چگونه NLP سئوی درون صفحه را تغییر می دهد

در اکتبر 2019، گوگل اعلام کرد الگوریتم BERT.

این به‌روزرسانی 10 درصد از تمام درخواست‌های جستجو را تحت تأثیر قرار داد.

سپس وجود داشت به روز رسانی اصلی گوگل که در ژانویه 2020:

این توییت به یک پست وبلاگ در مورد اشاره دارد به روز رسانی های اصلی گوگل از 1 آگوست 2019.

اخیراً شاهد فعالیت در SERP ها بودیم و سئوکاران باید تعیین کنند که بهینه سازی موتورهای جستجو چه معنایی دارد.

هنگامی که تغییرات اتفاق می افتد، سئوی ما process برای هماهنگی با الگوریتم های موتور جستجو نیاز به تنظیم دارد.

BERT به ارمغان آورد افزایش محتوای با کیفیت، زمینه، یادگیری ماشین مدرن، و پردازش زبان طبیعی (NLP) غیرقابل انکار است.

چه چیزی در پشت آن همه واژه های پر سر و صدا وجود دارد؟

مجذوب BERT و NLP، ساعت‌ها را صرف بررسی ابزارها، تجزیه و تحلیل مجموعه داده‌ها و آزمایش راه‌حل‌ها کردم. من یافته‌هایم را در یک مقاله قرار دادم تا بدانید برای شما، وب‌سایت و سایت مشتریانتان چه معنایی دارد.

هشدار اسپویلر: راهی برای پیاده سازی NLP SEO به عنوان بهبود بهینه سازی موتور جستجو و روش استفاده از آن برای بهینه سازی وب سایت خود وجود دارد. من چند مطالعه موردی را در پایان اضافه کردم تا همه چیز منطقی باشد.

BERT کلید درک مفهوم NLP و آخرین تغییر در گوگل است که در استراتژی سئوی شما نقش دارد.

‌

https://www.youtube.com/watch؟v=J1mlpXNKeX0

چرا BERT و NLP اغلب در یک جمله ظاهر می شوند؟

در اکتبر ۲۰۱۹، گوگل به‌روزرسانی‌ای را اعلام کرد که به ربات‌ها اجازه می‌دهد تا زمینه و هدف جستجو را درک کنند و تغییرات در نتایج جستجو را منعکس کنند.

به گفته گوگل:

این پیشرفت‌ها حول محور بهبود درک زبان هستند، به‌ویژه برای جستارهای زبان طبیعی/مکالمه‌ای، زیرا BERT می‌تواند به جستجو کمک کند تا تفاوت‌های ظریف و بافت کلمات در جستجوها را بهتر درک کند و آن پرسش‌ها را با نتایج مفید مطابقت دهد.

BERT مخفف دو طرفه رمزگذار بازنمایی از ترانسفورماتور است. بخش اول، “دو جهته”، برای درک روش NLP بسیار مهم است – به ویژه از آنجا که می توانیم حداقل دو توضیح از “دو طرفه” را پیدا کنیم که منطقی هستند.

تعریف اول بیان می کند که «دو طرفه» خود به دو جهت الف اشاره دارد process.

اساساً گوگل با استفاده از هر دو معنای یک کلمه یا عبارت را پیدا می کند.

تعریف دیگر به توانایی یادگیری اشاره دارد.

BERT معنا را از یک زمینه (جهت اول) ارزیابی می کند و توانایی یادگیری و درک زبان طبیعی (جهت دوم) را نشان می دهد. ما معتقدیم process کاملا بدون نظارت است

هر دو توضیح به درک NLP کمک می کنند process و تاثیر آن روی بهینه سازی موتور جستجو.

رابطه بین BERT و NLP

BERT شامل دو جزء اصلی است: داده ها (مدل های از قبل آموزش دیده) و روش شناسی (روش تعریف شده برای یادگیری و استفاده از آن مدل ها).

