什麼是語義搜索？
已發表: 2021-12-03什麼是語義搜索以及為什麼它對 SEO 很重要
更新於 1.18.2022
企業可以通過使用現代語義搜索技術為其目標受眾的需求提供更多價值。
您精心創建了數據網絡，使其包含豐富的內部和外部客戶信息。 但要真正有效，他們的上下文信號需要從一個傳遞到另一個，並具有一致的主題層次結構。 當實體不為人所知並且缺少事實時，開放信息檢索 (Open IR) 會找到未識別的實體。 然後將這些信息與語義相關的主題進行聚類。 了解候選問題的答案以及問題的排序方式是語義 SEO 專業知識的一部分。 這就是語義搜索涉及機器學習的地方。 我們將從提供定義和背景概念開始。
目錄
- 什麼是語義搜索？
- 什麼是語義？
- 什麼是語義網？
- 語義在 SEO 中重要嗎？
- 語義搜索如何工作？
- 如何使用語義 SEO 構建您的 Web 數據云
- 1. 語義 SEO 的成功始於營銷研究
- 2.基於語義分析和共現撰寫文本
- 3. 以搜索引擎的視角
- 4. 使用 Google Search Console Insights
- 5. 為 SEO 採用多模式方法
- 6. 使用知識圖譜和谷歌業務資料回答問題
- 7. 為文本、圖像、產品和視頻添加結構化數據
- 8. 隨時了解 Google 更新
- 傳統 SEO 和語義 SEO 有何不同？
- 總結語義搜索的歷史
- 語義搜索中的語義主題模型
什麼是語義搜索？
語義搜索是按意思搜索。 它表示有內涵的搜索，這與詞法搜索不同，詞法搜索是搜索引擎在不了解查詢的整體主旨的情況下尋找查詢詞或其變體的字面匹配。 它指的是搜索引擎努力產生與搜索者意圖一致的最相關和最受信任的 SERP 結果。
語義搜索也稱為神經搜索，它利用最先進的深度學習算法向用戶查詢顯示上下文和相關結果。 它涉及面向實體的搜索，該搜索依賴於正確聚類為知識庫的連接內容。
什麼是語義？
根據牛津語言學院的說法，“語義學”是“與意義有關的語言學和邏輯學的分支。 語義學有許多分支和分支，包括形式語義學，研究意義的邏輯方面，如意義、指稱、暗示和邏輯形式；詞彙語義學，研究詞義和詞關係；概念語義學。語義學，研究意義的認知結構。”
對我來說最突出的是“查詢詞的含義”（語義搜索）和“查詢中的詞匹配”（詞法搜索）之間的區別。
在電子商務領域，詞法搜索通過匹配詞及其變體來識別產品； 相反，語義搜索通過含義和上下文來識別產品。
當我們真的想了解我們正在與之交談的人時，我們會尋求掌握我們認為他們試圖說的話。 他們的話語所傳達的概念、想法和需求，以及由他們的表達方式或對話背景所創造的“感覺”，是做出明智回應的基礎。 同樣，語義分析使任何主題（或搜索查詢）更容易讓機器學習破譯意圖並像人類一樣做出更多反應。
這就是句子語義（sentential semantics）以及短語語義在語義上構建內容的作用所在。
句子語義（sentential semantics）和短語語義一樣，處理比詞更大的句法單元的意義，如短語、從句和句子，以及它們之間的語義關係。 介詞在分析句子之間和句子內部的意義關係中起著重要作用。 例如，如果一個人說“去口香糖最好的鞋子”與“健身房裡最好的鞋子”，那麼他們的位置和鞋子可能會完全不同。 在 LifeTIME 健身中心，我們總是在進入鍛煉區之前換掉我們的街頭鞋。 在這裡，“going to”和“at”這兩個小詞改變了哪種鞋最好的語境。
介詞表示方向、時間、地點、地點、空間關係，或介紹一個實體。 語義搜索是一種數據搜索技術，它從關鍵字短語前後的介詞和陳述中獲取大量線索。 在語義 SEO 中，句子中的每個單詞都可以具有更多價值。
什麼是語義網？
Semantic Web 提供了一個被廣泛接受的框架，它支持跨應用程序、企業和社區邊界進行數據共享和改進。
谷歌一直依靠語義分析來建立更好的知識庫，了解每個主題的組成、連接的節點以及每個 Web 文檔或段落與每個搜索查詢的相關程度。 隨著 SEO 完善其結構化搜索引擎的概念，主題權威和語義網被更頻繁地討論。 由於它不斷發展，定義也在不斷發展。
