Semantic SEO là thực hành viết nội dung được tối ưu hóa cho công cụ tìm kiếm xung quanh các chủ đề theo nghĩa hoặc ý định tìm kiếm của người dùng, không chỉ từ khóa riêng lẻ.
Điều này có nghĩa là tối ưu hóa cho mục đích thực sự của người dùng của bạn, không chỉ trả lời một truy vấn đơn giản. Nó có nghĩa là bạn trả lời câu hỏi đầu tiên và sau đó trả lời ngay câu hỏi thứ hai, thứ ba, thứ tư hoặc thứ năm ngay sau đó.
Bạn có quan tâm: Dịch vụ SEO uy tín số 1 thị trường?
Sự khác biệt giữa seo và semantic seo là gì?
SEO luôn tiếp thị trong khuôn khổ của Web. Nó giới thiệu chủ sở hữu trang web với người tiêu dùng để cho phép giao tiếp giữa hai bên về hàng hóa và dịch vụ được cung cấp bởi người tiêu dùng để cho phép họ trở thành khách hàng và tìm hiểu thêm về cách họ có thể tận dụng những ưu đãi đó.
Trong SEO, Trang thường được xếp hạng trong kết quả tìm kiếm dựa trên sự kết hợp của điểm số truy xuất thông tin dựa trên mức độ liên quan và tín hiệu thẩm quyền bằng cách sử dụng những thứ như liên kết ngược từ các trang web khác.
Semantic SEO khác với SEO. Nó tập trung vào các đối tượng trong thế giới thực hoặc các thực thể được tạo thành từ những thứ như con người, địa điểm và sự vật (chẳng hạn như ý tưởng và khái niệm.) Một trang về thực thể chứa thông tin về các yếu tố khác nhau của các thực thể đó, chẳng hạn như sự kiện về các các thuộc tính được sử dụng để mô tả các thực thể đó và các số nhận dạng có thể giúp ai đó đang tìm hiểu về một thực thể biết và hiểu nó tốt hơn.
Trang Semantic SEO có thể bao gồm bảng tri thức, băng chuyền tìm kiếm chứa đầy các thực thể, các đoạn trích nổi bật có thể trả lời các câu hỏi về các thực thể có thể xuất hiện trong một truy vấn, các câu hỏi liên quan (câu hỏi “Mọi người cũng hỏi” có thể giống như câu trả lời của đoạn trích nổi bật), các thực thể liên quan và hơn thế nữa.
Các thực thể và một công cụ tìm kiếm ngữ nghĩa
Ví dụ: một trang web về Thành phố Baltimore có thể chứa thông tin về những người sống ở đó và những di tích để lại trong ký ức của họ. Nó có thể cho bạn biết về các nhà thờ và trường học nổi tiếng trong Thành phố, các tòa nhà và địa điểm cũng như doanh nghiệp nổi tiếng.
Nếu bạn định viết về Baltimore, lý tưởng nhất là bạn nên đào sâu vào lịch sử của thành phố, chú ý đến những người mà du khách có thể quan tâm nhất để tìm hiểu thêm về. Tìm hiểu về lịch sử hình thành bài quốc ca của nước Mỹ.
Vào giữa những năm 2000, Google có các kỹ sư làm việc trong một dự án mà họ gọi là Khung chú thích. Dự án này được điều hành bởi Andrew Hogue, người cũng chịu trách nhiệm quản lý việc mua lại MetaWeb, với thư mục tình nguyện viên Freebase.
