Recherche sémantique – le vent du changement

Qu'est-ce que la recherche sémantique ?

Sous le terme technique brut se cache un désir innocent, aussi vieux que l'humanité elle-même.

Nous avons toujours essayé de regarder au-delà des apparences et d'atteindre le sens profond de ce qui nous entoure.

À l'occasion, cela nous a conduit à des prises de conscience profondes. À d'autres moments, nous avons réussi à échouer de façon spectaculaire.

Maintenant, nous avons la technologie pour booster et approfondir notre quête de sens.

Entrez la recherche sémantique.

La magie des mots et la recherche sémantique

La sémantique est le côté fascinant de la linguistique, attribué à la tâche de chercher un sens.

Sens des mots et leur relation les uns avec les autres. La sémantique doit expliquer pourquoi nous choisissons certains mots et expressions pour décrire les choses.

Ce qui définit la sémantique comme une partie essentielle de la recherche sémantique, c'est le désir que nous avons de rechercher et de créer des connexions.

Imaginez chercher une aiguille dans une botte de foin - une expérience indéniablement éprouvante pour les nerfs.

Vous chercheriez des choses sur Internet avec à peu près le même niveau de succès sans les outils permettant d'obtenir des résultats rapides et intuitifs.

Heureusement, la volonté de rendre nos vies structurées et connectées se traduit même dans la façon dont nous recherchons des choses sur le Web. C'est ainsi qu'est née la recherche sémantique.

Nous obtenons une explication plus détaillée de ce qu'est la recherche sémantique à partir d'une publication de Hannah Bast et de ses co-auteurs.

Comme ils le décrivent, la recherche sémantique est une « recherche avec sens ». Et nous pouvons trouver un sens dans au moins quelques parties du processus de recherche.

Tout d'abord, dans la requête elle-même. Ici, nous devons déterminer la véritable intention derrière la demande.

Ensuite, nous devons considérer les données que nous devons récupérer et si elles correspondent vraiment à ce que nous recherchons.

Ou, si nous présentons correctement les informations afin qu'elles aient un sens pour la recherche.

Décomposer le sens de la recherche sémantique

Pour le dire en termes simples, la recherche sémantique cherche à comprendre le langage naturel comme le ferait un humain et à donner des résultats de recherche sémantiques appropriés sur le Web .

Qu'est-ce que ça veut dire?

Eh bien, disons que je tape dans le champ de recherche de Google « quel est le plus petit mammifère ».

Le moteur de recherche répondra, naturellement, à ma question en partant de l'hypothèse que je veux savoir quel est le plus petit mammifère - plutôt que de rechercher des correspondances exactes de la phrase que j'ai tapée.

C'est ainsi que j'obtiens comme premier résultat un article intitulé « Les 6 plus petits mammifères du monde » suivi de photos de la musaraigne étrusque – qui est d'ailleurs le plus petit mammifère connu de la planète.

Chercher à comprendre le sens de ma requête aide les moteurs de recherche sémantique à suggérer également des corrections pour les mots mal orthographiés.

Donc, s'il m'arrive de mal orthographier le mot mammifère, Google suggérera qu'au lieu de « mamal », je cherche probablement « mammifère ».

Comment est née la recherche sémantique ?

Notre espèce est attirée par la recherche de l'ordre – et s'il en manque, nous ne pouvons nous empêcher d'essayer de le créer.

Il est donc compréhensible que nous construisions un monde virtuel qui répond à notre besoin d'ordre et d'optimisation du temps.

En plus de fournir les bonnes réponses, les moteurs de recherche leur ajoutent également du sens à l'aide de l'intelligence artificielle.

Ils utilisent l'apprentissage automatique de la recherche sémantique pour aider à traiter et à classer les informations, et peuvent également comprendre la parole humaine naturelle.

Tout cela, en fin de compte, fournit des résultats adéquats à nos requêtes.

