض إلى أسماء أعضاء الفرقة) ، جنبًا إلى جنب مع خصائص كل كيان (أعياد الميلاد ، الأشقاء ، الآباء ، المهن - كل ما يمكن ربطه بذلك شخصية.)

أو

يمكننا القول أنه مبني على أعلى قواعد البيانات الحالية لربط كميات هائلة من البيانات معًا - الجمع بين كل من المعلومات المنظمة (القوائم) وغير المنظمة.

يجمع الرسم البياني المعرفي المعلومات التي تتطلبها محركات البحث لإعطاء إجابات معقولة.

يمهد الرسم البياني لـ Google الطريق للتغييرات الحسابية واسعة النطاق القادمة. وسرعان ما تبعه الطائر الطنان.

الإسراع نحو النجاح مع الطائر الطنان

كان الطائر الطنان نقطة تحول. أثرت الخوارزمية في حوالي 90٪ من عمليات البحث حول العالم.

تم تصميمه ليكون دقيقًا وسريعًا ويشير إليه الكثيرون على أنه الأداة التي أدخلت "البحث التحادثي" في نشاط البحث.

كان نجم تقنية البحث الدلالي .

ومع ذلك ، فإن Hummingbird تفعل أكثر من مجرد تقديم إجابات على استفسارات المحادثة.

تهتم الخوارزمية بكل كلمة في الاستعلام.

ثم أتأكد من أخذ الاستعلام بأكمله أو الجملة أو المعنى بالكامل في الاعتبار ، بدلاً من كلمات معينة.

الهدف هو جعل الصفحات تتطابق مع المعنى الأعمق ، بدلاً من الكلمات الفعلية فقط.

هناك المزيد.

بالإضافة إلى التحسينات في سرعة ودقة تحديث Hummingbird ، حرصت Google على دمج البحث الدلالي.

لقد حسّنوا بشكل كبير فهمهم لاستعلامات البحث - حتى البحث الطويل - وبالتالي نية المستخدم.

نتيجة ل:

تم تحديد الاستعلامات الكاملة والعلاقات بين مجموعات الكلمات داخل استعلامات البحث واستهدافها وتفسيرها.

آثار خوارزمية الطائر الطنان

ركزت تحسينات Hummingbird بشكل خاص على البحث السياقي والمحادثة.

كلا المجالين مرتبطان ارتباطًا وثيقًا بدلالات الألفاظ الأساسية والعلاقة بين الكلمات.

حاليا.

تعالج الخوارزمية اللغة الطبيعية من أجل استرداد النتائج المتخصصة لطلبات البحث على مستوى الرأس والذيل الطويل.

بمعنى آخر ، يستخدم البحث السياقي حيث يعرض محرك بحث Google بشكل متزايد النتائج التي تطابق الغرض من الاستعلام.

لم تعد النتائج مقتصرة على الكلمات نفسها ولكنها تتضمن تفسيرًا للقصد من مصطلحات البحث.

كيف بالضبط؟

ما تفعله الأداة هو التحقق من العلاقات التي لم يتم تصميمها بشكل صريح.

تجمع العملية بين القواعد والإحصاءات والقواميس لتحقيق العلامات العلائقية.

من خلال تقييم النية بطريقة دلالية والتركيز على المرادفات والموضوعات المتعلقة بالموضوع يسمح Hummingbird لمستخدميه بالبحث بثقة عن الموضوعات والمواضيع الفرعية بدلاً من محاولة "abracadabra" طريقهم من خلال البحث.

تعد الخوارزمية من نواح كثيرة تعريفًا للبحث الدلالي.

مثال يوضح كيفية عمل الطائر الطنان فعليًا يمكن أن يكون بحثًا ، مثل "رئيس إنجلترا".

حاليا.

إنكلترا ليس لديها رئيس ، ولكن رئيس وزراء هو رئيس الحكومة. يوجد في إنجلترا أيضًا رئيس دولة ، وهو الملكة.

وتعلم Google ذلك ، لذا ستعرض النتائج المتعلقة برئيس الوزراء أو الملكة.

