Căutare semantică - Vântul schimbării
Publicat: 2019-11-15Cuprins
Ce este Căutarea Semantică?
Magia cuvintelor și căutarea semantică
Cum a apărut căutarea semantică?
Comandă în haos - ordonarea cu instrumentele de căutare semantice
Un joc de etichete - Instrumente de căutare semantice Vol. 2
Vizionari în domeniul căutării semantice
Punctul de cotitură pentru căutarea semantică
Graficul cunoștințelor
Inteligența artificială în lumea webului semantic
Cum să optimizați conținutul pentru SEO semantic
Ce este Căutarea semantică ?
Sub termenul tehnic brut se află o dorință inocentă, veche precum umanitatea însăși.
Am încercat întotdeauna să privim aparențele trecute și să ajungem la semnificația mai profundă a ceea ce ne înconjoară.
Ocazional, acest lucru ne-a condus la realizări profunde. Alteori, am reușit să eșuăm spectaculos.
Acum avem tehnologia pentru a supraîncărca și a aprofunda căutarea sensului.
Introduceți căutarea semantică.
Magia cuvintelor și căutarea semantică
Semantica este latura fascinantă a lingvisticii, atribuită sarcinii de a căuta sens.
Înțelesul cuvintelor și relația lor între ele. Semantica trebuie să explice de ce alegem anumite cuvinte și fraze pentru a descrie lucruri.
Ceea ce definește semantica ca o parte esențială a căutării semantice este dorința pe care trebuie să o căutăm și să creăm conexiuni.
Imaginați-vă căutați un ac într-un fân - o experiență incontestabilă de stricare a nervilor.
Ați căuta lucruri pe internet cu aproximativ același nivel de succes fără instrumentele care să permită rezultate rapide și intuitive.
Din fericire, dorința de a ne face viața structurată și conectată se traduce chiar și prin modul în care căutăm lucruri pe web. Așa a apărut căutarea semantică.
Obținem o explicație mai detaliată a ceea ce este căutarea semantică dintr-o publicație de Hannah Bast și co-autori.
După cum au descris ei, căutarea semantică este „căutare cu sens”. Și putem găsi sens în cel puțin câteva părți ale procesului de căutare.
În primul rând, în interogarea în sine. Aici, trebuie să ne dăm seama de adevărata intenție din spatele cererii.
Apoi, trebuie să luăm în considerare datele pe care trebuie să le preluăm și dacă acestea se potrivesc cu adevărat cu ceea ce căutăm.
Sau, dacă prezentăm corect informațiile, astfel încât acestea să aibă sens pentru căutare.
Descompunerea sensului căutării semantice
Pentru a o spune în termenii lui Layman, căutarea semantică caută să înțeleagă limbajul natural așa cum ar face un om și să dea rezultate de căutare semantice adecvate .
Ce înseamnă asta?
Ei bine, spun că scriu în câmpul de căutare Google „care este cel mai mic mamifer”.
Motorul de căutare va răspunde, la înțeles, la întrebarea mea pe baza presupunerii pe care vreau să aflu care este cel mai mic mamifer - mai degrabă decât să caute potriviri exacte ale expresiei pe care am scris-o.
Așa am obținut, ca prim rezultat, un articol numit „Cele mai mici mamifere din lume”, urmat de fotografii ale ștropii etrusce - care, apropo, este cel mai mic mamifer cunoscut de pe planetă.
Căutarea de a înțelege semnificația interogării mele ajută motoarele de căutare semantice să sugereze corecții și pentru cuvintele scrise greșit.
Deci, dacă se întâmplă să greșesc cuvântul mamifer, Google îmi va sugera că, în loc de „mamal”, probabil căut „mamifer”.
Cum a apărut căutarea semantică?
Specia noastră este atrasă să caute ordine - și dacă aceasta lipsește, nu putem să nu încercăm să o creăm.
Deci, este de înțeles că construim o lume virtuală care să răspundă nevoilor noastre de comandă și timp optimizat.
Pe lângă furnizarea de răspunsuri adecvate, motoarele de căutare le adaugă sens și cu ajutorul inteligenței artificiale.
