Che cos’è la SEO Semantica?

Quali sono le differenze tra SEO e SEO semantica?

Nel campo del web, la SEO è stata costantemente associata al marketing. La SEO semantica avvicina i proprietari di siti ai consumatori per rendere più semplice la comunicazione sui beni e servizi offerti. Grazie a questo, i consumatori possono diventare clienti più facilmente e imparare di più sulle offerte.

Nella SEO, le pagine si posizionano più in alto nei risultati di ricerca in base ai punteggi di recupero delle informazioni, tra cui la rilevanza e i segnali di autorità derivanti dai backlink di altre pagine e siti.

La SEO semantica è diversa dalla SEO. Si concentra su oggetti del mondo reale o entità di persone, luoghi e cose (come idee e concetti). Una pagina sulle entità contiene informazioni sugli attributi di quelle entità, che includono fatti che descrivono quelle entità e identificatori che possono aiutare qualcuno a conoscere un’entità. Si concentrano su compiti come la risposta alle domande rispetto alla ricezione di un insieme di URL che rispondono a una query di ricerca.

Una pagina di risultati di ricerca nella SEO semantica può includere:

• Knowledge Panel;
  • Caroselli di ricerca pieni di entità
  • Featured snippet che possono rispondere a domande sulle entità in una query
• Domande correlate (domande nella sezione “le persone chiedono anche” che possono essere come le risposte nei featured snippet);
• Entità correlate;
• Altro.

C’è molta varietà nelle pagine dei risultati di ricerca nella SEO semantica, così come ce n’è in quelle di ricerca universale nella SEO.

Entità e SEO semantica

Concentrarsi sulle entità può avere molto senso. Per esempio, un sito web sulla città di Baltimora potrebbe contenere informazioni sulle persone che vi hanno vissuto, e può anche mostrare i monumenti lasciati in loro memoria. Può anche parlare delle chiese e delle scuole famose della città e di edifici, luoghi e attività commerciali molto noti.

Se scrivi su Baltimora, vorresti scavare nella storia della città. Dovresti prestare attenzione alle persone e ai luoghi che i visitatori potrebbero essere più interessati a conoscere. Imparare il passato che ha portato all’America il suo inno nazionale. Invece di ottimizzare una pagina per termini o frasi, scrivi sulle persone, i luoghi e le cose reali che danno ai visitatori le informazioni a cui potrebbero essere più interessati. Facciamo conoscere i fatti associati a quelle entità.

A metà degli anni 2000, Google aveva ingegneri che lavoravano su un progetto noto come Annotation Framework. Questo progetto era di Andrew Hogue, che era anche responsabile della gestione dell’acquisizione di MetaWeb, con la directory volontaria Freebase. Se Google non poteva costruire la tecnologia dietro le entità, poteva acquisirla.

Puoi saperne di più su questi sforzi leggendo il curriculum di Andrew Hogue, che include informazioni su ciò che faceva in Google durante la sua carriera. Ha anche creato un video Google Tech Talk su ciò che Google stava facendo all’epoca che vale la pena guardare.

Più fatti nei risultati di ricerca usando la SEO semantica

Un altro aspetto della SEO semantica di Google è l’allontanamento dai 10 link blu nei risultati di ricerca pieni di rich results, inizialmente descritto in un post sul blog di Google da Ramanathan Guha. E di cui si è anche parlato nel post Introduzione ai Rich Snippets di Kavi Goel, Ramanathan V. Guha, e Othar Hansson.

Nel 2012 Google ha ampliato le informazioni trovate in Freebase e ci ha dato risultati di ricerca che fornivano più informazioni sulle entità che appaiono nelle query, o almeno quelle entità che Google conosce e può aver incluso nel suo Knowledge Graph. (Vedi: Come funziona il Knowledge Graph di Google).

Possiamo vedere più informazioni sulle entità nei Knowledge Panel, spesso seguendo modelli di conoscenza basati sul tipo di entità che coprono. Vedremo spesso recensioni basate sul sentiment di quelle imprese per le entità commerciali locali, e potremmo vedere revisioni di query relative alle entità visualizzate nei pannelli. I Knowledge panel spesso ci danno informazioni su query che riguardano altre entità che la gente cerca.

Fornire più informazioni sulle entità da parte dei proprietari del sito utilizzando Schema.org

Nel 2011, Google si è unito ad altri motori di ricerca per fornire informazioni leggibili dalla macchina sulle entità che appaiono nelle pagine del sito Schema.org. Questo modo di condividere tra i motori di ricerca era come quando hanno sviluppato le sitemaps XML.

Schema è un’area in rapida crescita della SEO semantica, e ci si è impegnati molto per aggiornare Schema con nuove release. È possibile essere coinvolti nelle discussioni, sia nuove che già in corso, su Schema iscrivendosi agli archivi della posta public-schemaorg@w3.org.

I SEO possono conoscere Schema in questi giorni come parte della SEO semantica e studiarne gli aspetti in via di sviluppo. Per esempio, mostrare le stelle nei risultati di ricerca per i prodotti può aumentare i click e vale la pena saperne di più. Tengo anche d’occhio le nuove email dal gruppo di posta di Schema e le sue recenti revisioni di man mano che escono.

La conoscenza che cresce sul web in merito alla SEO semantica

Sergey Brin ha depositato un primo brevetto di Google nel 1999 dopo che Lawrence Page aveva depositato il brevetto PageRank un anno prima. Nel post La prima invenzione di ricerca semantica di Google, ho scritto che è stata brevettata nel 1999. Questo è stato chiamato l’algoritmo DIPRE da “Dual Iterative Pattern Relation Expansion”. Si può usare per trovare siti con informazioni su libri specifici e attributi di quei libri, come le pubblicazioni, quali erano gli editori, quante pagine avevano ciascuno, e altro. Se un sito aveva tutti i libri del set di semi nel brevetto, l’algoritmo gli diceva di raccogliere informazioni sugli altri libri che conteneva.

All’inizio dell’anno scorso (2020), Google ha depositato un brevetto di continuazione per raccogliere informazioni sui libri da visualizzare nei risultati di ricerca. Questo brevetto di continuazione riguarda tutti i tipi di entità e non più solo i libri. Il mio post su questo brevetto è Il brevetto sui Rich Results di Google va oltre i soli libri, e fornisce più dettagli sulla raccolta di fatti su entità rispetto al post del blog di Google del 2009 sui rich results.

Google si sta concentrando sull’apprendimento diretto dalle pagine web

I brevetti di Google ci dicono anche come potrebbe raccogliere informazioni sulle entità direttamente dal web. Uno dei più dettagliati riguarda l’uso dell’elaborazione del linguaggio naturale per raccogliere informazioni sul discorso e il riconoscimento delle entità per costruire triple (Soggetto/Verbo/Oggetto) su quelle entità. Per maggiori dettagli su come Google potrebbe farlo, vedere: Estrazioni di entità per knowledge graph in Google.

Oltre all’approccio di estrazione di entità descritto in quel brevetto, un altro approccio di estrazione di entità utilizza i wrapper di dati. Google ha probabilmente ripreso nome, indirizzo e informazioni telefoniche per la ricerca locale da quando esiste Google Maps. Questo approccio viene utilizzato per i siti che raccolgono dati su diverse entità. Esempi sono gli episodi televisivi e le canzoni di artisti musicali e gli indirizzi commerciali. Questo è un altro modo in cui Google usa la SEO semantica per conoscere meglio i fatti che potrebbe mostrare in risposta alle query degli utenti. Ho scritto su questo nel post Estrarre entità con wrapper di dati automatizzati.

Espandere i significati delle risposte riscrivendo le query

I SEO fanno SEO semantica da quasi tutto il tempo in cui esiste la SEO. Non ottimizziamo le pagine solo per le parole chiave. Ottimizziamo le pagine per i significati, affinché i motori di ricerca possano capire che creiamo pagine relative alle definizioni in una query.

Nel 2003 Google ha iniziato a riscrivere le query sostituendo i sinonimi delle parole.

Google sviluppa modi più sofisticati di sostituire i sinonimi usando l’approccio Hummingbird, di cui ho scritto nel post: L’aggiornamento Hummingbird di Google e il probabile brevetto dietro Hummingbird. Quel brevetto è uscito poche settimane prima che Google lo annunciasse in occasione del suo 15°compleanno.

La SEO semantica usa una nuova tecnologia, come i modelli linguistici

Capire la SEO semantica significa essere consapevoli delle tecnologie e degli approcci di Google per estrarre informazioni sulle entità dal Web. Significa anche costruire knowledge graph utilizzando quella tecnologia. Google ha acquisito Wavii nel 2013, che utilizzava un processo di estrazione di informazioni di dominio aperto che hanno descritto in video e documenti. Ne ho scritto in Con Wavii, Google ha acquisito il futuro della ricerca sul web? Da allora, abbiamo visto Google scansionare il Web, cercando di imparare tutto ciò che può. Questo ha usato Word Vectors e modelli di Natural Language Processing come BERT e MUM.