Bạn có thể tìm hiểu thêm về những nỗ lực đó bằng cách đọc Sơ yếu lý lịch của Andrew Hogue , bao gồm thông tin về những gì anh ấy đã làm tại Google trong suốt sự nghiệp của mình. Anh ấy cũng tham gia vào việc tạo một video Google Tech Talk về những gì Google đang làm vào thời điểm đó rất đáng xem:
Thêm thông tin trong kết quả tìm kiếm bằng semantic seo
Một khía cạnh khác của Semantic SEO tại Google là việc chuyển từ 10 liên kết màu xanh lam trong các công cụ tìm kiếm sang các kết quả tìm kiếm chứa nhiều kết quả phong phú. Điều này ban đầu được mô tả trong một bài đăng trên Google Blog của Ramanathan Guha và đã được mở rộng trong bài đăng Giới thiệu Rich Snippets của Kavi Goel, Ramanathan V. Guha và Othar Hansson.
Vào năm 2012, Google đã mở rộng thông tin tìm thấy trong Freebase và cung cấp cho chúng tôi kết quả tìm kiếm cung cấp thêm thông tin về các thực thể xuất hiện trong truy vấn hoặc ít nhất là các thực thể mà Google biết và có thể đã đưa vào biểu đồ tri thức. (Xem: Cách hoạt động của Sơ đồ tri thức của Google )
Chúng ta có thể xem thêm thông tin về các thực thể trong bảng tri thức, thường tuân theo các mẫu tri thức dựa trên loại thực thể có trong bảng tri thức. Đối với các tổ chức kinh doanh địa phương, chúng tôi sẽ thường thấy các bài đánh giá dựa trên cảm tính về các doanh nghiệp đó. Chúng tôi cũng có thể được cung cấp các bản sửa đổi truy vấn liên quan đến các thực thể được hiển thị trong bảng. Bảng tri thức thường cho chúng tôi biết về thông tin nhật ký truy vấn về các thực thể khác mà “mọi người cũng tìm kiếm”.
Cung cấp thêm thông tin về các thực thể bởi chủ sở hữu trang web bằng cách sử dụng lược đồ
Vào năm 2011, Google đã kết hợp với một số công cụ tìm kiếm khác để cung cấp một cách cung cấp thông tin chỉ có thể đọc bằng máy về các thực thể xuất hiện trên các trang trên trang web Schema.org Cách tiếp cận chia sẻ giữa các công cụ tìm kiếm này lặp lại những gì chúng ta đã thấy trong quá trình phát triển Sơ đồ trang XML trước đó.
Lược đồ là một trong những lĩnh vực phát triển nhanh nhất của Semantic SEO, và nhiều nỗ lực hơn được thực hiện để cập nhật Lược đồ với các Bản phát hành mới .
Không có gì lạ khi những người làm SEO ngày nay đang tìm hiểu về Schema như một phần của Semantic SEO và nghiên cứu các khía cạnh mới của Schema khi nó được phát triển và xuất hiện. Dấu sao trong kết quả tìm kiếm sản phẩm có thể dẫn đến tăng số lần nhấp trong SERP và rất đáng để tìm hiểu. Tôi theo dõi các email mới từ nhóm gửi thư giản đồ và các bản sửa đổi mới cho lược đồ khi chúng xuất hiện.
Phát triển kiến thức trên web trong semantic seo
Bằng sáng chế ban đầu của Google là bằng sáng chế tạm thời do Sergey Brin nộp vào năm 1999 sau khi Lawrence Page nộp bằng sáng chế PageRank một năm trước đó. Thuật toán này được đặt tên là thuật toán DIPRE sau “Mở rộng quan hệ mẫu lặp lại kép”.
Nó mô tả một cách tìm kiếm các trang web chứa thông tin về những cuốn sách cụ thể và các thuộc tính của những cuốn sách đó, chẳng hạn như thời điểm chúng được xuất bản, nhà xuất bản là ai, số trang mỗi cuốn có và hơn thế nữa. Nếu một trang web có tất cả các cuốn sách, thuật toán sẽ yêu cầu nó thu thập thông tin về các cuốn sách khác mà nó có.
Vào đầu năm ngoái (2020) Google đã nộp một bằng sáng chế tiếp tục bắt đầu về việc thu thập thông tin về sách để hiển thị trong kết quả tìm kiếm. Bằng sáng chế tiếp tục này là về tất cả các loại thực thể, và không chỉ là sách nữa.
