Qu'est-ce que la recherche sémantique et pourquoi c'est important en 2019

Qu'est-ce que la recherche sémantique??

Sous le terme technique brut se cache un désir innocent, vieux comme l’humanité elle-même.

Les humains ont toujours essayé de regarder au-delà des apparences et de comprendre le 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 disposons maintenant de la technologie pour surcharger et approfondir notre quête de sens.

Entrez la recherche sémantique.

La magie des mots et la recherche sémantique

(Giphy)

La sémantique est l’aspect fascinant de la linguistique, attribué à la recherche du sens.

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

Quoi définit la sémantique En tant qu'élément essentiel de la recherche sémantique, il est urgent de rechercher et de créer des liens.

Imaginez-vous à la recherche d'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 succès sans les outils nécessaires pour obtenir des résultats rapides et intuitifs.

Heureusement, la volonté de structurer et de connecter nos vies se traduit même dans notre façon de rechercher des éléments sur le Web. C'est ainsi que la recherche sémantique est devenue.

Nous obtenons une explication plus détaillée de Qu'est-ce que la recherche sémantique? extrait d'une publication de Hannah Bast et de ses co-auteurs.

Comme décrit par eux, recherche sémantique est "recherche 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.

Briser le sens de la recherche sémantique

En termes simples, la recherche sémantique cherche à comprendre le langage naturel comme le ferait un être humain et à donner recherche sur le Web sémantique résultats.

Qu'est-ce que ça veut dire?

Bien,

Disons que je tape dans le champ de recherche de Google "qui est le plus petit mammifère".

Il est compréhensible que le moteur de recherche réponde à ma question en partant du principe que je souhaite 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 pour 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 des corrections pour les mots mal orthographiés.

Donc, si j’ai mal orthographié 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 d’ordre – et si tel est le cas, nous ne pouvons pas nous empêcher d’essayer 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 réponses appropriées, les moteurs de recherche leur donnent également un sens grâce à l’intelligence artificielle.

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

Au final, tout cela fournit des résultats adéquats à nos requêtes.

Mais comment peuvent-ils répondre à des questions telles que "Le plus gros beignet du monde?"

La recherche sémantique a émergé du Web sémantique. Pour rester fidèle à ma nature, celle de rechercher des ordres, regardons qu'est-ce que le web sémantique? première.

(Giphy)

Origine du Web sémantique

Le Web sémantique est une extension du 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 deviennent finalement un système de connaissances.

En termes simples, les structures Web sémantiques et les balises de données permettent aux ordinateurs de lire.

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

Je comparerais cela à moi en essayant de construire mon arbre généalogique.

Je ne réussirai certainement pas à comprendre qui sont les gens 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 l’a vue son fondateur Tim Berners-Lee, est de permettre aux ordinateurs de mieux manipuler les informations en notre nom.

Le concept de qu'est-ce que le web sémantique? a évolué vers les deux types importants de données qui la 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 le Quatre règles de données liées comme:

  1. Utilisez des identificateurs de ressources universelles (URI) en tant que noms d'objets.
  2. Utilisez des URI HTTP pour que les gens puissent rechercher ces noms.
  3. Lorsque quelqu'un recherche un URI, fournissez des informations utiles à l'aide du formatage standard (RDF, SPARQL).
  4. 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 de différents serveurs et d'interpréter plus facilement la sémantique de celle-ci.

En conséquence, le Web sémantique passe d'un espace comprenant des documents liés à un espace contenant des informations liées.

Cela, à son tour, permet de créer un réseau de sens interconnecté, pouvant être traité par une machine.

Il existe des milliers de jeux de données, publiés en tant que 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.

(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)

Comme ils sont liés entre eux, ces jeux de données forment un vaste réseau de données ou un Graphique de connaissances.

Le graphique relie un grand nombre de descriptions d’entités et de concepts d’importance générale.

Un jeu de 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 classiques 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 universitaires, culture et récompenses, entre autres.

Ces relations bien déterminées entre les sujets et les résultats correspondants sont mieux représentés par des métadonnées structurées. régimes, tel que Schema.org

Les métadonnées facilitent beaucoup la recherche de pages Web basées sur des critères sémantiques.

En tirant des leçons des résultats antérieurs et en créant des liens entre entités, un moteur de recherche pourrait alors être en mesure de déduire la réponse à une requête du chercheur, plutôt que de fournir plusieurs liens contenant ou non la bonne réponse.

Les métadonnées résolvent toute ambiguïté potentielle et garantissent que lorsque nous recherchons Prince (le musicien), nous n’obtiendrons aucune page sur les nombreux princes qui sont redevables de royauté, par exemple. exemple.

Vous pouvez remercier le Web sémantique pour ça.

Maintenant

La structure du web sémantique nous donne l’idée de Qu'est-ce que la recherche sémantique? Il nous dit même comment un moteur de recherche détermine quel est le plus gros beignet au monde.