Google ci ha poi parlato dell’utilizzo di un approccio al linguaggio artificiale che utilizzava Word Vectors per riscrivere le query ambigue ed migliorarle con le parole mancanti. Queste query potrebbero catturare i significati che prima mancavano e le risposte alle query con cui Google aveva difficoltà. Ho collegato le citazioni dietro il Word Vectors Approach nel post Citazioni dietro l’approccio a Word Vectors di Google Brain.

Negli ultimi anni, Google ha anche ampliato l’elaborazione del linguaggio naturale utilizzando modelli linguistici di pre-addestramento come BERT in diversi documenti. Ho scritto su come un approccio Word Vector (come in Rankbrain) è stato utilizzato per la risposta alle domande nel post Risposta alle domande utilizzando gli intervalli di testo in Word Vectors.

Ecco un esempio di un risultato di ricerca in cui Hummingbird sta sostituendo la parola “luogo” con la parola “ristorante: 

Questo è un esempio di entità del mondo reale e di comprensione del significato dietro le parole in una query. Si tratta di come la SEO sta diventando SEO semantica.

SERP ampliate con i risultati della conoscenza

Qualche anno fa, Paul Haahr di Google ha presentato alla SMX West in How Google Works: A Google Ranking Engineer’s Story.

Un brevetto di Google che è uscito dopo quella presentazione ci ha detto che Google cercherebbe nelle query delle entità, come ci ha detto Paul Haahr. E, se Google trova un’entità in quella query, può decidere di allargare i risultati della ricerca con risultati basati sulla conoscenza. Di nuovo, un approccio di SEO semantica alla ricerca. Ho scritto di questo brevetto in “Query di ricerca migliorate utilizzando le informazioni del Knowledge Graph”.

Vedi le query e le ontologie de “le persone chiedono anche” nelle etichette di ricerca di immagini

Quindi ancora una volta, Google ci mostra che la SEO semantica si concentra sulla ricerca di oggetti del mondo reale nelle query che gli utenti utilizzano. I risultati della conoscenza possono includere i featured snippets, che rispondono alle domande che molte persone fanno su quelle entità. Questi risultati possono anche includere altre domande, spesso indicate come “domande correlate” o “le persone chiedono anche”. Si possono trovare queste domande correlate per fare crowdsourcing cercando nei registri delle query. Ho scritto su quelli in Le domande correlate di Google ora usano un grafico delle domande.

Ho fatto notare ai miei collaboratori le etichette che Google usa per le categorie. Google ci dice in un post sul blog che associa i numeri identificativi delle macchine alle entità nella ricerca di immagini. Maggiori informazioni al riguardo sono disponibili qui. 

E le categorie nella ricerca di immagini mostrano entità e concetti correlati in un’ontologia basata sui tuoi termini di ricerca. Ho dettagliato questo in Le etichette della ricerca immagini di Google diventano più semantiche? Se stai facendo una ricerca di parole chiave per delle pagine e vuoi capire meglio le entità e i concetti correlati per quelle pagine, cerca quei termini sulla Ricerca Immagini di Google. Le etichette possono dirti di entità e termini relativi a persone, luoghi e cose.

Le entità e i knowledge graph personalizzati da Google

C’è un libro ad accesso libero (gratuito) di un informatico che ha lavorato come visiting scholar a Google. Consiglio vivamente di leggerlo. L’autore è Krisztian Balrog, e il suo libro è Entity-Oriented Search. Copre abbastanza bene l’uso delle entità da parte di Google. Ha anche scritto un documento sulle entità per una conferenza che vale la pena guardare: Knowledge Graph personali: Un’agenda di ricerca.

L’idea dei knowledge graph personalizzati è molto interessante. Mi sono imbattuto in un paio di brevetti di Google che coprivano quell’area e ne ho scritto. Questi sono quei post:

25/11/19 – Knowledge Graph specifici per l’utente per supportare query e previsioni

31/08/20 – Un deposito di entità personalizzate nel Knowledge Graph

Modelli di argomenti semantici nella SEO semantica

Nel 2006, ho scritto sull’indicizzazione basata su frasi di Anna Lynn Patterson in Andare oltre PageRank: Google sta usando la ricerca basata su frasi? Ho ampliato questo argomento molte volte nel corso degli anni. Google ha circa 20 brevetti correlati su diversi aspetti dell’indicizzazione basata su frasi. Ho aggiunto un post chiamato Modellazione tematica usando parole correlate nei documenti e nel testo di riferimento che mostra come le frasi che ricorrono di frequente tendono ad essere molto predittive su ciò che riguarda le pagine.