Bài đăng của tôi về bằng sáng chế này là Bằng sáng chế kết quả nhiều định dạng từ Google Chuyển từ Chỉ Sách . Nó cung cấp nhiều chi tiết hơn về việc thu thập dữ kiện về các thực thể so với bài đăng trên blog của Google năm 2009 về kết quả nhiều định dạng.
Bằng sáng chế của Google cũng đã điền rất nhiều chi tiết về cách Google có thể bắt đầu thu thập thông tin về các thực thể trực tiếp từ các trang web. Một trong những chi tiết nhất về việc sử dụng xử lý ngôn ngữ tự nhiên để thu thập một phần thông tin giọng nói và nhận dạng thực thể để xây dựng bộ ba (Chủ thể / Động từ / Đối tượng) về các thực thể đó.
Mở rộng ý nghĩa bằng cách viết lại các truy vấn
Những người làm SEO đã làm Semantic SEO trong thời gian dài gần như đã có SEO. Chúng tôi không chỉ tối ưu hóa các trang cho các từ khóa. Chúng tôi đã và đang tối ưu hóa các trang cho các ý nghĩa bởi vì các công cụ tìm kiếm đôi khi có thể hiểu rằng chúng tôi có thể đang tạo các trang có liên quan đến các từ trong một truy vấn mà người tìm kiếm có thể thực hiện.
Trở lại năm 2003, Google bắt đầu viết lại các truy vấn mà mọi người đã thực hiện bằng cách thay thế các từ đồng nghĩa cho các từ.
Chúng tôi đã thấy Google phát triển nhiều cách phức tạp hơn để thay thế các từ đồng nghĩa bằng cách sử dụng phương pháp Hummingbird, chi tiết trong bài viết về Hummingbird vào ngày nó ra mắt: Bản cập nhật của Google Hummingbird và có khả năng là bằng sáng chế đằng sau Hummingbird . Bằng sáng chế đó được đưa ra vài tuần trước khi Google công bố nó vào Sinh nhật lần thứ 15 của Google.
Trong vòng một vài năm, Google đã cho chúng tôi biết về việc họ sử dụng phương pháp tiếp cận ngôn ngữ nhân tạo sử dụng Phương pháp tiếp cận vectơ từ để viết lại các truy vấn không rõ ràng và mở rộng chúng bằng các từ có khả năng bị thiếu trong các truy vấn đó.
Các truy vấn này có thể nắm bắt được các ý nghĩa còn thiếu và câu trả lời cho các truy vấn mà Google gặp khó khăn trước đây. Tôi đã liên kết đến các trích dẫn đằng sau Phương pháp Tiếp cận Vectơ Word trong bài đăng Các trích dẫn đằng sau Phương pháp Tiếp cận Vectơ từ Google Brain .
Chúng tôi đã thấy Google mở rộng việc sử dụng Xử lý ngôn ngữ tự nhiên bằng cách sử dụng các mô hình ngôn ngữ đào tạo trước như BERT trong một số bài báo của Google trong vài năm qua. Trong bài viết về cách tiếp cận Vectơ Word (như trong Rankbrain) được sử dụng để trả lời câu hỏi, trong bài đăng Trả lời câu hỏi Sử dụng Khoảng văn bản Với Vectơ Word
Đây là một ví dụ về kết quả tìm kiếm trong đó Hummingbird đang thay thế từ “địa điểm” bằng từ “nhà hàng:”
Đây là một ví dụ về các thực thể trong thế giới thực và hiểu ý nghĩa đằng sau các từ trong một truy vấn Đó là về cách SEO đang trở thành Semantic SEO.
