エンティティに合わせて最適化する方法

エンティティとは、名前、タイプ、属性、および他のエンティティとの関係によって特徴付けられる、一意に識別可能なオブジェクトまたは物です。 エンティティは、エンティティ カタログに存在する場合にのみ存在するとみなされます。 私はエンティティ SEO の記事でこの定義を使用しました。

このエンティティ SEO シリーズの最初の部分は、エンティティの最適化に関連する戦術を正当化する必要がある場合に使用してください。

パート 1 のTL;DR:

• エンティティは、さまざまな用語で検索クエリを拡張するためのソースとして使用されます。
• クエリに対する文書の関連性は、既知のエンティティのレンズを通して部分的に理解されます。
• Google はセマンティック検索エンジンです。 意味の理解は、ウィキデータやウィキペディアなどのエンティティやデータベースに接続されています。
• Wikipedia と Wikidata は、エンティティを最適化する際にどのような情報について記述する必要があるかについて、最も初心者に優しい知識源です。 ハイパーリンク、目次、出典などを確認してください。
• エンティティの理解は、Web 上のドキュメントの影響を受けます。 Google の理解は頻繁に変化し、アルゴリズムの更新は、この更新された理解が適用される既知の瞬間です。
• Web 上には、非構造化データ (ブログ)、半構造化データ (Wikipedia)、構造化データ (Wikidata と JSON スキーマ) の 3 つのデータ構造が存在します。
• トピックを取り上げようとするときは、検索意図を中心に最適化します。
• 公開速度、公開記事数、公開記事の深さは、エンティティに焦点を当てた SEO として利用できる 3 つの主な手段です。

この記事では、実用的なアドバイスについて詳しく説明します。 ページ構造、サイト構造、使用する重要なスキーマ、役立つツールについて説明します。

エンティティの最適化を始める

すべてのページとすべてのページのコレクションにはコンテキストがあります。 ページは孤立して存在するわけではありません。

なぜ存在するのでしょうか?

ナイキを例にしてみましょう。 ナイキは靴を売っています。 彼らのウェブサイトはランニングシューズを販売するために存在します。

ランニング シューズの販売に関連する主な事業体をどのように特定しますか?

単に「靴」または「ランニング シューズ」と言いたくなるかもしれませんが、それは最良の答えではありません。

最良の答えを得るには、さらに抽象化する必要があります。

エンティティの最適化は主に私たちの脳を対象としたタスクなので、いくつかのオプションを見てみましょう。

ランニング

• 靴
• ランニングシューズ
• エクササイズ
• スニーカー
• スポーツ
• テニスシューズ
• 陸上競技
• アスレジャー

では、ナイキにはどのような意図が存在するのでしょうか?

スポーツに必要なギア、エクササイズの強化、特定の靴の種類ごとのショッピング ガイド。

これをさらに拡張することもできますが、目的は過度に単純化した例を提供することです。 推測するなら、主な検索意図はスポーツに関するものだと思います。

Nike はスタイルへと進化しましたが、Nike の中心的な目的と検索者にとっての中心的な目的はすべてスポーツ用品です。

スポーツについて「なぜ」という質問をすると、さらに一歩進んで、「個人の成長」または「ライフスタイルの改善」が主な検索目的であると言えるでしょう。

最適化プロセス全体は次の条件に左右されるため、最適な選択を見つけるのは SEO の責任です。

• 検索意図。
• Web サイトのコンテキスト。
• そのコンテキストに関連付けられた主要なエンティティ。

このアイデアをさらに深く掘り下げたい場合は、Koray Tuğberk GÜBÜR の Topical Authority コースをお勧めします (複雑で、熟練した SEO 読者向けに設計されていることに注意してください)。

SEO のこの領域には独自の語彙があり、GÜBÜR は数え切れない時間を費やして用語を抽出し、この領域に関連する概念を形式化しました。

エンティティとセマンティック検索に興味がある場合は、理解しておくとよい重要な用語がいくつかあります。

• 話題の報道
• 応答性
• クエリ処理
• 意味的距離
• コンテキストフロー
• コンテキストブリッジ

エンティティの最適化に関連する中心的な概念は何ですか?