مدل‌ها اساسا مجموعه‌ای از داده‌ها هستند، اما شما به راهی برای این کار نیاز دارید process این مجموعه داده ها بدون یک process برای تفسیر صحیح آنها، آنها بی فایده هستند.

BERT بخشی ضروری از NLP است و بر نتایج موتورهای جستجو تأثیر می گذارد.

‌

اطلاعات بیشتر در مورد تاریخچه NLP: شان شاتر مقاله ای عمیق منتشر کرد که این موضوع را پوشش می دهد.

BERT و NLP چگونه بر سئو تاثیر می گذارند؟

در یک کلام: به طور قابل توجهی!

از آنجایی که الگوریتم گوگل از NLP استفاده می کند، تأثیر می گذارد روی-page و خاموش-page سئو.

اما برای دقیق تر، NLP روش درک ما از پرس و جوها به عنوان یک کل و هر کلمه را به طور جداگانه تغییر می دهد. علاوه بر آن، Google قادر است احساسات افراد منتخب را از محتوای وب سایت ارزیابی کند.

نمونه های عملی از تاثیر BERT روی قطعه های برجسته

در Surfer، ما این امتیاز را داریم که با داده های زیادی کار کنیم، من از داده هایی که به آنها دسترسی دارم استفاده کردم و آن ها را با BERT تجزیه و تحلیل کردم.

همانطور که گوگل بیان کرد، آنها روش درک سوالات جستجو را تغییر دادند.

بنابراین، من پنج هزار عبارت انگلیسی را انتخاب کردم و SERP ها را از قبل و بعد مقایسه کردم.

نتایج تأیید کرد که از دیدگاه SEO، BERT تأثیرگذار بود.

پس از به‌روزرسانی، تعداد پرس‌و‌جوها با قطعه‌های برجسته 5.2 درصد افزایش یافت!

چگونه NLP کیفیت جستجو را افزایش می دهد؟

با توجه به وبلاگ گوگل، 15 درصد از عبارت های جستجو برای اولین بار استفاده می شود. مردم از موتورهای جستجوی خود برای جستجوهای طولانی مدت برای یافتن پاسخ سؤالات به خصوص با افزایش جستجوی صوتی استفاده می کنند.

گاهی اوقات الگوریتم داده‌های تاریخی کافی برای پیش‌بینی هدف پشت عبارت جستجو ندارد، بنابراین در ارائه نتایج جستجوی مرتبط با مشکل مواجه می‌شود.

برای هر جستجوی کلمه کلیدی ضروری است. زبان؛ گفتاری (جستجوی صوتی)، یا نوشتاری.

به نقل قول بیانیه مقاله پاندو نایاک، که به نظر ما منبع قابل اعتمادی است:

با آخرین پیشرفت‌های تیم تحقیقاتی ما در علم درک زبان – که توسط فراگیری ماشین— ما در حال بهبود قابل توجهی در روش درک سؤالات هستیم که نشان دهنده بزرگترین جهش به جلو در پنج سال گذشته و یکی از بزرگترین جهش ها در تاریخ جستجو است.

زمینه همه چیز است

برای پرس و جوهای پیچیده تر و محاوره ای، ارزیابی معنای حروف اضافه دشوار است.

بسیاری از پرس و جوها حاوی کلمات با فرکانس بالا مانند “and”، “to”، “in” هستند. همچنین کلماتی با معانی متعدد مانند “دریافت”، “برو” وجود دارد. بیایید به یک مثال نگاه کنیم.

تعبیر “برو” می تواند بی معنی باشد، اما به آنچه در زمینه های مختلف اتفاق می افتد نگاهی بیندازید.

نمونه هایی از وبلاگ گوگل:

احساسات در NLP چیست؟

احساس، ته رنگ است. این احساسات می تواند مثبت، منفی یا خنثی باشد.