Serp được tăng cường với kết quả kiến thức
Một vài năm trước, Google Paul Haahr đã trình bày tại SMX West trong Cách hoạt động của Google: Câu chuyện của một kỹ sư xếp hạng của Google:
Các thực thể trong semantic seo
Một bằng sáng chế của Google được đưa ra sau bài thuyết trình đó đã cho chúng tôi biết về cách Google sẽ tìm kiếm một thực thể như thế nào, như Paul Haahr đã nói với chúng tôi.
Và, nếu Google tìm thấy một thực thể trong truy vấn đó, nó có thể quyết định tăng cường kết quả tìm kiếm bằng các kết quả dựa trên kiến thức. Một lần nữa, một cách tiếp cận Semantic SEO để tìm kiếm.
Vì vậy, một lần nữa, Google đang cho chúng ta thấy rằng Semantic SEO tập trung vào việc tìm kiếm các đối tượng trong thế giới thực trong các truy vấn mà người tìm kiếm thực hiện và kết quả kiến thức có thể bao gồm các đoạn trích nổi bật, trả lời các câu hỏi mà nhiều người hỏi về các thực thể đó.
Những kết quả đó cũng có thể bao gồm các câu hỏi khác, thường được gọi là “câu hỏi liên quan” hoặc câu hỏi “mọi người cũng hỏi”. Nơi mà họ có thể tìm thấy những câu hỏi liên quan đó là thu hút chúng bằng cách tìm kiếm trong nhật ký truy vấn cho các câu hỏi liên quan trong biểu đồ câu hỏi.
Tôi đã chỉ ra các nhãn mà Google sử dụng cho các danh mục cho đồng nghiệp của tôi vì họ cho chúng tôi biết trong một bài đăng trên blog của Google rằng họ đang liên kết số ID máy với các thực thể trong tìm kiếm hình ảnh.
Bài đăng của Google tại Cải thiện Tìm kiếm Ảnh: Một Bước Xuyên qua Khoảng cách Ngữ nghĩa
Và các danh mục trong tìm kiếm hình ảnh hiển thị các thực thể và khái niệm có liên quan trong một bản thể luận dựa trên các cụm từ tìm kiếm của bạn, như tôi đã trình bày chi tiết trong Google Image Search Labels Become More Semantic?
Nếu bạn đang thực hiện nghiên cứu từ khóa cho các trang và có thể muốn hiểu rõ hơn về các thực thể và khái niệm liên quan cho các trang đó, hãy tìm kiếm các cụm từ đó trên tìm kiếm Hình ảnh của Google và nó có thể cho bạn biết về các thực thể và cụm từ có thể liên quan đến người và địa điểm và sự vật .
Mô hình chủ đề ngữ nghĩa trong semantic seo
Trở lại năm 2006, tôi đã viết về Lập chỉ mục dựa trên cụm từ của Anna Lynn Patterson trong bài đăng Chuyển qua Xếp hạng trang: Google đang sử dụng tính năng Tìm kiếm dựa trên cụm từ? .
Tôi đã mở rộng cách tiếp cận này nhiều lần trong nhiều năm. Google đã được cấp nhiều bằng sáng chế liên quan về các khía cạnh khác nhau của lập chỉ mục dựa trên cụm từ.
Tôi đã thêm vào đó một bài đăng có tên là Mô hình hóa theo chủ đề bằng cách sử dụng các từ liên quan trong tài liệu và từ khoá anchor text , cho thấy tần suất xuất hiện lại của các cụm từ cùng xuất hiện có xu hướng rất tiên đoán về nội dung của các trang được sử dụng.
Và một vài năm sau, tôi đã viết về một thay đổi bằng sáng chế tiếp tục đối với lập chỉ mục dựa trên Cụm từ đã biến nó từ cách tiếp cận sắp xếp lại thành cách tiếp cận xếp hạng trực tiếp: Cập nhật lập chỉ mục dựa trên cụm từ của Google .
