Búsqueda semántica: el viento del cambio
Publicado: 2019-11-15Tabla de contenido
¿Qué es la búsqueda semántica?
La magia de las palabras y la búsqueda semántica
¿Cómo surgió la búsqueda semántica?
Orden en el caos: poner en orden las herramientas de búsqueda semántica
A Game of Tag - Herramientas de búsqueda semántica vol. 2
Visionarios en el campo de la búsqueda semántica
El punto de inflexión para la búsqueda semántica
El gráfico de conocimiento
Inteligencia artificial en el mundo de la web semántica
Cómo optimizar el contenido para el SEO semántico
¿Qué es la búsqueda semántica ?
Debajo del crudo término técnico se esconde un deseo inocente, tan antiguo como la humanidad misma.
Siempre hemos intentado mirar más allá de las apariencias y llegar al significado más profundo de lo que nos rodea.
En ocasiones, esto nos ha llevado a realizaciones profundas. En otras ocasiones, hemos logrado fracasar espectacularmente.
Ahora tenemos la tecnología para potenciar y profundizar nuestra búsqueda de significado.
Ingrese la búsqueda semántica.
La magia de las palabras y la búsqueda semántica
La semántica es el lado fascinante de la lingüística, al que se le atribuye la tarea de buscar el significado.
Significado de las palabras y su relación entre sí. La semántica tiene que explicar por qué elegimos ciertas palabras y frases para describir cosas.
Lo que define a la semántica como una parte esencial de la búsqueda semántica es el anhelo que tenemos de buscar y crear conexiones.
Imagínese buscar una aguja en un pajar, una experiencia indudablemente estresante.
Estaría buscando cosas en Internet con aproximadamente el mismo nivel de éxito sin las herramientas para permitir resultados rápidos e intuitivos.
Afortunadamente, el impulso para estructurar y conectar nuestras vidas se traduce incluso en la forma en que buscamos cosas en la web. Así es como surgió la búsqueda semántica.
Obtenemos una explicación más detallada de qué es la búsqueda semántica de una publicación de Hannah Bast y sus coautores.
Como ellos lo describen, la búsqueda semántica es "búsqueda con significado". Y podemos encontrar significado en al menos un par de partes del proceso de búsqueda.
Primero, en la propia consulta. Aquí, necesitamos averiguar la verdadera intención detrás de la solicitud.
Luego, tenemos que considerar los datos que tenemos que recuperar y si realmente se ajustan a lo que estamos buscando.
O, si presentamos correctamente la información para que tenga significado para la búsqueda.
Desglosando el significado de la búsqueda semántica
Para decirlo en términos de Layman, la búsqueda semántica busca comprender el lenguaje natural de la forma en que lo haría un humano y brindar resultados de búsqueda semántica apropiados en la web .
¿Qué significa eso?
Bueno, digamos que escribo en el campo de búsqueda de Google "que es el mamífero más pequeño".
Comprensiblemente, el motor de búsqueda responderá a mi pregunta basándose en la suposición de que quiero averiguar cuál es el mamífero más pequeño, en lugar de buscar coincidencias exactas de la frase que he escrito.
Así es como obtengo como primer resultado un artículo titulado “Los 6 mamíferos más pequeños del mundo” seguido de fotos de la musaraña etrusca, que, dicho sea de paso, es el mamífero más pequeño conocido del planeta.
Tratar de comprender el significado de mi consulta ayuda a los motores de búsqueda semántica a sugerir correcciones para las palabras mal escritas.
Por lo tanto, si escribo mal la palabra mamífero, Google sugerirá que en lugar de "mamal" probablemente esté buscando "mamífero".
¿Cómo surgió la búsqueda semántica?
Nuestra especie se siente atraída a buscar el orden y, si falta, no podemos evitar intentar crearlo.
Por tanto, es comprensible que estemos construyendo un mundo virtual que responda a nuestra necesidad de orden y tiempo optimizado.
Además de proporcionar las respuestas adecuadas, los motores de búsqueda también les dan sentido con la ayuda de la inteligencia artificial.
Utilizan el aprendizaje automático de búsqueda semántica para ayudar a procesar y clasificar la información, y también pueden comprender el habla humana natural.
Todo esto, al final, proporciona resultados adecuados a nuestras consultas.
Pero, ¿cómo pueden responder a preguntas como "La dona más grande del mundo"?
La búsqueda semántica ha surgido de la web semántica, así que para ser fiel a mi propia naturaleza de búsqueda de orden, veamos primero qué es la web semántica .