احساسات مثبت به این معنی است که موضوع به خوبی توصیف می شود. آنها معمولاً کلمات مثبتی مانند “عالی”، “گورو”، “قهرمان” یا “برجسته” دارند. اگر مقدار آن بین 0.25 – 1.0 باشد، احساسات مثبت است.

احساسات منفی نشان دهنده استفاده از عبارات مضر در محتوا است. همانطور که احتمالاً قبلاً حدس زده اید، در این صفحات از کلماتی مانند “نفرت”، “ضعیف”، “لجباز”، “خسته کننده”، “خطر” استفاده می شود. احساسات منفی: -1.0 – -0.25.

در نهایت، خنثی می تواند شامل سیگنال های مثبت و منفی باشد و مقدار آن 0.25- تا 0.25 است.

به یاد داشته باشید: الگوریتم گوگل ارزش احساسات را نه تنها برای کل صفحه فرعی، بلکه برای هر بخش فرعی محتوا محاسبه می کند.

آیا احساسات بر موقعیت در SERP تأثیر می گذارد؟ مطالعه اخیر ما در مورد تجزیه و تحلیل احساسات NLP در SEO را بخوانید.

موجودیت در NLP چیست؟

Entity کلمه یا عبارتی است که نشان دهنده یک شی است که می توان آن را شناسایی، طبقه بندی و طبقه بندی کرد.

اشیاء افراد، کالاهای مصرفی، رویدادها، اعداد یا سازمان ها هستند. وظیفه NLP انتخاب و ارزیابی نهادها است.

از آنجایی که گوگل آن نهادها را متمایز می کند، موتور جستجو از اطلاعات برای جلب رضایت کاربر و ارائه نتایج جستجوی بهتر استفاده می کند.

‌

دو معیار دیگر: برجسته بودن و دسته بندی.
به لطف NLP، گوگل قادر است محتوا را به یک دسته مربوطه، مانند /اینترنت و مخابرات/موبایل و بی سیم، در مثال زیر.

لیست کامل دسته بندی محتوا را بررسی کنید.

برجستگی در NLP چیست؟

برجستگی در NLP نشان دهنده اهمیت موجودیت در متن است. محدوده از 0.0 تا 1.0 است. هر چه ارزش برجسته بالاتر باشد، موجودیت با موضوع موضوع مرتبط تر است page.

به عنوان مثال، وقتی در مورد صبحانه صحبت می کنیم، کلمه “صبح” ممکن است مهمتر از “عصر” باشد.

از نسخه ی نمایشی API زبان طبیعی Google استفاده کنید

اولین قدم برای افزایش سئو process استفاده از ابزارهای موجود است. مهمترین آن است نسخه ی نمایشی Google’s Natural Language API، یک ابزار رایگان.

چند محدودیت وجود دارد: از هر زبانی پشتیبانی نمی کند. اینجا یک لیست زبان های پشتیبانی شده NLP.

چگونه وب سایت خود را برای BERT بهینه کنیم؟

پس از توییت دنی سالیوان، من در مورد BERT و NLP خوانده‌ام، اعتراض این است که هیچ کاری نمی‌توانید برای بهینه‌سازی وب‌سایت خود برای NLP انجام دهید.

در یکی از جدیدتر وبینارهای گوگل، از جان مولر پرسیده شد که چه نوع کار SEO می توانیم در مورد BERT انجام دهیم.

او توضیح داد که:

(…) پرس و جوها واقعاً چیزی نیستند که بتوانید به اندازه یک SEO (…) متن را تحت تأثیر قرار دهید روی را page چیزی است که می توانید بر آن تأثیر بگذارید. توصیه ما در آنجا اساساً نوشتن طبیعی است (…).

او به ویژگی‌های خاصی اشاره کرد که باید مراقب آن‌ها باشیم، و گفت که «تطبیق سؤالی که کسی می‌پرسد با سؤال خاص می‌تواند مفید باشد». page”

نویسندگان به گونه ای می نویسند که انسان بتواند بفهمد. تمرکز نکردن روی پر کردن کلمات کلیدی، اما زبان طبیعی.

