SEO futuro: capire Entity Ricerca

A+ A-

Il mese scorso, vi ho chiesto di immaginare il futuro del SEO con un focus su Entity Optimization come ho intervistato veterano stratega semantica Barbara Starr. Abbiamo discusso un “motore risposta” che utilizza rilevanti,-macchina riconoscibile “entità” a pagine Web per rispondere alle specifiche, le query raffinato.

The Hummingbird aggiornamento

Il 26 settembre, Google ha compiuto un altro passo per diventare quel motore risposta con il suo aggiornamento Hummingbird. Nel live blog di Danny Sullivan su l'algoritmo di Hummingbird, spiega come Google sta rapidamente adottando la tecnologia web semantico, pur mantenendo le parti del suo vecchio algoritmo. Questa è la soluzione di Google per evoluzione da collegamenti di testo per le risposte. Un tale sistema visualizzerà i risultati più precisi più veloce, in quanto è basato sulla tecnologia semantica incentrata sulla intenzione dell'utente piuttosto che ai termini di ricerca.

Per esaminare i progressi di Google in questa direzione: in primo luogo è venuto il Knowledge Graph, quindi Voice Search e Google Now - tutte le risposte che forniscono, e talvolta anche anticipando le domande. Per servire queste risposte, Google si basa sulle entità, piuttosto che le parole chiave.

Che cosa è una “entità”?

Ai fini del presente articolo, le entità sono persone, luoghi o cose. Un modo di introdurre entità è riconoscere che Google Knowledge Graph è un grafico dell'entità e rappresenta il primo passo di Google verso l'utilizzo di ricerca semantico (o la ricerca entità).

Che cosa è “Ricerca entità”? Teniamolo semplice - è fondamentalmente un metodo più accurato per i bot a capire l'intenzione dell'utente, mentre la mappatura fonti verificate supplementari per rispondere a una query di ricerca.

data_humans_machines

Vs. non strutturati dati strutturati

Nel corso degli ultimi due decenni, Internet, motori di ricerca e gli utenti del Web hanno avuto a che fare con dati non strutturati, che è essenzialmente tutti i dati che non sono stati organizzati o classificati in base a qualsiasi tipo di modello di dati predefiniti. Così, i motori di ricerca sono stati in grado di identificare i modelli all'interno di pagine web (parole chiave), ma non erano veramente in grado di allegare senso a quelle pagine.

Semantic Search fornisce un metodo per classificare i dati etichettando ogni pezzo di informazioni come entità - si parla di dati strutturati. Prendere in considerazione i dati di vendita al dettaglio del prodotto, che contiene enormi quantità di informazioni non strutturate. dati strutturati consente ai rivenditori e ai produttori di fornire i dati di prodotto estremamente granulari e precisi per i motori di ricerca (macchine / bot) per consumare, capire, classificare e unirli insieme in una serie di informazioni verificate.

Semantic o ente di ricerca ottimizzerà molto di più che i dati di vendita al dettaglio del prodotto. Date un'occhiata a tipi di schema di Schema.org - questi schemi rappresentano il linguaggio tecnico necessario per creare un Web strutturato di dati (entità identificatori univoci) - e questo diventa a lettura ottica. dati strutturati macchina-leggibile è disambiguare e più affidabile; può essere cross-verificato se confrontato con altre fonti di dati di entità collegate (identificatori unici) sul Web.

Dati strutturati, Triple & triplestore

Ricerca semantica utilizza un vocabolario come protocollo Open Graph di Facebook o di una sintassi simile RDFa o microdati per creare dati strutturati. I dati strutturati possono essere importati ed esportati da triplestore. Appendere in là e portare con me per un minuto ...

Un triplestore è un database per l'archiviazione e il recupero di triple. Triplestore sono ottimizzati per lo stoccaggio e il recupero di triple; in grado di memorizzare miliardi di triple.

Che è una tripla? Per semplificare, facciamo abbattere una frase: la combinazione di tre parti del discorso che formano ogni frase includere un soggetto, predicato e oggetto - di cui anche dagli strateghi semantici come una tripla. Le triple sono essenzialmente legati entità composte di soggetto-predicato-oggetto. Il soggetto è la persona / cosa che esegue l'azione del verbo. Il predicato è l'azione che il soggetto prende. L'oggetto è la persona / cosa su cui si svolge l'azione.

Semplice esempio di una tripla: la signora Keller sta insegnando Algebra.

La signora Keller → → soggetto un'entità

Algebra → → oggetto un'entità

è l'insegnamento → predicato o rapporto → collega le entità

Le triple sono espressi come Uniform Resource Identifiers (URI). Motori risposta sarà recuperare i dati molto specifici da grandi database di triplestore memorizzare miliardi di triple, e il collegamento miliardi di soggetti, oggetti, e predicati di formare relazioni. Il risultato è risposte più precise alle nostre domande verificando internamente dati convalidati e le relazioni che legano ai documenti attendibili (dati strutturati).

Dalle fermate risposte

Quando espandiamo questa logica e la tecnologia in un Web strutturato di dati utilizzando tipi di schema che le macchine come Google, Bing e Yahoo! può capire, abbiamo una macchina come computer di Watson di IBM - un motore risposta che risponde alle nostre domande senza l'utilizzo di parole chiave o link di testo di ancoraggio.

dati strutturati crea la capacità di fornire informazioni dettagliate sul significato del contenuto della pagina per i motori di ricerca in un modo che può essere facilmente elaborato e presentato agli utenti.

Capire vs. indicizzazione dei dati

Diamo cerchio torna rapidamente alla domanda: che cosa è un'entità? Entità di Google Knowledge Graph sono oggetti semantici di dati (tipi di schema), ognuna con un identificatore univoco. Si tratta di una raccolta di proprietà in base agli attributi dei temi del mondo reale che rappresentano, e sono anche i link che rappresenta l'argomento e la sua relazione con altre entità.

