Qu'est-ce que la recherche sémantique?
Sous le terme technique brut se trouve un désir innocent, vieux comme l'humanité elle-même.
Les humains ont toujours essayé de regarder au-delà des apparences et d'aller au sens profond de ce qui les entoure.
À l'occasion, cela nous a conduit à de profondes réalisations. À d'autres moments, nous avons réussi à échouer de façon spectaculaire.
Nous avons maintenant la technologie pour suralimenter et approfondir notre quête de sens.
Entrez la recherche sémantique.
La magie des mots et la recherche sémantique
(Giphy)
La sémantique est le côté fascinant de la linguistique, attribué à la tâche de chercher du sens.
Signification 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.
Quoi définit la sémantique comme une partie essentielle de la recherche sémantique est le désir que nous devons chercher et créer des connexions.
Imaginez que vous cherchez une aiguille dans une botte de foin – une expérience indéniablement éprouvante pour les nerfs.
Vous rechercheriez des choses sur Internet avec à peu près le même niveau de succès sans les outils pour permettre des résultats rapides et intuitifs.
Heureusement, la volonté de structurer et de connecter nos vies se traduit même dans la façon dont nous recherchons les choses sur le Web. C'est ainsi qu'est née la recherche sémantique.
Nous obtenons une explication plus détaillée de qu'est-ce que la recherche sémantique extrait d'une publication d'Hannah Bast et de ses co-auteurs.
Comme décrit par eux, recherche sémantique c'est «chercher avec sens». Et nous pouvons trouver un sens dans au moins deux 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 de Layman, la recherche sémantique cherche à comprendre le langage naturel comme un humain le ferait et à donner recherche web sémantique résultats.
Qu'est-ce que ça veut dire?
Eh bien, jeet disons que je tape dans le champ de recherche de Google "qui 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, d’ailleurs, est le plus petit mammifère connu de la planète.
Musaraigne étrusque
(Par Trebol-a – Travail personnel, CC BY-SA 3.0, https://commons.wikimedia.org/w/index.php?curid=4607913)
Chercher à comprendre le sens de ma requête aide moteurs de recherche sémantiques 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 recherche probablement "mammifère".
Comment est née la recherche sémantique?
Notre espèce est attirée par la recherche de l'ordre – et si cela fait défaut, nous ne pouvons pas empêcher de le créer.
Il est donc compréhensible que nous construisions un monde virtuel qui réponde à notre besoin d'ordre et de temps optimisé.
En plus de fournir les bonnes réponses, les moteurs de recherche leur donnent également un sens grâce à l'intelligence artificielle.
Ils utilisent recherche automatique de recherche sémantique pour aider à traiter et classer les informations, et peut également comprendre la parole humaine naturelle.
Tout cela, en fin de compte, fournit des résultats adéquats à nos requêtes.
Mais comment sont-ils exactement en mesure de répondre à des questions telles que "Le plus gros beignet du monde?"
La recherche sémantique a émergé du Web sémantique. Pour être fidèle à ma propre nature, à la recherche d’ordre, regardons ce qu'est le web sémantique première.
(Giphy)
Origine du Web sémantique
Le Web sémantique est une extension du World Wide Web.
Et selon le World Wide Web Consortium (W3C), il fournit un cadre commun pour les données à partager et à réutiliser.
Ceci est valable pour toutes les applications, entreprises et 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 le dire simplement, les structures Web sémantiques et les balises de 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 associés. 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 n'arriverai certainement pas à comprendre 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 de tri des choses.
La vision du Web sémantique
L'ambition ultime du Web sémantique, telle que vue par son fondateur Tim Berners-Lee, est de permettre aux ordinateurs de mieux manipuler les informations en notre nom.
Le concept de ce qu'est le web sémantique a évolué vers les deux types importants de données qui le composent aujourd'hui – Données ouvertes liées et Métadonnées sémantiques.
Ordre dans le chaos – Rangement avec 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 données structurées. En 2006, Tim Berners-Lee a officialisé la Quatre règles de données liées comme:
- Utilisez des identificateurs de ressources universels (URI) comme noms pour les choses.