مراحل افزایش نتایج سئو:

تحقیق کلمات کلیدی: از کنسول جستجوی گوگل برای یافتن رتبه های از دست رفته استفاده کنید

از آنجایی که گوگل پس از به‌روزرسانی BERT، هر پرس و جو را بسیار بهتر درک می‌کند، نوسانات قابل توجهی در SERP ها وجود داشت.

تشخیص اینکه چه نوع پرس و جوهایی ترافیک آنها را افزایش داده و مواردی را انتخاب کنید که در ترافیک جستجوی ارگانیک از دست رفته اند، مهم است.

برخی از صفحات ممکن است کاهش ترافیک ارگانیک را نشان داده باشند. در بسیاری از موارد، الگوریتم گوگل انتظار نوع متفاوتی از محتوا را دارد. به نظر می رسد محتوای شما مرتبط نیست، اما کاهش ترافیک لزوماً نشانه ای نیست که وب سایت شما دیگر برای مردم جالب نیست.

برای اینکه بدانید کدام کلمات کلیدی پس از به‌روزرسانی دچار افت شده‌اند، از کنسول جستجوی گوگل استفاده کنید.

کلمات کلیدی که در رتبه بندی افت کرده اند را انتخاب کنید و محتوای خود را با رقبای فعلی مقایسه کنید. شاید نیاز به بازنویسی داشته باشد، یا پوشش موضوع تکمیلی نباشد. ممکن است محتوای شما خیلی طولانی باشد یا فاقد نهادهای سئوی مناسب باشد؟

به لطف GSC، کلمات کلیدی را شناسایی کنید که باید فوراً از آنها مراقبت کنید. در اینجا روش کار در دو مرحله آمده است:

مرحله شماره 1

GSC را باز کنید، روی فیلتر تاریخ کلیک کنید و اکتبر 2019 را با نوامبر 2019 به عنوان BERT در پایان اکتبر مقایسه کنید.

گام 2

برداشت ها را انتخاب کنید و بر اساس تفاوت مرتب کنید. بین Queries و Pages به هم بزنید تا متوجه شوید که آیا تک است یا خیر page یا مجموعه ای از صفحات ضربه خورد.

اکنون شما کلمات کلیدی و لیست صفحات را اولویت بندی کرده اید که باید از آنها مراقبت کنید.

وب سایت را بازسازی کنید

کارشناس الگوریتم جستجو از برتیداون اندرسون توضیح می دهد:

هنوز کارهای زیادی برای ما وجود دارد که باید انجام دهیم، زیرا باید بر اهمیت تأکید کنیم، از ساختارهای واضح استفاده کنیم، به تبدیل داده های بدون ساختار به داده های نیمه ساختاریافته کمک کنیم، و از نشانه ها استفاده کنیم. روی صفحات سبک محتوا (مثلاً صفحات تجارت الکترونیکی با تصویر سنگین اما نه با متن سنگین) با استفاده از مواردی مانند پیوند داخلی.

در برخی موارد، لینک سازی داخلی و ساختار وب سایت نقش مهمی در این امر ایفا می کند process از درک مطالب

به این معنی که اگر وب سایت شما ضعیف نوشته شده باشد یا ساختار واضحی نداشته باشد، ممکن است گم شود روی دوم page. من “ساختار” را در مورد کل دامنه به اندازه یک صفحه فرعی در نظر می‌گیرم.

بهینه سازی ساختار وب سایت:

• مراقبت از لینک های داخلی،
• یکسان سازی متن لنگر داخلی،
• استفاده از ناوبری جامع،
• در برخی موارد، اجرای آرد سوخاری.

بهینه سازی مقاله واحد شامل موارد زیر است:

• اجرای صحیح طرحواره،
• کلمه کلیدی حذف پر کردن،
• بهبود ساختار سرصفحه ها،
• ارائه منابع داده و نویسنده،
• مراقبت از پوشش موضوع با مقایسه با بهترین رقبا،
• شامل نهادهای مناسب مرتبط با موضوع،
• حمایت از احساسات ترجیحی نه تنها برای کل محتوا، بلکه برای هر نهاد و غیره.