Origen de la web semántica
En resumen: la Web Semántica es una extensión de la World Wide Web.
Y de acuerdo con el Consorcio World Wide Web (W3C), proporciona un marco común para compartir y reutilizar los datos.
Esto es válido en aplicaciones, empresas y comunidades.
El marco, u "ontología", como se le conoce en el campo de la ciencia de la información, reúne hechos e información que eventualmente se convierte en un sistema de conocimiento.
En pocas palabras, la web semántica estructura y etiqueta los datos de una manera que las computadoras pueden leer.
La web semántica permite el análisis de entradas específicas basadas en la red o factores relacionados. Utiliza conjuntos, propiedades y relaciones para dar sentido a la gran cantidad de datos que componen la Web.
Lo compararía con mi intento de construir mi árbol genealógico.
Definitivamente fallaré en descubrir quiénes son las personas que mi abuela dice que son mis primos lejanos por parte de mi madre. Me falta contexto, ya que no los conozco.
La web semántica, sin embargo, hace un mejor trabajo resolviendo las cosas.
La visión de la web semántica
La máxima ambición de la Web Semántica, como la vio su fundador Tim Berners-Lee, es permitir que las computadoras manipulen mejor la información en nuestro nombre.
El concepto de lo que es la web semántica ha evolucionado hasta convertirse en los dos tipos importantes de datos que la forman en la actualidad: datos abiertos enlazados y metadatos semánticos .
Orden en el caos: poner en orden las herramientas de búsqueda semántica
Los datos abiertos vinculados (LOD) se modelan como un gráfico y se publican de una manera que permite la interconexión entre servidores.
Básicamente, representa datos estructurados . En 2006, Tim Berners-Lee formalizó las Cuatro reglas de datos vinculados como:
- Utilice identificadores de recursos universales (URI) como nombres para las cosas.
- Use HTTP URI para que las personas puedan buscar esos nombres.
- Cuando alguien busque un URI, proporcione información útil utilizando un formato estándar (RDF, SPARQL).
- Incluya enlaces a otros URI. para que puedan descubrir más cosas.
LOD permite que tanto las personas como las máquinas accedan a los datos en diferentes servidores e interpreten su semántica con mayor facilidad.
Como resultado, la Web Semántica cambia de un espacio que comprende documentos vinculados a un espacio que comprende información vinculada.
Eso, a su vez, permite una red interconectada de significado, procesable por una máquina.
Hay miles de conjuntos de datos, publicados como LOD en diferentes sectores.
Algunos ejemplos son enciclopedias, datos geográficos, datos gubernamentales, bases de datos y artículos científicos, entretenimiento, viajes, etc.
Dado que están interconectados, estos conjuntos de datos forman una red gigante de datos o un gráfico de conocimiento.
El gráfico conecta una gran cantidad de descripciones de entidades y conceptos de importancia general.
A Game of Tag - Herramientas de búsqueda semántica vol. 2
La segunda herramienta importante con la que cuenta la web semántica son los metadatos semánticos.
Se trata básicamente de etiquetas semánticas, que se añaden a las páginas web habituales para describir mejor su significado.
Por ejemplo, la página de inicio del Premio Nobel se puede anotar semánticamente con referencias a varios conceptos y entidades relevantes: Suecia, avances académicos, cultura y premios, entre otros.
Estas relaciones bien determinadas entre los sujetos y los resultados correspondientes se representan mejor a través de esquemas de metadatos estructurados , como Schema.org
Los metadatos facilitan la búsqueda de páginas web basadas en criterios semánticos.
Al aprender de los resultados anteriores y crear vínculos entre entidades, un motor de búsqueda podría deducir la respuesta a la consulta de un buscador, en lugar de proporcionar varios vínculos que pueden contener o no la respuesta correcta.
Los metadatos resuelven cualquier posible ambigüedad y aseguran que cuando busquemos a Prince (el músico), no obtendremos páginas sobre ninguno de los muchos príncipes que son de la realeza, por ejemplo .
Puedes agradecer a la web semántica por eso.
Ahora.
La estructura de la web semántica nos da la idea de qué es la búsqueda semántica. Incluso nos dice cómo un motor de búsqueda determina cuál es la dona más grande del mundo.
Pero
Echemos un vistazo a su historia.
Visionarios en el campo de la búsqueda semántica
Como ocurre con cualquier movimiento a gran escala, hay un líder detrás del cambio. Ya hemos mencionado el nombre de Tim Berners-Lee, de quien muchos sostienen que es el hombre detrás de la búsqueda semántica.
En 1998, durante la infancia de la web moderna, Berners-Lee ya estaba hablando de la idea en un informe que publicó, titulado Semantic Web Road Map.
21 años después, sus ideas han sido adoptadas y la búsqueda semántica es una realidad.
Google fue la empresa que provocó el cambio y dio paso al auge de la búsqueda semántica .
“Las máquinas deberían poder comunicarse entre sí al igual que los humanos”, afirmó Berners-Lee.
Google ahora está trabajando para cumplir su visión.
¿Cómo?
El punto de inflexión para la búsqueda semántica
Si bien han sucedido muchas cosas desde 1998, 2012 fue el punto de inflexión para la búsqueda semántica.
Fue durante este año que el 20% de todas las búsquedas en Google fueron nuevas. No solo eso, sino que las palabras clave de cola larga representaron alrededor del 70% de todas las búsquedas.
Esto le dijo a Google que los usuarios se estaban interesando en usar su motor de búsqueda como una herramienta para responder preguntas y resolver problemas.
Ya no se trataba simplemente de buscar hechos y encontrar sitios web individuales.
Y así se dio el primer paso hacia una actualización semántica .
El gráfico de conocimiento
Introducido en 2012, el Gráfico de conocimiento marcó el cambio de Google para comprender las entidades y el contexto, en lugar de comparar sin pensar cadenas de palabras clave.
O como lo expresó Google, "cosas, no cadenas".
¿Qué es el Gráfico de conocimiento?
Wikipedia afirma que Google y sus servicios utilizan el Gráfico de conocimiento para mejorar los resultados de su motor de búsqueda con información de una variedad de fuentes.
En otras palabras, un gráfico de conocimiento es una forma programática de modelar un dominio de conocimiento, con la ayuda de expertos en el tema, interconexión de datos y algoritmos de aprendizaje automático.
Lo que hizo de este gráfico en particular una herramienta de búsqueda semántica fue la forma en que recopilaba información.
Recopiló datos, que se consideraron de dominio público (por ejemplo, desde el tamaño de la Tierra hasta los nombres de los miembros de una banda), junto con las propiedades de cada entidad (cumpleaños, hermanos, padres, ocupaciones, todo lo que se pueda vincular a eso). entidad.)
O
Podemos decir que se construyó sobre las bases de datos existentes para vincular grandes cantidades de datos, combinando información estructurada (listas) y no estructurada.
El gráfico de conocimiento recopila información que los motores de búsqueda necesitan para dar respuestas sensatas.
El gráfico de Google prepara el escenario para los cambios algorítmicos a gran escala que se avecinan. Y pronto fue seguido por Hummingbird.
Acelerando hacia el éxito con Hummingbird
Hummingbird fue un punto de inflexión. El algoritmo impactó alrededor del 90% de las búsquedas en todo el mundo.
Fue diseñado para ser preciso y rápido y muchos se refieren a él como la herramienta que introdujo la "búsqueda conversacional" en la actividad de búsqueda.
Fue la estrella de la tecnología de búsqueda semántica .
Sin embargo, Hummingbird hace más que ofrecer respuestas a consultas conversacionales.
El algoritmo presta atención a cada palabra en una consulta.
Luego, se asegura de que se tenga en cuenta toda la consulta, la oración completa o el significado, en lugar de palabras en particular.
La intención es obtener páginas que coincidan con el significado más profundo, en lugar de solo las palabras reales.
Hay más.
Además de las mejoras en la velocidad y precisión de la actualización de Hummingbird, Google se aseguró de integrar la búsqueda semántica.
Mejoraron significativamente su comprensión de las consultas de búsqueda, incluso la búsqueda de cola larga, y por lo tanto la intención del usuario.
Como resultado:
Se identificaron, dirigieron e interpretaron consultas completas y las relaciones de los grupos de palabras dentro de las consultas de búsqueda.
Los efectos del algoritmo Hummingbird
Las mejoras de Hummingbird se centraron especialmente en la búsqueda contextual y conversacional.
Ambas áreas están fuertemente ligadas a la semántica fundamental y la relación entre palabras.
Ahora.
El algoritmo procesa el lenguaje natural para recuperar resultados de nicho para consultas tanto a nivel de cabeza como de cola larga.
En otras palabras, utiliza la búsqueda contextual donde Google devuelve cada vez más resultados que coinciden con la intención detrás de la consulta.
Los resultados ya no se limitan a las palabras en sí, sino que incluyen una interpretación de la intención de los términos de búsqueda.
¿Cómo exactamente?
Lo que hace la herramienta es comprobar las relaciones que no se han modelado explícitamente.
El proceso combina gramática, estadísticas y diccionarios para lograr un etiquetado relacional.
Al evaluar la intención de una manera semántica y enfocarse en sinónimos y temas relacionados con el tema, Hummingbird permite a sus usuarios buscar con confianza temas y subtemas en lugar de intentar “abracadabra” su camino a través de la búsqueda.
El algoritmo es en muchos sentidos una definición de búsqueda semántica.
Un ejemplo que ilustra cómo funciona realmente Hummingbird puede ser una búsqueda, como "Presidente de Inglaterra".
Ahora.
Inglaterra no tiene un presidente, sino un primer ministro, que es el jefe de gobierno. Inglaterra también tiene un Jefe de Estado, que es la Reina.
Y Google lo sabe, por lo que mostrará resultados relacionados con el Primer Ministro o la Reina.
En cierto modo, Hummingbird permite a las personas obtener una respuesta a una pregunta que no saben cómo formular y seleccionar resultados que ayuden a los usuarios a encontrar lo que buscan.
Orientado a la ubicación
Otra mejora que aporta Hummingbird son los resultados orientados a lo local.
Gracias al uso del contexto, los resultados locales se vuelven más precisos.
Entonces, cuando esté buscando buenos restaurantes italianos, Google asumirá que desea cenar en su ciudad.
Es por eso que usará sus datos de ubicación para recomendar una buena pizza en su área, en lugar de enumerar restaurantes en Italia.
A menudo damos por sentada la precisión con la que obtenemos los resultados correctos.
Es la fructífera cosecha de años de investigación y desarrollo entre bastidores.
El sueño de la búsqueda semántica tomó forma a través de una combinación de procesamiento del lenguaje conversacional y comprensión de la intención humana basada en datos de ubicación.
Hummingbird fue un avance importante para la búsqueda semántica, pero Google no se detuvo allí.
Otra mejora bastante importante que introdujeron más tarde fue RankBrain.
Inteligencia artificial en el mundo de la web semántica
RankBrain es la herramienta de aprendizaje automático de búsqueda semántica que surgió como una respuesta a un problema con el que se topó Google al responder consultas de palabras clave.
Hace unos años, alrededor del 15% de las búsquedas que realizaba Google consistían en palabras que nunca antes había visto.
No tenía forma de saber exactamente lo que buscaba el usuario.
En la primera lectura, el 15% puede no parecer gran cosa.
Aún así, Google procesa miles de millones de solicitudes todos los días, por lo que el porcentaje fue un número bastante significativo en términos absolutos.
Aproximadamente 450 millones de búsquedas tenían palabras clave que nunca antes se procesaron.
Entonces, ¿qué haces cuando no sabes cómo responder una pregunta?
¿Adivinar?
Eso es lo que solía hacer Google cuando recibía solicitudes de cualquiera de esas palabras clave desconocidas.
Desafortunadamente, eso no condujo a resultados precisos. El motor de búsqueda solo buscaba páginas que contenían todas las palabras clave que el usuario había ingresado, sin comprender la intención detrás de ellas.
No sabía cómo implementar y producir una búsqueda semántica para solicitudes que el motor de búsqueda nunca había recibido antes.
Eso empujó a Google a encontrar una solución e introducir una herramienta que pudiera aprender sobre la marcha.
Ingrese RankBrain
El algoritmo del motor de búsqueda basado en aprendizaje automático ayuda a Google a procesar los resultados de búsqueda y proporcionar resultados de búsqueda más relevantes para los usuarios.
Google utiliza el algoritmo de IA no solo para resolver esas consultas de búsqueda, sino también para procesarlas y comprenderlas.
¿Qué cambió con RankBrain?
Antes de RankBrain, el 100% del algoritmo de Google estaba codificado a mano.
Por lo tanto, el proceso se basó mucho en ingenieros humanos que intentaron adivinar qué mejoraría los resultados de búsqueda.
Hoy en día, los ingenieros humanos todavía trabajan en el algoritmo, pero RankBrain también hace lo suyo en segundo plano.
El proceso
En resumen, RankBrain puede modificar su propio algoritmo para producir una mejor respuesta.
Dependiendo de la palabra clave, RankBrain aumenta o disminuye la importancia de los vínculos de retroceso, la actualidad del contenido, la longitud del contenido, la autoridad del dominio y otras variables de clasificación.
Luego, observa cómo los usuarios interactúan con los nuevos resultados de búsqueda. Si les gusta más el nuevo algoritmo, se queda.
De lo contrario, RankBrain revierte el algoritmo anterior.
Con la ayuda de su actualización semántica inteligente , Google puede descubrir a qué te refieres, incluso si no ha vinculado previamente tu consulta.
¿Cómo?
Al hacer coincidir sus palabras clave nunca antes vistas con palabras clave que ha visto antes.
Para ver un ejemplo de cómo funciona la web semántica , Google RankBrain puede haber notado que la gente busca "la dona más grande del mundo".
Y se había enterado de que las personas que buscan eso, más o menos buscan encontrar la dona más grande jamás hecha.
Entonces, cuando alguien busca "la dona más grande del mundo", RankBrain muestra resultados similares.
Y en el caso de Doughnut, las primeras tres páginas web que obtiene para ambas búsquedas son las mismas.
El método de RankBrain
Google ha comentado cómo están usando el aprendizaje automático para comprender mejor la intención del buscador a través de una tecnología llamada " Word2vec " que convierte las palabras clave en conceptos.
Por ejemplo, dicen que esta tecnología de web semántica "entiende que París y Francia están relacionados de la misma manera que Berlín y Alemania (capital y país), y diferente a Madrid e Italia".
E incluso si no han mencionado específicamente que esta es la forma en que RankBrain también funciona, podemos suponer que utiliza una tecnología similar.
Volviendo a la idea de conceptos sobre la concordancia de palabras clave, RankBrain intenta dar resultados basados en la intención de su búsqueda.
Satisfacción del usuario vs RankBrain
Claro, RankBrain puede arriesgarse a comprender nuevas palabras clave. E incluso puede ajustar el algoritmo por sí solo.
La pregunta número uno entonces es:
Una vez que RankBrain muestra un conjunto de resultados, ¿cómo sabe si son buenos?
Bueno - observa.
RankBrain usa señales UX, al menos ese es el término técnico.
En palabras más simples, esto significa que RankBrain te muestra un conjunto de resultados de búsqueda que cree que te gustarán.
Si a muchas personas les gusta una entrada en particular, le darán a esa página un impulso de clasificación.
¿Y si no lo hacen?
Luego, el algoritmo descarta esa página y la reemplaza por otra diferente.
¿Qué observa RankBrain exactamente?
Presta mucha atención a cómo interactuamos con los resultados de búsqueda.
Hay varias señales que está monitoreando:
- Tasa de clics orgánicos (CTR)
- Tiempo de permanencia
- Porcentaje de rebote
- Pogo-sticking
Estos se conocen como señales de experiencia del usuario (señales UX).
Veamos un ejemplo y veamos cómo la web semántica de Google interpretaría mi búsqueda.
Si busco "el mejor dron para niños", el primer resultado que obtengo es un artículo publicado a mediados de junio.
Esto recuerda la frescura del contenido que evalúa RankBrain al sugerir respuestas a consultas.
Pero dejémoslo por el momento.
El algoritmo prestará atención al sitio web que abro. Se comparará cuántas veces se ha abierto antes para obtener resultados similares, dando así el CTR.
Una vez que haya abierto la página, RankBrain observará mi tiempo de permanencia. Este es el tiempo que paso en el sitio web. De esa manera, el algoritmo estimará si la información me resultó útil.
Si abro para ver contenido que no tiene nada que ver con mi consulta o se presenta mal, volveré rápidamente a la página de resultados.
Si suficientes personas hacen eso, la clasificación del sitio web caerá.
Y si la página no se carga a tiempo, aumenta la posibilidad de rebote y, con ello, la clasificación de la página se desploma.
Ahora, digamos que no puedo encontrar lo que estoy buscando con mi primer clic en una página. Probablemente seguiré probando los resultados que obtengo hasta encontrarlo.
Y ese es otro factor que RankBrain utiliza para analizar el éxito de su trabajo: el pogo-stick.
Cuanto más vaya y venga, menos probable es que RankBrain sugiera esas desafortunadas páginas al próximo usuario con búsquedas similares.
Ahora.
Hemos cubierto las herramientas semánticas básicas que utilizan los motores de búsqueda como Google para comprender y sugerir respuestas adecuadas a las solicitudes de sus usuarios.
Entonces, podemos echar un vistazo a cómo podemos usarlos para nuestro beneficio.