(Giphy)

Mais

Regardons son histoire

Les visionnaires dans le domaine de la recherche sémantique

Comme dans tout mouvement à grande échelle, un dirigeant est à l’origine du 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 la société qui a provoqué le changement et a cédé la place à la montée de 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

Bien que beaucoup de choses se soient passées depuis 1998, 2012 a été un tournant pour la recherche sémantique.

C'est durant cette année que 20% de toutes les recherches de Google étaient nouvelles. Non seulement cela, mais les mots-clés longue queue constitués autour 70% de toutes les recherches.

Google a ainsi appris que les utilisateurs souhaitaient de plus en plus utiliser leur moteur de recherche pour répondre à leurs questions et résoudre leurs problèmes.

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

Et donc le premier pas vers un mise à jour sémantique a été fait.

Le graphique de la connaissance

Introduit en 2012, le graphe de connaissances marque le glissement de Google sur la compréhension des entités et du contexte, au lieu de comparer inconsciemment des chaînes de mots-clés.

Ou, comme le dit Google, «des choses, pas des chaînes».

Qu'est-ce que le graphe de connaissances?

Selon Wikipedia, Google et ses services utilisent le graphique de connaissances 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 matière de sujet, d'interconnexion de données et d'algorithmes d'apprentissage automatique.

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

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

(Pngkey)

Ou

Nous pouvons dire qu'il repose sur les bases de données existantes pour lier de grandes quantités de données, combinant des informations structurées (listes) et des informations non structurées.

Le graphe de connaissances rassemble les informations nécessaires aux moteurs de recherche pour apporter des réponses judicieuses.

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 était un tournant. L'algorithme a concerné environ 90% des recherches dans le monde.

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

C'était technologie de recherche sémantiqueL’étoile

pourtant

Hummingbird fait plus que simplement offrir des réponses aux questions de conversation.

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

ensuite

Il 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 qui correspondent au sens profond, plutôt qu'aux mots mêmes.

Il y a plus

Outre les améliorations apportées à la mise à jour de Hummingbird en termes de rapidité et de précision, Google s'est assuré de l'intégration de la recherche sémantique.

(Giphy)

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

Par conséquent

Les 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 Hummingbird

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 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 correspondant à l'intention de la requête.

Les résultats ne sont plus limités aux mots eux-mêmes mais incluent une interprétation d'intention pour les termes recherchés.

De quelle façon précisément?

Ce que fait l'outil, c'est vérifier les relations qui n'ont pas été explicitement modélisées.

Le processus combine la grammaire, les statistiques et les dictionnaires pour obtenir un marquage relationnel.

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

L’algorithme est à bien des égards un définition de la recherche sémantique.

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

Maintenant.

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

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

En quelque sorte, Hummingbird permet aux gens d’obtenir une réponse à une question qu’ils ne savent pas poser – et de préparer des résultats qui aident les utilisateurs à trouver ce qu’ils cherchent.

Orienté vers la localisation

(Giphy)

Une autre amélioration apportée par Hummingbird concerne les résultats locaux.

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

Alors

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 vous recommander une bonne pizza votre région, au lieu de la liste des restaurants en Italie.

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

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

Le rêve de la recherche sémantique s'est concrétisé par une combinaison de traitement du langage conversationnel et de compréhension de l'intention humaine, basée sur des données de localisation.

Hummingbird constituait une avancée importante pour la recherche sémantique, mais Google ne s’est pas arrêté là.

RankBrain est une autre amélioration assez importante introduite plus tard.

Intelligence artificielle dans le monde du Web sémantique

RankBrain est le apprentissage de la recherche sémantique outil qui est venu comme une réponse à un problème rencontré par Google en répondant à des requêtes de mots clés.

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

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

En première lecture, 15% pourrait ne pas sembler être un gros problème.

Encore

Google traite des milliards de demandes chaque jour. Le pourcentage est donc relativement important en valeur absolue.

Quelque 450 millions de recherches ont des mots clés jamais traités auparavant.

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

Devine?

C’est ce que Google faisait quand il recevait des requêtes pour ces mots clés inconnus.

Malheureusement

Cela n’a pas conduit à des résultats précis. Le moteur de recherche n'a fait que rechercher les pages contenant tous les mots-clés que l'utilisateur avait entrés, sans en comprendre le but.

Il ne savait pas comment mettre en œuvre et produire recherche sémantique pour les demandes le moteur de recherche n'avait jamais reçu auparavant.

Cela a poussé Google à trouver une solution et à mettre en place un outil pouvant apprendre en déplacement.

Entrez RankBrain

le algorithme de moteur de recherche basé sur l'apprentissage machine (AI) cela aide Google à traiter les résultats de recherche et fournit des résultats de recherche plus pertinents pour les utilisateurs.

Google utilise l'algorithme d'intelligence artificielle 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% des algorithmes de Google étaient codés à la main.

Le processus s’est donc beaucoup appuyé sur des ingénieurs humains qui ont essayé de deviner ce qui améliorerait les résultats de recherche.

Aujourd'hui

Les ingénieurs humains travaillent toujours sur l'algorithme, mais RankBrain le fait également à l'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, de la fraîcheur du contenu, de la longueur du contenu, de l'autorité du 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 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 encore lié votre requête.