在最近的 2021 年報告中，Gartner 強調語義搜索對於有效的知識和內容管理至關重要。 推理確定了它“通過分析文檔/記錄的潛在含義以及為檢索它們而提出的查詢來（放大搜索）性能”的能力。 自動標記功能允許使用內容的應用程序利用豐富的元數據——通過個性化和基於意圖的推薦，很好地改善了客戶的語義網絡搜索體驗。
格言“您將通過它所擁有的公司了解一個對象”擴展了 Firth 在 1957 年如何將這一概念總結為“您將通過它所擁有的公司了解一個詞”。 語義 SEO 擴展到合併由圖像和音頻豐富的實體關係。 進一步研究源自視覺場景中對象共現的語義表示，利用圖像元數據標記，將基於圖像的信息更直接地提供到表示模型中。
語義在 SEO 中重要嗎？
在實施語義 SEO 之前，互聯網系統對於人們尋找答案和產品的優化程度較低。
語義搜索有助於更好地突出相關搜索結果。 它提高了來自搜索引擎的網站或網頁的自然流量的質量和數量。 同時，它為搜索引擎優化增加了另一層複雜性。 更高級的任務，例如主題研究、管理數據層、視覺搜索、播客和以新方式優化內容。 語義層是整個公司數據和詞彙表的業務表示，可幫助最終用戶使用普通業務術語自主訪問數據。
在這種搜索形式中，您的品牌、產品、服務和概念的視覺呈現已經成為一個更大的參與者。 這擴展了您的業務的任務和範圍。
語音搜索輔助技術可以增加網頁的語義元素。 語義 HTML 的編寫時間不會比非語義內容長。 HTML 和語義標記都需要遵循標準準則。 這是 SEO 優化您的內容的一種方式。 此外，屏幕閱讀器用戶可以獲得的最佳輔助功能之一是客戶端方法，利用輔助功能 API 來檢索和處理瀏覽器顯示的信息。
語義搜索如何工作？
語義搜索的工作原理是推動相關的網絡流量，並通過理解人們查詢的含義來回答他們的問題。 語義標記通過以搜索引擎理解的數據格式提供信息來提供幫助。
人們通常並不總是使用網頁使用的完全匹配詞進行搜索。 他們的個人搜索歷史會發揮作用。您的網絡內容可能比對他們查詢的逐字回答更有用。 搜索變得比以往任何時候都更具對話性。 谷歌、必應等搜索引擎需要返回相關結果來取悅用戶。 這意味著需要不斷發展和適應這種搜索方式以及搜索響應的機器學習管理。
在 Ahrefs 的什麼是語義搜索？ 它如何影響 SEO 2021 年 7 月 29 日，文章 Michal Pecanek 闡述了大約 40% 的英語單詞是如何多義的。 在美國英語中，許多單詞有兩個或多個含義。 這給語義搜索帶來了巨大的挑戰。
例如，您可能在炎熱的天氣需要風扇； 或者您可能是維京人足球隊的粉絲。 Michal 舉了一個例子，關鍵字“python”僅在美國就有 533,000 次搜索！ 這使得搜索引擎需要在語義上發展的原因變得更加清晰。
如何使用語義 SEO 構建您的 Web 數據云
語義搜索引擎優化正在徹底改變現代搜索引擎優化技術。 您可以採取以下步驟：
1. 語義 SEO 的成功始於紮實的營銷研究。
2. 根據語義分析和共現為您的內容營銷撰寫文本。
3. 了解搜索引擎如何理解和評價您的內容。
4. 讓您的 Google Search Console Insights 告知您的 SEO 策略。
5. 對 SEO 採用多模式方法。
6. 使用知識圖和您的 Google 商家資料回答問題
7. 為文本、圖像、產品和視頻添加結構化數據。
8. 通過了解 Google 對其搜索更新的看法來保持最新狀態。
這裡有 8 個步驟可以改善您的業務在語義搜索中的顯示方式。 讓我們通過更詳細地查看每個步驟來提高您的語義 SEO 技能。
1. 語義 SEO 的成功始於營銷研究。
市場研究和研究文字如何幫助企業吸引合適的受眾是基礎。 它有助於識別詞義、關係及其在文本中的聯繫。 評估為特定搜索查詢返回的搜索片段有助於我們構建更豐富的意義和價值的完整句子。
語義搜索引擎優化已經成為一種必要的營銷技術，通過為搜索引擎提供有意義的數據來提高網站的流量。 但是您需要從紮實的研究和明確的目標開始。
2. 基於語義分析和共現撰寫文本。