Mais comment sont-ils capables de répondre exactement à des questions telles que « Le plus gros beignet du monde ? »

La recherche sémantique a émergé du web sémantique, donc pour être fidèle à ma propre nature de recherche d'ordre, regardons d'abord ce qu'est le web sémantique .

Origine du Web sémantique

En bref : le Web sémantique est une extension du World Wide Web.

Et selon le World Wide Web Consortium (W3C), il fournit un cadre commun pour le partage et la réutilisation des données.

Ceci est valable pour toutes les applications, les entreprises et les communautés.

Le cadre, ou « ontologie », comme on l'appelle dans le domaine des sciences de l'information, rassemble des faits et des informations qui finissent par devenir un système de connaissances.

Pour faire simple, le Web sémantique structure et balise les données d'une manière que les ordinateurs peuvent lire.

Le Web sémantique permet l'analyse d'entrées spécifiques en fonction du réseau ou de facteurs connexes. Il utilise des ensembles, des propriétés et des relations pour donner un sens à la grande quantité de données qui composent le Web.

Je le comparerais à moi essayant de construire mon arbre généalogique.

Je ne parviendrai certainement pas à découvrir qui sont les personnes que ma grand-mère prétend être mes cousins ​​éloignés du côté de ma mère. Je manque de contexte, car je ne les connais pas.

Le Web sémantique, cependant, fait un meilleur travail pour trier les choses.

La vision du Web sémantique

L'ambition ultime du Web sémantique, vue par son fondateur Tim Berners-Lee, est de permettre aux ordinateurs de mieux manipuler l'information en notre nom.

Le concept de ce qu'est le Web sémantique a évolué vers les deux types de données importants qui le composent aujourd'hui : les données ouvertes liées et les métadonnées sémantiques .

Ordre dans le chaos - Faire le ménage avec les outils de recherche sémantique

Les données ouvertes liées (LOD) sont modélisées sous forme de graphique et publiées de manière à permettre l'interconnexion entre les serveurs.

Il représente essentiellement des données structurées . En 2006, Tim Berners-Lee a formalisé les quatre règles des données liées comme suit :

1. Utilisez des identifiants de ressources universels (URI) comme noms pour les choses.
2. Utilisez des URI HTTP pour que les gens puissent rechercher ces noms.
3. Lorsque quelqu'un recherche un URI, fournissez des informations utiles, en utilisant un formatage standard (RDF, SPARQL).
4. Incluez des liens vers d'autres URI. afin qu'ils puissent découvrir plus de choses.

LOD permet aux personnes et aux machines d'accéder aux données sur différents serveurs et d'interpréter plus facilement sa sémantique.

En conséquence, le Web sémantique passe d'un espace composé de documents liés à un espace composé d'informations liées.

Cela, à son tour, permet un réseau interconnecté de sens, traitable par une machine.

Il existe des milliers d'ensembles de données, publiés sous forme de LOD dans différents secteurs.

Quelques exemples sont les encyclopédies, les données géographiques, les données gouvernementales, les bases de données et articles scientifiques, les divertissements, les voyages, etc.

Puisqu'ils sont interconnectés, ces ensembles de données forment une toile géante de données ou un Knowledge Graph.

Le graphique relie une grande quantité de descriptions d'entités et de concepts d'importance générale.

A Game of Tag – Outils de recherche sémantique Vol. 2

Le deuxième outil important sur lequel le web sémantique compte est les métadonnées sémantiques.

Il s'agit essentiellement de balises sémantiques, ajoutées aux pages Web normales afin de mieux décrire leur signification.

Par exemple, la page d'accueil du prix Nobel peut être annotée sémantiquement avec des références à plusieurs concepts et entités pertinents – Suède, avancées académiques, culture et récompense, entre autres.

Ces relations bien déterminées entre les sujets et les résultats correspondants sont mieux représentées par des schémas de métadonnées structurés , tels que Schema.org

Les métadonnées facilitent grandement la recherche de pages Web en fonction de critères sémantiques.