بطريقة ما ، يسمح Hummingbird للأشخاص بالحصول على إجابة لسؤال لا يعرفون كيفية طرحه - وتنظيم النتائج التي تساعد المستخدمين في العثور على ما يبحثون عنه.

التوجه نحو الموقع

هناك تحسين آخر يجلبه الطائر الطنان وهو النتائج ذات التوجه المحلي.

بفضل استخدام السياق ، تصبح النتائج المحلية أكثر دقة.

إذا كنت تبحث عن مطاعم إيطالية جيدة ، فستفترض Google أنك تريد تناول العشاء في مدينتك.

هذا هو السبب في أنه سيتم استخدام بيانات الموقع الخاص بك أن يوصي البيتزا جيدة في منطقتك، بدلا من سرد المطاعم في إيطاليا.

غالبًا ما نأخذ الدقة ، التي نحصل بها على النتائج الصحيحة ، كأمر مسلم به.

إنه حصاد مثمر لسنوات من البحث والتطوير خلف الكواليس.

تبلور حلم البحث الدلالي من خلال مجموعة من معالجة لغة المحادثة وفهم نوايا الإنسان بناءً على بيانات الموقع.

كان الطائر الطنان إنجازًا مهمًا للبحث الدلالي ، لكن Google لم تتوقف عند هذا الحد.

من التحسينات المهمة الأخرى التي أدخلوها ، لاحقًا ، كانت RankBrain.

الذكاء الاصطناعي في عالم الويب الدلالي

RankBrain هي أداة التعلم الآلي للبحث الدلالي التي جاءت كإجابة لمشكلة صادفتها Google أثناء الإجابة على استفسارات الكلمات الرئيسية.

قبل بضع سنوات ، كان حوالي 15٪ من عمليات البحث على Google تتكون من كلمات لم يسبق لها مثيل من قبل.

لم يكن لديها طريقة لمعرفة بالضبط ما كان يبحث عنه المستخدم.

في القراءة الأولى ، قد لا تبدو نسبة 15٪ مشكلة كبيرة.

ومع ذلك ، تعالج Google مليارات الطلبات كل يوم ، لذلك كانت النسبة عددًا كبيرًا جدًا من حيث القيمة المطلقة.

حوالي 450 مليون عملية بحث تحتوي على كلمات رئيسية لم تتم معالجتها من قبل.

إذن ماذا تفعل عندما لا تعرف كيف تجيب على سؤال؟

يخمن؟

هذا ما اعتادت Google فعله عندما تلقت طلبات لأي من هذه الكلمات الرئيسية غير المعروفة.

لسوء الحظ ، لم تؤدِ القبعة إلى نتائج دقيقة. بحث محرك البحث فقط عن الصفحات التي تحتوي على جميع الكلمات الرئيسية التي أدخلها المستخدم ، دون فهم القصد من وراءها.

لم تكن تعرف كيفية تنفيذ وإنتاج بحث دلالي عن الطلبات التي لم يتلقاها محرك البحث من قبل.

دفع ذلك Google إلى إيجاد حل وتقديم أداة يمكنها التعلم أثناء التنقل.

أدخل RankBrain

خوارزمية محرك البحث على تعلم آلة تساعد نتائج بحث Google العملية وتوفر المزيد من نتائج البحث ذات الصلة للمستخدمين.

تستخدم Google خوارزمية الذكاء الاصطناعي ليس فقط لحل استعلامات البحث هذه ولكن أيضًا لمعالجتها وفهمها.

ما الذي تغير مع RankBrain؟

قبل RankBrain ، كان 100٪ من خوارزمية Google مشفرة يدويًا.

لذلك ، اعتمدت العملية كثيرًا على المهندسين البشريين الذين حاولوا تخمين ما من شأنه تحسين نتائج البحث.

لا يزال المهندسون البشريون اليوم يعملون على الخوارزمية ، لكن RankBrain تقوم بعملها أيضًا في الخلفية.

العملية

باختصار ، يمكن لـ RankBrain تعديل الخوارزمية الخاصة بها لإنتاج استجابة أفضل.