語義分析是語言學的一個利基，它發現概念和實體（即地名、人名、事件、品牌等）之間的聯繫。 谷歌的算法“思考”比文字更大，並且評估更像人類的上下文。 它被稱為自然語言處理 (NLP)，BERT 和 MUM 的信息檢索過程使用它來嘗試確定搜索者真正想要的內容，然後將其與提供該內容的 Web 內容相匹配。 它徹底改變了在競爭激烈的市場中實現內容營銷成功所需的條件。
到目前為止，谷歌已經進行了語義分析，以構建對每個主題的構成以及每個網絡文檔對每個搜索查詢的重要性的無與倫比的理解。 這意味著在編寫新內容或修改現有內容之前，研究可以幫助從自動文本分析中獲得概述。 詳細信息提供了對語義寫作有用的營銷見解。
3. 了解搜索引擎如何理解和評價您的內容。
這將告知如何為您的內容創建 SEO 主題，以匹配 Google 正在尋找的滿足搜索者需求的內容。 這遠遠超出了關鍵字，並將我們帶入“實體詞彙表”。 創建在語義上分組為主題而不是關鍵字的內容集群。 搜索引擎可能會利用分類、語義相似性、語義聚類、白名單應用程序等應用程序，其中涉及從許多備選方案中選擇正確的響應。
每個搜索查詢都是具有有形實體的單個查詢。 Google 會識別實體是什麼以及該人的查詢如何請求有關實體的信息。 可接受的內容由搜索引擎編目，並圍繞每個上下文進行組織，以便機器可以理解、重視其獨特性，然後將其與查詢相匹配。
人工智能 (AI) 教會機器思考，更重要的是 - 像人類一樣解釋和採取行動。 計算機科學的這一領域正在迅速擴展，影響著我們生活的方方面面：我們如何獲得與醫療保健相關的建議，我們如何找到合適的產品，企業如何傳達他們的身份。 在我們的背景下，這極大地影響了內容營銷。
4. 使用 Google Search Console Insights 來告知您的 SEO 策略。
Google Search Console 用戶數據報告有助於確定有關某個主題的特定網頁在何時何地在多個相關搜索查詢中排名。 近年來，自然語言理解有了顯著的發展。 詞向量的發展使算法更容易了解詞的關係，並在真實的人類語言使用示例上進行訓練。 效果報告顯示的重要指標反映了您的文本和語義關係對 Google 搜索結果的影響程度。 您可以了解查詢出現的頻率； 在搜索結果中的平均位置； 點擊率; 以及您在 SERP 中獲得的特殊功能（例如豐富的結果）。
Google Search Console 可讓您按查詢、頁面、搜索外觀等過濾報告。 您可以使用這些見解來改進語義 SEO，以便您可以編寫具有改進主題深度的內容。
5. 對 SEO 採用多模式方法。
多模式搜索包括我們看到的圖像、聽到的內容和閱讀的文字。
這包括使用上下文和概念分類法和層次結構以及主題圖。 它需要一個逐步的語義 SEO 寫作過程，以滿足每個宏觀和微觀搜索意圖。 使用視頻、音頻、表格、信息圖表等各種形式豐富您的內容。 這有助於多模式搜索引擎擁有更多相關內容，通過這些內容可以驗證您的主題權威。
現代語義 SEO 包括可以增加 SERP 點擊次數的模式標記實施。 有一些基本的電子商務結構化數據類型可以增加搜索引擎對產品的理解。 這為購物者在進行產品研究時提供了一種查找答案信息的方法。
當人們嘗試收集有關實體和可能購買的事實時，零售商可以利用架構來獲得 Google SERP 房地產的可見性。 谷歌的多模式搜索以及新的 SERP 功能被測試並納入其搜索核心的頻率讓我們感到驚訝。
6. 使用知識圖和您的 Google 商家資料回答問題
知識圖和公司的 Google 業務資料都是提供常見問題答案的簡便方法。 您可以影響您的知識圖譜，以便突出顯示您提供的答案。 通過這種方式，網站可以支持查詢並預測消費者的需求。
搜索將從數據網絡收集有關您的信息，並使用它來回答相關問題。 語義搜索引擎優化有很大的希望。 就像智能設備創造更智能的汽車、安全系統、家用電器和全球電子郵件連接一樣，每個品牌都應該保持警惕，並註意將推動變革並做出敏捷響應的關鍵技術。
進一步識別消費者查詢，並在購買過程的每一步與消費者目標保持一致。 語義查詢解析可以將查詢路由到特定於概念的模型。 回答與建立關係的每個階段最相關的問題。 您的企業可以通過您的知識圖譜始終如一地提供答案並解決問題。 此外，語義相關的節點可能會將您的 Google 商家資料中的特色產品連接到您的產品頁面。 用戶可以選擇與您列出的產品之一關聯的鏈接。
