¿Qué es BERT SEO y procesamiento de lenguaje natural?

Gracias a BERT, el procesamiento del lenguaje natural (NLP) es el nuevo ingrediente imprescindible en todas las campañas de SEO móvil .

Es posible que hayas escuchado el proverbio “tus palabras determinan tu destino”. Del mismo modo, en Search Marketing, la forma en que usamos las palabras en una página es importante. El BERT de Google ofrece información sobre su organización de resultados de búsqueda. Ilustra cómo la relación entre las entidades de palabras y el uso del lenguaje está dando forma al futuro del SEO.

La indexación móvil primero influye en la mayor dependencia de Google de la ubicación física (GPS/Google Maps) del buscador. También conoce la configuración de idioma del buscador en su teléfono y dentro de su cuenta de Google. Esto ayuda a informar los resultados de búsqueda que se devuelven y ofrece resultados de búsqueda más personalizados.

Tan pronto como Google publicó su comunicado anunciando que el algoritmo BERT influía en el formato de búsqueda, supimos que esto merecía tiempo y atención. Dado que tiene como objetivo mejorar la interpretación de consultas de búsqueda complejas de cola larga y mostrar resultados de búsqueda más relevantes, es la mayor actualización de búsqueda en 5 años. Solo después de internalizar lo que realmente significan las palabras que abarca BERT, podemos hacer mejor el marketing de búsqueda.

Esto es a lo que hemos llegado a partir de hoy.

¿Qué es BERT?

BERT, es un acrónimo de Representaciones de codificador bidireccional de transformadores. Es una técnica basada en redes neuronales para el preentrenamiento del procesamiento del lenguaje natural. En términos más simples, se puede utilizar para ayudar a los motores de búsqueda a descifrar mejor el contexto de las palabras en las consultas de búsqueda.

Los modelos BERT superan las capacidades anteriores. Evalúan el contexto completo de una palabra mirando las palabras que vienen ANTES y DESPUÉS. Esto lo ayuda a recopilar contexto que es particularmente útil para comprender la intención que provocó la consulta de búsqueda.

¿Qué es una entidad de Google?

Google recibió la Patente No. US 9,477,759 B2 el 25 de octubre de 2016. Define una entidad de Google como: "Una cosa o concepto que es singular, único, bien definido y distinguible". También aborda sus habilidades de respuesta a preguntas que se basan en referencias a entidades en datos no estructurados. La patente explica cómo Google encuentra información relevante dentro de las páginas web.

Es importante comprender que una entidad no necesita ser un objeto físico, también puede ser un tono de color, una fecha, una fragancia y más. Una entidad es cualquier cosa que es: Singular. Por ejemplo, una entidad puede ser un individuo, un edificio físico, una ubicación geográfica, un artículo de producto, un sonido, una idea cognitiva, un concepto abstracto, un elemento fáctico u otras cosas existentes. También puede ser cualquier combinación de estos para ayudar a Google a rastrear e indexar un sitio.

Una Entidad no pertenece a un nodo principal; más bien, sus descendientes son de solo lectura. El nombre de una Entidad se mantiene en la propiedad nodeName . Además, una Entidad es un objeto Nodo y, por lo tanto, hereda algunas propiedades y métodos de él.

¿Qué es el reconocimiento de entidades?

El reconocimiento de entidades es lo que eleva la búsqueda de cadenas a cosas. Ayuda a Google Search Appliance a identificar y clasificar entidades interesantes en documentos y luego almacenar estas entidades en su biblioteca o índice de búsqueda. Los SEO pueden enriquecer el contenido pobre en metadatos para aumentar las posibilidades de obtener resultados ricos con texto usando NLP. Un término puede ser un nombre para una entidad, que luego se denomina "entidad nombrada".

¿Qué es la coincidencia entidad-consulta?

La concordancia entidad-consulta amplía las capacidades avanzadas de percepción de contenido de Google. Cómo usar NLP en la optimización en el sitio se ha convertido en una pregunta importante en 2020. Comience cada campaña de marketing de contenido con una amplia investigación de mercado. Esto lo ayudará a comprender el contexto que los motores de búsqueda pueden asociar con las consultas de los usuarios sobre cada tema.

¿Cómo saber qué páginas son lo suficientemente creíbles para ver resultados con la optimización de NLP?

Si ya tiene contenido de calidad sobre un tema y está clasificado para él, tiene mejores posibilidades. Encuentre una página que tenga un contenido débil pero que pueda estar clasificada debido a los enlaces entrantes y comience por mejorar esas páginas. Su contenido satisfará mejor las necesidades de los espectadores reales si está escrito en lenguaje natural.

¿Qué es el procesamiento del lenguaje natural basado en el contexto?

El procesamiento del lenguaje natural basado en el contexto comienza con la forma en que los motores de búsqueda intentan identificar los contextos que pueden usarse para coincidir con las solicitudes particulares de los usuarios. Implica el procesamiento de dichas solicitudes de usuario aprovechando un Dialog System Engine que se basa en los contextos. Por lo general, hacen referencia a contextos de voz que generan una secuencia de solicitudes de usuario o respuestas del sistema de diálogo que se almacenan y clasifican.

¿Cómo pueden los especialistas en marketing de búsqueda utilizar NLP para impulsar los ingresos?

Los datos estructurados reflejan de qué trata tu contenido. Si se implementa correctamente y se mantiene actualizado, debería hacerlo. Para los sitios de comercio electrónico, incluya contenido contextual que pueda responder consultas de búsqueda con intención de compra. Evite entidades de PNL que puedan tener una implicación negativa, como "deprimido" o "loco". Se necesita tener el panorama general frente a los valores mismos. Esto ayudará a descifrar las diferencias granulares en las entidades.

La página de resultados de búsqueda, conocida como SERP, es extremadamente popular. El contenido adecuado puede ayudar a que su empresa emerja en funciones como los paquetes locales de Google y los fragmentos destacados. Al adoptar una mentalidad centrada en BERT, su empresa puede ganar llamadas de clientes incluso con búsquedas sin clic. Agregar procesamiento semántico en su flujo de trabajo de publicación de contenido implica el uso de procesamiento de lenguaje natural para agregar información útil estructurada semánticamente que describa su contenido. Numerosas estrategias de búsqueda pueden incluir NLP para mejorar el SEO y la participación del usuario.

El campo del procesamiento del lenguaje natural está creciendo a pasos agigantados. Combinado con el aprendizaje automático e impulsado por técnicas de aprendizaje profundo, surgen patrones de uso de palabras. Las entidades y los nodos producen una estructura de contenido a partir de grandes cantidades de texto. Google luego elige cómo quiere usarlos.

Google Knowledge Graphs muestra entidades relacionadas. Un panel de conocimiento de una persona muy conocida puede mostrar una conexión entre esa persona que se ajusta a su consulta de búsqueda y otra persona. Al hacer clic en "Ver la conexión", se completará más información que incluye a ambas personas. Para experimentar, busque su celebridad favorita y luego seleccione una celebridad sugerida dentro de los resultados SERP de "Personas también buscan". Esta es una forma de activar estos nodos de entidad relacionados.

Los asistentes de voz y los chatbots conversacionales de IA se basan en modelos de lenguaje natural de última generación para responder a las preguntas de las personas cuando una empresa no está disponible. Estos modelos se pueden entrenar para facilitar un enfoque centrado en el consumidor para responder a las preguntas más frecuentes.

¿Todas las empresas deben preocuparse por las entidades de búsqueda de Google?

Sí, aquellos que quieren ser encontrados en la búsqueda orgánica. El objetivo de cómo usa las entidades en su contenido debe incluir motivar a las personas a realizar acciones que se relacionen directamente con sus objetivos comerciales.

Representar con precisión el nombre y las entidades de su empresa ayuda a los clientes a encontrar su empresa en línea. Esto comienza con una lista de Google My Business completamente optimizada con todas las entidades completadas.

Probablemente nunca lo pensarían de esta manera. El micrófono de tu teléfono siempre está escuchando. En segundo plano, el aprendizaje automático evalúa lo que escucha de las entidades que recoge. Las versiones recientes de iPhone y Android te muestran la distancia hasta el último lugar donde te escuchó hablar. O dónde ver la película que se escuchó por última vez anunciada en el anuncio de radio/TV que escuchas. ¿Qué más está escuchando?

Cortana instalado en mi computadora me ha dicho recientemente varias veces: "Puedo aprender a entenderte mucho mejor si puedo familiarizarme con la forma en que hablas". Sin embargo, no le estaba hablando ni pensando que estaba “escuchando”.

En los últimos meses, hemos visto cada vez más pruebas de que la indexación móvil primero de Google no es solo un cambio del rastreador principal, sino un cambio importante en la estrategia de Google para organizar la información y procesar las consultas. La relación entre idiomas y entidades en Mobile-First Indexing, 'Entity-First Indexing', no se puede exagerar”. – Cindy Krum de Mobile Moxie

¿Cuáles son las mejores formas de usar palabras y frases en el contenido?

Las palabras en su contenido se convierten en pares de entidades.

Las palabras en el contenido web deben fluir de la misma manera en que hablan las personas, pero deben ser semánticamente correctas en los términos que busca BERT. Esto te ayudará a tener los resultados más completos en SERPs.

Busque entidades individuales que mejor se relacionen con su frase de búsqueda principal. Verifique cómo usar las entidades correctamente para agregar valor de contexto a los lectores. Actualmente, Google tiene los mejores conjuntos de datos para ayudar a los algoritmos a aprender.

Los SEO que anteriormente carecían de perspicacia comercial hoy se ven obligados a comprender las estrategias comerciales y tener habilidades integrales de marketing digital. Las palabras o frases de búsqueda utilizadas en su contenido y comunicaciones son importantes. Cada oración debe ser útil e importante.

La importancia de un modelo de procesamiento de lenguaje natural

¿Por qué usaría el procesador API NLP para mejorar la coincidencia de consulta de entidad?

Los beneficios de avanzar hacia un enfoque de lenguaje más natural son básicamente dos.

• Hace que su contenido sea más fácil de leer y actuar para las personas.
• Hace que su contenido sea más fácil de entender y catalogar para los motores de búsqueda.

Volver a la patente RESPUESTAS A PREGUNTAS UTILIZANDO REFERENCIAS DE ENTIDADES EN DATOS NO ESTRUCTURADOS. Nos dice que una entidad es básicamente lo que la gente busca en Google. Adoptar NLP puede ser enorme para los sitios de comercio electrónico. Implemente y pruebe el marcado de su producto para ayudar a organizar sus páginas de destino de una manera predefinida.

Considere lo que dice la patente anterior:

Considere lo que dice la patente anterior:

“Clasificación de una o más referencias de entidades en función de las respectivas sumas ponderadas: selección de un resultado de entidad de una o más entidades a referencias en función, al menos en parte, de la clasificación de una o más referencias de entidades; y dar una respuesta a la consulta basada al menos en parte en el resultado de la entidad”.

Cómo utiliza el Asistente de Google el procesamiento del lenguaje natural

Otra patente de Google se centra más en el procesamiento de consultas de búsqueda conversacionales móviles.

Google Assistant es un asistente virtual impulsado por inteligencia artificial que puede entablar una conversación personalizada con un buscador. Está superando a todos los demás en responder correctamente a las consultas de búsqueda conversacionales. Se basa en parte en el contexto de sesiones de búsqueda anteriores.

Una patente de Google más reciente, otorgada el 19 de noviembre de 2019, trata más directamente sobre el Asistente de Google. Se titula Procesamiento del lenguaje natural basado en el contexto y nos informa sobre los métodos de procesamiento del lenguaje natural (NLP) que involucran el procesamiento multimodal de las solicitudes de los usuarios. Fue sincronizado con el anuncio de que están usando BERT para comprender el lenguaje natural de manera más eficiente.

