Atslēgvārdi parāda, kā cilvēki uzdod jautājumus. Entītijas identificē, kas, kuru vai kāda attiecība ir jāizskaidro atbildei. Ja stratēģija uz šiem slāņiem raugās kā uz identiskiem, lapa var atbilst pieprasījumam, bet atstāt tās tēmu un praktisko nozīmi neskaidru.
Spēcīgāka pieeja neaizvieto atslēgvārdu izpēti ar “entītiju optimizāciju”. Tā izmanto atslēgvārdus kā pieprasījuma pierādījumu, pēc tam savienojot tos ar nodomu, entītijām, attiecībām, apgalvojumiem un pierādījumiem. Rezultāts ir satura modelis, nevis terminu saraksts, ko atkārtot.
Atslēgvārdi un entītijas apraksta dažādus slāņus
Atslēgvārds ir teksta forma pieprasījumam vai tā daļai. Tas var atklāt tēmu, auditorijas valodu, atlases kritērijus un lēmuma posmu. Pieprasījumi, piemēram, “CRM mazajam uzņēmumam”, “izdevīgs CRM” un “CRM ar pārdošanas automatizāciju”, izsaka saistītas vajadzības, bet vēl neizveido satura modeli.
Entītija ir identificējama lieta vai jēdziens, par kuru var kaut ko teikt un kuru var atšķirt no citām lietām. Tā var būt persona, organizācija, produkts, vieta, notikums, tehnoloģija vai definēts jēdziens. Entītijai ir atribūti un attiecības ar citām entītijām.
Elements | Nozīme | Paraugs |
|---|---|---|
Virspusējā forma | Vārds vai frāze, kas redzama pieprasījumā vai tekstā | “Jaguar” |
Entītija | Konkrētā lieta, uz kuru forma attiecas | Dzīvnieks, automašīnu zīmols vai sporta klubs |
Atribūts | Īpašība, kas ir svarīga kontekstā | Cena, svars, atrašanās vieta vai saderība |
Attiecība | Savienojums starp entītijām | Produktu piedāvā uzņēmums un tas ir paredzēts lietotāju grupai |
Viena izteiksme var attiekties uz vairākām entītijām, kamēr viena entītija var būt ar daudziem nosaukumiem. Pētījumi par entītiju saistīšanu un atšķiršanu uzskata, ka pieminēšanas noteikšana un tās piešķiršana pareizajam objektam zināšanu bāzē ir atsevišķi uzdevumi. Konteksts un attiecības palīdz atrisināt neskaidrības.
Neuzskatiet, ka katrai entītijai ir universāls identifikators, ko dalās Google, meklētājprogrammas, zināšanu bāzes un valodas modeļi. Sistēmas var izmantot dažādas reprezentācijas un atpazīšanas procesus. Google Cloud Natural Language dokumentācija ilustrē vienu pieeju, nevis Google meklēšanas rangēšanas sistēmas.
Atslēgvārdu saraksts vēl nav satura modelis
Atslēgvārdu izpēte joprojām ir būtiska: tā atklāj auditorijas valodu, problēmu variācijas un iespējamo pieprasījumu. Pašai par sevi tā neatbild uz:
Kura entītija ir lapas centrālā tēma?
Ko lietotājam ir jānoskaidro par to?
Kuri atribūti ietekmē izpratni, novērtējumu vai izvēli?
Kuras attiecības ir jāizskaidro?
Kuri apgalvojumi prasa pierādījumus?
Vai saistītie pieprasījumi jānovirza uz vienu lapu vai vairākām specializētām URL?
Apsveriet “labāko CRM mazajai pārdošanas komandai”. Tas nesatur vienu entītiju. Tas apvieno produkta kategoriju, auditorijas veidu, lietošanas gadījumu un ieteikuma kritēriju. “Labākais” arī nav entītija. Tas norāda uz salīdzinošu nodomu un nepieciešamību pēc skaidriem kritērijiem.
Plāns, kas balstīts tikai uz līdzīgām frāzēm, var atkārtot “CRM”, “mazais uzņēmums” un “pārdošana”. Plāns, kas ietver entītijas un attiecības, uzdod jautājumus par lietotājiem, cenām, automatizāciju, integrācijām, ieviešanu, drošību un produkta ierobežojumiem. Šie sīkumi padara atbildi izmantojamu.
