Семантический поиск Google убъет SEO

Google продолжает расширять возможности поиска для пользователей. Если до текущего момента результаты поиска опирались на ссылочное ранжирование и релевантность слов, то семантический поиск оперирует сутью. Это позволить гуглу давать ответы на все более и более сложные вопросы пользователей, без необходимости выводить ссылки по теме, а компании получат как минимум два положительных момента:

• Во-первых, удобство предоставления информации, а значит экономия времени и удовлетворение пользователей поисковика.
• Во-вторых, рост потенциала рекламных площадей, за счет улучшения результатов поисковой выдачи.

«Цель семантического поиска — расширить стандартное словарное значение слова или фразы под намерения пользователя в рамках определенного контекста. Изучая предыдущие результаты и создав связи между объектами (entites), поисковая система может вывести реальный ответ на запрос пользователя ( авт. — краткую справку об объекте запроса, информацию о связанных с ним фактах), а не просто десяток ссылок на выбор»

Crowd.com

Knowledge Graph

Чтобы отобразить готовый ответ непосредственно в результатах поиска, гугл сравнит сведения из собственной базы данных с содержанием запроса. Технически это реализовано посредством семантической веб-сетки между различными объектами: событиями, вещами, людьми, категориями и др. Эта первая ступень на пути к интеллектуальному поиску получила название Knowledge Graph (граф знаний), и по планам гугл должна завершиться к 2019 году.

Вывод гугл по запросу «Эрмитаж»

Источником информации для графа знаний служит открытая семантическая база данных Freebase, страницы Википедии, некоторые трастовые тематические сайты, сборник открытых данных ЦРУ по миру и др. Схема, которую применяет Google, Bing и Yahoo! в своем подходе, опубликована на сайте Schema.org.

Разметка страниц позволяет поисковым системам понимать информацию на веб-страницах и предоставлять пользователю именно ту информацию, которую он ищет. Разметка также может задействовать новые инструменты и приложения, которые используют эту структуру.

Schema.org

В терминологии Google «прямые ответы» носят название OneBox Results, Plus Box, или Direct Answers.

Технологии семантического поиска

Помимо задаваемых нами вопросов, в основе семантического поиска лежит еще базовая информация. Его принцип работы впервые описан в статье Р.Гуха и др., о IBM, Стэнфорде и Консорциуме Всемирной паутины [1].

Работа с информационным контекстом, морфологией, синонимами, обобщениями, концептуальным множеством, базами знаний, обработкой сленга (жаргонизма) и др. позволяют получить соответствующий результат выдачи в поиске [2,3].

Если технология электронного разума Knowledge Graph позволяет пользователям получить конкретный ответ непосредственно на странице поиска, то технология Спектр от Яндекса всего лишь каталогизирует неоднозначные запросы. По сути Спектр уточняет поисковый запрос или выводит подсказки в нескольких категориях.

Textonomy Advanced Engine, например, использует лингвистические правила для определения зависимости между словами и контекстом, в котором они встречаются. База движка напрямую связано с различными словарями и энциклопедиями.

Система Ask Jeevesа выводит только ту часть сайта, которая содержит ответ на запрос пользователя, благодаря чему нет необходимости листать всю страницу, чтобы найти нужную информацию. True Knowledge, как и Ask Jeeves, является системой ответов на вопросы, но в отличие от Ask Jeeves, вначале определяет смысл вопроса путем выделения в нем утверждений или фактов из свой БД, а затем формирует ответ на основе правила логического вывода для этих фактов.

Например, для запроса «Сколько Тони Блэр был премьер-министром Великобритании», True Knowledge использует следующие факты: «Тони Блэр был премьер-министром Великобритании со 2 мая 1997 по 27 июня 2007», «Тони Блэр не был премьер-министром Великобритании до 2 мая 1997» и «Тони Блэр не был премьер-министром Великобритании с 27 июня 2007». Сегодня в базе данных системы True Knowledge содержится около 300 млн. фактов о более, чем 8 млн. объектах [4].

Выдыча гугл OneBox Results и Plus Box

Неплохой обзор по принципам работы семантических систем SearchMonkey, Hakia, Powerset и Freebase сделал портал Хабрахабр [5].

Семантический поиск и SEO

До сих пор seo оптимизация страниц сайта проводилась на основе релевантности запросу, которая определялась синтаксически, т. е. путем вычисления плотности и наличия ключевых слов в документе, но без учета их семантических особенностей [6]. Самые лучшие результаты в поиске получали те сайты, кто включил на странице поисковые запросы, оптимизировал заголовок H1 и тег title, а также закупил ссылки.

Допустим, вы хотите найти «купить кожаную куртку». В не семантическом поиске, вы получите ссылки на страницы, которые просто содержат точную фразу «купить кожаную куртку». В случае поисковика Гугл, он покажет только те результаты, которые подходят вам территориально, учтёт сезонные вариации относительно данного запроса и поисковые тенденции в вашем месте проживания, бренд для конкретной модели, также Гугл постарается определить цели вашего поиска.

Интересно, что результат поиска для запроса «купить кожаную куртку» может не содержать это словосочетание вообще. В нашем случае наиболее релевантной страницей будет та, которая соответствует намерениям пользователя.

Семантическая выдача на фильм «ВЛАСТЕЛИН КОЛЕЦ»

Учитывая такой алгоритм поиска информации, что поможет специалистам по SEO повысить качество контента? Это — употребление естественной речи целевой аудитории, соответствие значений слов содержанию текста, учет частоты и вариантов ключевых слов на странице (синонимы, аналоги, связанные одной темой, тематические словосочетания).

Однако текст не должен бездумно наполнятся ключевиками. В идеальном случае он должен коррелировать с целями пользователя.

1. Guha, R.; McCool, Rob; Miller, Eric (May 24, 2003). «Semantic Search». WWW2003. Retrieved July 13, 2012.
2. John, Tony (March 15, 2012). «What is Semantic Search?». Techulator. Retrieved July 13, 2012.
3. Guha R. Semantic search / R. Guha, R. McCool, E. Miller // Proceedings of the 12th international conference on World Wide Web. — N.Y. ACM Press, 2003. P. 700–709.
4. Ba Ngoc Nguyen, Tuzovsky A.F. «A review of semantic search approaches». — Доклады ТУСУРа, №2 (22), часть 2, декабрь 2010.
5. Хабрахабр / Семантический поиск: мифы и реальность
6. Christopher D.M. «Introduction to information retrieval» / D.M. Christopher, R. Prabhaka, S. Hinrich. — Cambridge University press, 2008. 504p.

+3