- Utilisez des URI HTTP pour que les utilisateurs puissent rechercher ces noms.
- Lorsque quelqu'un recherche un URI, fournissez des informations utiles, en utilisant un formatage standard (RDF, SPARQL).
- Inclure des liens vers d'autres URI. afin qu'ils puissent découvrir plus de choses.
Le 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 comprenant des documents liés à un espace comprenant des informations liées.
Cela, à son tour, permet un réseau de sens interconnecté, exploitable par une machine.
Il existe des milliers d'ensembles de données, publiés en LOD dans différents secteurs.
Quelques exemples: encyclopédies, données géographiques, données gouvernementales, bases de données et articles scientifiques, divertissement, voyages, etc.
(Par Andrejs Abele, John P. McCrae, Paul Buitelaar, Anja Jentzsch et Richard Cyganiak – http://lod-cloud.net/, CC BY-SA 3.0, https://commons.wikimedia.org/w/index. php? curid = 59839961)
Puisqu'ils sont interconnectés, ces ensembles de données forment un gigantesque réseau de données ou un Graphique des connaissances.
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 régulières 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 – la Suède, les avancées académiques, la culture et le prix, entre autres.
Ces relations bien déterminées entre les sujets et les résultats correspondants sont mieux représentées par des métadonnées structurées régimes, tel que Schema.org
Les métadonnées facilitent la recherche de pages Web en fonction de critères sémantiques.
En apprenant des résultats antérieurs 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 les nombreux princes qui sont des Exemple.
Vous pouvez remercier le Web sémantique pour ça.
À présent.
La structure du web sémantique nous donne l'idée de ce qu'est la recherche sémantique. Il nous indique même comment un moteur de recherche détermine quel est le plus gros beignet du monde.
(Giphy)
Mais
Jetons un 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, qui, selon beaucoup, est l'homme derrière la recherche sémantique.
En 1998, au tout début 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 était l'entreprise qui a provoqué le changement et a fait place à la montée recherche sémantique.
«Les machines devraient pouvoir communiquer les unes avec les autres, tout comme les humains», 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 des mots clés à longue queue constitués autour 70% de toutes les recherches.
Cela a indiqué à Google que les utilisateurs s'intéressaient à utiliser leur moteur de recherche comme un 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 donc la première étape vers un mise à jour sémantique a été fait.
Le graphe des connaissances
Introduit en 2012, le Knowledge Graph a marqué le virage de Google vers la compréhension des entités et du contexte, au lieu de comparer sans réfléchir des chaînes de mots clés.
Ou comme Google l'a formulé, "des choses, pas des chaînes".
Qu'est-ce que le Knowledge Graph?
Wikipedia indique 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 dans le domaine, l'interconnexion de données et les algorithmes d'apprentissage automatique.
Ce qui a fait de ce graphique un outil de recherche sémantique était la façon dont il recueillait les informations.
Il a recueilli 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.)
(Pngkey)
Ou
Nous pouvons dire qu'il s'est construit au-dessus des bases de données existantes pour relier de grandes quantités de données ensemble – combinant à la fois des informations structurées (listes) et non structurées.
Le graphique des connaissances rassemble les informations dont les moteurs de recherche ont besoin pour donner des réponses sensées.
Le graphique de Google ouvre la voie aux changements algorithmiques à grande échelle à venir. Et bientôt il a été suivi par Hummingbird.
Accélérer vers le succès avec Hummingbird
Le 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 technologie de recherche sémantiqueL’étoile.
cependant, Hummingbird fait plus que simplement offrir des réponses aux requêtes conversationnelles.
L'algorithme fait attention à chaque mot d'une requête.
Alors jet s'assure que toute la requête, toute la phrase 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 que simplement les 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 d'intégrer la recherche sémantique.
(Giphy)
Ils ont considérablement amélioré leur compréhension des requêtes de recherche – même les recherches longues – et donc de l'intention des utilisateurs.
Par conséquent
Des requêtes entières et les relations des groupes de mots dans les 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.
À présent.
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 queue longue.