به مقاله ما نگاهی بیندازید روی SEO برای وبلاگ ها برای نکاتی در مورد وارد کردن ترافیک ارگانیک به داخل.

مراقب بک لینک های داخلی و خارجی باشید

به لطف NLP، الگوریتم گوگل زمینه پیوندهای داخلی و خارجی را ارزیابی می کند. در حال حاضر، ساختار و محل پیوندها بیش از هر زمان دیگری مهم است.

بک لینک های داخلی و خارجی یکی از مهم ترین فاکتورهای سئو هستند. BERT برای تعریف مجدد نمایه بک لینک ها و همچنین معماری داخلی وب سایت استفاده می شود.

پیوندی که در زمینه مناسب قرار داده شده ارزش بیشتری نسبت به پیوندی که به صورت تصادفی قرار داده شده است. بنابراین پیوندهای شما، داخلی یا خارجی، آب بیشتری برای شما به ارمغان می آورد اگر:

• قرار داده شده روی یک وب سایت با یک طاقچه متصل به سایت شما،
• قرار داده شده روی آ page که زمینه مشابهی دارد،
• در یک پاراگراف قرار داده شده که از نظر منطقی با محتوای شما مرتبط است page.

شکار قطعه ها

فرصت های جدیدی در موتورهای جستجو برای تنظیم سئو وجود دارد process به واقعیت جدید: قطعات.

از بهینه سازی موتورهای جستجو استفاده کنید و از قطعه ها برای ارائه پاسخ سوالات متداول استفاده کنید.

تجزیه و تحلیل رقبا – سئو process با عوامل NLP

پس از تجزیه و تحلیل هر متن نوشته شده به زبان پشتیبانی شده (از طریق استفاده از NLP API Google)، معیارهایی را دریافت خواهید کرد، از جمله:

• احساسات،
• موجودیت ها،
• دسته بندی،
• امتیاز برجسته.

مرحله 1: کلمه کلیدی اصلی خود را انتخاب کنید

کلمه کلیدی اصلی خود را که می خواهید رتبه بندی کنید انتخاب کنید.

به خاطر داشته باشید که برخی از کلمات کلیدی رقابتی هستند. در مقاله ما روی ارزیابی دشواری کلمه کلیدی، ما به این سوال پاسخ دادیم روی چگونه یک پرس و جو را انتخاب کنید که می توانید به طور واقع بینانه برای آن رتبه بندی کنید.

https://www.youtube.com/watch؟v=SFAQzfRbzPg

مرحله دوم: رقبای خود را انتخاب کنید

ممکن است بدیهی به نظر برسد، اما بسیاری از کارشناسان سئو فکر می کنند هر وب سایتی که در فهرست ده سایت برتر قرار می گیرد، یک سایت است page با آنها رقابت می کنند. این نوع رویکرد ممکن است مجموعه داده شما را رقیق کند.

برای انتخاب صحیح آنها باید:

• نوع محتوای خود را مشخص کنید. حتی اگر قصد جستجوی «تحقیقی» را دارید، باید بدانید که آیا در حال نوشتن یک پست وبلاگ، ایجاد یک ویدیو، یا فرود هستید page.
• صفحاتی را که دارای اهداف متفاوتی هستند حذف کنید.
• موارد پرت را حذف کنید: صفحاتی که بسیار طولانی تر یا کوتاه تر از سایر صفحات هستند.
• صفحاتی را که به دلیل اعتبار و نمایه بک لینک آنها رتبه بندی می شوند حذف کنید.

