Pemodelan Topik Dalam SEO – Cara Baru Untuk Peringkat Lebih Tinggi

Pemodelan topik dalam SEO adalah penggunaan model statistik untuk menemukan topik dalam kumpulan dokumen. Dengan memeriksa kemunculan kata dan frasa bersama di ribuan halaman, algoritme dapat menetapkan relevansi topikal ke halaman dan memberi peringkat halaman terhadap permintaan pencarian.

Dari Kata Kunci ke Topik

Pada hari-hari awal mesin pencari - akhir 1990-an - algoritma tidak lebih dari mencocokkan kata kunci dalam hasil dengan kata kunci dalam kueri. Mesin pencari tidak memahami konteks kueri atau maksud di balik kata kunci.

Tapi mesin pencari telah datang jauh sejak saat itu. Algoritma mesin pencari sekarang tidak hanya memahami kata kunci tetapi juga topik di balik kata kunci. Penekanan pada topik daripada kata kunci ini disebut SEO semantik.

Kemajuan besar pertama dalam memahami topik datang dengan Pembaruan Google Hummingbird pada tahun 2013. Saat itulah Google mulai menganalisis seluruh frasa, dan bukan hanya kata kunci individual.

Langkah besar berikutnya datang pada tahun 2015 dengan algoritme RankBrain Google, yang menggunakan pemrosesan bahasa alami (NLP) untuk memahami konteks dan maksud di balik kueri penelusuran.

Pada saat ini, kepadatan kata kunci sebagai ukuran relevansi dengan cepat menghilang di kaca spion. Itu digantikan oleh relevansi topikal. Seberapa baik peringkat Anda di Google sekarang tergantung pada seberapa komprehensif konten Anda mencakup topik tersebut.

Sejak itu, Google dan mesin pencari lainnya menjadi semakin baik dalam memahami topik. Mereka melakukan ini melalui teknik yang disebut pemodelan topik.

Pemodelan Topik vs Klasifikasi Topik

Pemodelan topik adalah metode statistik untuk menemukan hubungan yang ada antara kata dan frasa.

Dengan pemodelan topik, algoritme menemukan kategori informasi itu sendiri, tanpa pengawasan. Ini dilakukan dengan memindai satu set dokumen dan mengelompokkan kata dan frasa berdasarkan seberapa sering mereka muncul di samping kata dan frasa lain. Pemodelan topik adalah teknik pembelajaran 'tanpa pengawasan': algoritme menemukan kategori itu sendiri, berdasarkan pola yang ditemukannya.

Pemodelan topik berbeda dari klasifikasi topik yang merupakan teknik pembelajaran mesin di mana manusia harus 'melatih' algoritma dengan memberikan aturan tertentu.

Dengan klasifikasi topik, Anda harus terlebih dahulu menentukan kategori informasi yang ingin Anda gunakan. Anda kemudian memberikan algoritme beberapa contoh data mentah yang telah diberi tag dengan kategori yang telah ditentukan sebelumnya. Algoritme kemudian menggunakan kategori yang telah ditentukan sebelumnya untuk menganalisis data.

Perbedaan antara kedua teknik ini adalah: dalam klasifikasi topik, manusia memberi tahu algoritme apa kategorinya, sedangkan dalam pemodelan topik, algoritme menemukan apa kategorinya melalui analisis statistik tentang bagaimana kata dan frasa mengelompok bersama dalam pola tertentu.

Metode analisis teks ini digunakan tidak hanya oleh mesin pencari tetapi juga di seluruh Internet.

Misalnya, bisnis yang menerima umpan balik pelanggan online dalam jumlah besar mungkin menggunakan pemodelan topik atau klasifikasi topik untuk mengurutkan umpan baliknya ke dalam kategori, seperti pemberitahuan pascapembelian, tindak lanjut pengalaman, umpan balik loyalitas merek, keluhan pelanggan, dan ulasan pelanggan.

Dua Jenis Pemodelan Topik

Sejauh ini, saya telah menggunakan istilah 'pemodelan topik' seolah-olah itu adalah satu hal. Tapi itu sebenarnya istilah umum yang mencakup berbagai teknik yang berbeda.

