O que é BERT SEO e Processamento de Linguagem Natural?

Devido ao BERT, o Processamento de Linguagem Natural (NLP) é o novo ingrediente obrigatório em todas as campanhas de SEO para dispositivos móveis .

Você já deve ter ouvido o provérbio “suas palavras determinam seu destino”. Da mesma forma, no Search Marketing, a forma como usamos as palavras em uma página é importante. O BERT do Google oferece insights sobre sua organização de resultados de pesquisa. Ele ilustra como a relação entre as entidades das palavras e o uso da linguagem está moldando o futuro do SEO.

O Mobile-First Indexing influencia o aumento da dependência do Google em relação à localização física (GPS / Google Maps) do pesquisador. Ele também conhece as configurações de idioma do usuário no telefone e na conta do Google. Isso ajuda a informar os resultados da pesquisa que são retornados e oferece resultados de pesquisa mais personalizados.

Assim que o Google divulgou sua declaração anunciando que o algoritmo BERT influenciou o formato de pesquisa, sabíamos que isso merecia tempo e atenção. Como visa melhorar a interpretação de consultas complexas de pesquisa de cauda longa e exibir resultados de pesquisa mais relevantes, é a maior atualização de pesquisa em 5 anos. Somente depois de internalizar o que as palavras que o BERT engloba realmente significam, podemos fazer melhor o marketing de busca.

Aqui está o que chegamos a partir de hoje.

O que é BERT?

BERT, é um acrônimo para Bidirectional Encoder Representations from Transformers. É uma técnica baseada em rede neural para pré-treinamento de processamento de linguagem natural. Em termos mais simples, ele pode ser usado para ajudar os mecanismos de pesquisa a decifrar melhor o contexto das palavras nas consultas de pesquisa.

Os modelos BERT excedem as capacidades anteriores. Eles avaliam o contexto completo de uma palavra observando ambas as palavras que vêm ANTES e DEPOIS dela. Isso ajuda a reunir o contexto que é particularmente útil para entender a intenção que acionou a consulta de pesquisa.

O que é uma entidade do Google?

O Google recebeu a patente nº US 9.477.759 B2 em 25 de outubro de 2016. Ela define uma entidade do Google como: "Uma coisa ou conceito que é singular, único, bem definido e distinguível". Ele também aborda suas habilidades de resposta a perguntas que dependem de referências de entidade em dados não estruturados. A patente explica como o Google encontra informações relevantes nas páginas da web.

É importante entender que uma entidade não precisa ser um objeto físico, ela também pode ser uma tonalidade de cor, uma data, uma fragrância e muito mais. Uma entidade é qualquer coisa que seja: Singular. Por exemplo, uma entidade pode ser um indivíduo, um edifício físico, uma localização geográfica, um item de produto, um som, uma ideia cognitiva, um conceito abstrato, um elemento factual ou outras coisas existentes. Também pode ser qualquer combinação deles para ajudar como o Google rastreia e indexa um site.

Uma Entidade não pertence a um nó pai; em vez disso, seus descendentes são somente leitura. O nome de uma Entidade é mantido na propriedade nodeName . Além disso, uma Entidade é um objeto Node e, portanto, herda algumas propriedades e métodos dele.

O que é reconhecimento de entidade?

O reconhecimento de entidade é o que eleva a pesquisa de strings para coisas. Ele ajuda o Google Search Appliance a identificar e classificar entidades interessantes em documentos e, em seguida, armazenar essas entidades em sua biblioteca ou índice de pesquisa. Os SEOs podem enriquecer o conteúdo pobre em metadados para aumentar as chances de obter resultados avançados com texto usando a PNL. Um termo pode ser um nome para uma entidade, que depois disso é chamada de “entidade nomeada”.

O que é correspondência de consulta de entidade?

A correspondência Entity-Query expande as habilidades avançadas de percepção de conteúdo do Google. Como usar a PNL na otimização on-site tornou-se uma das principais perguntas em 2020. Comece cada campanha de marketing de conteúdo com uma extensa pesquisa de mercado. Isso ajudará você a entender o contexto que os mecanismos de pesquisa podem associar às consultas dos usuários em cada tópico.