در اینجا یک مقاله عمیق در مورد انتخاب رقبای سئو مناسب وجود دارد برای تحلیل شما

مرحله سوم: یک سند برای جمع آوری داده ها ایجاد کنید

برای جمع‌آوری داده‌ها در یک فرم جامع، توصیه می‌کنم از صفحه‌گسترده، سند متنی یا هر چیزی که برای شما مناسب است استفاده کنید. در اینجا یکی از الگوهای من برای تجزیه و تحلیل رقبای NLP است. این قابل دانلود است، بنابراین می توانید از آن برای اهداف خود استفاده کنید.

صفحه گسترده را از اینجا دانلود کنید.

مرحله چهارم: محتوای خود را با رقبای خود مقایسه کنید

به خصوص در مورد SERP های یک طرفه، از استفاده از احساسات ترجیحی آگاه باشید. رفتن به سمت مخالف ممکن است تمام تلاش های سئوی شما را بیهوده کند.

یک مثال ساده می تواند این باشد که اگر تمام نتایج جستجوی برتر یک محصول دارای نظرات مثبت باشد، و شما یک بررسی منفی ایجاد کنید، که ممکن است بر رتبه بندی شما تأثیر منفی بگذارد. گوگل داده‌های تاریخی سایت‌های مرتبط‌تر را گرفته است و ظاهراً نظرات مثبت را نسبت به موارد منفی ترجیح می‌دهد.

حتی اگر گوگل این احساسات را آزمایش می‌کند و در طول زمان نوسان می‌کند، ورود به ده نفر برتر با لحن غیرمنتظره‌ای می‌تواند چالش برانگیز باشد. به طور مشابه، گاهی اوقات نمی توان با محتوای کوتاه، یکی از بالاترین موقعیت های ارگانیک در گوگل را پشت سر گذاشت روی ظاهر نهادها

مقایسه خود با رقبای مستقیم به ما این امکان را می‌دهد که شکاف را پر کنیم، هدف کاربر را از پرس و جوی جستجو تخمین بزنیم و محتوا را جامع‌تر کنیم.

گوگل چقدر احساسات را ارزیابی می کند؟

همان‌قدر که من انتخاب نهادها را دوست دارم، ارزش‌گذاری احساسات جایی برای بهبود باقی می‌گذارد.

من دسته ای از کلمات کلیدی را تجزیه و تحلیل کردم تا یک SERP منفی یک طرفه پیدا کنم.

سخت تر از چیزی بود که انتظار داشتم.

اگرچه در بیشتر موارد احساسات مثبت و خنثی وجود دارد، اما گوگل تمایل زیادی به اختصاص احساسات منفی به وب سایت ها ندارد.

از سوی دیگر، باید در نظر داشته باشیم که BERT تنها یکی از مدل های از پیش آموزش دیده است. ما هیچ تاییدی نداریم که این نسخه همان نسخه ای است که توسط الگوریتم گوگل استفاده می شود. من فرض می کنم که گوگل علاقه زیادی به اشتراک گذاری جدیدترین نسخه از مدل های از پیش آموزش دیده خود با ما ندارد. به هر حال، چرا منابع با بهترین عملکرد را به اشتراک بگذارید؟

بیایید به مثالی نگاهی بیندازیم که تجزیه و تحلیل احساسات را برای محتوای بسیار منفی نشان می دهد.

جایگزین های BERT برای تحلیل احساسات

BERT تنها یکی از مدل های NLP است. علاوه بر این، گوگل تنها شرکتی نیست که تکنیک های NLP را توسعه می دهد. جایگزین های BERT عبارتند از:

• واتسون (IBM)
• ULMFiT
• تبدیل کننده
• ترانسفورماتور-XL
• GPT-2 OpenAI

تحلیل احساسات IBM Watson

من واتسون IBM را تست کردم. این بسیار شگفت انگیز است و عملکرد بهتری نسبت به گوگل دارد و در جوامع سئو محبوبیت زیادی به دست آورد. مشاهده کردم که واتسون جملات منفی را خیلی بهتر از گوگل تشخیص می دهد.