En apprenant des résultats passés et en créant des liens entre les entités, un moteur de recherche pourrait alors être en mesure de déduire la réponse à la requête d'un chercheur, plutôt que de fournir plusieurs liens qui peuvent ou non contenir la bonne réponse.

Les métadonnées résolvent toute ambiguïté potentielle et garantissent que lorsque nous recherchons Prince (le musicien), nous n'obtiendrons pas de pages sur l'un des nombreux princes qui font partie de la royauté, par exemple .

Vous pouvez remercier le web sémantique pour cela.

Maintenant.

La structure du web sémantique nous donne une idée de ce qu'est la recherche sémantique. Il nous dit même comment un moteur de recherche détermine quel est le plus gros beignet du monde.

Mais

Jetons un coup d'œil à son histoire.

Visionnaires dans le domaine de la recherche sémantique

Comme pour tout mouvement à grande échelle, il y a un leader derrière le changement. Nous avons déjà mentionné le nom de Tim Berners-Lee, dont beaucoup soutiennent qu'il est l'homme derrière la recherche sémantique.

En 1998, à l'aube du Web moderne, Berners-Lee parlait déjà de l'idée dans un rapport qu'il a publié, intitulé Semantic Web Road Map.

21 ans plus tard, ses idées ont été adoptées et la recherche sémantique est une réalité.

Google a été l'entreprise qui a apporté le changement et a cédé la place à la montée en puissance de la recherche sémantique .

« Les machines devraient pouvoir communiquer entre elles, tout comme les humains le peuvent », a déclaré Berners-Lee.

Google travaille maintenant à réaliser sa vision.

Comment?

Le tournant de la recherche sémantique

Alors que beaucoup de choses se sont passées depuis 1998, 2012 a été le tournant de la recherche sémantique.

C'est au cours de cette année que 20% de toutes les recherches Google étaient nouvelles. Non seulement cela, mais les mots-clés à longue traîne représentaient environ 70% de toutes les recherches.

Cela a indiqué à Google que les utilisateurs commençaient à s'intéresser à l'utilisation de leur moteur de recherche comme outil pour répondre aux questions et résoudre les problèmes.

Il ne s'agissait plus seulement de rechercher des faits et de trouver des sites Web individuels.

Et c'est ainsi que le premier pas vers une mise à jour sémantique a été fait.

Le graphique des connaissances

Introduit en 2012, le Knowledge Graph a marqué le passage de Google à la compréhension des entités et du contexte, au lieu de comparer sans réfléchir des chaînes de mots-clés.

Ou comme Google l'a exprimé, "des choses, pas des chaînes".

Qu'est-ce que le Knowledge Graph ?

Wikipedia déclare que Google et ses services utilisent le Knowledge Graph pour améliorer les résultats de son moteur de recherche avec des informations provenant de diverses sources.

En d'autres termes, un graphe de connaissances est un moyen programmatique de modéliser un domaine de connaissances - avec l'aide d'experts en la matière, de l'interconnexion de données et d'algorithmes d'apprentissage automatique.

Ce qui a fait de ce graphique particulier un outil de recherche sémantique, c'est la façon dont il a collecté des informations.

Il a rassemblé des données, qui étaient considérées comme du domaine public (par exemple, de la taille de la Terre aux noms des membres d'un groupe), ainsi que les propriétés de chaque entité (anniversaires, frères et sœurs, parents, professions - tout ce qui peut être lié à cela entité.)

Ou

Nous pouvons dire qu'il s'appuie sur les bases de données existantes pour relier de grandes quantités de données, combinant à la fois des informations structurées (listes) et non structurées.

Le graphe de connaissances rassemble les informations dont les moteurs de recherche ont besoin pour donner des réponses judicieuses.

Le graphique de Google prépare le terrain pour les changements algorithmiques à grande échelle à venir. Et bientôt, il a été suivi par Hummingbird.

Accélérer vers le succès avec Hummingbird

Colibri a été un tournant. L'algorithme a impacté environ 90% des recherches dans le monde.

Il a été conçu pour être précis et rapide et beaucoup le considèrent comme l'outil qui a introduit la « recherche conversationnelle » dans l'activité de recherche.