Como saber quais páginas são confiáveis ​​o suficiente para ver resultados com otimização de PNL?

Se você já tem conteúdo de qualidade sobre um tópico e está classificado para ele, você tem mais chances. Encontre uma página com conteúdo fraco, mas que possa estar ranqueando devido a links de entrada e comece a melhorar essas páginas. Seu conteúdo atenderá melhor às necessidades reais dos espectadores se for escrito em linguagem natural.

O que é Processamento de Linguagem Natural baseado em contexto?

O processamento de linguagem natural baseado em contexto começa com a maneira como os mecanismos de pesquisa tentam identificar contextos que podem ser usados ​​para corresponder a solicitações específicas de usuários. Envolve o processamento de tais solicitações do usuário, aproveitando um Dialog System Engine que depende dos contextos. Eles normalmente fazem referência a contextos de fala que originam uma sequência de solicitações do usuário ou respostas do sistema de diálogo que são armazenadas e categorizadas

Como os profissionais de marketing de pesquisa podem usar a PNL para gerar receita?

Os dados estruturados refletem sobre o que é o seu conteúdo. Se for implementado corretamente e mantido atualizado, deve fazê-lo. Para sites de comércio eletrônico, inclua conteúdo contextual que possa responder a consultas de pesquisa com intenção de compra. Evite entidades de PNL que possam ter uma implicação negativa, como “deprimido” ou “louco”. É preciso ter o quadro geral versus os próprios valores. Isso ajudará a decifrar diferenças granulares nas entidades.

A página de resultados de pesquisa, conhecida como SERP, é extremamente popular. O conteúdo certo pode ajudar sua empresa a se destacar em recursos como os Pacotes Locais do Google e snippets em destaque. Ao adotar uma mentalidade focada no BERT, sua empresa pode ganhar ligações de clientes mesmo com pesquisas sem cliques. Adicionar processamento semântico em seu fluxo de trabalho de publicação de conteúdo envolve o uso de processamento de linguagem natural para adicionar informações estruturadas semanticamente úteis que descrevem seu conteúdo. Várias estratégias de pesquisa podem incluir a PNL para melhorar o SEO e o envolvimento do usuário.

O campo de processamento de linguagem natural está crescendo a passos largos. Combinado com aprendizado de máquina e impulsionado por técnicas de aprendizado profundo, surgem padrões de uso de palavras. Entidades e nós produzem estrutura de conteúdo a partir de vastas quantidades de texto. O Google então escolhe como quer usá-los.

Os Gráficos de conhecimento do Google exibem entidades relacionadas. Um painel de conhecimento de uma pessoa muito conhecida pode exibir uma conexão entre esse indivíduo conforme sua consulta de pesquisa e outro indivíduo. Ao clicar em “Ver a conexão”, mais informações, incluindo os dois indivíduos, serão preenchidas. Para experimentar você mesmo, pesquise sua celebridade favorita e selecione uma celebridade sugerida nos resultados da SERP “Pessoas também pesquisam”. Essa é uma maneira de acionar esses nós de entidade relacionados.

Os chatbots de IA conversacional e assistentes de voz contam com modelos de linguagem natural de última geração para responder às perguntas das pessoas quando uma empresa não está disponível. Esses modelos podem ser treinados para facilitar uma abordagem centrada no consumidor para responder a perguntas frequentes.

Toda empresa precisa se preocupar com as entidades de pesquisa do Google?

Sim, aqueles que querem ser encontrados na busca orgânica. O objetivo de como você usa entidades em seu conteúdo deve incluir motivar as pessoas a realizar ações diretamente relacionadas às suas metas de negócios.

A representação precisa do nome e das entidades da sua empresa ajuda os clientes a encontrar sua empresa on-line. Isso começa com uma listagem do Google Meu Negócio totalmente otimizada com todas as entidades preenchidas.