Atslēgvārdu un entītiju saistīšanas matrica
Praktisks rīks ir atslēgvārdu un entītiju saistīšanas matrica. Tā nav nosaukumu saraksts, ko ievietot tekstā. Tā ir lēmumu modelis, kas savieno meklēšanas valodu ar nozīmi, informācijas struktūru un pierādījumiem.
Joma | Kontroles jautājums |
|---|---|
Pieprasījumu klasteris | Kā lietotāji formulē cieši saistītu vajadzību? |
Nodoms un scenārijs | Ko viņi cenšas saprast, salīdzināt, izvēlēties vai pārbaudīt? |
Centrālā entītija | Par kuru konkrēto objektu vai procesu ir lapas saturs? |
Atbalstošās entītijas | Kuri citi objekti ir nepieciešami, lai izskaidrotu tēmu? |
Atribūti un attiecības | Kuras īpašības, atkarības un kritēriji ir jāapraksta? |
Apgalvojumi | Kuri konkrētie apgalvojumi jāspēj izteikt lapai? |
Pierādījumi | Kuri dati, dokumenti, piemēri vai avoti atbalsta šos apgalvojumus? |
Lapas loma | Vai nepieciešama definīcija, ceļvedis, salīdzinājums, pakalpojumu lapa, dokumentācijas lapa vai bieži uzdotie jautājumi? |
Secība ir apzināta: vispirms identificējiet scenāriju, centrālo entītiju, pēc tam tās atribūtus, attiecības un apgalvojumus. Tikai tad izlemiet par lapas struktūru.
Paraugs: no “AI redzamības audita” līdz entītiju kartei
Izmantojiet klasteri, kas ietver AI redzamības auditu, AI zīmola auditu un kā izmērīt redzamību ChatGPT. Tas var slēpt dažādas vajadzības: definīciju, pētījuma metodi, rīka izvēli vai pakalpojuma iegādi.
Slānis | Elements | Loma piemērā | Attiecība, ko lapai jāizskaidro |
|---|---|---|---|
Pieprasījumu klasteris |
| Parāda lietotāja vajadzību | Pieprasījumi ved uz zīmola novērtēšanas scenāriju |
Centrālā entītija | AI redzamības audits | Galvenā tēma lapā | Audits novērtē, kā zīmols tiek attēlots definētajos scenārijos un AI sistēmās |
Analīzes objekts | Zīmols | Kas tiek novērtēts | Tam ir nosaukumi, produkti, kategorijas, auditorijas un konkurenti |
Sistēmas konteksts | AI meklēšanas platforma | Mērījumu vide | Tā var aprakstīt to pašu zīmolu atšķirīgi |
Novērošanas vienība | AI atbilde | Pētījuma materiāls | Tā var pieminēt, izlaist vai nepareizi aprakstīt zīmolu |
Attēlošanas signāls | Pieminēšana | Minimālā klātbūtnes forma | Pieminēšana var būt neitrāla, nejauša vai neprecīza, tāpēc tā pati par sevi nav panākums |
Attēlošanas signāls | Ieteikums | Zīmols, kas ieteikts kā risinājums | Novērtējiet pret nodomu, kritērijiem un alternatīvām |
Avota signāls | Citāts | Redzamā avota atsauce | Tas neapstiprina, ka avots pareizi ietekmēja atbildi |
Verifikācijas vienība | Apgalvojums | Konkrēts apgalvojums par zīmolu vai produktu | Tam jābūt aktuālam, pārbaudāmam un piešķirtam pareizajai entītijai |
Risks | Entītiju sajaukšana | Nepareiza atpazīšana | Tas var atklāt neskaidrības starp nosaukumiem, piedāvājumiem vai atrašanās vietām |
Metodoloģiskais slānis | Zīmola semantika | Organizē nozīmi | Savieno zīmolu, piedāvājumu, auditorijas, avotus un apgalvojumus |
Pētījuma rīks | Semantio | Atbalsta atkārtojamu uzraudzību | Organizē scenārijus, konkurentus un atbildes laika gaitā |
Tabula parāda, kāpēc pieprasījums nevar būt vienīgā plānošanas vienība. Lapa par AI redzamības auditu jāizskaidro, ko tā mēra, kādus materiālus tā izmanto un pēc kuriem kritērijiem. Atsevišķs ceļvedis var aptvert kā veikt AI redzamības auditu.