エンティティの最適化に関連する中心的な概念は、エンティティ属性値 (EAV)、情報の希薄化、言語の使用、サイトの構成、およびページの構成に焦点を当てています。

エンティティの属性値と Amazon

エンティティを中心に最適化するときは、エンティティに関連付けられている属性に注目する必要があります。

コンテキストによって、使用する最も重要な属性が変更される可能性があることに注意してください。

OpenAI と単純なプロンプトを使用して属性のリストを取得します。 創造性を発揮することもできますが、画像を出発点として使用してください。

Amazon の各製品に関する大量の情報は、エンティティ最適化の好例です。 製品に関するビデオ、画像、マルチアングル、購入者ガイド、レビュー、タグ、および詳細な技術情報があります。

これほど深い属性情報を得るには、1 兆ドルの価値が必要でしょうか? いいえ。

あらゆる種類の製品を販売している場合、より科学的でデータ中心の情報は、エンティティの最適化に必要な属性の深さと幅を実現するのに役立ちます。

情報の希薄化と曖昧さの解消

弁護士向けに SEO について書いていますか? Google の理解を薄めることなく、まったく異なる 2 つのエンティティを結び付けるにはどうすればよいでしょうか?

ライフスタイル、テクノロジー、ビジネス、健康を 1 つの Web サイトでターゲットにしていますか?

それぞれのカテゴリを適切にカバーし、Google によるコンテンツの理解を助けるために必要な接続を確立しましたか?

適切なコンテキストを提供しないと、エンティティの最適化に失敗します。

曖昧さを避けるために、私たちは Google NLP を使用することを好みます。

これは Google からの例です。 テキストを入力し、スコアを確認します。

多くの場合、単語をいくつか変更し、文章の順序を少し調整するだけで、劇的に改善することができます。

ここでの教訓は、ライターは情報を提供するものであり、執筆時には読者を知ることが重要であることを覚えておくことです。

AI が消化して理解できる構造を提供しながら、人間に役立つコンテンツを提供できます。 人間向けのコンテンツとロボット向けのコンテンツは不必要な分岐点となっており、その主な原因は SEO 実践者がこの分野の知識を欠いていることです。

言語の重要性

言葉の使い方に注目してください。 『Entity-Oriented Search』という本では、約 400 ページにわたってエンティティに関する深い洞察が提供されています。

著者の Krisztian Balog は、Web サイトとその各ドキュメント (ページ/投稿) を理解するために、主語、目的語、述語がすべて使用されることを明らかにしています。

Nike の場合、すべてのページに核となるトピックを含める必要があります。 エクササイズ、フィットネス、靴などはすべてここでの選択肢になります。 コアトピックに関連付けられたアクションと属性も、Web サイト全体に存在する必要があります。

これは、属性やアクションのコンテキストが変化する可能性があるため、同じことを繰り返し言う必要があるという意味ではありません (つまり、雨の中のランニングによる運動、短距離走による運動、屋外トラックでの運動など)。

論理サイト構造、ページ構造、およびスキーマ

Google の Lizzi Sassman は最近、どのようにスキーマを消化することを好むかを共有しました。 Google は、サイトがスキーマをネストできるようにすることを望んでいます。

ドロップシッピングの概要を例として使用します。 コンテキストはコンテンツだけを意味するものではなく、コンテンツをどのように接続するのかを意味します。

ページ構造の例(スキーマを使用してこれを複製する方法については後で学びます)

• ドロップシッピング
  • 参入障壁が低く競争が激しい
  • ユニークな商品を見つけるのが難しい
  • 納期が長く、顧客体験の低下につながる

• デジタルマーケティング代理店
  • 高品質のデジタル マーケティング サービスに対する高い需要
  • 収益が 100 万ドル以上にスケールアップする可能性
  • 特定の点を超えてスケ​​ーリングするのが難しい

• 実店舗ビジネス
  • Facebook や Instagram を使用してローカルに簡単に宣伝できます
  • 運用上の課題と多額の初期費用
  • 規模を拡大するのが難しく、利益が小さいことが多い

• オンラインコーチ/コンサルタント
  • コーチングおよびコンサルティングサービスに対する高い需要
  • リモートで作業し、自分のスケジュールを設定する機能
  • 時間制限によるスケーリングの困難