Trả lời câu hỏi bằng sơ đồ tri thức
Trong bài đăng Trả lời câu hỏi sử dụng sơ đồ tri thức, tôi đã viết về điểm số liên kết cung cấp các trọng số khác nhau cho các nhóm lớn về các thực thể và cách những người đó sử dụng các nguồn của chúng để cung cấp cho chúng trọng số.
Trong bài viết nói về cách Google có thể nhận một truy vấn, chạy nó và thu thập các trang hàng đầu dưới dạng kết quả và tạo một biểu đồ kiến thức dựa trên những kết quả đó để đưa ra câu trả lời. Bằng sáng chế đề cập đến vấn đề này là đơn xin cấp bằng sáng chế Xử lý Ngôn ngữ Tự nhiên Với Máy N-Gram .
Một số ví dụ về việc sử dụng băng chuyền tìm kiếm hiển thị các thực thể trả lời các truy vấn như trong đơn đăng ký bằng sáng chế đó trong bài đăng Các đối tượng được xếp hạng trong kết quả tìm kiếm tại Google .
Ví dụ về băng chuyền tìm kiếm với các thực thể được xếp hạng sẽ xuất hiện trong SERPs cho một truy vấn tại Google, chẳng hạn như “Sách khoa học viễn tưởng hay nhất năm 2020.”
Những cuốn sách này được lấy từ Kết quả truy vấn chứa đầy các thực thể được hiển thị trong băng chuyền theo thứ tự được xếp hạng.
Tôi cũng đã viết về cách có thể tạo Sơ đồ tri thức dưới dạng kết quả được cá nhân hóa cho mọi người và được sử dụng để trả lời câu hỏi cho họ trong bài đăng Sơ đồ tri thức dành riêng cho người dùng để hỗ trợ các truy vấn và dự đoán
Tìm kiếm sẽ thu thập thông tin trong thế giới thực về bạn và sử dụng nó để trả lời các câu hỏi liên quan đến bạn. Đó là lời hứa của Semantic SEO khi chúng ta bước vào một thế giới bao gồm các thiết bị thông minh trong thời đại kết nối internet vạn vật với ô tô và thiết bị nhà bếp thông minh hơn, đồng thời kết nối email với nhiều người khác trên thế giới.
Web đã sẵn sàng cho semantic seo?
Trở lại năm 2001, Tim Berners-Lee, James Hendler và Ora Lassila đã viết về Semantic Web cho Scientific American. Việc chia sẻ thông tin và thu thập dữ liệu được mô tả trong bài báo đó cho chúng ta biết về tương lai của Semantic SEO mà nhiều nơi như Google đang hướng tới.
Web có nhiều ngữ nghĩa hơn không phải là nơi các trang được nhồi nhét các từ đồng nghĩa hoặc được nhồi các từ có liên quan về mặt ngữ nghĩa, mà là một như Tim Berners-Lee đã viết:
Semantic Web không phải là một Web riêng biệt mà là một phần mở rộng của Web hiện tại, trong đó thông tin được đưa ra ý nghĩa được xác định rõ ràng, cho phép máy tính và mọi người làm việc hợp tác tốt hơn.
Tôi nghĩ rằng điều đáng để chia sẻ một số điều tôi đã thấy từ văn phòng cấp bằng sáng chế và trên các trang của Google về việc tìm kiếm trở nên có ngữ nghĩa hơn.
Hầu hết các trang đang xếp hạng trên Google với các thuật ngữ như “Semantic SEO” đều nông cạn và chứa đầy các từ đồng nghĩa và thiếu hiểu biết về cách công nghệ ngữ nghĩa có thể hoạt động, với đề cập đến công nghệ từ những năm 1980 và không đề cập đến những thứ như biểu đồ tri thức hoặc lược đồ.
Hầu hết các bài báo đó thậm chí không chứa thông tin về biểu đồ tri thức hoặc lược đồ, và đó là một vấn đề mà những bài báo đó không bao gồm các chủ đề đó.
