Как мы тестировали влияние NLP сущностей (entities) на позиции в Гугл

В 1950 году знаменитый специалист по взламыванию кодов и ученый Алан Тьюринг (изображенный Бенедиктом Камбербэтчем в оскароносном биографическом фильме «Игра в имитацию») написал основополагающую статью под названием «Вычислительная техника и интеллект». В первом предложение Тьюринг ставит фундаментальный вопрос «Могут ли машины думать?», на который ученые и философы, инженеры ИИ и писатели-фантасты пытаются ответить и сегодня.

Natural Language Processing используется в ряде областей, таких как: машинный перевод, чат-боты. спам-фильтры, а также и поисковая оптимизация (SEO).

В октябре 2019 года Google анонсировал новый алгоритм BERT, который позволяет ботам значительно лучше понимать контекст и цель поиска. BERT расшифровывается как двунаправленный кодировщик на основе искусственного интеллекта, т.е. Google определяет значение слова или фразы, используя как предшествующее, так и последующее содержание.

Данный алгоритм Google использует NLP, который влияет на onpage и offpage оптимизацию (SEO). Но если быть более точным, NLP меняет то, как мы понимаем запросы в целом и каждое слово в отдельности.

Согласно информации, которую мы можем найти в блоге Google, 15% поисковых запросов используются впервые. Пользователи все чаще и чаще используют более детальные запросы, чтобы найти ответ именно на свой вопрос. Это означает, что иногда алгоритму не хватает исторических данных, чтобы предвидеть цель поискового запроса, поэтому могут возникнуть некоторые трудности с удовлетворением пользователя и предоставлением соответствующих результатов. Ключом к точным результатам является понимание языка, независимо от того, говорим ли мы о устной (голосовой поиск) или письменной речи. NLP - является одной из самых лучших возможностей понять и удовлетворить пользователей.

Если говорим о поисковой оптимизация, важными элементами NLP являются: тональность текста (sentiment), сущности (entities) и салиентность (значимость/salience).

Сущность (entity) - это слово или фраза, представляющие объект, который можно идентифицировать, классифицировать и категоризировать, например, люди, товары, события, числа, организации и т.д.

Поскольку Google различает эти сущности, поисковая система может использовать полученную информацию, чтобы удовлетворить пользователя и предоставить лучшие результаты поиска.

Для того чтобы максимально удовлетворить запросы пользователей и подготовить текст с учетом алгоритма BERT, следует не только оптимизировать текст под СЕО, но и использовать соответствующие entities, которые помогут Гугл лучше понять содержание и правильнее ответить на запрос пользователей. Существует несколько способов найти сущности с целью оптимизации текстов на сайте. Способ первый заключается в ручном сборе слов. Вводим необходимый ключевик в строку поиска и тексты, которые находятся на позиции 1-10

посещаем каждый сайт из Топ 10

и каждый текст анализируем с помощью бесплатного инструмента Гугл, создавая список слов, которые отсутствуют в нашем тексте.

Подготавливая ТЗ для копирайтера, кроме ключевиков, следует указать сущности, в данном случае это следующие слова: подписчиков, покупателей, маркетологов, книга, видео, бизнеса и т.д.

Плюсом такого решения является то, что данный инструмент бесплатный и он отлично подойдет копирайтерам или специалистам, которые специализируются в определенных нишах отлично ориентируются в семантике, и естественным образом используют entitieв тексте.

В GetResponse мы пользуемся инструментом surferseo.com, как на этапе подборки семантического ядра так и при оптимизации существующего контента. Цель нашего эскперемента заключалась в определении влияния сущностей на позиции сайта в выдачи. Первоначально мы отобрали 4 текста, которые уже хорошо ранжировались в ТОП 10. Мы максимально исключили влияние других факторов и с помощью surferseo сравнили статьи с конкуренцией. Однако, окончательно мы решили тестировать влияние сущностей на позиции только трех текстов.

В инструменте SERP Analyzer (surferseo) мы создали 3 проекта с необходимыми ключевиками для анализа и сбора NLP слов.

Инструмент автоматически анализирует выдачу, и создает проект. Для того чтобы найти NLP сущности, нужно просто щелкнуть по любой кнопке Аудит в созданном проекте.

Далее нужно выбрать раздел True Density, в котором автоматически создается список слов с NLP тегом. Процесс автоматизарован, вам не нужно ничего делать вручную, и список готов в течение нескольких минут.

Как видно из скриншотов, NLP слова не всегда являются такими очевидными и могут удивить даже самых опытных экспертов и специалистов в своей нише

Мы проанализировали список для каждого ключевика и в каждую статью мы добавили фрагменты, включающие NLP слова, максимально приближаясь к рекомендованному количеству, которое указано в surferseo. Хотя платформа рекомендавала уменьшить использование некоторых слов, мы решили уменьшить на следующих этапах работы с текстом. Следует подчеркнуть очень важным нюанс - текст либо фрагменты, в которые вы добавите NLP слова, должны нести ценность для читателей. Именно поэтому, общее количество слов не имело значения для нас в данном случае, поскольку мы стремились дополнить публикации максимально полезным контентом.

Например, в публикацию о Pinterest (скриншоты ниже) я добавила фрагменты с такими словами как: boards, социальная сеть, Pins, тренды, декор, интернет-магазинов и др. По каким то причинам эти моменты не были затронуты в статье ранее, но являются важными для читателей. И теперь даже если мы удалим главный ключевик (Пинтерест) из текста, то Гугл, анализируя сущности /entities (т.е.последующее и предыдущее содержание), поймет, что речь идет о Pinterest.

Изменения позиций фиксировались в серпстат. Спустя неделю после того, как мы опубликовали новые фрагменты, мы получили следующие результаты:

• улучшилась видимость тестируемых текстов;

• приблизительно 90% ключевиков улучшили позиции;

• текст начал ранжироваться (в некоторых случаях даже в топ-10) по ключевикам (длинные хвосты), которые даже не были использованы в тексте;

  
  

Выборка была небольшой, однако предварительно можно подтвердить, что работа над текстом становится более комплексной и требует аналитического и экспертного подхода, действительно глубокого и полного изложения содержания, а также использования более специализированных инструментов. Безусловно, количество слов играет определенную роль, но прежде всего тексты должны быть полезными для пользователей и решать их проблемы. И сегодня это уже не пустые слова, а серьезная работа.