این بار، من SERP ها را برای یافتن همبستگی در ارزش احساسات آزمایش کردم.

من متوجه شدم که برای کاربرانی که از نظر فنی پیشرفته تر هستند ممکن است با مشکلات فنی مواجه شوند.

ارسال درخواست های API به طور مستقیم از مک بوک terminal نیاز به دانش فنی اولیه دارد.

قبل از درخواست باید کلید API منحصر به فرد شما و غیره ایجاد شود. در عوض، ما داده ها را به ترتیب خاصی دریافت می کنیم.

در اینجا بخشی از پاسخ مربوط به همان قسمت از محتوا در مورد شهرهای خطرناک است که من برای مثال Google API استفاده کردم.

دانش فنی برای تفسیر داده ها ضروری نیست. برای واتسون، همان قسمت از محتوا به شدت منفی است، در حالی که BERT گوگل آن را خنثی یا حتی مثبت می بیند.

حالا بیایید 50 مورد برتر را با هم مقایسه کنیم روی نمودار فورک کلید واژه: “خطرناک ترین شهرهای جهان 2019” در ایالات متحده. نمودار زیر تجزیه و تحلیل NLP را بر اساس Google و IBM Watson Sentiment ارائه می دهد.

در Surfer، ما تصمیم گرفتیم از Google (برای موجودیت‌ها و احساسات موجودیت True Density) و IBM Watson (برای احساسات عمومی) استفاده کنیم. تجزیه و تحلیل NLP به زودی منتشر خواهد شد.

‌

مقایسه واتسون BM و تجزیه و تحلیل احساسات NLP گوگل

در تحلیل انجام شده توسط واتسون یک همبستگی احساسی وجود دارد. در عین حال، در نمودار NLP گوگل همبستگی وجود ندارد.

همبستگی یک علت نیست و همیشه خوب است که آن را به خود یادآوری کنیم، اما ارزیابی احساسات منفی واتسون محتمل تر به نظر می رسد.

توجه داشته باشید که من یک قطعه از محتوا را با میانگین امتیاز احساسات مقایسه کردم. من می دانم که برخی از شما با این نوع رویکرد مخالف هستید، زیرا:

• واتسون IBM ممکن است از متدولوژی کاملاً متفاوتی نسبت به NLP گوگل استفاده کند.
• قرار دادن موجودیت‌ها در مجاورت مناسب مهم‌تر از حفظ یک مقاله کامل در احساسات خاص است.

اگرچه هر دو بیانیه نور جدیدی می اندازند روی هیچ مدرکی مبنی بر معتبر بودن یا نبودن ارزیابی احساسات واتسون وجود ندارد. من پرس و جوهای زیادی را آزمایش کرده ام و واتسون بسیار قابل اعتمادتر به نظر می رسد.

وقتی صحبت از NLP می شود، استفاده از موجودیت ها در همسایگی احساسات مناسب به نظر می رسد. اما برای پرسش‌های کم‌تر به شما توصیه می‌کنم که به طور طبیعی برای انسان بنویسید و به چنین جزئیاتی توجه نکنید. با این حال، گزارش احساسات موجودیت های دانه بندی شده می تواند برای رقابتی ترین پرسش ها بسیار مفید باشد.

NLP Watson را می توان در موارد مختلف به کار برد – IBM درآمد قابل توجهی از ارائه دسترسی API ایجاد می کند، و دلیلی برای پنهان کردن راه حل با عملکرد خوب وجود ندارد.

به روز رسانی مطالعات موردی NLP و SEO

همانطور که در ابتدا گفتم، ما مجموعه ای از آزمایشات را در مورد NLP انجام داده ایم. یکی از آنها در به روز رسانی هسته ژانویه 2020 برگزار شد.

همه شما می دانید که بهترین آزمایش ها انجام می شود روی موارد استفاده در زندگی واقعی من از هم تیمی خود، Michał Suski، خواستم که تعدادی از کاربران Surfer را تشویق کند تا ممیزی NLP را ایجاد کنند. سپس او ترفندهای مرتبط با موجودیت را اجرا کرد روی صفحات آنها و نتایج جالب بود.