En d'autres termes, jet utilise la recherche contextuelle où Google renvoie de plus en plus de résultats qui correspondent à l'intention derrière la requête.
Les résultats ne sont plus limités 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 grammaire, statistiques et 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 «s'abracadabra» tout au long de la recherche.
L'algorithme est à bien des égards un définition de la recherche sémantique.
Un exemple qui illustre comment Hummingbird fonctionne réellement peut être une recherche, comme «President of England».
À présent.
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 gens d'obtenir une réponse à une question qu'ils ne savent pas poser – et de proposer des résultats qui aident les utilisateurs à trouver ce qu'ils recherchent.
Orienté emplacement
(Giphy)
Une autre amélioration apportée par Hummingbird réside dans les résultats locaux.
Grâce à l'utilisation du contexte, les résultats locaux deviennent plus précis.
Alors wLorsque vous recherchez de bons restaurants italiens, Google suppose que vous souhaitez dîner dans votre ville.
C’est pourquoi il utilisera vos données de localisation pour recommander de bonnes pizzas votre au lieu de lister 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 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 les 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 le recherche automatique de recherche sémantique outil qui est venu en 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 sur Google consistaient en des mots qu'il n'avait jamais vus auparavant.
Il n'avait aucun moyen de savoir exactement ce que recherchait l'utilisateur.
À première vue, 15% pourrait ne pas sembler être un gros problème.
Encore, 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 lorsque 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, tchapeau n'a pas conduit à des résultats précis. Le moteur de recherche a simplement recherché les pages contenant tous les mots clés que l'utilisateur avait saisis, sans comprendre l'intention derrière eux.
Il ne savait pas comment mettre en œuvre et produire recherche sémantique pour les demandes 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 RankBrain
le algorithme de moteur de recherche basé sur l'apprentissage automatique (AI) qui aide Google à traiter les résultats de recherche et à fournir des résultats de recherche plus pertinents aux utilisateurs.
Google utilise l'algorithme d'IA non seulement pour résoudre ces requêtes de recherche, mais aussi 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 tentaient de deviner ce qui améliorerait les résultats de recherche.
Aujourd'hui hLes ingénieurs uman 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.
Alors jet observe comment les utilisateurs interagissent avec les nouveaux résultats de recherche. S'ils préfèrent le nouvel algorithme, il reste.
Sinon, RankBrain annule l'ancien algorithme.
Avec l'aide de sa puce mise à jour sémantique, Google est en mesure de comprendre ce que vous voulez dire, même s'il n'a pas préalablement lié votre requête.
Comment?
En faisant correspondre vos mots clés inédits à des mots clés qu'il a Déjà vu.
Pour un Exemple comment Web sémantique fonctionne, Google RankBrain a peut-être remarqué que les internautes recherchaient le "plus gros beignet du monde".
Et il avait appris que les personnes qui le recherchent cherchent à peu près le plus gros beignet jamais fabriqué.
Ainsi, lorsque quelqu'un recherche le «plus gros beignet du monde», RankBrain affiche des résultats similaires.
Et dans le cas de Doughnut, 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 des chercheurs grâce à une technologie appelée "Word2vec"Qui transforme les mots clés en concepts.
Par exemple, they dis que ça Web sémantique La technologie "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."
(Giphy)
Et même s'ils n'ont pas spécifiquement mentionné que c'est ainsi que RankBrain fonctionne également, 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
Sûr, RankBrain peut tenter de comprendre de nouveaux mots clés. Et il peut même ajuster l'algorithme tout seul.
La première question 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 de classement.
Et s'ils ne le font pas?
Ensuite, l'algorithme supprime cette page et la remplace par une autre.
Qu'est-ce que RankBrain observe exactement?
Il porte une attention particulière à la façon dont nous interagissons avec les résultats de recherche.
Il y a plusieurs signaux qu'il surveille:
- Taux de clics organiques (CTR)
- Temps d'attente
- Taux de rebond
- Pogo-sticking
Ce sont des signaux d'expérience utilisateur (signaux UX).