Ei folosesc învățarea semantică a mașinilor de căutare pentru a ajuta la procesarea și clasificarea informațiilor și pot, de asemenea, să înțeleagă vorbirea umană naturală.
Toate acestea, în cele din urmă, oferă rezultate adecvate întrebărilor noastre.
Dar cât de exact sunt ei capabili să răspundă la întrebări precum „Cea mai mare gogoasă din lume?”
Căutarea semantică a apărut din rețeaua semantică, astfel încât să fie fidelă naturii mele, care caută ordine, să ne uităm la ce este webul semantic mai întâi.
Semantic Web Origin
Pe scurt: Semantic Web este o extensie a World Wide Web.
Și, conform World Wide Web Consortium (W3C), acesta oferă un cadru comun pentru partajarea și reutilizarea datelor.
Acest lucru este valabil pentru aplicații, întreprinderi și comunități.
Cadrul sau „ontologia”, așa cum este cunoscut în domeniul științei informației, adună fapte și informații care devin în cele din urmă un sistem de cunoaștere.
Mai simplu spus, structurile web semantice și etichetează datele într-un mod în care computerele pot citi.
Web-ul semantic permite analiza intrărilor specifice bazate pe rețea sau factori asociați. Folosește seturi, proprietăți și relații pentru a înțelege cantitatea mare de date care cuprinde Web-ul.
L-aș compara cu mine încercând să-mi construiesc arborele genealogic.
Cu siguranță nu voi reuși să-mi dau seama cine sunt persoanele pe care bunica mea le pretinde că sunt verii mei îndepărtați din partea mamei mele. Îmi lipsește contextul, deoarece nu le cunosc.
Cu toate acestea, web-ul semantic face o treabă mai bună de a rezolva lucrurile.
Viziunea pentru web-ul semantic
Ambiția finală a Web-ului semantic, așa cum a văzut fondatorul său Tim Berners-Lee, este de a permite computerelor să manipuleze mai bine informațiile în numele nostru.
Conceptul despre ceea ce este web-ul semantic a evoluat în cele două tipuri importante de date care îl formează astăzi - Linked Open Data și Metadate semantice .
Comandă în haos - ordonarea cu instrumentele de căutare semantice
Data deschisă legată (LOD) este modelată ca un grafic și publicată într-un mod care permite interconectarea între servere.
Reprezintă în esență date structurate . În 2006, Tim Berners-Lee a oficializat cele patru reguli ale datelor legate ca:
- Utilizați identificatori universali de resurse (URI) ca nume pentru lucruri.
- Utilizați URI-uri HTTP, astfel încât oamenii să poată căuta aceste nume.
- Când cineva caută un URI, furnizați informații utile, utilizând formatarea standard (RDF, SPARQL).
- Includeți linkuri către alte URI-uri. astfel încât să poată descoperi mai multe lucruri.
LOD permite atât persoanelor cât și mașinilor să acceseze date de pe diferite servere și să interpreteze semantica mai ușor.
Ca urmare, Web-ul semantic trece de la un spațiu care cuprinde documente legate la un spațiu care conține informații legate.
Aceasta, la rândul său, permite o rețea de semnificație interconectată, capabilă de proces de către o mașină.
Există mii de seturi de date, publicate ca LOD în diferite sectoare.
Câteva exemple sunt enciclopedii, date geografice, date guvernamentale, baze de date și articole științifice, divertisment, călătorii etc.
Deoarece sunt interconectate, aceste seturi de date formează o rețea gigantică de date sau un grafic de cunoștințe.
Graficul conectează o cantitate mare de descrieri de entități și concepte de importanță generală.
Un joc de etichete - Instrumente de căutare semantice Vol. 2
Al doilea instrument important pe care se bazează web-ul semantic este metadatele semantice.
Acesta este în principiu etichete semantice, adăugate la paginile web obișnuite pentru a descrie mai bine semnificația lor.
De exemplu, pagina de pornire a Premiului Nobel poate fi adnotată semantic cu referințe la mai multe concepte și entități relevante - Suedia, progresele academice, cultura și premiul, printre altele.