Eles provavelmente nunca pensariam nisso dessa maneira. O microfone do seu telefone está sempre ouvindo. Em segundo plano, o aprendizado de máquina está avaliando o que ouve das entidades que capta. Versões recentes do iPhone e do Android mostram a distância até o último lugar em que você ouviu você falar. Ou onde ver o último filme que ouviu anunciado no anúncio de rádio/TV que você ouve. O que mais ele está ouvindo?

A Cortana instalada no meu computador recentemente me disse várias vezes: “Posso aprender a entendê-lo muito melhor se puder me familiarizar com a maneira como você fala”. No entanto, eu não estava falando com ele nem pensando que estava “ouvindo”.

Nos últimos meses, temos visto cada vez mais evidências de que o Mobile-First Indexing do Google não é apenas uma mudança do rastreador principal, mas uma grande mudança na estratégia do Google para organizar informações e processar consultas. A relação entre idiomas e entidades em Mobile-First Indexing, 'Entity-First Indexing', não pode ser exagerada.” – Cindy Krum do Mobile Moxie

Quais são as melhores maneiras de usar palavras e frases no conteúdo?

As palavras em seu conteúdo se tornam pares de entidades.

As palavras no conteúdo da web devem fluir da mesma maneira que as pessoas falam, mas precisam ser semanticamente corretas nos termos que o BERT está procurando. Isso ajudará você a ter os resultados mais abrangentes em SERPs.

Procure por entidades únicas que melhor se relacionem com sua frase de pesquisa principal. Verifique como usar entidades corretamente para adicionar valor de contexto aos leitores. Atualmente, o Google tem os melhores conjuntos de dados para ajudar os algoritmos a aprender.

Os SEOs que antes não tinham visão de negócios hoje são forçados a entender estratégias de negócios e ter habilidades holísticas de marketing digital. As palavras ou frases de pesquisa usadas em seu conteúdo e comunicações são importantes. Cada frase deve ser útil e importante.

A importância de um modelo de processamento de linguagem natural

Por que você usaria o NLP API Processor para melhorar a correspondência de consulta de entidade?

Os benefícios de avançar para uma abordagem de linguagem mais natural são basicamente dois.

• Isso torna seu conteúdo mais fácil para as pessoas lerem e agirem.
• Isso torna seu conteúdo mais fácil para os mecanismos de pesquisa entenderem e catalogarem.

Voltar para a patente de RESPOSTA DE PERGUNTAS USANDO REFERÊNCIAS DE ENTIDADE EM DADOS NÃO ESTRUTURADOS. Ele nos diz que uma entidade é basicamente o que as pessoas pesquisam no Google. Abraçar a PNL pode ser enorme para sites de comércio eletrônico. Implemente e teste a marcação do seu produto para ajudar a organizar suas páginas de destino de maneira predefinida.

Considere o que a patente acima afirma:

Considere o que a patente acima afirma:

“Classificação de uma ou mais referências de entidade com base nas respectivas somas ponderadas: selecionar um resultado de entidade de uma ou mais entidades para referências com base, pelo menos em parte, na classificação de uma ou mais referências de entidade; e fornecer uma resposta à consulta com base, pelo menos em parte, no resultado da entidade”.

Como o Google Assistente usa o processamento de linguagem natural

Outra patente do Google está mais focada no processamento de consultas de pesquisa de conversação em dispositivos móveis.

O Google Assistant é um assistente virtual com inteligência artificial que pode se envolver em uma conversa personalizada com um pesquisador. Ele está superando todos os outros ao responder corretamente às consultas de pesquisa de conversa. Ele se baseia em parte no contexto de sessões de pesquisa anteriores.

Uma patente mais recente do Google, concedida em 19 de novembro de 2019, é mais diretamente sobre o Google Assistant. Ele é intitulado Processamento de linguagem natural baseado em contexto e nos informa sobre métodos de processamento de linguagem natural (NLP) que envolvem processamento multimodal de solicitações de usuários. Foi programado com o anúncio de que eles estão usando o BERT para entender a linguagem natural de forma mais eficiente.

A gigante da tecnologia busca superar seus desafios quando se depara com solicitações de consulta que “não são razoavelmente compreensíveis se tomadas isoladamente ou isoladamente”. Pandu Nayak Google Fellow e vice-presidente de pesquisa publicou um artigo em 25 de outubro de 2019 intitulado Entendendo as pesquisas melhor do que nunca. Ele disse: “Nós vemos bilhões de pesquisas todos os dias, e 15 por cento dessas consultas são aquelas que não vimos antes, então criamos maneiras de retornar resultados para consultas que não podemos prever”.

Com o algoritmo BERT, até mesmo palavras pequenas podem ajudar a entender melhor a intenção de pesquisa.

“A palavra 'para' e sua relação com as outras palavras na consulta são particularmente importantes para entender o significado. Trata-se de um brasileiro viajando para os EUA, e não o contrário. Anteriormente, nossos algoritmos não entendiam a importância dessa conexão e retornamos resultados sobre cidadãos americanos viajando para o Brasil. Com o BERT, a Pesquisa é capaz de entender essa nuance e saber que a palavra muito comum “para” realmente importa muito aqui, e podemos fornecer um resultado muito mais relevante para essa consulta.” - Google

BERT fornece uma melhor compreensão de palavras e linguagem

“A compreensão do idioma é a chave para tudo o que estamos fazendo na pesquisa”, disse Pandu Nayak. “Esta é a única, maior e mais positiva mudança que tivemos nos últimos cinco anos.”

O Google pode decifrar melhor as solicitações do usuário identificando um tipo de fala, nós de entidade ou um contexto ambiental que acompanha a pesquisa do usuário. Você pode usar esses insights de entidade para demonstrar sua experiência no nicho do setor. A patente faz referência a “sistemas de diálogo” e aplicativos móveis.

“Os sistemas convencionais de diálogo são amplamente utilizados na indústria de tecnologia da informação, especialmente na forma de aplicativos móveis para telefones sem fio e tablets. Geralmente, um sistema de diálogo refere-se a um agente baseado em computador que possui uma interface centrada no ser humano para acessar, processar, gerenciar e fornecer informações. Os sistemas de diálogo também são conhecidos como sistemas de informações de bate-papo, sistemas de diálogo falado, agentes de conversação, robôs de bate-papo, bots de bate-papo, bots de bate-papo, agentes de bate-papo, assistentes pessoais digitais, assistentes online automatizados e assim por diante. ” – Patente US20160259775A1

Agora, essa é uma lista abrangente de entidades de comunicação que se enquadram no “sistema de diálogo”! A patente explica como o Google Assistant foi projetado para se conectar com os pesquisadores via PNL.

“Um sistema de diálogo interage com seus usuários em linguagem natural para simular uma conversa inteligente e prestar atendimento personalizado aos usuários. Por exemplo, um usuário pode gerar solicitações ao sistema de diálogo na forma de perguntas de conversação, como “Onde fica o hotel mais próximo?” ou “Como é o clima em Alexandria?”, e receba as respostas correspondentes do sistema de diálogo na forma de áudio e/ou mensagens exibíveis. Os usuários também podem fornecer comandos de voz para o sistema de diálogo… – Patente US20160259775A1

Agora que temos uma compreensão básica de como a Pesquisa do Google usa a PNL, é fascinante como isso pode influenciar nossa abordagem à criação de conteúdo e SEO.

Reconhecimento de Entidade Nomeada em Consulta Patente do Google nº US9009134B2

Seu status de aplicativo está ativo a partir de hoje, 11 de fevereiro de 2020. Explica ainda parte da marcação de fala em ciência da computação e análise de sentimentos.

O que é segmentação de consultas?

Esta patente responde e define o que é a segmentação de consultas. Sabendo que normalmente se refere à segmentação de uma consulta específica em unidades de tamanho menor. Ele nos diz que “Muitas vezes pode haver limitações nos tipos de unidades segmentadas possíveis, resultando em funcionalidade limitada no método. A análise sintática geralmente se concentra na identificação da estrutura linguística de uma consulta. A classificação da consulta geralmente se enquadra em dois grupos: classificação de acordo com a intenção da pesquisa, como informativa, navegacional ou transacional; e classificação de acordo com a semântica de uma consulta”.