Regardons un Exemple et voyez comment Google Web sémantique interpréterait ma recherche.
Si je recherche «téléphone avec le meilleur appareil photo», le premier résultat que j'obtiens est un article publié mi-juin.
Cela rappelle la fraîcheur du contenu que RankBrain évalue lorsqu'il propose des réponses aux requêtes.
Mais laissons cela pour le moment.
L'algorithme fera attention au site Web que j'ouvre. Il comparera le nombre de fois où 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 de séjour. C'est le temps que je passe sur le site. De cette façon, l'algorithme estimera si j'ai trouvé les informations utiles.
Si je m'ouvre pour voir du contenu qui n'a rien à voir avec ma requête ou s'il est mal présenté, je reviendrai rapidement sur la page de résultats.
(Giphy)
Si suffisamment de personnes le font, le classement du site Web chutera.
Et si la page ne se charge pas à temps, les chances de rebond augmentent et avec elle le classement de la page chute.
Supposons maintenant que je ne trouve pas ce que je recherche 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 proposera ces pages malheureuses au prochain utilisateur avec des recherches similaires.
À présent.
Nous avons couvert les bases recherche d'outils sémantiques des moteurs comme Google utilisent pour comprendre et suggérer des réponses adéquates aux demandes de leurs utilisateurs.
Nous pouvons donc voir comment nous pouvons les utiliser à notre avantage.
Comment optimiser le contenu pour le référencement sémantique
Pour les référenceurs, la compréhension de la recherche sémantique présente des avantages majeurs. Une grande partie est la capacité de rester en tête dans la course.
Il y a plusieurs étapes pour SEO sémantique stratégie suggérée par des experts tout autour.
Et comme la recherche sémantique devient plus influente au fil du temps, ces étapes sont de bons conseils pour aider quiconque à optimiser son contenu et à mieux classer son site Web.
- Tenez compte des sujets plutôt que des mots clés
- Faire correspondre le contenu à l'intention de recherche
- Inclure des mots clés associés dans votre contenu
- Optimisez votre contenu pour les extraits en vedette
- Inclure des données structurées dans le contenu
- Tenez compte des sujets plutôt que des mots clés
Comme nous l'avons vu plus haut dans cet article, tout tourne autour des sujets – le contexte de la 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 songez à créer des pages de contenu courtes et plates pour chaque variante 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 vous demander pourquoi l'utilisateur recherche cette phrase. Définissez l'intention du mot clé et vous obtiendrez également avoir un temps beaucoup plus facile à engager votre public.
L'intention du mot-clé peut être:
- Informatif – l'utilisateur essaie d'apprendre quelque chose, il utilise donc des mots clés «savoir» pour rechercher des informations et obtenir des réponses;
- Navigation – l'utilisateur essaie de naviguer vers un site spécifique ou de trouver un élément spécifique, il utilise donc des mots clés «go» pour trouver le site Web d'une marque familière;
- 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 d'indexation sémantique liés ou latents (LSI) au contenu.
Les mots clés LSI sont des expressions 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 devez au moins le rattacher 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 souhaiterez peut-être:
- Optimiser le contenu des zones de réponse et des extraits de paragraphes, de listes et de tableaux
- Répondez clairement aux questions du contenu en vous concentrant sur les mots clés à longue queue
- Utilisez la mise en forme pour faire des informations une option intéressante pour les extraits en vedette
Enfin, inclure des données structurées dans le contenu
Une autre façon d'aider les moteurs de recherche à comprendre la signification et la pertinence de votre contenu consiste à utiliser des données structurées.
Données structurées, ou schéma le balisage est 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 pouvant être affichées dans des résultats de recherche riches.
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 recherche web sémantique. Bien qu'il reste encore des pièces du puzzle à collecter, le web sémantique est déjà vivant.
Peut-être que jeCe n'est 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 connectant avec des personnes partageant les mêmes idées.
En plus, le faire de manière autonome.
Nous n'aurons pas à demander qu'est-ce que la recherche sémantique alors, c'est sûr. Il sera devenu une partie inextricable de notre vie quotidienne.
(Giphy)