Aceste relații bine determinate între subiecți și rezultatele corespunzătoare sunt reprezentate cel mai bine prin scheme de metadate structurate , cum ar fi Schema.org
Metadatele facilitează găsirea paginilor Web pe baza unor criterii semantice.
Învățând din rezultatele anterioare și creând legături între entități, un motor de căutare ar putea fi capabil să deducă răspunsul la interogarea unui căutător, mai degrabă decât să furnizeze mai multe legături care pot conține sau nu răspunsul corect.
Metadatele rezolvă orice potențială ambiguitate și ne asigură că, atunci când îl căutăm pe Prince (muzicianul), nu vom primi pagini despre niciunul dintre numeroșii prinți care sunt regalități, de exemplu .
Puteți mulțumi web-ului semantic pentru asta.
Acum.
Structura rețelei semantice ne oferă ideea a ceea ce este căutarea semantică. Ne spune chiar cum un motor de căutare determină care este cea mai mare gogoasă din lume.
Dar
Să aruncăm o privire asupra istoriei sale.
Vizionari în domeniul căutării semantice
Ca și în cazul oricărei mișcări la scară largă, există un lider în spatele schimbării. Am menționat deja numele lui Tim Berners-Lee, despre care mulți susțin că este omul din spatele căutării semantice.
În 1998, la începutul webului modern, Berners-Lee vorbea deja despre idee într-un raport publicat, intitulat Semantic Web Road Map.
21 de ani mai târziu, ideile sale au fost adoptate, iar căutarea semantică este o realitate.
Google a fost compania care a adus schimbarea și a dat locul creșterii căutării semantice .
„Mașinile ar trebui să poată comunica între ele la fel ca oamenii,” a declarat Berners-Lee.
Google lucrează acum pentru a-și îndeplini viziunea.
Cum?
Punctul de cotitură pentru căutarea semantică
Deși s-au întâmplat multe din 1998, 2012 a fost punctul de cotitură pentru căutarea semantică.
În acest an, 20% din toate căutările Google au fost noi. Nu numai atât, dar cuvintele cheie cu coadă lungă au reprezentat aproximativ 70% din toate căutările.
Acest lucru a spus Google că utilizatorii deveneau interesați să folosească motorul de căutare ca instrument de răspuns la întrebări și rezolvare de probleme.
Nu mai era doar să căutăm fapte și să găsim mai multe site-uri web individuale.
Și astfel s-a făcut primul pas către o actualizare semantică .
Graficul cunoștințelor
Introdus în 2012, Knowledge Graph a marcat trecerea Google către înțelegerea entităților și contextului, în loc să compare șirurile de cuvinte cheie.
Sau, după cum Google a formulat-o, „lucruri, nu șiruri”.
Ce este Graficul Cunoașterii?
Wikipedia afirmă că Google și serviciile sale utilizează Knowledge Graph pentru a îmbunătăți rezultatele motorului său de căutare cu informații provenite dintr-o varietate de surse.
Cu alte cuvinte, un grafic al cunoștințelor este un mod programatic de a modela un domeniu al cunoștințelor - cu ajutorul experților în subiect, interconectarea datelor și algoritmi de învățare automată.
Ceea ce a făcut din acest grafic special un instrument de căutare semantică a fost modul în care a colectat informații.
A adunat date, care au fost considerate domenii publice (de exemplu, de la dimensiunea Pământului până la numele membrilor unei trupe), împreună cu proprietățile fiecărei entități (zile de naștere, frați, părinți, ocupații - tot ceea ce poate fi legat de acea entitate.)
Sau
Putem spune că este construit pe baza bazelor de date existente pentru a lega cantități mari de date împreună - combinând atât informații structurate (liste), cât și cele nestructurate.
Graficul de cunoștințe colectează informațiile necesare motoarelor de căutare pentru a oferi răspunsuri sensibile.
Graficul Google stabilește scena pentru schimbările algoritmice la scară largă care vor urma. Și în curând a fost urmat de Colibri.
Accelerarea spre succes cu Colibri
Colibriul a fost un punct de cotitură. Algoritmul a afectat aproximativ 90% din căutările din întreaga lume.
A fost conceput pentru a fi precis și rapid și mulți se referă la acesta ca instrumentul care a introdus „căutarea conversațională” în activitatea de căutare.
A fost vedeta tehnologiei de căutare semantică .
Cu toate acestea, Colibri face mai mult decât să ofere răspunsuri la interogări de conversație.
Algoritmul acordă atenție fiecărui cuvânt dintr-o interogare.
Apoi nu mă asigur că este luată în considerare întreaga interogare, întreaga propoziție sau sens, mai degrabă decât anumite cuvinte.
Intenția este de a obține pagini care să corespundă sensului mai profund, mai degrabă decât doar cuvintelor reale.
Mai este.
Pe lângă îmbunătățirile privind viteza și precizia actualizării Hummingbird, Google s-a asigurat că a integrat căutarea semantică.
Ei și-au îmbunătățit semnificativ înțelegerea interogărilor de căutare - chiar și a căutării cu coadă lungă - și, astfel, a intenției utilizatorului.
Ca urmare:
Interogările întregi și relațiile grupurilor de cuvinte din cadrul interogărilor de căutare au fost identificate, direcționate și interpretate.
Efectele algoritmului Colibri
Îmbunătățirile Hummingbird s-au concentrat în special pe căutarea contextuală și conversațională.
Ambele domenii sunt strâns legate de semantica fundamentală și de relația dintre cuvinte.
Acum.
Algoritmul procesează limbajul natural pentru a obține rezultate de nișă pentru interogări atât la nivelul capului, cât și la nivelul cozii lungi.
Cu alte cuvinte, nu utilizează căutarea contextuală în care Google returnează din ce în ce mai multe rezultate care se potrivesc cu intenția din spatele interogării.
Rezultatele nu mai sunt limitate la cuvintele în sine, ci includ o interpretare a intenției pentru termenii de căutare.
Cum anume?
Ceea ce face instrumentul este să verifice relațiile care nu au fost modelate în mod explicit.

Procesul combină gramatică, statistici și dicționare pentru a realiza etichetarea relațională.
Evaluând intenția într-o manieră semantică și concentrându-se pe sinonime și subiecte legate de temă, Hummingbird le permite utilizatorilor să caute cu încredere subiecte și sub-subiecte în loc să încerce să-și „abracadabra” drumul prin căutare.
Algoritmul este în multe feluri o definiție a căutării semantice.
Un exemplu care ilustrează modul în care funcționează Hummingbird poate fi o căutare, cum ar fi „Președintele Angliei”.
Acum.
Anglia nu are un președinte, ci un prim-ministru, care este șeful guvernului. Anglia are și un șef de stat, care este regina.
Și Google știe asta, așa că va afișa rezultate legate de prim-ministru sau regină.
Într-un fel, Colibri permite oamenilor să obțină un răspuns la o întrebare pe care nu știu cum să o pună - și să organizeze rezultate care îi ajută pe utilizatori să găsească ceea ce caută.
Orientare către locație
O altă îmbunătățire pe care Hummingbird o aduce este rezultatele orientate local.
Datorită utilizării contextului, rezultatele locale devin mai precise.
Deci, atunci când căutați restaurante italiene bune, Google va presupune că doriți să luați cina în orașul dvs.
De aceea, va folosi datele dvs. de locație pentru a recomanda pizza bună în zona dvs. , în loc să listeze restaurante în Italia.
Deseori luăm ca atare precizia, cu care obținem rezultatele corecte.
Este recolta fructuoasă a anilor de cercetare și dezvoltare din culise.
Visul căutării semantice a luat forma printr-o combinație de procesare a limbajului conversațional și înțelegerea intenției umane pe baza datelor de localizare.
Colibriul a fost o descoperire importantă pentru căutarea semantică, dar Google nu s-a oprit aici.
O altă îmbunătățire destul de importantă pe care au introdus-o, ulterior, a fost RankBrain.
Inteligența artificială în lumea webului semantic
RankBrain este instrumentul de învățare automată a căutării semantice care a venit ca răspuns la o problemă pe care a dat-o Google în timp ce răspundea la interogări de cuvinte cheie.
Acum câțiva ani, aproximativ 15% din căutările făcute de Google constau din cuvinte pe care nu le mai văzuse niciodată.
Nu avea cum să știe exact ce caută utilizatorul.
La prima citire, 15% s-ar putea să nu pară mare lucru.
Totuși, Google procesează miliarde de solicitări în fiecare zi, astfel încât procentajul a fost un număr destul de semnificativ în termeni absoluți.
Aproximativ 450 de milioane de căutări au avut cuvinte cheie care nu au fost niciodată procesate înainte.
Deci, ce faci atunci când nu știi cum să răspunzi la o întrebare?
Ghici?
Asta făcea Google când primea solicitări pentru oricare dintre aceste cuvinte cheie necunoscute.
Din păcate, nu a condus la rezultate exacte. Motorul de căutare a căutat doar pagini care conțineau toate cuvintele cheie introduse de utilizator, fără a înțelege intenția din spatele lor.
Nu știa cum să implementeze și să producă o căutare semantică a cererilor pe care motorul de căutare nu le primise niciodată.
Acest lucru a împins Google să găsească o soluție și să introducă un instrument care ar putea învăța din mers.
Introduceți RankBrain
Pe baza de învățare mașină algoritmul motorului de căutare ajută la rezultatele de căutare Google procesa și să ofere rezultate mai relevante pentru utilizatori.
Google folosește algoritmul AI nu numai pentru a rezolva acele interogări de căutare, ci și pentru a le procesa și înțelege.
Ce s-a schimbat cu RankBrain?
Înainte de RankBrain, 100% din algoritmul Google era codificat manual.
Deci, procesul s-a bazat foarte mult pe inginerii umani care au încercat să ghicească ce ar îmbunătăți rezultatele căutării.
Astăzi, inginerii umani încă lucrează la algoritm, dar și RankBrain își face treaba în fundal.
Procesul
Pe scurt, RankBrain își poate modifica propriul algoritm pentru a produce un răspuns mai bun.
În funcție de cuvântul cheie, RankBrain crește sau scade importanța backlink-urilor, a prospețimii conținutului, a lungimii conținutului, a autorității domeniului și a altor variabile de clasare.
Apoi nu observ cum interacționează utilizatorii cu noile rezultate ale căutării. Dacă le place mai bine noul algoritm, acesta rămâne.
Dacă nu, RankBrain întoarce vechiul algoritm.
Cu ajutorul actualizării sale semantice inteligente , Google este capabil să-și dea seama la ce vă referiți, chiar dacă nu a interconectat anterior interogarea dvs.
Cum?
Prin potrivirea cuvintelor cheie nevăzute până acum cu cuvintele cheie pe care le- a văzut înainte.
Pentru un exemplu al modului în care funcționează web-ul semantic , Google RankBrain ar fi putut observa că oamenii caută „cea mai mare gogoasă din lume”.
Și aflase că oamenii care caută acest lucru caută destul de mult să găsească cea mai mare gogoasă făcută vreodată.
Deci, atunci când cineva caută „cea mai mare gogoasă din lume”, RankBrain aduce rezultate similare.
Și în cazul aluatului, primele trei pagini web pe care le obțineți pentru ambele căutări sunt aceleași.
Metoda RankBrain
Google a comentat modul în care utilizează învățarea automată pentru a înțelege mai bine intenția căutătorului printr-o tehnologie numită „ Word2vec ” care transformă cuvintele cheie în concepte.
De exemplu, se spune că această tehnologie web semantică „înțelege că Parisul și Franța sunt legate în același mod în care Berlinul și Germania sunt (capitala și țara) și diferit de Madrid și Italia”.
Și chiar dacă nu au menționat în mod specific că acesta este modul în care funcționează și RankBrain, putem ghici destul de mult că folosește o tehnologie similară.
Revenind la ideea de concepte peste potrivirea cuvintelor cheie - RankBrain încearcă să ofere rezultate pe baza intenției căutării.
Satisfacția utilizatorului față de RankBrain
Sigur, RankBrain poate juca la înțelegerea cuvintelor cheie noi. Și poate chiar ajusta algoritmul pe cont propriu.
Întrebarea numărul unu este:
Odată ce RankBrain arată un set de rezultate, de unde știe dacă sunt bune?
Ei bine - observă.
RankBrain folosește semnale UX - cel puțin acesta este termenul tehnic.
Cu cuvinte mai simple, asta înseamnă că RankBrain vă arată un set de rezultate ale căutării pe care credeți că vă vor plăcea.
Dacă multor oameni le place o anumită intrare, vor da acelei pagini un impuls de clasare.
Dacă nu o fac?
Apoi algoritmul renunță la acea pagină și o înlocuiește cu una diferită.
Ce observă exact RankBrain?
Se acordă o atenție deosebită modului în care interacționăm cu rezultatele căutării.
Există mai multe semnale pe care le monitorizează:
- Rata de clic organică (CTR)
- Timpul locului
- Rata de respingere
- Pogo-lipit
Acestea sunt cunoscute sub numele de semnale de experiență ale utilizatorului (semnale UX).
Să ne uităm la un exemplu și să vedem modul în care web-ul semantic Google ar interpreta căutarea mea.
Dacă caut „cea mai bună dronă pentru copii”, primul rezultat pe care îl obțin este un articol publicat la mijlocul lunii iunie.
Acest lucru revine la prospețimea conținutului pe care RankBrain îl evaluează atunci când sugerează răspunsuri la întrebări.
Dar să-l lăsăm pentru moment.
Algoritmul va acorda atenție site-ului web pe care îl deschid. Se va compara de câte ori a fost deschis înainte pentru rezultate similare - oferind astfel CTR.
Odată ce am deschis pagina, RankBrain va observa timpul meu de ședere. Acesta este timpul pe care îl petrec pe site. În acest fel, algoritmul va estima dacă am găsit informațiile utile.
Dacă deschid pentru a vedea conținut care nu are nimic de-a face cu interogarea mea sau este prezentat prost, mă voi întoarce rapid la pagina cu rezultate.
Dacă suficient de mulți oameni fac asta, clasamentul site-ului web va scădea.
Și dacă pagina nu se încarcă la timp, șansa de sărituri crește, iar odată cu aceasta clasarea paginii scade.
Acum, să presupunem că nu pot găsi ceea ce caut cu primul meu clic pe o pagină. Probabil că voi continua să cercetez rezultatele obținute până le voi găsi.
Și acesta este un alt factor pe care RankBrain îl folosește pentru a analiza succesul muncii sale - pogo-sticking.
Cu cât merg mai mult înainte și înapoi, cu atât este mai puțin probabil ca RankBrain să sugereze acele pagini nefericite următorului utilizator cu căutări similare.
Acum.
Am acoperit instrumentele semantice de bază pe care motoarele de căutare , precum Google, le folosesc pentru a înțelege și a sugera răspunsuri adecvate la solicitările utilizatorilor lor.
Deci, putem arunca o privire asupra modului în care le putem folosi în avantajul nostru.
Cum să optimizați conținutul pentru SEO semantic
Pentru SEO-uri, înțelegerea căutării semantice are beneficii majore. O mare parte este abilitatea de a rămâne înainte în cursă.
Există câțiva pași către o strategie SEO semantică bună sugerată de experții din jur.
Și pe măsură ce căutarea semantică devine mai influentă pe măsură ce timpul trece, acești pași sunt sfaturi bune pentru a ajuta pe oricine să își optimizeze conținutul și să își clasifice mai bine site-ul.
- Luați în considerare subiecte, în loc de doar cuvinte cheie
- Potriviți conținutul cu intenția de căutare
- Includeți cuvinte cheie similare în conținutul dvs.
- Optimizați-vă conținutul pentru fragmente prezentate
- Includeți date structurate în conținut
- Luați în considerare subiecte în loc de cuvinte cheie
După cum am văzut mai devreme în articol, este vorba despre subiecte - contextul căutării cuiva. Și Google și alte motoare de căutare caută să ne ofere cele mai relevante rezultate.
Deci, conținutul ar trebui să fie mai cuprinzător și mai informativ ca niciodată.
Dacă vă gândiți să creați pagini scurte și plate de conținut pentru fiecare variantă a unei interogări largi de căutare - nu vă deranjați. În schimb, ar trebui să creați un ghid cuprinzător și de durată care să acopere întregul subiect.
Apoi, ar trebui să utilizați cele mai bune practici de optimizare a cuvintelor cheie pentru a vă asigura că conținutul este pe deplin optimizat atât pentru motoarele de căutare, cât și pentru cititori.
Potriviți conținutul cu intenția de căutare
Înainte de a crea conținut pentru cuvintele cheie SEO pe care doriți să le vizați, ar trebui să vă întrebați de ce utilizatorul ar căuta expresia respectivă. Stabiliți ce intenție reprezintă cuvântul cheie și veți avea, de asemenea, un timp mult mai ușor de implicare a publicului.
Intenția cuvântului cheie poate fi:
- Informațional - utilizatorul încearcă să învețe ceva, așa că folosește cuvinte cheie „știu” pentru a căuta informații și a obține răspunsuri;
- Navigational - utilizatorul încearcă să navigheze la un anumit site sau să găsească un anumit element, așa că folosește cuvinte cheie „go” pentru a găsi site-ul web pentru o marcă familiară;
- Tranzacțional - utilizatorul încearcă să efectueze o achiziție, așa că folosește cuvinte cheie „face” pentru a găsi un produs de achiziționat sau o pagină pentru a efectua o tranzacție.
Includeți cuvinte cheie conexe în conținut
Pentru a verifica bara semantică a căutării semantice, ar trebui să adăugați cuvinte cheie legate sau latente de indexare semantică (LSI) la conținut.
Cuvintele cheie LSI sunt fraze care sunt strâns legate de un cuvânt cheie țintă. Acestea oferă context conținutului și ajută motoarele de căutare să înțeleagă mai bine ce înseamnă conținutul și cum servește publicul.
Deci, atunci când vorbești despre ciocolată, ar trebui să o raportezi cel puțin la cacao.
Optimizați conținutul pentru fragmente recomandate
Motoarelor de căutare le place să afișeze rezultate bogate care oferă utilizatorilor informațiile dorite - direct pe pagina lor de rezultate.
Pentru a crește vizibilitatea căutării, vă recomandăm să:
- Optimizați conținutul pentru casete de răspuns și fragmente de paragraf, listă și tabel
- Răspundeți clar la întrebări din conținut, concentrându-vă pe cuvinte cheie cu coadă lungă
- Utilizați formatarea pentru a face informațiile o opțiune atractivă pentru fragmentele prezentate
În cele din urmă, includeți date structurate în conținut
O altă modalitate de a ajuta motoarele de căutare să înțeleagă semnificația și relevanța conținutului dvs. este prin intermediul datelor structurate.
Datele structurate, sau marcarea schemei , sunt o formă de microdate care adaugă context suplimentar de copiat pe o pagină web.
Folosește un set de structuri de date standard care clasifică conținutul pentru motoarele de căutare.
Aceste informații suplimentare ajută motoarele de căutare să clasifice conținutul și să identifice informațiile care pot fi afișate în rezultatele bogate ale căutării.
În termeni practici, tot ce am spus până acum se rezumă la un singur lucru.
Pentru a profita la maximum de prezența noastră online, informațiile pe care le publicăm ar trebui să fie organizate semantic.
Contextul este viitorul căutării semantice pe web. Deși mai sunt încă piese ale puzzle-ului de colectat, rețeaua semantică este deja vie.
Poate că nu este departe de ziua în care o rețea inteligentă de nouă generație ne va ajuta prin programarea întâlnirilor noastre, cumpărăturile noastre, găsirea informațiilor de care avem nevoie și conectarea noastră cu oameni cu aceeași idee.
Pe deasupra, făcându-l autonom.
Nu va trebui să ne întrebăm ce este atunci căutarea semantică , cu siguranță. Va fi devenit o parte inextricabilă a vieții noastre de zi cu zi.