7. 為文本、圖像、產品和視頻添加結構化數據。
結構化數據增加了搜索引擎容易理解的有價值的數據點。 提供的高質量元數據和結構化內容越多，對語義搜索引擎的幫助就越多。 它有助於您的數據足跡以及將內容與用戶意圖匹配的過程。 使用結構化數據有助於語義增強的網絡。 鑑於語義標記和相關技術的快速增長和發展，最好指派一名技術人員來審計、修復和實施損壞的或新的產品結構化數據標記。
Schema.org（通常稱為“模式”）是標籤（或微數據）的語義詞彙，當添加到您的 HTML 代碼中時，它可以改進搜索引擎讀取和理解它的方式。 當您成為 Google 知識圖譜中公認且值得信賴的實體時，它會增強 Google 對您的身份和專業知識的了解。 它可以糾正錯位，還可以對引用實體的圖像和視頻查詢過濾產生直接影響。
Schema 不僅被 Google、Bing、Yahoo! 和 Yandex 識別，此外，這些語義詞彙也由它們維護。 其他搜索引擎可能會遵循使用此標記的做法來更改它們顯示搜索結果的方式。
8. 隨時了解 Google 更新。
我們當然知道這一步並不容易！ 然而，當你熱愛學習過程，讓你可以像語義搜索引擎一樣“思考”時，結果是非常值得的。
涉及語義 SEO 的 Google 帖子、文章和論壇答案通常包括有關結構化數據、模式、本體、知識圖和文檔檢索的信息。 以下是一些提供很多見解的示例：
“有時，Google 搜索會顯示包含人物、地點和事物信息的特殊框。 我們稱這些知識面板。 它們旨在通過顯示關鍵事實來幫助您快速了解有關特定主題的更多信息，並使更深入地探索主題變得更加容易。 知識面板中的信息來自我們的知識圖譜，它就像一個巨大的虛擬事實百科全書。” ——丹尼·沙利文，2020 年 5 月
“在過去的幾年裡，自然語言理解有了很大的發展，部分原因是詞向量的發展，使算法能夠根據實際語言使用的例子來了解詞之間的關係。 這些向量模型基於思想和語言的等價性、相似性或相關性，將語義相似的短語映射到附近的點。” – Rachel Bernstein，Google Research 產品經理，2018 年 4 月，通過 Talk to Books 和 Semantris 介紹語義體驗
我們還可以通過閱讀 Google 專利了解很多關於語義搜索技術的知識。 
例如，其語義搜索引擎專利 WO2008027503A3 稱“解析本體以確定多個關鍵字。 利用基於字符串的搜索引擎，根據確定的關鍵詞在網絡上進行文檔的搜索，並檢索到至少一個文檔。 在檢索到的文檔和本體之間建立關係，並根據建立的關係確定是否將至少一個文檔存儲在數據庫中。 如果是這樣，則將文檔存儲在數據庫中。 該數據庫可以用作獨立或插件搜索引擎的一部分，用於檢索在線文檔。”
用於企業應用程序中的語義搜索的系統和方法 US20100070517A1 是另一項感興趣的專利。 該應用程序於 2012 年獲得批准，並指出：“描述與應用程序相關的數據之間的語義關係的應用程序本體可以從可搜索的數據定義中生成。 本體可用於執行搜索查詢並提供搜索結果，其中包括搜索數據之間的語義關係或由此產生的語義關係。”
Google 專利可幫助我們了解有關 Google 如何收集來自網頁的實體的信息的詳細信息。 我們可以了解它如何將自然語言處理應用於信息檢索和實體識別，為特定實體構建三元組（主語/動詞/賓語）。
傳統 SEO 和語義 SEO 有何不同？
搜索引擎優化一直體現網絡生態系統。 如果做得正確，它總是有助於將網站所有者與消費者聯繫起來。 在傳統的 SEO 中，網頁根據相關性和專業知識、權威性和可信度信號 (EAT) 計算的信息檢索分數在搜索結果中獲得排名位置。
語義搜索引擎優化更先進，甚至更進一步。 它更好地與現實世界的對像或實體相關。 一篇關於實體的文章提供了有關這些實體的多個元素的信息，例如關於這些實體的不同屬性的事實，以及可以幫助人們了解特定實體以獲得更多知識的標識符。 即使這是由機器完成的，語義搜索引擎優化也因此觸發了持續的溝通和建立關係的機會，這對消費者和企業都有好處。