• SaaS（Software as a Service）事業
  • 成功すれば莫大な報酬が得られる可能性がある
  • 高いリスクと多額の先行投資
  • 勝てる製品を開発することの難しさ

• eコマースとAmazon FBA
  • オンライン製品と拡張可能なビジネス モデルに対する高い需要
  • 競合他社との差別化における課題
  • Amazon FBAの手数料と価格設定のコントロールの欠如

エンティティに最適化されたブログ アーキテクチャがどのようなものかを示す優れた例を探している場合は、コンテンツ構造を適切に処理する CMS の一種である Docusaurus を検討することを強くお勧めします。

ショーケースを見ると、左側に情報の階層が表示されていることがわかります。

クラスターを上から見た図が表示されます。 記事には目次があるため、各記事のトップダウンの組織構造がわかります。

追加で行う必要がある唯一のことは、記事の内部リンク構造を最適化することです。

ウィキペディアを使用してエンティティに焦点を当てた SEO キャンペーンを活性化する

Wikipedia は、Google がエンティティを理解して使用するために多用している半構造化知識ベースです。

私たちはそれが何であるか、また Google がシステム内でそれをどのように使用するかを知っているため、Wikipedia ページを使用してエンティティとセマンティック検索についての理解を深めることができます。

好例: ウィキペディアの「スニーカー」のページ。 注意すべき重要な要素を以下に示します。

• 目次は、トピック (スニーカー) について知っておくべきことをほぼすべて網羅するように設計された、確かなトピックの範囲を示しています。
• ページの最初の文には、スニーカーに直接関連する簡潔かつ明確な情報が詰め込まれています。 この文では同義語が提供され、主題の曖昧さが解消されています。
• 内部リンクは、その用語でどのページがランク付けされるべきかを示すアンカー テキストを使用しており、意味的に近い主題との強いつながりを示しています。

• 「関連項目」セクションは、このトピックをカバーするように設計されたコンテンツの作成例です。
• 参考セクションは、より信頼できる情報源を見つけることができる場所を共有する外部検証ツールです。 理想的には、これらは競合しない権威あるサイトである必要があります。 このセクションはデジタル PR を強力にサポートします。 業界に役立つ研究を実施することで、まさに推薦を受けることができます。

• Wikipedia ページの下部には階層が表示されます。 ブランドの正確なエンティティや検索意図を抽出しているわけではありませんが、このページがコンテンツ プレゼンテーションの複数の形式、関連性のある内部ページへの多数の接続ポイント、および複数の階層を提供していることを確認することは役に立ちます。 ウィキデータを数えると、この情報のスキーマ バージョンも存在します。

何百もの Wikipedia ページを分析した後、執筆時にクイックリファレンスとして使用できるエンティティ テンプレートを作成しました。

一般に、最も一般的なエンティティは、ブランド、人、スポーツ、活動、製品、地理、出来事、一時的なもの、感情、アイデア、動物、研究分野、食べ物、音楽や映画に関連付けられています。

エンティティの完全なリストを持っている人はいませんが、前の記事で 150 種類以上のエンティティのリストを共有しました。

ウィキペディアのページにあるものをすべてコピーするだけではランク付けを期待できないことに注意することが重要です。 Wikipedia の例は、理解のためのコンテキストを提供することを目的としています。

特定の Web サイトのコンテキストが主要なエンティティとどのように関連しているかを自問してください。 存在する検索意図の種類について考えてみましょう。

AI は、この点で有利なスタートを切るのに非常に役立ちます。 GPT-4 に「Google で [ランニング シューズ] を検索している人に考えられる検索意図のリストを提供してください」と依頼すると、アイデアのリストが得られます。

これは完璧ではないかもしれませんが、検索の意図を特定し、自分で検討するための車輪に油を注ぐための優れた方法です。

1,000 ～ 2,000 のトピックを生成する便利なツール

このシリーズの次の記事では AI に焦点を当てますが、この AI の特定の使用例は、エンティティをカバーするために構築されたトピック マップに非常に役立ちます。

ContentSprout トピック ジェネレーターを使用して、ニッチ (例: 「ゴルフ」) を入力し、カテゴリー、サブカテゴリー、およびクラスターを取得します。