El gigante de la tecnología busca superar sus desafíos cuando se enfrenta a solicitudes de consulta que "no son razonablemente comprensibles si se toman solas o de forma aislada". Pandu Nayak Google Fellow y Vice President of Search publicó un artículo el 25 de octubre de 2019 titulado Comprender las búsquedas mejor que nunca. Dijo: "Vemos miles de millones de búsquedas todos los días, y el 15 por ciento de esas consultas son las que no hemos visto antes, por lo que hemos creado formas de devolver resultados para consultas que no podemos anticipar".

Con el algoritmo BERT, incluso las palabras pequeñas ahora pueden ayudar a comprender mejor la intención de búsqueda.

“La palabra 'a' y su relación con las otras palabras en la consulta son particularmente importantes para comprender el significado. Se trata de un brasileño que viaja a Estados Unidos, y no al revés. Anteriormente, nuestros algoritmos no entendían la importancia de esta conexión y devolvíamos resultados sobre ciudadanos estadounidenses que viajaban a Brasil. Con BERT, Search puede captar este matiz y saber que la palabra muy común "a" realmente importa mucho aquí, y podemos proporcionar un resultado mucho más relevante para esta consulta". - Google

BERT proporciona una mejor comprensión de las palabras y el lenguaje

“La comprensión del idioma es clave para todo lo que hacemos en la búsqueda”, dijo Pandu Nayak. “Este es el cambio único, más grande y más positivo que hemos tenido en los últimos cinco años”.

Google puede descifrar mejor las solicitudes de los usuarios al identificar un tipo de voz, nodos de entidad o un contexto ambiental que acompaña a la búsqueda del usuario. Puede utilizar estos conocimientos de la entidad para demostrar su experiencia en el nicho de la industria. La patente hace referencia a "sistemas de diálogo" y aplicaciones móviles.

“Los sistemas de diálogo convencionales se utilizan ampliamente en la industria de la tecnología de la información, especialmente en forma de aplicaciones móviles para teléfonos inalámbricos y tabletas. En general, un sistema de diálogo se refiere a un agente basado en computadora que tiene una interfaz centrada en el ser humano para acceder, procesar, administrar y entregar información. Los sistemas de diálogo también se conocen como sistemas de información de chat, sistemas de diálogo hablado, agentes de conversación, robots de chat, chatbots, chatbots, agentes de chat, asistentes personales digitales, asistentes en línea automatizados, etc. – Patente US20160259775A1

¡Esa es una lista completa de entidades de comunicación que se incluyen en el "sistema de diálogo"! La patente explica cómo Google Assistant está diseñado para conectarse con buscadores a través de NLP.

“Un sistema de diálogo interactúa con sus usuarios en lenguaje natural para simular una conversación inteligente y brindar asistencia personalizada a los usuarios. Por ejemplo, un usuario puede generar solicitudes al sistema de diálogo en forma de preguntas conversacionales, como "¿Dónde está el hotel más cercano?" o "¿Cómo es el clima en Alejandría?", y recibir las respuestas correspondientes del sistema de diálogo en forma de mensajes de audio y/o visualizables. Los usuarios también pueden proporcionar comandos de voz al sistema de diálogo… – Patente US20160259775A1

Ahora que tenemos una comprensión fundamental de cómo la Búsqueda de Google usa NLP, es fascinante cómo esto puede influir en nuestro enfoque para la creación de contenido y el SEO.

Reconocimiento de entidad nombrada en consulta Patente de Google n.º US9009134B2

Su estado de aplicación está activo a partir de hoy, 11 de febrero de 2020. Explica con más detalle el etiquetado de parte del discurso en informática y análisis de sentimientos.

¿Qué es la segmentación de consultas?