اعتمادًا على الكلمة الرئيسية ، يزيد RankBrain أو يقلل من أهمية الروابط الخلفية ونضارة المحتوى وطول المحتوى وسلطة المجال ومتغيرات الترتيب الأخرى.

ثم أراقب كيف يتفاعل المستخدمون مع نتائج البحث الجديدة. إذا أحبوا الخوارزمية الجديدة بشكل أفضل ، فإنها تبقى.

إذا لم يكن الأمر كذلك ، فإن RankBrain يتراجع عن الخوارزمية القديمة.

بمساعدة التحديث الدلالي الذكي ، تستطيع Google معرفة ما تعنيه ، حتى لو لم تربط استعلامك مسبقًا.

كيف؟

من خلال مطابقة كلماتك الرئيسية التي لم يسبق لها مثيل مع الكلمات الرئيسية التي شاهدتها من قبل.

للحصول على مثال لكيفية عمل الويب الدلالي ، ربما لاحظ Google RankBrain أن الأشخاص يبحثون عن "أكبر كعكة في العالم".

وقد علمت أن الأشخاص الذين يبحثون عن ذلك يتطلعون إلى حد كبير للعثور على أكبر كعكة دونات صنعت على الإطلاق.

لذلك عندما يبحث شخص ما عن "أكبر كعكة دائرية في العالم" ، يقدم RankBrain نتائج مماثلة.

وفي حالة doughnut ، فإن صفحات الويب الثلاث الأولى التي تحصل عليها لعملي البحث هي نفسها.

طريقة RankBrain

علقت Google على كيفية استخدام التعلم الآلي لفهم نية الباحث بشكل أفضل من خلال تقنية تسمى " Word2vec " والتي تحول الكلمات الرئيسية إلى مفاهيم.

على سبيل المثال ، يقولون إن تقنية الويب الدلالية هذه "تدرك أن باريس وفرنسا مرتبطان بنفس الطريقة التي ترتبط بها برلين وألمانيا (العاصمة والبلد) ، وبشكل مختلف عن مدريد وإيطاليا."

وحتى لو لم يذكروا على وجه التحديد أن هذه هي الطريقة التي يعمل بها RankBrain أيضًا ، يمكننا أن نخمن إلى حد كبير أنها تستخدم تقنية مماثلة.

بالعودة إلى فكرة المفاهيم أكثر من مطابقة الكلمات الرئيسية - يحاول RankBrain إعطاء نتائج بناءً على نية البحث.

رضا المستخدم مقابل RankBrain

بالتأكيد ، يمكن لـ RankBrain المغامرة في فهم الكلمات الرئيسية الجديدة. ويمكنه حتى تعديل الخوارزمية من تلقاء نفسه.

السؤال الأول إذن هو:

بمجرد أن يعرض RankBrain مجموعة من النتائج ، كيف يعرف ما إذا كانت جيدة؟

حسنًا - إنه يلاحظ.

يستخدم RankBrain إشارات UX - على الأقل هذا هو المصطلح التقني.

بكلمات أبسط ، هذا يعني أن RankBrain يعرض لك مجموعة من نتائج البحث التي يعتقد أنها ستنال إعجابك.

إذا أحب الكثير من الأشخاص إدخالًا معينًا ، فسيعطون تلك الصفحة ترتيبًا محسّنًا.

ماذا لو لم يفعلوا؟

ثم تقوم الخوارزمية بإسقاط تلك الصفحة واستبدالها بأخرى مختلفة.

ما الذي يلاحظه RankBrain بالضبط؟

إنه يولي اهتمامًا وثيقًا لكيفية تفاعلنا مع نتائج البحث.

هناك عدة إشارات تراقبها:

1. نسبة النقر إلى الظهور المجانية (CTR)
2. يسكن الوقت
3. معدل الارتداد
4. بوجو الشائكة

تُعرف هذه بإشارات تجربة المستخدم (إشارات UX).

دعنا نلقي نظرة على مثال ونرى كيف ستفسر الويب الدلالي من Google بحثي.

إذا بحثت عن "أفضل طائرة بدون طيار للأطفال" ، فإن النتيجة الأولى التي أحصل عليها هي مقال نُشر في منتصف شهر يونيو.