最後の部分では、クラスター内で記述するトピックのリストを提供します。

AI は、エンティティの最適化に関連する多くの SEO タスクの実行にかかる時間を短縮します。 AI ツールに投資すれば、必ず報われます。

ターゲティングのトピックについて説明したので、次はエンティティの特定について詳しく説明します。

テキスト内のエンティティの識別

上記の TL;DR セクションを分析する入力テキストとして使用してみましょう。 textrazor.com/demo を開き、テキストをボックスに貼り付けます。

分析を実行すると、提供したテキストに関する役立つ洞察のコレクションが表示されます。

下線付きの単語の上にマウスを移動すると、スキーマやトピックの分析に使用できる有益な情報が表示されます。

Wikipedia リンク、Freebase ID (構造化ナレッジ グラフ)、Wikidata ID (Freebase に似ていますが、より優れたもの) を取得します。 スコアとエンティティ タイプのリストも取得します。

画面の右側には、特定されたトピックが表示されます。

これは Google ではありませんが、Google が行っていることと同様のことを行おうとしているため、このツールは便利であることに注意してください。

トピックに関連する多くのスコアが、トピックの理解の強さ別に整理されて表示されるようになりました。

スキーマを使用して Google の点と点を結び付ける

SEO コミュニティではスキーマが主流になっていますが、だからといって人々がスキーマを最大限に活用しているわけではありません。 ほとんどの人は汎用スキーマを使用し、カスタムなものは避けます。

この記事はスキーマに関する短期集中講座を提供することを目的としたものではありませんが、Google の点と点を結ぶのに役立つ 2 つのあまり活用されていないスキーマを共有することが重要です。

スキーマについての言及

メンション スキーマを使用すると、ページが特定のものについて言及していることを宣言することになります。 次に、Wikipedia ページを結び付けて、その宣言を接続できます。

なぜこれが役立つのでしょうか?

情報の曖昧さを排除し、重要な情報を Googlebot にとって最も簡単な形式で提供しています。 メンションスキーマを無視しないでください。

上の画像では、釣りに関する ContentSprout テスト Web サイトが表示されます。

ページの主要なエンティティが宣言され、説明が提供され、メンションが使用され、SameAs が組み込まれます。

これらの部分は、Googlebot に非常に明確なメッセージを送信し、Googlebot がコンテンツを理解できるようにします。

スキーマを視覚化したい場合は、Schema Zone をお勧めします。 カスタム スキーマを含む URL をプラグインしました。次のようになります。

Sitebulb や Screaming Frog を使用したことがある場合は、これが本質的にこれらのツールが内部リンクで行うことのスキーマ バージョンであることがわかるでしょう。

私たちは皆、ビジュアルをこのように見せようとしますが、その構造をスキーマで複製できることをご存知ですか?

Schema Zone には他にもいくつかの機能がありますが、私たちのお気に入りは競合他社のスキーマ スティーラーです。

出発点として競合他社を使用することは常に簡単であり、このツールはまさにそれを行うように設計されています。

Entity Clouds という新しい会社が、私たちを驚かせるプログラマティック スキーマ ソリューションをリリースしました。 創設者のコーリー・ハッブ氏は次のように述べています。

「Entity Clouds は、ボット クロール パターンと分類システムの科学を活用して、検索エンジンが望むものを正確に提供する、プログラムによるエンティティ最適化ツール セットです。 当社はインターネット データベース分類システムと構造化データを基盤として使用し、お客様のビジネスと相対的な権威ある組織との関係を強化します。」

クールなビジュアルは得られませんが、同様の結果が得られ、GTM または WordPress プラグインを使用してインストールします。

エンティティの最適化

最初の記事「エンティティ SEO: 決定版ガイド」で学んだように、エンティティは SEO の未来です。

これらは、Google がコンテンツとキーワード検索との関連性を理解するのに役立ちます。

エンティティを最適化すると、検索エンジンでのコンテンツのパフォーマンスが向上します。

Google と Bing は Web とそこにある膨大な量のコンテンツについての理解を継続的に向上させているため、アルゴリズムの変更によって Web サイトが引き続きランク付けされる可能性が非常に高くなります。