Sekarang mari kita lihat beberapa jenis pemodelan topik yang berbeda.

Alokasi Dirichlet Laten (LDA)

Latent Dirichlet Allocation (LDA) didasarkan pada dua asumsi: bahwa topik serupa menggunakan kata-kata yang serupa dan bahwa dokumen berbicara tentang beberapa topik yang distribusi statistiknya dapat dideteksi.

LDA memetakan dokumen ke daftar topik dengan menetapkan topik ke susunan kata seperti n-gram. N-gram adalah urutan kata yang digunakan dalam Natural Language Processing.

Penanda 'n' mengacu pada jumlah kata dalam n-gram. Dimana N=1, n-gram berisi satu kata, dimana N=2, n-gram berisi dua kata, dan seterusnya.

Misalnya, kalimat "Sapi melompati bulan" akan berisi n-gram 2 kata berikut (dikenal sebagai bi-gram):

• sapi itu
• sapi melompat
• melompati
• di atas
• bulan

Setelah Anda memiliki n-gram, Anda kemudian dapat membuat perhitungan yang memprediksi kemungkinan kata-kata tertentu akan muncul dalam kalimat yang sama atau dalam paragraf yang sama, atau pada jarak tertentu satu sama lain.

Alokasi Dirichlet Laten bekerja dengan asumsi bahwa dokumen terdiri dari susunan kata-kata tertentu dan bahwa susunan tersebut menentukan topik dokumen.

Analisis semantik laten

Seperti LDA, analisis semantik laten didasarkan pada hipotesis distribusi: makna kata dapat dipahami dengan melihat konteks di mana kata-kata muncul. Seperti yang dikatakan oleh ahli bahasa Inggris, JR Firth: "Anda akan tahu sebuah kata dari perusahaan yang disimpannya" (Firth, JR 1957:11).

Tidak seperti LDA, yang menetapkan topik untuk pengaturan kata-kata tertentu, analisis semantik laten hanya menghitung seberapa sering kata-kata muncul dalam satu set dokumen. Diasumsikan bahwa dokumen milik topik yang sama akan berisi kira-kira distribusi frekuensi kata yang sama untuk kata-kata tertentu.

Metode yang digunakan untuk menghitung frekuensi kata adalah Term Frequency-Inverse Document Frequency atau tf-idf.

Term Frequency (TF) mengacu pada berapa kali kata kunci muncul dalam satu dokumen.

Inverse Document Frequency (IDF), mengukur berapa kali istilah muncul dalam kumpulan dokumen.

Term Frequency (TF) kemudian dibagi dengan Inverse Document Frequency (IDF) untuk mendapatkan nilai TF-IDF.

Baik LDA dan LSA adalah teknik tanpa pengawasan.

Kelompok Topik - Kunci Untuk Peringkat Lebih Tinggi

Seperti yang Anda lihat, mesin pencari mengalihkan perhatian mereka dari kata kunci ke topik. Mereka menggunakan berbagai metode statistik untuk mengidentifikasi pola dalam cara kata-kata tertentu ditemukan dengan kata-kata lain. Pola tersebut memungkinkan mesin pencari untuk mengidentifikasi topik.

Dan itulah mengapa kluster topik sekarang menjadi bagian penting dari peringkat tinggi dalam hasil pencarian.

Google ingin memberikan hasil pencarian yang otoritatif. Itu berarti menyampaikan konten yang mencakup topik dengan baik, baik secara mendalam maupun luas.

Pos pilar dan kluster topik

Cara terbaik untuk melakukannya adalah dengan menggunakan model cluster topik. Itulah kumpulan halaman dengan halaman tengah yang disebut tiang pilar. Tiang pilar mencakup topik secara mendalam dan biasanya setidaknya 3000 kata.

Di pos pilar, Anda membahas semua subtopik yang terkait dengan topik Anda. Tetapi Anda tidak perlu membahas subtopik tersebut dengan sangat rinci. Luangkan beberapa paragraf untuk memperkenalkan setiap subtopik dan kemudian tautkan ke posting blog terpisah tempat Anda membahas subtopik itu secara lebih rinci.

Misalnya, tiang pilar Anda mungkin tentang 'alat berkebun'. Itu akan menjadi artikel yang lebih panjang dari rata-rata di mana Anda menjelaskan secara singkat semua jenis utama alat berkebun: mesin pemotong rumput, pemangkas garis, pemangkas lindung nilai, gunting pemangkasan, mulsa, blower daun, alat tepi, alat penyiram, dll.

Anda kemudian akan membuat konten terpisah untuk masing-masing subtopik tersebut dan menautkan ke artikel tersebut dari pos pilar.

Mengapa kluster topik membantu SEO?

Bagaimana kluster topik membantu Anda berperingkat lebih tinggi? Ini menunjukkan mesin pencari bahwa situs web Anda memiliki otoritas topikal untuk topik tertentu. Saat Anda membuat kluster topik, konten Anda akan penuh dengan kata kunci terkait. Dan itulah yang dicari oleh algoritma mesin pencari. Sebuah situs web yang memiliki sepuluh atau lima belas halaman konten terkait erat yang penuh dengan kata kunci yang biasanya ditemukan bersama-sama akan mendapatkan lampu hijau dari algoritme.

Sejauh ini dalam artikel ini, kita telah melihat mengapa topik menggantikan kata kunci sebagai fokus SEO dan bagaimana mesin pencari menggunakan berbagai alat pemodelan topik untuk memahami topik dan subtopiknya.

Sebagai pembuat konten, Anda mungkin bertanya-tanya apakah ada alat pemodelan topik yang akan membantu Anda 'memetakan' topik tertentu sehingga Anda dapat membuat konten yang mencakup topik itu secara komprehensif.

Nah, tidak heran, alat seperti itu sudah ada. Dan di bagian berikutnya, saya akan menunjukkan dua dari mereka.

Alat Pemodelan Topik

Bagian ini memberi Anda panduan tentang dua alat pemodelan topik yang akan membantu Anda menulis konten dengan otoritas topik yang tinggi.

PasarMuse

MarketMuse adalah penelitian konten bertenaga AI dan alat perencana kata kunci. Ini menggunakan pembelajaran mesin dan kecerdasan buatan untuk menganalisis konten, menyarankan topik untuk dibahas, dan mengembangkan ringkasan untuk membantu Anda membuat konten yang lebih baik.

Saat Anda masuk ke MarketMuse, Anda akan melihat lima alat di menu sebelah kiri, Riset, Bersaing, Optimalkan, Pertanyaan, dan Hubungkan:

Mari kita lihat alat-alat ini satu per satu.

Alat Riset

Di alat penelitian, ketik kata kunci Anda, dan MarketMuse akan mengidentifikasi topik utama untuk kata kunci tersebut:

Topik muncul di kolom sebelah kiri. Di kolom sebelah kanan, Anda akan melihat perkiraan volume penelusuran untuk setiap topik terkait, serta grafik yang menunjukkan tren penelusuran untuk topik tersebut.

Kolom di paling kanan menunjukkan berapa kali Anda harus menyebutkan topik terkait itu dalam konten Anda. MarketMuse menggunakan kode warna untuk ini:

• Kuning = 1 hingga 2 sebutan
• Hijau = 3 hingga 10 sebutan
• Biru = 10+ sebutan

Anda dapat menelusuri setiap topik terkait dengan mengklik topik tersebut. Anda akan melihat daftar varian untuk topik tersebut:

Menyertakan varian ini dalam konten Anda akan membantu Anda menentukan peringkat untuk beberapa kata kunci. Ini juga akan meningkatkan otoritas topik artikel Anda karena mesin pencari sekarang menyadari bahwa kata-kata tertentu muncul bersama dalam konten yang mencakup topik secara mendalam.

Alat Bersaing

Alat Bersaing membuat model topik dengan menganalisis ribuan dokumen. Kemudian menganalisis 20 hasil teratas terhadap model itu dan menyajikan hasilnya sebagai peta panas.

Bersaing digunakan untuk menilai dan menganalisis persaingan untuk topik tertentu dan membuat keputusan tentang liputan yang ingin Anda miliki untuk topik itu.

Peta panas Compete membantu Anda dengan cepat memahami bagaimana kompetisi mendekati subjek yang ingin Anda tulis, topik terkait apa yang perlu Anda sertakan, dan topik mana yang harus Anda liput untuk membuat konten Anda menonjol dari yang lain:

Di bagian atas layar Bersaing, Anda akan melihat 20 hasil pencarian teratas untuk topik tersebut. Di bawah setiap hasil pencarian adalah skor konten MarketMuse untuk artikel itu. Ini adalah skor eksklusif yang dikembangkan oleh MarketMuse yang menunjukkan seberapa baik halaman tersebut mencakup suatu topik.

Kode warna pada peta panas menunjukkan seberapa baik setiap konten mencakup topik:

• Merah = 0 sebutan
• Kuning = 1-2 sebutan
• Hijau = 3-10 sebutan
• Biru = 10+ sebutan

Cara cepat untuk menilai seberapa baik halaman mencakup topik adalah dengan memindai kolom secara vertikal:

Demikian juga, Anda dapat melihat bagaimana kompetisi mencakup topik tertentu dengan memindai secara horizontal di sepanjang baris:

Hal lain yang harus dicari dalam alat Bersaing adalah skor konten. Ini memungkinkan Anda untuk melihat sekilas seberapa baik konten peringkat teratas mencakup topik itu:

Jika skornya rendah, itu merupakan indikasi bahwa Anda memiliki peluang bagus untuk mendapat peringkat tinggi untuk topik tersebut dengan konten yang diteliti dengan baik.

Di sisi kiri layar Bersaing, Anda akan melihat semua topik yang membentuk model topik.

Saat menggunakan alat Bersaing, ada dua hal yang harus dicari: topik yang harus dimiliki dan kesenjangan topik.

Topik yang harus dimiliki adalah topik yang secara konsisten ditemukan di antara halaman peringkat teratas dalam hasil pencarian. Untuk berkinerja baik, topik-topik ini harus disertakan dalam karya Anda.

Kesenjangan topik adalah topik yang tidak tercakup oleh kompetisi. Mereka adalah peluang bagus untuk mengoptimalkan konten Anda dengan memasukkan topik yang tidak dimiliki pesaing Anda.

Alat Optimalkan

Alat Optimize adalah editor teks yang memberi Anda umpan balik real-time tentang seberapa baik konten Anda mencakup suatu topik. Cukup ketik kata kunci Anda dan URL artikel Anda dan MarketMuse akan muncul

Kode warna di panel sebelah kanan menunjukkan berapa kali Anda menggunakan istilah itu dan berapa kali Anda harus menggunakan istilah itu.

Saat Anda menambahkan istilah yang disarankan ke bagian konten Anda, kode warna akan diperbarui untuk menunjukkan bahwa Anda mendekati jumlah penyebutan yang optimal untuk istilah tersebut.

Tab 'Umpan' memberi Anda penilaian berjalan tentang seberapa baik konten Anda membahas topik, saat Anda menggulir halaman ke bawah:

Di bagian atas layar Bersaing, Anda akan melihat bilah status yang memberi tahu Anda skor konten Anda, skor rata-rata, skor target Anda, jumlah kata Anda, jumlah kata rata-rata, dan jumlah kata target Anda:

Alat Pertanyaan

Alat Pertanyaan di MarketMuse berguna ketika Anda sedang dalam tahap penelitian menulis artikel Anda. Ini menunjukkan kepada Anda pertanyaan yang paling sering diajukan terkait dengan topik Anda:

Menyertakan pertanyaan terkait dalam konten Anda adalah cara lain untuk meningkatkan otoritas topik artikel Anda.

Di sisi kanan layar, Anda akan melihat kolom dengan tombol yang bertuliskan "Run in". Ini memberi Anda opsi untuk menjalankan setiap pertanyaan di salah satu dari empat alat lainnya:

MarketMuse adalah alat yang ampuh untuk menganalisis topik dan memastikan bahwa konten Anda mencakup topik sebanyak mungkin. Apa yang membuat MarketMuse sangat berguna adalah berdasarkan hasil peringkat teratas untuk kata kunci tertentu.

Ini tidak hanya menunjukkan kepada Anda topik apa yang dicakup oleh halaman yang berada di peringkat atas hasil pencarian. Ini juga menunjukkan kesenjangan topik. Dengan mengatasi kesenjangan topik, Anda dapat membuat konten Anda menonjol dari halaman lain.

Wawasan Artikel

Article Insights adalah alat pemodelan topik lainnya.

Ini membantu Anda mengidentifikasi kata kunci yang muncul di 10 hasil pencarian teratas untuk topik tertentu. Ini membantu analisis pesaing dengan membandingkan konten Anda dengan konten pesaing Anda sehingga Anda dapat melihat kata kunci mana yang mereka gunakan yang bukan Anda. Dan ini membantu pendeteksian entitas dengan menandai kata kunci sebagai orang, produk, perusahaan, atau tempat.

Hal pertama yang perlu Anda lakukan di Article Insights adalah membuat proyek. Beri nama proyek Anda lalu tambahkan kata kunci yang ingin Anda targetkan:

Kata kunci kemudian masuk ke antrian pemrosesan - mungkin perlu beberapa menit untuk menyelesaikan analisis.

Setelah kata kunci diproses, Anda perlu mengklik tombol Lihat.

Anda kemudian akan melihat layar yang terdiri dari dua bagian: antarmuka penulisan di sebelah kiri dan analitik di sebelah kanan:

Di editor artikel, Anda memiliki dua tab: 'Artikel' dan 'Brief':

Singkat adalah di mana Anda dapat meninggalkan catatan tentang artikel tersebut. Ada tombol bagikan di mana Anda bisa mendapatkan tautan untuk membagikan artikel dengan penulis Anda.

Di sisi kanan adalah panel dengan semua analitik untuk konten Anda:

Ini termasuk:

• jumlah kata
• kata kunci yang telah Anda gunakan dalam artikel Anda
• kata kunci yang digunakan pesaing Anda (analisis kesenjangan)
• judul yang Anda gunakan dan jumlah judul yang digunakan pesaing Anda.
• keunikan konten Anda
• skor keterbacaan

Anda dapat mulai menulis artikel Anda dari awal, atau Anda dapat mengimpor artikel yang sedang diproses dari URL:

Setelah Anda memuat konten di editor artikel, alat ini menganalisis konten Anda terhadap 10 hasil pencarian teratas untuk kata kunci tersebut:

• Panel 1 dan 2 menunjukkan seberapa lengkap artikel Anda dan jumlah kata yang harus Anda tuju.
• Panel 3 menunjukkan kepada Anda 15 kata kunci teratas yang digunakan dalam konten Anda.
• Panel 4 menunjukkan kata kunci yang digunakan pesaing Anda dan berapa banyak yang telah Anda gunakan.
• Panel 5 menunjukkan judul yang Anda gunakan dan membandingkannya dengan judul yang digunakan oleh pesaing Anda.

Di bawah panel Judul adalah panel yang menunjukkan skor 'Keunikan' dan alat yang memberi Anda skor membaca Flesch:

Alat 'keunikan' berisi tombol yang disebut 'Penulis Ulang Artikel'.

Klik itu dan itu akan membuka editor artikel, dengan saran berguna untuk sinonim yang dapat Anda gunakan untuk menulis ulang cuplikan yang Anda tambahkan dari tab 'penelitian'. Arahkan kursor Anda ke atas kata yang disorot, dan alat ini memberi Anda sinonim alternatif untuk kata itu:

Ini sangat berguna yang membantu Anda dengan cepat menulis ulang konten Anda.

Di sepanjang bagian atas panel sebelah kanan ada tujuh tab. Sejauh ini, kami telah bekerja di tab Skor.

Jika Anda mengklik tab Pesaing, Anda akan melihat daftar 10 pesaing teratas untuk kata kunci tersebut, bersama dengan pengelompokan kata kunci untuk setiap pesaing. Pengelompokan kata kunci ini menunjukkan kepada Anda kata kunci teratas yang digunakan oleh setiap pesaing:

Anda dapat memilih dan membatalkan pilihan pesaing, yang berguna jika ada hasil yang Anda yakini tidak relevan dengan konten Anda.

Tab berikutnya adalah 'Penelitian'. Tab ini menarik cuplikan dari konten peringkat teratas:

Klik pada cuplikan penelitian dan itu akan ditambahkan ke editor artikel. Anda kemudian perlu menulis ulang untuk menjadikannya bagian dari konten Anda sendiri.

Tab berikutnya adalah 'Headings'. Tab ini menunjukkan judul yang digunakan untuk setiap pesaing yang Anda pilih. Anda dapat melihat dengan tepat berapa banyak judul yang mereka miliki di halaman mereka, dan tingkat judulnya.

Berikutnya adalah tab 'Pertanyaan'.

Tab ini menarik pertanyaan dari Google yang terkait dengan kata kunci utama Anda. Ini adalah subtopik yang dapat Anda tambahkan ke artikel Anda untuk mendapatkan otoritas topikal:

Tab berikutnya adalah 'Topik'. Alat ini menunjukkan kata kunci terkait, dikelompokkan ke dalam topik. Paragraf yang cocok dengan topik tersebut ditempatkan ke panel topik tersebut untuk Anda:

Garis besar topik membantu Anda menemukan kata kunci terkait yang dapat Anda tambahkan dengan mudah ke paragraf. Menambahkan kata-kata terkait ini ke paragraf Anda akan meningkatkan otoritas topikal konten Anda dan secara drastis meningkatkan kualitas artikel Anda.

Tab terakhir adalah 'Duplikat'. Alat ini mendeteksi fragmen dalam konten Anda yang merupakan duplikat. Anda perlu menulis ulang apa pun yang ditandai dengan warna merah oleh alat ini.

Mari kita kembali sekarang ke panel kata kunci di tab 'Skor' karena memiliki fitur yang berguna. Klik kata kunci di panel itu:

Kata kunci itu kemudian akan disorot di tab Pesaing. Anda kemudian dapat melihat berapa kali pesaing Anda menggunakan kata kunci tersebut:

Kata kunci yang sama juga akan disorot di tab 'Penelitian':

Ini adalah fitur yang berguna ketika Anda mencoba untuk mengoptimalkan konten Anda untuk kata kunci tertentu.

Kesimpulan

Saat algoritme beralih dari fokus pada kata kunci dan mencoba memahami topik, konten Anda menjadi semakin penting untuk mencakup topik secara komprehensif.

Itu menjadi kunci untuk peringkat di bagian atas hasil pencarian.

Dalam artikel ini, kita telah melihat berbagai teknik pemodelan topik yang sekarang digunakan oleh mesin pencari untuk lebih memahami kemunculan kata bersama dalam dokumen dan dalam kumpulan dokumen.

Kami telah melihat bagaimana keberadaan, frekuensi, dan kedekatan kata kunci serupa dalam dokumen digunakan oleh mesin pencari untuk memahami topik.

Masuk akal jika mesin pencari menggunakan alat ini untuk memahami otoritas topik, pembuat konten perlu menggunakan teknik yang sama untuk memastikan konten mereka mencakup topik dengan benar.

Dan di situlah alat seperti MarketMuse dan Article Insights masuk. Mereka menggunakan AI untuk menganalisis topik yang Anda tulis dan menunjukkan kepada Anda apa subtopik dalam topik itu dan kata kunci mana yang harus Anda gunakan untuk mendapatkan peringkat yang baik untuk topik itu.

Sumber Daya Terkait

• Kluster Topik & SEO – 5 Tips Mudah Untuk Membangun Hub Konten
• SEO semantik - Panduan Pemula
• Buat Struktur Silo di Situs Web Anda Dalam 5 Langkah Mudah
• Apa Itu Pengindeksan Semantik Laten: 7 Fakta Penting
• Apa Kata Kunci LSI & Bagaimana Menggunakannya Untuk Peringkat Lebih Tinggi