Esta patente responde y define qué es la segmentación de consultas. Sabiendo que normalmente se refiere a segmentar una consulta específica en unidades de menor tamaño. Nos dice que “a menudo puede haber limitaciones en los tipos de unidades segmentadas posibles, lo que resulta en una funcionalidad limitada en el método. El análisis sintáctico generalmente se enfoca en identificar la estructura lingüística de una consulta. La clasificación de consultas generalmente se divide en dos grupos: clasificación según la intención de búsqueda, como informativa, de navegación o transaccional; y clasificación según la semántica de una consulta”.

Esto podría aplicarse a 'compras' o 'compradores'. Ambas formas de clasificación de consultas consideran la consulta completa. Una vez clasificada ya no suele haber más diagnósticos sobre la estructura interna de la consulta.

También aprendemos más sobre cómo busca superar entidades temáticas ambiguas y desafíos cuando se emplea un método de aprendizaje no supervisado.

“Dado que los temas en un modelo pueden estar predefinidos y los posibles temas de un documento pueden darse, se puede emplear un nuevo método para aprender un modelo de tema, denominado Asignación de Dirichlet latente supervisada débilmente (WS-LDA).

por cada palabra

un. Dibujar asignación de tema zn˜Multinomial(θ)

B. Dibuje la palabra wn˜Multinomial(βZn), una distribución multinomial condicionada al tema zn.””

Aprendemos que una fuente de datos para las entidades coincidentes puede ser "datos de registro de consulta, como un registro de consulta de un motor de búsqueda web comercial", o algo similar. La patente ofrece formas de ejemplo de implementación de varias realizaciones para clasificar entidades a partir de medios legibles por computadora. Proporciona un parcial que incluye: “RAM, ROM, EEPROM, memoria flash u otra tecnología de memoria, CD-ROM, discos versátiles digitales (DVD) u otro almacenamiento óptico, casetes magnéticos, cinta magnética, almacenamiento en disco magnético u otros dispositivos de almacenamiento magnético. , o cualquier otro medio que pueda ser utilizado para almacenar la información deseada”.

La ayuda de traducción automática para la extracción de entidades se puede encontrar en fuentes abiertas en la web. Es emocionante saltar al modelado de entidades personalizadas, especialmente porque la comprensión de entidades nos ayuda a comunicarnos mejor con los consumidores reales. El esquema de negocios locales es fundamental para construir su gráfico de conocimiento y conectarse con los consumidores locales. Cindy Krum lo dice mejor, así que la citaré de nuevo.

“En general, las entidades brindan a Google una comprensión mejor y más profunda de los temas porque le dan a Google la capacidad de desarrollar fácilmente conexiones y relaciones entre diferentes temas (entidades). Una comprensión más profunda de una Entidad y sus relaciones, a su vez, le da a Google la oportunidad de brindar potencialmente información sobre la Entidad en cualquier idioma (con traducción en vivo de las API de idioma de Google si es necesario), ya que ahora el idioma solo tiene una función de apoyo para la consulta, como un modificador. Independientemente de la comprensión de la entidad y las relaciones de la entidad que Google aprenda en un idioma, se puede traducir automáticamente a otros idiomas, especialmente en los resultados de posición cero alojados en Google, como el gráfico de conocimiento”.

Los algoritmos BERT de Google intentan encontrar las conexiones correctas entre sus páginas publicadas y los temas que identifican. Puede ayudar a Google a encontrar las "entidades" correctas en su sitio.

Conclusión:

Los datos pueden servir como un nuevo punto de referencia. La verdadera tecnología de PNL de sentido común incorpora nuevas técnicas, como modelos de conocimiento estructurado.

Las conversaciones de persona a persona pueden comprender fácilmente las preguntas formuladas para seleccionar la respuesta correcta para responder. La postura del cuerpo, los gestos, el tono de voz, todo deja en claro de qué se trata realmente la conversación. La PNL está ayudando a las máquinas a ser mejores para hacer lo mismo. A medida que aprenda y experimente más, actualizaré este artículo para que sea más útil. Su viaje usando NLP y los comentarios son bienvenidos.

Encuentre nuevas formas de enriquecer su contenido.

Solicite su auditoría de marcado de esquema por parte de un proveedor de búsqueda profesional de Minneapolis