مقاله تحلیل شده قبلاً رتبه خوبی داشت. (اصطلاحات اولیه روی پایین اولی page، بنابراین من نمی خواستم یک تعمیر اساسی در آن انجام دهم page.

1. کالین ما، کارآفرین دیجیتال و سئو چابک ساخته شده است

من تقریباً تمام اصطلاحات پیشنهادی Surfer NLP Analysis را اضافه کردم، اما برای اولی کمی کمتر اضافه کردم page به روز رسانی. به عنوان مثال، Surfer پیشنهاد کرد که کلمه “dress” را 5 بار اضافه کنید و من آن را فقط 2 یا 3 بار اضافه کردم.

من نمی‌خواستم محتوا را زیاد تغییر دهم، زیرا در این مورد، به وضوح از قبل خوب کار می‌کرد. به طور کلی، نهادهای اضافی به من اجازه دادند تا با دیدن نام محصولات و نام سایر موارد مرتبط با مقاله، کلمات کلیدی اضافی را اضافه کنم.

من تحت تاثیر افزایش زیادی که از بهینه سازی NLP گرفتم، وقتی 5 تا 6 پله بالا رفتم. روی page 1 در عرض 2 روز

2. جان پیندو، مدیر عامل شرکت کسب و کار محدود به آزادی

تیم Surfer وقتی گفتند نسخه بتا Surfer جدید با NLP قادر به تغییر بازی خواهد بود، دروغ نگفتند.

من یک کلمه کلیدی در موقعیت 5-6 ماه ها گیر کرده بودم! یک هفته پس از اجرای ممیزی (موجودات NLP فعال هستند) کلمه کلیدی هدف من به همراه کلیدواژه های ثانویه در SERP ارتقا یافت.

جدای از رتبه بندی بهتر، من ستون جدید NLP را که در ممیزی گنجانده شده است، بسیار دوست دارم. این نمونه هایی از روش استفاده رقبا از عبارات/کلمات بدون نیاز به رفتن به آنها را نشان می دهد page که فقط بهینه سازی برای چگالی واقعی را بسیار آسان تر می کند!

‌

3. مت دیگیتی از diggitymarketing.com

یک تیزر کوچک از افزایش رتبه روی یکی از پست های وبلاگ مت دیگیتی. بهینه سازی NLP خالص با استفاده از ویرایشگر محتوا.

خلاصه

NLP یک مفهوم بسیار پیچیده است. به عنوان یک متخصص سئو، برای استفاده از ابزارهای موجود برای بهبود متدولوژی سئو، لازم نیست متخصص یادگیری ماشین باشید. اجازه دهید ابزارهای موتورهای جستجو کار سخت را برای شما انجام دهند.

اما داشتن دانش اولیه که توسط تست های سئو تایید می شود و مشاهده نوسانات SERP به شما کمک می کند تا با این صنعت همراه باشید. با این حال، اگر می‌خواهید درباره NLP اطلاعات بیشتری کسب کنید، Future Processing اخیراً یک پست عالی نوشته است.

به طور خلاصه، در اینجا روش بهینه سازی NLP وب سایت برای موفقیت آمده است:

👉 وب سایت و صفحات خود را بازسازی کنید 👉 احساسات را تجزیه و تحلیل کنید 👉 موجودیت های مرتبطی را که از دست داده اید اضافه کنید

من کنجکاو در مورد نتایج آزمایشات و تغییرات موقعیت شما ناشی از به‌روزرسانی BERT هستم. آیا قبلاً اجزای پردازش زبان طبیعی را در تحلیل خود گنجانده اید؟ آیا از تجزیه و تحلیل NLP هنگام انجام ممیزی عمیق SEO استفاده می کنید؟ ماجراهای خود را با به روز رسانی به اشتراک بگذارید!