Quando Google ha acquistato Metaweb nel luglio 2010, il database Freebase aveva 12 milioni di soggetti. A partire da giugno 2012, di Google Knowledge Graph è stato il monitoraggio di 500 milioni di entità e oltre 3,5 miliardi di relazioni tra quelle entità. Immagino che questo è cresciuto significativamente negli ultimi 16 mesi.

L'aggiunta di dati strutturati leggibili a macchina al Web migliorerà in modo significativo la capacità di un motore di ricerca per “capire” i dati contro “indice”, e fornirà due grandi innovazioni per ottenere risposte precise alle nostre domande quando si utilizza un motore di risposta (o motore di ricerca ):

  1. Macchine avranno un metodo molto migliore per capire l'intenzione dell'utente
  2. Macchine saranno in grado di trarre da database di grandi dimensioni di dati strutturati per abbinare la risposta più affidabile e preciso per l'utente cioè, verificata dati strutturati

Indicizzazione Parole Vs. La comprensione del linguaggio naturale

SEO professionisti, strateghi semantiche e motori di ricerca sono tutti in una fase di transizione - da “aiutare i siti web per ottenere i loro dati non strutturati indicizzati” a “aiutare i siti web, fornendo dati strutturati leggibili a macchina sul Web.”

entità Estrazione

Per fornire un esempio e scavare un po 'più a fondo, l'immagine seguente fornisce una visione limitata della gerarchia dello schema tipo per un “posto” e tutte le sue varianti, per esempio, Palazzo di giustizia contro Ambasciata vs Apartment Complex o Canale. Scoprirete presto che estrazione di entità sostanzialmente poteri ricerca semantica. Pertanto, un'entità rappresenta il futuro della visibilità di ricerca! E questo include l'autorità, la fiducia, la reperibilità, classifica e così via.

gerarchia schema.org Luogo

Schema.org “Place” gerarchia da Protege

La comunità semantica, comunità accademica, W3C, gli scienziati informazioni, Google, Bing, Yahoo !, siti web aziendali astuti, professionisti SEO, sviluppatori web, web designer, agenzie interattive e molti altri hanno già cominciato a migliorare la ricerca semantica con la costruzione di strumenti utilizzando la tecnologia semantica e l'attuazione di markup semantico sul Web.

  • Introduzione alla Linked Data con Sandro Hawke (video: 38 minuti): Concetti e tecniche di pubblicazione Linked Data
  • GoodRelations: Ontologia per l'annotazione di e-commerce sul Web
  • Google introduce Schema.org: Google, Bing, Yahoo! supporto strutturato dei dati sulle pagine web
  • Schema.org: Una raccolta di schemi, vale a dire, tag html
  • Tim Berners-Lee: The Next Web (video: 16 minuti): Il potere dei dati
  • LinkedData.org: Editoria e collegamento dati strutturati
  • Europeana Linked Open Data: Linked Open Data
  • W3C Linked Data: Che cosa è?
  • Protege: gratuito, open source editor di ontologie

Rendere i dati aziendali e contenuto visibile con markup semantico

L'ho detto decine di volte nel corso degli ultimi 3 anni: utilizzando il markup semantico, tutti i dati aziendali e contenuti digitali diventano facilmente accessibili ai motori di ricerca.

Dati aziendali è costituito da contenuti multimediali video, recensioni e le valutazioni, la posizione e le informazioni di contatto, i dettagli di specialità di business, le offerte speciali, informazioni sui prodotti e l'elenco potrebbe continuare .... Anche in questo caso, vi consiglio di dare un'occhiata a tipi di schema di Schema.org.

Implementazione di markup semantico sul tuo sito renderà il vostro dati aziendali leggibile dalla macchina ai motori, applicazioni Web Search, in-car sistemi di navigazione, tablet, dispositivi mobili, mappe di Apple, Siri, mappe Yelp, Linked Open Data, etc.

markup semantico presenta i dati aziendali come il cioccolato ai motori di ricerca - l'amano e mangiano in su! I motori di ricerca a comprendere a fondo e sanno come aggregare i dati per una migliore esperienza utente nella loro SERP. Mentre i motori di ricerca utilizzano dati strutturati per visualizzare i risultati di ricerca più pertinenti, beneficiate perché è noto per aumentare il CTR.

Pensieri finali

Come ricerca semantica diventa più ampiamente adottato, l'uso di marcatura semantica consente di fornire a Google le informazioni dell'entità dati necessari per la sua Knowledge Graph, che a sua volta fornisce le risposte migliori alle query degli utenti su diversi dispositivi. Nel frattempo, è possibile continuare la messa a fuoco su parole chiave come aumenta l'adozione di markup semantico. Tuttavia, preparare la futura visibilità SERP attraverso la comprensione e abbracciando ricerca semantica come si diventa abili a utilizzare correttamente il markup strutturato.

La scrittura è sul muro: i motori di ricerca vogliono contenuti leggibile dalla macchina per fornire risposte più precise alle query degli utenti. Gli utenti vogliono risposte personalizzate a portata di mano in quanto favoriscono gli smartphone / tablet oltre desktop / laptop (Monetate Q1 2013 e-commerce trimestrali).

Questo rende imperativo per i SEO di comprendere la tecnologia e di entità semantiche concetti di ricerca. Per iniziare, vedere “10 motivi per cui ricerca è in Vogue” di Barbara Starr per una lista di 10 cose che puoi fare ora.


Le opinioni espresse in questo articolo sono quelle dell'autore del cliente e non necessariamente Search Engine Land. Autori del personale sono elencate qui.