Comment?

En faisant correspondre vos mots-clés jamais vus à des mots-clés qu'il a Déjà vu.

Pour un exemple de comment Web sémantique Google RankBrain a peut-être remarqué que les internautes cherchaient «le plus gros beignet au monde».

Et il avait appris que les personnes qui recherchaient cela cherchaient plutôt le plus gros beignet jamais fabriqué.

Donc, quand quelqu'un cherche «le plus gros beignet au monde», RankBrain apporte des résultats similaires.

Et dans le cas de la doughnut, les trois premières pages Web que vous obtenez pour les deux recherches sont les mêmes.

La méthode de RankBrain

Google a expliqué comment 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

Ils disent 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 si RankBrain ne fonctionne pas de cette manière, nous pouvons supposer qu’il utilise une technologie similaire.

Revenons à l'idée de concepts plutôt qu'à la correspondance de mots clés – RankBrain essaie de donner des résultats basés sur l'intention de votre recherche.

Satisfaction des utilisateurs vs RankBrain

Sûr,

RankBrain peut parier sur la compréhension de nouveaux mots clés. Et il peut même ajuster l'algorithme lui-même.

La question numéro un est alors:

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

Eh bien, observe-t-il.

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

En termes simples, cela signifie que RankBrain vous montre une série de résultats de recherche qui vous plaisent.

Si beaucoup de personnes aiment une entrée en particulier, elles donneront un coup de pouce à cette page.

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 manière dont nous interagissons avec les résultats de la recherche.

Il surveille plusieurs signaux:

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

Celles-ci sont appelées 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 je reçois est un article publié à la mi-juin.

Cela rappelle la fraîcheur du contenu évalué par RankBrain lors de la suggestion de réponses à des requêtes.

Mais laissons celui-là pour le moment.

L'algorithme sera attentif 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 la page ouverte, RankBrain observera mon temps de passage. C'est le temps que je passe sur le site. De cette façon, l’algorithme estimera si j’ai trouvé l’information utile.

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

(Giphy)

Si suffisamment de personnes font cela, le classement du site Web va tomber.

Et si la page ne se charge pas à l’heure, les chances de rebond augmentent et le classement de la page s’effondre.

Maintenant, disons que je ne parviens pas à trouver ce que je cherche avec mon premier clic sur une page. Je vais probablement continuer à examiner les résultats obtenus 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 vais en arrière, moins il est probable que RankBrain suggérera ces pages malheureuses au prochain utilisateur effectuant des recherches similaires.

Maintenant.

Nous avons couvert la base recherche d'outils sémantiques Les moteurs tels que Google utilisent pour comprendre et suggérer des réponses adéquates aux demandes de leurs utilisateurs.

Nous pouvons donc voir comment nous pouvons utiliser ces avantages 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 y a plusieurs étapes pour un bon SEO sémantique stratégie suggérée par des experts tout autour.

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

  1. Considérer les sujets plutôt que les mots clés
  2. Faire correspondre le contenu à l'intention de recherche
  3. Inclure 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. Considérer les sujets plutôt que les mots-clés

Comme nous l’avons vu plus tôt dans l’article, nous abordons tous les 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 devrait donc être plus complet et plus informatif que jamais.

Si vous envisagez de créer des pages courtes et plates de contenu pour chaque variante d’une requête de recherche large, ne vous inquiétez pas. Vous devriez plutôt créer un guide complet et durable couvrant 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 de référencement que vous souhaitez cibler, vous devez demander pourquoi l'utilisateur recherche cette expression. Déterminez l’intention que le mot-clé représente et vous aussi avoir 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 sur un site spécifique ou de trouver un élément spécifique. Il utilise donc des mots clés «utiliser» pour rechercher 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 les mots clés associés dans le contenu

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

Ainsi, lorsque vous parlez de chocolat, vous devriez au moins le rapporter au cacao.

Optimiser le contenu des extraits sélectionnés

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:

  1. Optimiser le contenu des zones de réponse et des extraits de paragraphe, de liste et de tableau
  2. Répondez clairement aux questions du contenu en mettant l'accent sur les mots clés à longue queue
  3. Utilisez le formatage pour rendre les informations attrayantes pour les extraits sélectionnés

Enfin, inclure des données structurées dans le contenu

Les données structurées sont un autre moyen d'aider les moteurs de recherche à comprendre le sens et la pertinence de votre contenu.

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 de manière sémantique.

Le contexte est l'avenir de recherche Web sémantique. Bien qu'il reste encore des morceaux du puzzle à collectionner, le Web sémantique est déjà vivant.

Peut-être

Nous ne sommes pas loin du jour où un réseau intelligent de nouvelle génération nous aidera à planifier nos rendez-vous, à faire nos courses, à trouver les informations dont nous avons besoin et à nous mettre en contact 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, bien sûr. Ce sera devenu une partie inextricable de notre vie quotidienne.

(Giphy)

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *