Che cos'è BERT SEO e l'elaborazione del linguaggio naturale?

Grazie a BERT, Natural Language Processing (NLP) è il nuovo ingrediente indispensabile in ogni campagna SEO mobile .

Potresti aver sentito il proverbio "le tue parole determinano il tuo destino". Allo stesso modo, nel Search Marketing, il modo in cui usiamo le parole su una pagina è importante. BERT di Google offre approfondimenti sulla sua organizzazione dei risultati di ricerca. Illustra come la relazione tra le entità delle parole e l'uso del linguaggio stia plasmando il futuro della SEO.

L'indicizzazione Mobile-First influenza la maggiore dipendenza di Google dalla posizione fisica (GPS / Google Maps) del ricercatore. Conosce anche le impostazioni della lingua del ricercatore sul proprio telefono e all'interno del proprio account Google. Questo aiuta a informare i risultati di ricerca che vengono restituiti e offre risultati di ricerca più personalizzati.

Non appena Google ha rilasciato la sua dichiarazione in cui annunciava che l'algoritmo BERT ha influenzato il formato di ricerca, abbiamo capito che questo meritava tempo e attenzione. Poiché mira a migliorare l'interpretazione di complesse query di ricerca a coda lunga e a visualizzare risultati di ricerca più pertinenti, è il più grande aggiornamento di ricerca degli ultimi 5 anni. Solo dopo aver interiorizzato il significato effettivo delle parole che racchiude BERT, possiamo migliorare il marketing dei motori di ricerca.

Ecco a cosa siamo arrivati ​​ad oggi.

Cos'è BERT?

BERT è l'acronimo di Bidirectional Encoder Representations di Transformers. È una tecnica basata sulla rete neurale per l'elaborazione del linguaggio naturale prima dell'allenamento. In termini più semplici, può essere utilizzato per aiutare i motori di ricerca a decifrare meglio il contesto delle parole nelle query di ricerca.

I modelli BERT superano le capacità precedenti. Valutano l'intero contesto di una parola osservando entrambe le parole che vengono PRIMA e DOPO. Ciò consente di raccogliere un contesto particolarmente utile per comprendere l'intento che ha richiesto la query di ricerca.

Che cos'è un'entità Google?

Google ha ottenuto il brevetto n. US 9.477.759 B2 il 25 ottobre 2016. Definisce un'entità Google come: "Una cosa o un concetto che è singolare, unico, ben definito e distinguibile". Affronta anche le sue capacità di risposta alle domande che si basano su riferimenti a entità nei dati non strutturati. Il brevetto spiega come Google trova le informazioni rilevanti all'interno delle pagine web.

È importante capire che un'entità non ha bisogno di essere un oggetto fisico, può anche essere una tonalità di colore, una data, una fragranza e altro ancora. Un'entità è tutto ciò che è: Singolare. Ad esempio, un'entità può essere un individuo, un edificio fisico, una posizione geografica, un articolo di prodotto, un suono, un'idea cognitiva, un concetto astratto, un elemento fattuale o altre cose esistenti. Può anche essere una qualsiasi combinazione di questi per aiutare il modo in cui Google esegue la scansione e l'indicizzazione di un sito.

Un'entità non appartiene a un nodo padre; piuttosto, i suoi discendenti sono di sola lettura. Il nome di un'entità è contenuto nella proprietà nodeName . Inoltre, un'entità è un oggetto Node e pertanto ne eredita alcune proprietà e metodi.

Che cos'è il riconoscimento dell'entità?

Il riconoscimento di entità è ciò che eleva la ricerca dalle stringhe alle cose. Aiuta Google Search Appliance a identificare e classificare entità interessanti nei documenti e quindi archiviare queste entità nella sua libreria o indice di ricerca. I SEO possono arricchire i contenuti poveri di metadati per aumentare le possibilità di ottenere risultati multimediali con il testo utilizzando la NLP. Un termine può essere un nome per un'entità, che in seguito viene definita "entità denominata".

Che cos'è la corrispondenza entità-query?

La corrispondenza Entity-Query espande le capacità avanzate di percezione dei contenuti di Google. Come utilizzare la NLP nell'ottimizzazione in loco è diventata una delle principali domande nel 2020. Avvia ogni campagna di marketing dei contenuti con un'ampia ricerca di mercato. Questo ti aiuterà a capire il contesto che i motori di ricerca possono associare alle query degli utenti su ciascun argomento.

Come sapere quali pagine sono sufficientemente credibili per vedere i risultati con l'ottimizzazione della PNL?

Se hai già contenuti di qualità su un argomento e ti classifichi per questo, hai maggiori possibilità. Trova una pagina con contenuti deboli ma potrebbe essere classificata a causa dei collegamenti in entrata e inizia migliorando quelle pagine. I tuoi contenuti soddisferanno meglio le esigenze degli spettatori reali se scritti in linguaggio naturale.

Che cos'è l'elaborazione del linguaggio naturale basata sul contesto?

L'elaborazione del linguaggio naturale basata sul contesto inizia con il modo in cui i motori di ricerca cercano di identificare i contesti che possono essere utilizzati per soddisfare particolari richieste degli utenti. Implica l'elaborazione di tali richieste degli utenti sfruttando un motore di sistema di dialogo che si basa sui contesti. Questi in genere fanno riferimento a contesti vocali che originano una sequenza di richieste dell'utente o risposte del sistema di dialogo che vengono archiviate e classificate

In che modo i marketer della ricerca possono utilizzare la PNL per aumentare le entrate?

I dati strutturati riflettono di cosa trattano i tuoi contenuti. Se è implementato correttamente e mantenuto aggiornato, dovrebbe farlo. Per i siti di e-commerce, includi contenuto contestuale in grado di rispondere a query di ricerca con intenzione di acquisto. Evita le entità della PNL che potrebbero avere un'implicazione negativa, come "depresse" o "pazze". Ci vuole avere il quadro generale rispetto ai valori stessi. Ciò aiuterà a decifrare le differenze granulari nelle entità.

La pagina dei risultati di ricerca, nota come SERP, è estremamente popolare. I contenuti giusti possono aiutare la tua attività a emergere in funzionalità come i Local Pack di Google e gli snippet in primo piano. Adottando una mentalità incentrata su BERT, la tua azienda può vincere le chiamate dei clienti anche da ricerche zero-click. L'aggiunta dell'elaborazione semantica nel flusso di lavoro di pubblicazione dei contenuti implica l'utilizzo dell'elaborazione del linguaggio naturale per aggiungere informazioni utili strutturate semanticamente che descrivono il contenuto. Numerose strategie di ricerca possono includere la NLP per migliorare la SEO e il coinvolgimento degli utenti.

Il campo dell'elaborazione del linguaggio naturale sta crescendo a grandi passi. In combinazione con l'apprendimento automatico e guidati da tecniche di deep learning, emergono modelli di utilizzo delle parole. Entità e nodi producono la struttura del contenuto da vaste raccolte di testo. Google quindi sceglie come vuole usarli anche lui.

Google Knowledge Graphs mostra le entità correlate. Un pannello di conoscenza di una persona molto nota può mostrare una connessione tra quell'individuo che si adatta alla tua query di ricerca e un altro individuo. Cliccando su “Vedi la connessione”, verranno popolate ulteriori informazioni che includono entrambe le persone. Per sperimentare te stesso, cerca la tua celebrità preferita e quindi seleziona una celebrità suggerita all'interno dei risultati SERP "Cerca anche persone". Questo è un modo per attivare questi nodi di entità correlati.

I chatbot di intelligenza artificiale e gli assistenti vocali conversazionali si affidano a modelli all'avanguardia in linguaggio naturale per rispondere alle domande delle persone quando un'azienda non è disponibile. Questi modelli possono essere addestrati per facilitare un approccio incentrato sul consumatore per rispondere alle domande frequenti.

Ogni azienda deve preoccuparsi delle entità di ricerca di Google?

Sì, quelli che vogliono farsi trovare nella ricerca organica. L'obiettivo di come utilizzi le entità nei tuoi contenuti dovrebbe includere motivare le persone a intraprendere azioni direttamente correlate ai tuoi obiettivi aziendali.

La rappresentazione accurata del nome e delle entità della tua attività aiuta i clienti a trovare la tua attività online. Questo inizia con una scheda Google My Business completamente ottimizzata con tutte le entità compilate.

Probabilmente non la penserebbero mai in questo modo. Il microfono del tuo telefono è sempre in ascolto. In background l'apprendimento automatico valuta ciò che sente dalle entità che rileva. Le versioni recenti di iPhone e Android ti mostrano la distanza dall'ultimo punto in cui ti ha sentito parlare. O dove vedere il film che ha sentito l'ultima volta annunciato nella pubblicità radiofonica/TV che ascolti. Cos'altro sta ascoltando?

Cortana installato sul mio computer mi ha detto più volte di recente: "Posso imparare a capirti molto meglio se riesco a familiarizzare con il modo in cui parli". Tuttavia, non gli stavo parlando né pensavo che stesse "ascoltando".

Negli ultimi mesi, stiamo vedendo sempre più prove del fatto che l'indicizzazione Mobile First di Google non è solo un cambiamento del crawler principale, ma un importante cambiamento nella strategia di Google per l'organizzazione delle informazioni e l'elaborazione delle query. La relazione tra linguaggi ed entità in Mobile-First Indexing, 'Entity-First Indexing', non può essere sopravvalutata." – Cindy Krum di Mobile Moxie

Quali sono i modi migliori per utilizzare parole e frasi nei contenuti?

Le parole nel tuo contenuto diventano coppie di entità.

Le parole nei contenuti web dovrebbero fluire nello stesso modo in cui le persone parlano, ma devono essere semanticamente corrette nei termini che BERT sta cercando. Questo ti aiuterà ad avere i risultati più completi nelle SERP.

Cerca le singole entità che meglio si riferiscono alla tua frase di ricerca principale. Verifica come utilizzare correttamente le entità per aggiungere valore di contesto ai lettori. Attualmente Google ha i migliori set di dati per aiutare gli algoritmi ad apprendere.

I SEO che in precedenza mancavano di un acume per gli affari oggi sono costretti a comprendere le strategie aziendali e ad avere competenze olistiche di marketing digitale. Le parole o le frasi di ricerca utilizzate nei tuoi contenuti e comunicazioni sono importanti. Ogni frase dovrebbe essere utile e importante.

L'importanza di un modello di elaborazione del linguaggio naturale

Perché dovresti usare il processore API NLP per migliorare la corrispondenza entità-query?

I vantaggi del passaggio a un approccio linguistico più naturale sono fondamentalmente due.

• Rende più facile la lettura e l'azione dei tuoi contenuti per le persone.
• Rende i tuoi contenuti più facili da comprendere e catalogare per i motori di ricerca.

Torna alla DOMANDA RISPONDERE UTILIZZANDO I RIFERIMENTI DI ENTITÀ NEL brevetto UNSTRUCTURED DATA. Ci dice che un'entità è fondamentalmente ciò che le persone cercano su Google. Abbracciare la PNL può essere enorme per i siti di e-commerce. Implementa e testa il markup del tuo prodotto per organizzare le tue pagine di destinazione in modo predefinito.

Considera ciò che afferma il brevetto di cui sopra:

Considera ciò che afferma il brevetto di cui sopra:

“Classificazione di uno o più riferimenti di entità in base alle rispettive somme ponderate: selezionare un risultato di entità dall'una o più entità a riferimenti basati almeno in parte sulla graduatoria di uno o più riferimenti di entità; e fornendo una risposta alla domanda basata almeno in parte sul risultato dell'entità.

Come l'Assistente Google utilizza l'elaborazione del linguaggio naturale

Un altro brevetto Google è più focalizzato sull'elaborazione di query di ricerca conversazionali mobili.

Google Assistant è un assistente virtuale basato sull'intelligenza artificiale che può impegnarsi in una conversazione personalizzata con un ricercatore. Sta superando tutti gli altri nel rispondere correttamente alle query di ricerca conversazionale. Si basa in parte sul contesto delle precedenti sessioni di ricerca.

Un brevetto Google più recente, concesso il 19 novembre 2019, riguarda più direttamente l'Assistente Google. Si intitola Elaborazione del linguaggio naturale basata sul contesto e ci informa sui metodi di elaborazione del linguaggio naturale (NLP) che implicano l'elaborazione multimodale delle richieste degli utenti. È stato programmato con l'annuncio che stanno utilizzando BERT per comprendere il linguaggio naturale in modo più efficiente.

Il gigante della tecnologia sta cercando di superare le sue sfide di fronte a richieste di query che "non sono ragionevolmente comprensibili se prese da sole o isolatamente". Pandu Nayak Google Fellow e Vice President of Search ha pubblicato un articolo il 25 ottobre 2019 dal titolo Capire le ricerche meglio che mai. Ha detto: "Vediamo miliardi di ricerche ogni giorno e il 15 percento di quelle query non sono mai state viste prima, quindi abbiamo creato modi per restituire risultati per query che non possiamo anticipare".

Con l'algoritmo BERT anche le parole più piccole possono ora aiutare a comprendere meglio l'intento di ricerca.

“La parola 'a' e la sua relazione con le altre parole nella query sono particolarmente importanti per comprenderne il significato. Parla di un brasiliano che viaggia negli Stati Uniti e non il contrario. In precedenza, i nostri algoritmi non capivano l'importanza di questa connessione e abbiamo restituito risultati sui cittadini statunitensi che si recavano in Brasile. Con BERT, Search è in grado di cogliere questa sfumatura e sapere che la parola molto comune "a" conta davvero molto qui e possiamo fornire un risultato molto più pertinente per questa query". - Google

BERT fornisce una migliore comprensione delle parole e del linguaggio

"La comprensione della lingua è la chiave di tutto ciò che stiamo facendo sulla ricerca", ha affermato Pandu Nayak. "Questo è il cambiamento singolo, più grande e più positivo che abbiamo avuto negli ultimi cinque anni".

Google può decifrare meglio le richieste degli utenti identificando un tipo di discorso, nodi di entità o un contesto ambientale che accompagna la ricerca dell'utente. Puoi utilizzare queste informazioni sulle entità per dimostrare la tua esperienza di nicchia del settore. Il brevetto fa riferimento a "sistemi di dialogo" e applicazioni mobili.

“I sistemi di dialogo convenzionali sono ampiamente utilizzati nel settore della tecnologia dell'informazione, soprattutto sotto forma di applicazioni mobili per telefoni wireless e tablet. In genere, un sistema di dialogo si riferisce a un agente basato su computer dotato di un'interfaccia incentrata sull'uomo per l'accesso, l'elaborazione, la gestione e la distribuzione delle informazioni. I sistemi di dialogo sono noti anche come sistemi di informazioni chat, sistemi di dialogo vocale, agenti conversazionali, robot chatter, chatterbot, chatbot, agenti chat, assistenti personali digitali, assistenti online automatizzati e così via. – Brevetto US20160259775A1

Ora questo è un elenco completo di entità di comunicazione che rientrano nel "sistema di dialogo"! Il brevetto spiega come Google Assistant è progettato per connettersi con gli utenti tramite la NLP.

“Un sistema di dialogo interagisce con i suoi utenti in linguaggio naturale per simulare una conversazione intelligente e fornire assistenza personalizzata agli utenti. Ad esempio, un utente può generare richieste al sistema di dialogo sotto forma di domande colloquiali, come "Dov'è l'hotel più vicino?" o "Com'è il tempo ad Alessandria?" e ricevere le risposte corrispondenti dal sistema di dialogo sotto forma di messaggi audio e/o visualizzabili. Gli utenti possono anche fornire comandi vocali al sistema di dialogo… – Brevetto US20160259775A1

Ora che abbiamo una conoscenza di base di come Ricerca Google utilizza la PNL, è affascinante come questo possa influenzare il nostro approccio alla creazione di contenuti e alla SEO.

Riconoscimento dell'entità denominata nella domanda di brevetto Google n. US9009134B2

Lo stato della sua applicazione è attivo a partire da oggi, 11 febbraio 2020. Spiega ulteriormente parte del tag vocale nell'informatica e nell'analisi del sentimento.

Che cos'è la segmentazione delle query?

Questo brevetto risponde e definisce cos'è la segmentazione delle query. Sapendo che in genere si riferisce alla segmentazione di una query specifica in unità di dimensioni inferiori. Ci dice che “Spesso possono esserci limitazioni sui tipi di unità segmentate possibili, con conseguente funzionalità limitata nel metodo. L'analisi sintattica generalmente si concentra sull'identificazione della struttura linguistica di una query. La classificazione delle query generalmente rientra in due gruppi: classificazione in base all'intento di ricerca, ad esempio informativo, di navigazione o transazionale; e classificazione secondo la semantica di una query.

Questo potrebbe essere applicato agli "acquisti" o agli "acquirenti". Entrambe le forme di classificazione della query considerano l'intera query. Una volta classificato e di solito non ci sono ulteriori diagnostiche sulla struttura interna della query.

Impariamo anche di più su come cerca di superare entità e sfide tematiche ambigue quando si utilizza un metodo di apprendimento senza supervisione.

“Poiché gli argomenti in un modello possono essere predefiniti e possono essere forniti i possibili argomenti di un documento, può essere impiegato un nuovo metodo per l'apprendimento di un modello tematico, denominato Weakly Supervised Latent Dirichlet Allocation (WS-LDA).

Per ogni parola

un. Disegna l'assegnazione dell'argomento zn˜Multinomiale(θ)

B. Disegna la parola wn˜Multinomiale(βZn), una distribuzione multinomiale condizionata dall'argomento zn.””

Apprendiamo che un'origine dati per le entità corrispondenti può essere "dati del registro delle query come un registro delle query da un motore di ricerca Web commerciale" o qualcosa di simile. Il brevetto offre forme di esempio per implementare varie forme di realizzazione per ordinare entità da supporti leggibili da computer. Fornisce un parziale che include: “RAM, ROM, EEPROM, memoria flash o altra tecnologia di memoria, CD-ROM, dischi digitali versatili (DVD) o altri dispositivi di memorizzazione ottica, cassette magnetiche, nastri magnetici, dispositivi di memorizzazione su disco magnetico o altri dispositivi di memorizzazione magnetici , o qualsiasi altro supporto che può essere utilizzato per memorizzare le informazioni desiderate”.

La guida alla traduzione automatica per l'estrazione di entità può essere trovata in open source sul web. È entusiasmante entrare nella modellazione di entità personalizzate, soprattutto perché la comprensione delle entità ci aiuta a comunicare meglio con i consumatori reali. Lo schema aziendale locale è fondamentale per creare il Knowledge Graph e connettersi con i consumatori locali. Cindy Krum lo dice meglio, quindi la citerò di nuovo.

"Nel complesso, le entità forniscono a Google una migliore e più profonda comprensione degli argomenti perché danno a Google la capacità di sviluppare facilmente connessioni e relazioni tra diversi argomenti (entità). Una comprensione più profonda di un'Entità e delle sue relazioni, a sua volta, offre a Google l'opportunità di fornire potenzialmente informazioni sull'Entità in qualsiasi lingua (con traduzione dal vivo dalle API linguistiche di Google se necessario), poiché ora la lingua ha solo un ruolo di supporto per la query – come un modificatore. Qualunque sia la comprensione dell'entità e le relazioni tra entità che Google apprende in una lingua può essere automaticamente tradotta in altre lingue, in particolare nei risultati a posizione zero ospitati da Google come il Knowledge Graph.

Gli algoritmi di Google BERT cercano di trovare le giuste connessioni tra le tue pagine pubblicate e gli argomenti che identificano. Puoi aiutare Google a trovare le giuste "entità" sul tuo sito.

Conclusione:

I dati possono fungere da nuovo benchmark. La vera tecnologia della PNL basata sul buon senso incorpora nuove tecniche, come i modelli di conoscenza strutturati.

Le conversazioni da uomo a uomo possono facilmente comprendere le domande poste al fine di selezionare la risposta corretta con cui rispondere. La postura del corpo, i gesti, il tono della voce fanno capire chiaramente di cosa tratta veramente la conversazione. La PNL aiuta le macchine a fare lo stesso meglio. Man mano che imparo e sperimenterò di più, aggiornerò questo articolo per renderlo più utile. Il tuo viaggio usando la PNL e i commenti sono i benvenuti.

Trova nuovi modi per arricchire i tuoi contenuti.

Richiedi la revisione del markup dello schema da parte di un provider di ricerca di Minneapolis Pro