Isso pode ser aplicado a 'compras' ou “compradores”. Ambas as formas de classificação de consulta consideram a consulta inteira. Uma vez classificado e geralmente não há mais diagnósticos sobre a estrutura interna da consulta.

Também aprendemos mais sobre como ele busca superar entidades temáticas ambíguas e desafios ao empregar um método de aprendizado não supervisionado.

“Como os tópicos em um modelo podem ser predefinidos e os possíveis tópicos de um documento podem ser fornecidos, um novo método para aprender um modelo de tópico, conhecido como Alocação de Dirichlet Latente Supervisionada Fraca (WS-LDA) pode ser empregado.

Para cada palavra

uma. Desenhe atribuição de tópicos zn˜Multinomial(θ)

b. Desenhe a palavra wn˜Multinomial(βZn), uma distribuição multinomial condicionada ao tópico zn.””

Aprendemos que uma fonte de dados para entidades correspondentes pode ser “dados de log de consulta, como um log de consulta de um mecanismo de pesquisa comercial da Web”, ou algo semelhante. A patente oferece exemplos de formas de implementação de várias modalidades para classificar entidades de mídia legível por computador. Fornece uma parcial que inclui: “RAM, ROM, EEPROM, memória flash ou outra tecnologia de memória, CD-ROM, discos versáteis digitais (DVD) ou outro armazenamento óptico, cassetes magnéticos, fita magnética, armazenamento em disco magnético ou outros dispositivos de armazenamento magnético , ou qualquer outro meio que possa ser usado para armazenar a informação desejada”.

A ajuda de tradução automática para extração de entidades pode ser encontrada em fontes abertas na web. É empolgante pular para a modelagem de entidade personalizada – especialmente porque a compreensão da entidade nos ajuda a nos comunicar melhor com consumidores reais. O esquema de negócios locais é fundamental para criar seu Mapa de conhecimento e conectar-se com os consumidores locais. Cindy Krum diz isso melhor, então vou citá-la novamente.

“No geral, as entidades fornecem ao Google uma compreensão melhor e mais profunda dos tópicos porque dão ao Google a capacidade de desenvolver facilmente conexões e relacionamentos entre diferentes tópicos (entidades). Uma compreensão mais profunda de uma Entidade e seus relacionamentos, por sua vez, dá ao Google a oportunidade de fornecer potencialmente informações sobre a Entidade em qualquer idioma (com tradução ao vivo das APIs de idioma do Google, se necessário), pois agora o idioma tem apenas um papel de suporte para a consulta – como um modificador. Qualquer que seja o Entendimento de Entidade e os Relacionamentos de Entidade que o Google aprenda em um idioma pode ser traduzido automaticamente para outros idiomas, especialmente em resultados de posição zero hospedados pelo Google, como o Gráfico de Conhecimento.”

Os algoritmos do Google BERT tentam encontrar as conexões certas entre suas páginas publicadas e os tópicos que elas identificam. Você pode ajudar o Google a encontrar as “entidades” certas em seu site.

Conclusão:

Os dados podem servir como um novo benchmark. A verdadeira tecnologia de PNL de bom senso incorpora novas técnicas, como modelos de conhecimento estruturados.

As conversas entre humanos podem entender facilmente as perguntas feitas para selecionar a resposta correta para responder. A postura corporal, os gestos, o tom de voz deixam claro sobre o que realmente se trata a conversa. A PNL está ajudando as máquinas a serem melhores em fazer o mesmo. À medida que eu aprender e experimentar mais, atualizarei este artigo para torná-lo mais útil. Sua jornada usando PNL e comentários são bem-vindos.

Encontre novas maneiras de enriquecer seu conteúdo.

Solicite sua auditoria de marcação de esquema por um provedor de pesquisa Minneapolis Pro