一個有效的語義 SEO 頁面可能會獲得知識面板、答案卡、實體受損的搜索輪播、問答特色片段、人們也問框、人們也在搜索等等。 人們可以找到相關問題的地方是通過研究問題圖中相關問題的查詢日誌來眾包這些問題。 研究 Google SERP 表明，語義 SEO 有助於在搜索者使用的查詢中找到真實世界的對象。 您可以確定回答許多人對這些實體提出的問題的特色片段。
人工智能和相關領域的進步有助於可視化語義關係。 可視化工具，如主題瀏覽器，匯總文檔集合併輸出主題間和文檔-主題關係。
什麼是語義網絡？
語義網絡，也稱為框架網絡，是連接網絡中概念之間語義關係的知識庫。 它是知識表示的實體。 語義網絡傳達知識庫中的關係，目的是關聯真實世界的節點細節。 它可能包含數以十億計的關係實體和數以萬億計的事實信息的數以千計的變體。
如果您在閱讀本文時感到不知所措，請知道語義 Web 不是一個不同的 Web。 相反，它擴展了現有的，因此您已經知道的可能是一個很好的知識庫。 語義網是通過搜索獲得的信息具有明確含義的地方。 最終結果是搜索引擎技術以一種減少摩擦並更快地為他們提供更好搜索結果的方式為人們服務。
總結語義搜索的歷史
對維基百科關於語義搜索的條目的回顧揭示了它的進展情況。 早些時候，語義網似乎更關注鏈接數據。
“語義搜索試圖通過利用來自語義網絡的 XML 和 RDF 數據來消除語義搜索查詢和 Web 文本的歧義，從而增強和改進傳統的研究搜索，從而提高結果的相關性。”
Come 2009 Wikipedia 的條目已更新，包括本體和語義網絡參考：
“其他作者主要將語義搜索視為一組技術，用於從語義網絡上的本體等結構豐富的數據源中檢索知識。”
僅僅一年後，最初的句子更新為包括搜索者意圖和上下文含義的實體：
“語義搜索旨在通過了解搜索者的意圖和出現在可搜索數據空間（無論是在網絡上還是在封閉系統中）的術語的上下文含義來提高搜索準確性，從而生成更相關的結果。”
然後在 2019 年，第一段反映了 BERT 和神經匹配的進步：
“語義搜索表示具有意義的搜索，與詞法搜索不同，詞法搜索是搜索引擎在不了解查詢的整體含義的情況下尋找查詢詞或其變體的字面匹配。 語義搜索旨在通過了解搜索者的意圖和出現在可搜索數據空間（無論是在 Web 上還是在封閉系統中）的術語的上下文含義來提高搜索準確性，以生成更相關的結果。 在語義搜索中排名靠前的內容是用自然的聲音精心編寫的，關注用戶的意圖，並考慮用戶未來可能會尋找的相關主題。”
貢獻的權威作者與語義搜索含義的演變保持一致。 它似乎正在以一種更加對話的方式取得進展，從而簡化了對用戶的搜索。
語義搜索中的語義主題模型
谷歌還獲得了多項專利，涵蓋了基於短語的索引的各個方面。 我們可以了解它如何使用文檔中相關單詞的主題建模和鏈接錨文本來了解網頁的內容。 主題建模是一類文本分析技術的一部分，用於分析文檔與給定主題或主題的關聯概率。
多年前，2013 年 NIH Phrase Based Topic Modeling for Semantic Information Processing in Biomedicine 文章奠定了我對語義主題模型的研究。 於志國解釋說：“一般來說，單個詞比短語傳達的信息少。 有些動詞或介詞在沒有相關詞的情況下甚至毫無意義。 例如，‘磁共振成像’的含義不能完全從‘磁’、‘共振’或‘成像’這三個詞中的任何一個詞中完全確定。”
如今，命名實體和基於關係的主題模型被更頻繁地使用。
“語義搜索是基於來自現實世界的思想、概念和事物的有意義和合理的行為模式的搜索。 Jeannie Hill 創建了最全面的語義搜索文檔之一。 如果您想了解如何在相關理解過程中查看、收集、聚集和使用開放網絡上的那些有意義的模式以進行排名，我建議您將文檔添加為書籤，並不時閱讀以保持敏銳語義搜索引擎優化。” – Koray Tugberk GUBUR
今天推進你的語義搜索引擎優化！
獲得語義網和高級 SEO 策略的好處； 早起晚於你的優勢！
Hill Web Marketing 幫助零售商使用高級語義搜索來發現產品。 我們的專長還通過創建、構建和發布符合嚴格語義搜索的內容來幫助醫療保健相關網站滿足 YMYL 查詢的關鍵需求。