C'était la star de la technologie de recherche sémantique .

Cependant, Hummingbird fait plus que simplement offrir des réponses aux requêtes conversationnelles.

L'algorithme fait attention à chaque mot dans une requête.

Ensuite, il s'assure que l'ensemble de la requête, la phrase entière ou le sens est pris en compte, plutôt que des mots particuliers.

L'intention est d'obtenir des pages correspondant au sens le plus profond, plutôt qu'aux mots réels.

Il y a plus.

En plus des améliorations de vitesse et de précision de la mise à jour Hummingbird, Google s'est assuré qu'elle intègre la recherche sémantique.

Ils ont considérablement amélioré leur compréhension des requêtes de recherche - même la recherche à longue traîne - et donc l'intention de l'utilisateur.

Par conséquent:

Des requêtes entières et les relations de groupes de mots au sein des requêtes de recherche ont été identifiées, ciblées et interprétées.

Les effets de l'algorithme du colibri

Les améliorations de Hummingbird étaient particulièrement axées sur la recherche contextuelle et conversationnelle.

Les deux domaines sont fortement liés à la sémantique fondamentale et à la relation entre les mots.

Maintenant.

L'algorithme traite le langage naturel afin de récupérer des résultats de niche pour les requêtes à la fois au niveau de la tête et de la longue queue.

En d'autres termes, il utilise la recherche contextuelle où Google renvoie de plus en plus de résultats qui correspondent à l'intention derrière la requête.

Les résultats ne se limitent plus aux mots eux-mêmes, mais incluent une interprétation de l'intention des termes de recherche.

De quelle façon précisément?

L'outil vérifie les relations qui n'ont pas été explicitement modélisées.

Le processus combine la grammaire, les statistiques et les dictionnaires pour réaliser le balisage relationnel.

En évaluant l'intention de manière sémantique et en se concentrant sur les synonymes et les sujets liés au thème, Hummingbird permet à ses utilisateurs de rechercher en toute confiance des sujets et des sous-sujets au lieu d'essayer de « abracadabra » leur chemin à travers la recherche.

L'algorithme est à bien des égards une définition de la recherche sémantique.

Un exemple illustrant le fonctionnement réel de Hummingbird peut être une recherche, telle que « Président de l'Angleterre ».

Maintenant.

L'Angleterre n'a pas de président, mais un premier ministre, qui est le chef du gouvernement. L'Angleterre a également un chef d'État, qui est la reine.

Et Google le sait, il affichera donc les résultats liés au Premier ministre ou à la reine.

D'une certaine manière, Hummingbird permet aux utilisateurs d'obtenir une réponse à une question qu'ils ne savent pas comment poser – et d'organiser des résultats qui aident les utilisateurs à trouver ce qu'ils recherchent.

Orienté emplacement

Une autre amélioration apportée par Hummingbird concerne les résultats locaux.

Grâce à l'utilisation du contexte, les résultats locaux deviennent plus précis.

Ainsi, lorsque vous recherchez de bons restaurants italiens, Google supposera que vous souhaitez dîner dans votre ville.

C'est pourquoi il utilisera vos données de localisation pour recommander une bonne pizza dans votre région, au lieu de répertorier les restaurants en Italie.

Nous tenons souvent pour acquis la précision avec laquelle nous obtenons les bons résultats.

C'est la récolte fructueuse d'années de recherche et de développement en coulisses.

Le rêve de la recherche sémantique a pris forme grâce à une combinaison de traitement du langage conversationnel et de compréhension de l'intention humaine basée sur des données de localisation.

Hummingbird a été une percée importante pour la recherche sémantique, mais Google ne s'est pas arrêté là.

Une autre amélioration assez importante qu'ils ont introduite plus tard était RankBrain.

L'intelligence artificielle dans le monde du Web sémantique

RankBrain est l' outil d' apprentissage automatique de recherche sémantique qui est venu comme une réponse à un problème sur lequel Google est tombé en répondant à des requêtes de mots clés.

Il y a quelques années, environ 15 % des recherches effectuées par Google portaient sur des mots qu'il n'avait jamais vus auparavant.

Il n'avait aucun moyen de savoir exactement ce que l'utilisateur recherchait.

À première vue, 15 % ne semble pas être un gros problème.

Pourtant, Google traite des milliards de demandes chaque jour, donc le pourcentage était un nombre assez important en termes absolus.

Quelque 450 millions de recherches avaient des mots-clés qui n'avaient jamais été traités auparavant.

Alors, que faites-vous quand vous ne savez pas comment répondre à une question ?

Deviner?

C'est ce que Google avait l'habitude de faire lorsqu'il recevait des demandes pour l'un de ces mots clés inconnus.

Malheureusement, cela n'a pas conduit à des résultats précis. Le moteur de recherche a simplement recherché les pages contenant tous les mots-clés saisis par l'utilisateur, sans comprendre l'intention qui les sous-tend.

Il ne savait pas comment implémenter et produire une recherche sémantique pour des requêtes que le moteur de recherche n'avait jamais reçues auparavant.

Cela a poussé Google à trouver une solution et à introduire un outil qui pourrait apprendre en déplacement.

Entrez dans RankBrain

L' algorithme du moteur de recherche basé sur l'apprentissage automatique aide Google à traiter les résultats de recherche et à fournir des résultats de recherche plus pertinents pour les utilisateurs.

Google utilise l'algorithme d'IA non seulement pour résoudre ces requêtes de recherche, mais également pour les traiter et les comprendre.

Qu'est-ce qui a changé avec RankBrain ?

Avant RankBrain, 100% de l'algorithme de Google était codé à la main.

Ainsi, le processus reposait beaucoup sur des ingénieurs humains qui essayaient de deviner ce qui améliorerait les résultats de la recherche.

Aujourd'hui, les ingénieurs humains travaillent toujours sur l'algorithme, mais RankBrain fait également son travail en arrière-plan.

Le processus

En bref, RankBrain peut modifier son propre algorithme pour produire une meilleure réponse.

Selon le mot-clé, RankBrain augmente ou diminue l'importance des backlinks, la fraîcheur du contenu, la longueur du contenu, l'autorité de domaine et d'autres variables de classement.

Ensuite, il observe comment les utilisateurs interagissent avec les nouveaux résultats de recherche. S'ils aiment mieux le nouvel algorithme, il le reste.

Sinon, RankBrain annule l'ancien algorithme.

À l'aide de sa mise à jour sémantique intelligente , Google est capable de comprendre ce que vous voulez dire, même s'il n'a pas déjà lié votre requête.

Comment?

En faisant correspondre vos mots-clés inédits à des mots-clés qu'il a déjà vus.

Pour un exemple du fonctionnement du Web sémantique , Google RankBrain a peut-être remarqué que les gens recherchent « Le plus gros beignet du monde ».

Et il avait appris que les personnes qui recherchent cela cherchent à peu près à trouver le plus gros beignet jamais fabriqué.

Ainsi, lorsque quelqu'un recherche le « plus grand beignet du monde », RankBrain affiche des résultats similaires.

Et dans le cas du beignet, les trois premières pages Web que vous obtenez pour les deux recherches sont les mêmes.

La méthode de RankBrain

Google a commenté la façon dont ils utilisent l'apprentissage automatique pour mieux comprendre l'intention du chercheur grâce à une technologie appelée « Word2vec » qui transforme les mots-clés en concepts.

Par exemple, ils disent que cette technologie du Web sémantique « comprend que Paris et la France sont liés de la même manière que Berlin et l'Allemagne (capitale et pays) et différemment de Madrid et de l'Italie ».

Et même s'ils n'ont pas spécifiquement mentionné que c'est ainsi que RankBrain fonctionne, nous pouvons à peu près deviner qu'il utilise une technologie similaire.