هذا يستدعي حداثة المحتوى الذي يقيمه RankBrain عند اقتراح إجابات على الاستفسارات.

لكن دعنا نترك ذلك للحظة.

ستولي الخوارزمية اهتمامًا لموقع الويب الذي أفتحه. سيقارن عدد المرات التي تم فتحه فيها من قبل للحصول على نتائج مماثلة - وبالتالي يعطي نسبة النقر إلى الظهور.

بمجرد أن أفتح الصفحة ، سوف يراقب RankBrain وقت إقامتي. هذا هو الوقت الذي أقضيه على الموقع. بهذه الطريقة ، ستقدر الخوارزمية ما إذا وجدت المعلومات مفيدة.

إذا فتحت لرؤية محتوى ليس له علاقة باستعلامي أو تم تقديمه بشكل سيئ ، فسأعود بسرعة إلى صفحة النتائج.

إذا فعل عدد كافٍ من الأشخاص ذلك ، فسوف تنخفض تصنيفات الموقع.

وإذا لم يتم تحميل الصفحة في الوقت المحدد ، فإن فرصة الارتداد تزداد ، ومعها ينخفض ​​ترتيب الصفحة.

الآن ، لنفترض أنني غير قادر على العثور على ما أبحث عنه بنقرتي الأولى على الصفحة. ربما سأستمر في التحقيق في النتائج التي أحصل عليها حتى أجدها.

وهذا عامل آخر تستخدمه RankBrain لتحليل نجاح عملها - لعبة البوجو sticking.

كلما انتقلت ذهابًا وإيابًا ، قل احتمال قيام RankBrain باقتراح تلك الصفحات المؤسفة للمستخدم التالي الذي أجرى عمليات بحث مماثلة.

حاليا.

لقد قمنا بتغطية الأدوات الدلالية الأساسية التي تستخدمها محركات البحث مثل Google لفهم واقتراح إجابات مناسبة لطلبات مستخدميها.

لذلك ، يمكننا أن نلقي نظرة على كيفية استخدام هذه الأشياء لصالحنا.

كيفية تحسين المحتوى من أجل تحسين محركات البحث الدلالية

بالنسبة إلى مُحسّنات محرّكات البحث ، فإن فهم البحث الدلالي له فوائد كبيرة. جزء كبير هو القدرة على البقاء في المقدمة في السباق.

هناك عدة خطوات لاستراتيجية تحسين محركات البحث الدلالية الجيدة التي اقترحها الخبراء في كل مكان.

ومع ازدياد تأثير البحث الدلالي مع مرور الوقت ، تعد هذه الخطوات نصيحة جيدة لمساعدة أي شخص على تحسين محتواه وترتيب موقعه على الويب بشكل أفضل.

1. ضع في اعتبارك الموضوعات ، بدلاً من الكلمات الرئيسية فقط
2. تطابق المحتوى مع نية البحث
3. تضمين الكلمات الرئيسية ذات الصلة في المحتوى الخاص بك
4. تحسين المحتوى الخاص بك للمقتطفات المميزة
5. تضمين البيانات المنظمة في المحتوى
6. ضع في اعتبارك الموضوعات بدلاً من الكلمات الرئيسية فقط

كما رأينا سابقًا في المقالة ، فإن الأمر كله يتعلق بالمواضيع - سياق بحث المرء. وتتطلع Google ومحركات البحث الأخرى إلى تزويدنا بالنتائج الأكثر صلة.

لذلك يجب أن يكون المحتوى أكثر شمولاً وإفادة من أي وقت مضى.

إذا كنت تفكر في إنشاء صفحات قصيرة ومسطحة من المحتوى لكل شكل من أشكال استعلام البحث الواسع - فلا تقلق. يجب عليك بدلاً من ذلك إنشاء دليل شامل ودائم يغطي الموضوع بأكمله.

يجب عليك بعد ذلك استخدام أفضل ممارسات تحسين الكلمات الرئيسية لضمان تحسين المحتوى بالكامل لكل من محركات البحث والقراء.