Cómo optimizar el contenido para el SEO semántico
Para los SEO, comprender la búsqueda semántica tiene grandes beneficios. Una gran parte es la capacidad de mantenerse a la cabeza en la carrera.
Hay varios pasos para una buena estrategia de SEO semántico sugeridos por expertos de todo el mundo.
Y a medida que la búsqueda semántica se vuelve más influyente a medida que pasa el tiempo, esos pasos son un buen consejo para ayudar a cualquiera a optimizar su contenido y clasificar mejor su sitio web.
- Considere temas, en lugar de solo palabras clave
- Hacer coincidir el contenido con la intención de búsqueda
- Incluya palabras clave relacionadas en su contenido
- Optimice su contenido para obtener fragmentos destacados
- Incluir datos estructurados en el contenido
- Considere temas en lugar de solo palabras clave
Como vimos anteriormente en el artículo, se trata de temas: el contexto de la búsqueda. Y Google y otros motores de búsqueda buscan brindarnos los resultados más relevantes.
Por tanto, el contenido debería ser más completo e informativo que nunca.
Si está pensando en crear páginas de contenido cortas y planas para cada variación de una consulta de búsqueda amplia, no se moleste. En su lugar, debe crear una guía completa y duradera que cubra todo el tema.
Luego, debe utilizar las mejores prácticas de optimización de palabras clave para asegurarse de que el contenido esté completamente optimizado tanto para los motores de búsqueda como para los lectores.
Hacer coincidir el contenido con la intención de búsqueda
Antes de crear contenido para las palabras clave de SEO a las que desea dirigirse, debe preguntar por qué el usuario buscaría esa frase. Establezca qué intención representa la palabra clave y también le resultará mucho más fácil atraer a su audiencia.
La intención de la palabra clave puede ser:
- Informativo: el usuario está tratando de aprender algo, por lo que usa palabras clave "saber" para buscar información y obtener respuestas;
- Navegación: el usuario está intentando navegar a un sitio específico o encontrar un artículo específico, por lo que usa palabras clave "ir" para encontrar el sitio web de una marca conocida;
- Transaccional: el usuario está intentando realizar una compra, por lo que utiliza palabras clave "hacer" para encontrar un producto para comprar o una página para realizar una transacción.
Incluir palabras clave relacionadas en el contenido
Para verificar la barra semántica de la búsqueda semántica, debe agregar palabras clave relacionadas o latentes de indexación semántica (LSI) al contenido.
Las palabras clave de LSI son frases que están estrechamente relacionadas con una palabra clave de destino. Dan contexto al contenido y ayudan a los motores de búsqueda a comprender mejor lo que significa el contenido y cómo sirve al público.
Entonces, cuando hablas de chocolate, al menos debes relacionarlo con el cacao.
Optimizar el contenido para los fragmentos destacados
A los motores de búsqueda les gusta mostrar resultados enriquecidos que brindan a los usuarios la información que desean, directamente en su página de resultados.
Para aumentar la visibilidad de la búsqueda, es posible que desee:
- Optimice el contenido para cuadros de respuesta y fragmentos destacados de párrafos, listas y tablas
- Responda claramente a las preguntas del contenido centrándose en palabras clave de cola larga.
- Utilice el formato para hacer que la información sea una opción atractiva para los fragmentos destacados
Finalmente, incluya datos estructurados en el contenido
Otra forma de ayudar a los motores de búsqueda a comprender el significado y la relevancia de su contenido es a través de datos estructurados.
Los datos estructurados, o marcado de esquema , es una forma de microdatos que agrega contexto adicional para copiar en una página web.
Utiliza un conjunto de estructuras de datos estándar que categorizan el contenido para los motores de búsqueda.
Esta información adicional ayuda a los motores de búsqueda a clasificar el contenido e identificar la información que se puede mostrar en los resultados de búsqueda enriquecidos.
En términos prácticos, todo lo que hemos dicho hasta ahora se reduce a una cosa.
Para aprovechar al máximo nuestra presencia en línea, la información que publicamos debe estar organizada semánticamente.
El contexto es el futuro de la búsqueda web semántica. Si bien todavía quedan piezas del rompecabezas por recopilar, la web semántica ya está viva.
Quizás no esté lejos el día en que una red inteligente de próxima generación nos ayude a programar nuestras citas, hacer nuestras compras, encontrar la información que necesitamos y conectarnos con personas de ideas afines.
Además, hacerlo de forma autónoma.
No tendremos que preguntar qué es la búsqueda semántica entonces, seguro. Se habrá convertido en una parte indisoluble de nuestra vida cotidiana.