Pour en revenir à l'idée de concepts sur la correspondance de mots-clés – RankBrain essaie de donner des résultats en fonction de l'intention de votre recherche.

Satisfaction des utilisateurs vs RankBrain

Bien sûr, RankBrain peut faire le pari de comprendre de nouveaux mots-clés. Et il peut même ajuster l'algorithme tout seul.

La question numéro un est alors :

Une fois que RankBrain affiche un ensemble de résultats, comment sait-il s'ils sont bons ?

Eh bien – il observe.

RankBrain utilise des signaux UX – du moins c'est le terme technique.

En termes plus simples, cela signifie que RankBrain vous montre un ensemble de résultats de recherche qu'il pense que vous aimerez.

Si beaucoup de gens aiment une entrée en particulier, ils donneront à cette page un coup de pouce au classement.

Et s'ils ne le font pas ?

Ensuite, l'algorithme supprime cette page et la remplace par une autre.

Qu'observe RankBrain exactement ?

Il porte une attention particulière à la façon dont nous interagissons avec les résultats de la recherche.

Il y a plusieurs signaux qu'il surveille :

1. Taux de clics organiques (CTR)
2. Temps de séjour
3. Taux de rebond
4. Pogo-coller

Ceux-ci sont connus sous le nom de signaux d'expérience utilisateur (signaux UX).

Regardons un exemple et voyons comment le Web sémantique de Google interpréterait ma recherche.

Si je recherche « meilleur drone pour les enfants », le premier résultat que j'obtiens est un article publié mi-juin.

Cela rappelle la fraîcheur du contenu que RankBrain évalue lorsqu'il suggère des réponses aux requêtes.

Mais laissons celui-là pour le moment.

L'algorithme fera attention au site Web que j'ouvre. Il comparera combien de fois il a été ouvert auparavant pour des résultats similaires, donnant ainsi le CTR.

Une fois que j'ai ouvert la page, RankBrain observera mon temps d'arrêt. C'est le temps que je passe sur le site. De cette façon, l'algorithme estimera si j'ai trouvé les informations utiles.

Si j'ouvre pour voir du contenu qui n'a rien à voir avec ma requête ou qui est mal présenté, je reviens rapidement à la page de résultats.

Si suffisamment de personnes le font, le classement du site Web chutera.

Et si la page ne se charge pas à temps, le risque de rebond augmente et avec lui le classement de la page s'effondre.

Maintenant, disons que je ne suis pas en mesure de trouver ce que je cherche avec mon premier clic sur une page. Je vais probablement continuer à sonder les résultats que j'obtiens jusqu'à ce que je les trouve.

Et c'est un autre facteur que RankBrain utilise pour analyser le succès de son travail – le pogo-sticking.

Plus je fais des allers-retours, moins il est probable que RankBrain suggère ces pages malheureuses au prochain utilisateur avec des recherches similaires.

Maintenant.

Nous avons couvert les outils sémantiques de base que les moteurs de recherche comme Google utilisent pour comprendre et suggérer des réponses adéquates aux demandes de leurs utilisateurs.

Nous pouvons donc examiner comment nous pouvons les utiliser à notre avantage.

Comment optimiser le contenu pour le référencement sémantique

Pour les référenceurs, comprendre la recherche sémantique présente des avantages majeurs. Une grande partie est la capacité de rester en tête dans la course.

Il existe plusieurs étapes pour une bonne stratégie de référencement sémantique suggérée par des experts du monde entier.

Et comme la recherche sémantique gagne en influence au fil du temps, ces étapes sont de bons conseils pour aider quiconque à optimiser son contenu et à mieux classer son site Web.

1. Tenez compte des sujets plutôt que des mots-clés
2. Faire correspondre le contenu à l'intention de recherche
3. Incluez des mots-clés associés dans votre contenu
4. Optimisez votre contenu pour les extraits en vedette
5. Inclure des données structurées dans le contenu
6. Tenez compte des sujets plutôt que des mots-clés

Comme nous l'avons vu plus tôt dans l'article, tout tourne autour des sujets – le contexte de sa recherche. Et Google et d'autres moteurs de recherche cherchent à nous fournir les résultats les plus pertinents.