Un paio di anni dopo, ho scritto di un brevetto di continuazione per l’indicizzazione basata su frasi che l’ha trasformata da un approccio di re-ranking a un approccio di ranking diretto: Indicizzazione basata su frasi di Google aggiornata. Questo può rendere l’indicizzazione basata su frasi molto preziosa.

Rispondere alle query usando i knowledge graph

Nell’articolo Rispondere alle domande usando il Knowledge Graph ho scritto dei punteggi di associazione che danno pesi diversi alle tuple sulle entità. Usano le loro fonti per dare loro peso. Ho anche scritto su come Google potrebbe ricevere una query e creare un knowledge graph basato su quei pesi nel fornire risposte. Questo è nella domanda di brevetto Elaborazione del linguaggio naturale con una macchina N-Gram.

Fornisco diversi esempi di caroselli di ricerca. Questi mostrano entità che rispondono alle query come in quella domanda di brevetto nel post Entità classificate nei risultati di ricerca su Google.

Un carosello di ricerca con entità classificate appare nelle SERP per una query su Google, come “Best Science Fiction Books 2020”.

I knowledge graph possono mostrare risultati personalizzati per le persone e rispondere alle domande. Ne ho parlato nel post Knowledge Graphs specifici per l’utente per supportare query e previsioni.

Rispondere alle domande con gli assistenti automatici

Una delle più recenti tecnologie di Google è il MultiTask Unified Model, o MUM.  Google ha pubblicato un brevetto che descrive le interazioni tra gli esseri umani e il suo assistente automatico utilizzando la tecnologia MUM, di cui ho scritto in Google MUM Update.  MUM è presumibilmente 100X più potente di BERT ed è il cuore della risposta alle domande di Google.

Per saperne di più sulla ricerca multimodale di Google MUM, dai un’occhiata alla nostra web story.

Parole chiave semantiche nella SEO semantica e nessuna parola chiave LSI

Nell’ambito della SEO semantica, la ricerca raccoglierà informazioni del mondo reale su di te e risponderà alle domande pertinenti. La SEO semantica ci porta in un mondo che include dispositivi intelligenti. Questo può significare auto e dispositivi da cucina più intelligenti e connessioni e-mail con molti altri nel mondo.

Ho scritto recentemente sulle parole chiave semantiche e sulla possibilità di un nuovo strumento di Google che suggerisce tali parole chiave. C’è di più sulle parole chiave e su questo nuovo strumento in questo post: Pertinenza semantica delle parole chiave. In quel post, menziono le parole chiave LSI (Latent Semantic Indexing), e come probabilmente non sono utilizzate dai motori di ricerca come Google. Ho fatto ricerche su LSI per sapere da dove veniva e se Google stava usando o meno l’indicizzazione semantica latente. Dopo aver trovato il brevetto Bell Labs dietro LSI, e che non c’era traccia di parole chiave LSI dalle persone che hanno inventato LSI, ho scritto Google usa l’indicizzazione semantica latente (LSI)? La risposta è che è improbabile che Google usi LSI, e non ha mai usato nemmeno le parole chiave LSI.

Nel 2021, ho scritto su come gli utenti di dispositivi mobili potrebbero avere le loro query riscritte seguendo un knowledge graph specificato dall’utente, costruito dai dati dell’applicazione su quel dispositivo in un modo che potrebbe anche essere trasparente per quegli utenti. Potrebbe fare un uso migliore di quei dati, e fornire risposte che sfruttano risultati più personalizzati. Quel post è: Query riscritte e knowledge graph specifici dell’utente.

Il web è pronto per la SEO semantica?

Nel 2001, Tim Berners-Lee, James Hendler e Ora Lassila hanno scritto il Web Semantico per Scientific American. La condivisione di informazioni e la raccolta di dati descritta in quel documento ci parla del futuro della SEO semantica a cui molti, come Google, lavorano.

Un web più semantico non riempie le pagine con sinonimi o parole semanticamente rilevanti. È, come ha scritto Tim Berners-Lee:

Il Web semantico non è un Web separato, ma un’estensione di quello attuale, in cui alle informazioni viene dato un significato ben definito, consentendo ai computer e alle persone di lavorare meglio in cooperazione.

Ho pensato che valesse la pena condividere alcune delle cose che ho visto dall’ufficio brevetti, anche sulle pagine di Google sulla ricerca che diventa più semantica. La maggior parte delle pagine che si posizionano su Google per termini come “Semantic SEO” sono piene di sinonimi e una mancanza di comprensione su come la tecnologia semantica potrebbe funzionare. Citano anche la tecnologia degli anni ’80 e non riescono a coprire cose come i knowledge graph o Schema.org, rivelandosi inadeguati e ormai datati.