تطابق المحتوى مع نية البحث

قبل إنشاء محتوى للكلمات الرئيسية لتحسين محركات البحث التي تريد استهدافها ، يجب أن تسأل لماذا يبحث المستخدم عن هذه العبارة. حدد النية التي تمثلها الكلمة الرئيسية وسيكون لديك أيضًا وقت أسهل بكثير في إشراك جمهورك.

يمكن أن يكون القصد من الكلمة الرئيسية:

1. معلوماتية - يحاول المستخدم تعلم شيء ما ، لذلك يستخدمون كلمات رئيسية "اعرف" للبحث عن المعلومات والحصول على إجابات ؛
2. التنقل - يحاول المستخدم الانتقال إلى موقع معين أو العثور على عنصر معين ، لذلك يستخدمون الكلمات الرئيسية "go" للعثور على موقع الويب الخاص بعلامة تجارية مألوفة ؛
3. المعاملات - يحاول المستخدم إجراء عملية شراء ، لذلك يستخدم الكلمات الرئيسية "فعل" للعثور على منتج لشرائه أو صفحة لإجراء معاملة.

تضمين كلمات رئيسية ذات صلة في المحتوى

للتحقق من شريط دلالات البحث الدلالي ، يجب عليك إضافة الكلمات الرئيسية ذات الصلة أو الفهرسة الدلالية الكامنة (LSI) إلى المحتوى.

كلمات LSI هي عبارات وثيقة الصلة بكلمة رئيسية مستهدفة. إنها توفر سياقًا للمحتوى وتساعد محركات البحث على فهم معنى المحتوى بشكل أفضل وكيف يخدم الجمهور.

لذلك عندما تتحدث عن الشوكولاتة ، يجب على الأقل ربطها بالكاكاو.

تحسين المحتوى للمقتطفات المميزة

تحب محركات البحث عرض النتائج الثرية التي تمنح المستخدمين المعلومات التي يريدونها - مباشرة على صفحة النتائج الخاصة بهم.

لزيادة إمكانية رؤية البحث ، قد ترغب في:

1. تحسين المحتوى لمربعات الإجابة والفقرة والقائمة والجدول المقتطفات المميزة
2. أجب بوضوح على الأسئلة في المحتوى مع التركيز على الكلمات الرئيسية طويلة الذيل
3. استخدم التنسيق لجعل المعلومات خيارًا جذابًا للمقتطفات المميزة

أخيرًا ، قم بتضمين البيانات المنظمة في المحتوى

هناك طريقة أخرى لمساعدة محركات البحث على فهم معنى وأهمية المحتوى الخاص بك وهي من خلال البيانات المنظمة.

البيانات المنظمة ، أو ترميز المخطط ، هو شكل من أشكال البيانات الجزئية التي تضيف سياقًا إضافيًا للنسخ على صفحة ويب.

يستخدم مجموعة من هياكل البيانات القياسية التي تصنف المحتوى لمحركات البحث.

تساعد هذه المعلومات الإضافية محركات البحث في ترتيب المحتوى وتحديد المعلومات التي يمكن عرضها في نتائج البحث الغنية.

من الناحية العملية ، كل ما قلناه حتى الآن يتلخص في شيء واحد.

لتحقيق أقصى استفادة من تواجدنا على الإنترنت ، يجب أن تكون المعلومات التي ننشرها منظمة بشكل لغوي.

السياق هو مستقبل البحث الدلالي على شبكة الإنترنت. بينما لا تزال هناك قطع من اللغز يجب جمعها ، فإن الويب الدلالي ما زال على قيد الحياة بالفعل.

ربما لست بعيدًا عن اليوم الذي ستساعدنا فيه شبكة ذكية من الجيل التالي من خلال تحديد مواعيدنا ، والقيام بالتسوق ، والعثور على المعلومات التي نحتاجها ، وربطنا بالأشخاص ذوي التفكير المماثل.

على القمة ، القيام بذلك بشكل مستقل.

لن يتعين علينا أن نسأل ما هو البحث الدلالي إذن ، بالتأكيد. سيصبح جزءًا لا ينفصم من حياتنا اليومية.