Le contenu doit donc être plus complet et informatif que jamais.

Si vous envisagez de créer des pages de contenu courtes et plates pour chaque variation d'une requête de recherche large, ne vous embêtez pas. Vous devriez plutôt créer un guide complet et durable qui couvre l'ensemble du sujet.

Vous devez ensuite utiliser les meilleures pratiques d'optimisation des mots clés pour vous assurer que le contenu est entièrement optimisé pour les moteurs de recherche et les lecteurs.

Faire correspondre le contenu à l'intention de recherche

Avant de créer du contenu pour les mots-clés SEO que vous souhaitez cibler, vous devez demander pourquoi l'utilisateur rechercherait cette expression. Établissez l'intention que représente le mot-clé et vous aurez également beaucoup plus de facilité à engager votre public.

L'intention du mot-clé peut être :

1. Informationnel – l'utilisateur essaie d'apprendre quelque chose, il utilise donc des mots-clés « connaître » pour rechercher des informations et obtenir des réponses ;
2. Navigation - l'utilisateur essaie de naviguer vers un site spécifique ou de trouver un élément spécifique, il utilise donc des mots-clés « aller » pour trouver le site Web d'une marque familière ;
3. Transactionnel - l'utilisateur essaie de faire un achat, il utilise donc des mots-clés « faire » pour trouver un produit à acheter ou une page pour effectuer une transaction.

Inclure des mots-clés associés dans le contenu

Pour vérifier la barre sémantique de la recherche sémantique, vous devez ajouter des mots-clés liés ou d'indexation sémantique latente (LSI) au contenu.

Les mots-clés LSI sont des expressions qui sont étroitement liées à un mot-clé cible. Ils donnent un contexte au contenu et aident les moteurs de recherche à mieux comprendre ce que le contenu signifie et comment il sert le public.

Donc, quand vous parlez de chocolat, vous devriez au moins le relier au cacao.

Optimiser le contenu pour les extraits en vedette

Les moteurs de recherche aiment afficher des résultats riches qui donnent aux utilisateurs les informations qu'ils souhaitent, directement sur leur page de résultats.

Pour augmenter la visibilité de la recherche, vous pouvez :

1. Optimisez le contenu des zones de réponse et des extraits de paragraphe, de liste et de tableau
2. Répondez clairement aux questions dans le contenu en vous concentrant sur les mots-clés à longue traîne
3. Utilisez la mise en forme pour faire des informations une option attrayante pour les extraits en vedette

Enfin, incluez des données structurées dans le contenu

Une autre façon d'aider les moteurs de recherche à comprendre le sens et la pertinence de votre contenu consiste à utiliser des données structurées.

Les données structurées, ou balisage de schéma , sont une forme de microdonnées qui ajoute un contexte supplémentaire à copier sur une page Web.

Il utilise un ensemble de structures de données standard qui catégorisent le contenu pour les moteurs de recherche.

Ces informations supplémentaires aident les moteurs de recherche à classer le contenu et à identifier les informations qui peuvent être affichées dans les résultats de recherche enrichis.

Concrètement, tout ce que nous avons dit jusqu'à présent se résume à une chose.

Pour tirer le meilleur parti de notre présence en ligne, les informations que nous publions doivent être organisées sémantiquement.

Le contexte est l'avenir de la recherche sur le Web sémantique. S'il reste encore des pièces du puzzle à rassembler, le web sémantique est déjà vivant.

Peut-être n'est-il pas loin du jour où un réseau intelligent de nouvelle génération nous aidera en planifiant nos rendez-vous, en faisant nos courses, en trouvant les informations dont nous avons besoin et en nous mettant en contact avec des personnes partageant les mêmes idées.

En plus, le faire de manière autonome.

Nous n'aurons pas à nous demander ce qu'est la recherche sémantique alors, c'est sûr. Il sera devenu une partie inextricable de notre vie quotidienne.