Semantio ir instrumentāla entītija, nevis raksta tēma. Tā kļūst nozīmīga, kad vienreizēja karte pārvēršas par atkārtojamu pētījumu dažādos scenārijos, atbildēs, avotos un laikā. Tas padara zīmola pārstāvības uzraudzību AI atbildēs par noderīgu nākamo soli, nepadarot rakstu par pārdošanas lapu.
Matricas pārvēršana lapas arhitektūrā
Grupējiet pieprasījumus pēc scenārija, ne tikai vārdu līdzības
Divas frāzes var izskatīties līdzīgas, kamēr tās kalpo dažādiem uzdevumiem. “Kas ir AI redzamības audits?” prasa definīciju un apjomu. “AI redzamības audita rīks” var norādīt uz rīka izvēli. “AI redzamības audita aģentūra” ir vairāk transakciju rakstura. “Kā izmērīt redzamību ChatGPT” var prasīt metodoloģiju vienam konkrētam produkta virsmas slānim.
Šis automātiski nepamatot četras lapas. Novērtējiet, vai nodomi var tikt apkalpoti vienā URL un vai katrai ieteiktajai lapai ir atšķirīga vērtība.
Izvēlieties vienu centrālo entītiju
Lapa var ietvert daudzas entītijas, bet tai ir nepieciešama skaidra tēma. Teksts, kas aptver auditu, rīku, platformu un konsultācijas vienlaikus, nav skaidra mērķa.
Centrālā entītija nav jābūt populārākajai izteiksmei atslēgvārdu izpētē. Tai jābūt objektam, kura izskaidrošana vislabāk risina dominējošo lietotāja vajadzību.
Izvēlieties atbalstošās entītijas noderīgumam
Atbalstošās entītijas nepieder tekstā tikai tāpēc, ka konkurenti tās izmanto vai NLP rīks tās ir atklājis. Katram jādefinē, jāatšķir, jāizskaidro, jāatbalsta lēmums vai jāsamazina pārpratumi.
AI redzamības auditam noderīgi jēdzieni var ietvert scenāriju, aicinājumu, izpildi, atbildi, pieminēšanu, ieteikumu, citātu, avotu, apgalvojumu un stabilitāti. Tie apraksta dažādas pētījuma daļas. To apvienošana vienā “AI redzamībā” kategorijā apgrūtina rezultātu interpretāciju.
Pievienojiet apgalvojumus sadaļām un pierādījumiem
Entītiju karte jums pasaka, kas ir jāapspriež. Apgalvojumu karte jums pasaka, kas tiks teikts un uz kāda pamata. Atšķirība ir attīstīta entītiju kartēšanā, apgalvojumu kartēšanā un avotu saskaņošanā.
Piemēram, “zīmola pieminēšana nav tas pats, kas ieteikums” ir apgalvojums. Atbalsts var būt metodoloģiska definīcija, dokumentācija, atbilžu kopums, pētījums, eksperiments vai pirmās puses dati. Lasītājiem jāredz apgalvojuma statuss un kur pierādījumi beidzas.
Uzskatiet iekšējās saites par attiecību ierakstiem
Iekšējai saitei jāizstrādā konkrēta attiecība vai jāatbild uz lasītāja nākamo jautājumu. Definīcija var saistīt ar procedūru; procedūra ar rīku; gadījuma izpēte ar tās metodi un datiem.
Tas ir labāk nekā mehāniski saskaņot enkuru. Google vadlīnijas par pārmeklējamiem saitēm iesaka kodolīgu, dabisku, aprakstošu enkura tekstu, kas novietots kontekstā, kas skaidri norāda galamērķa nozīmīgumu.
Satura rakstīšana ar semantisku skaidrību
Semantiskā skaidrība nāk no objektu definēšanas, to atšķiršanas no līdzīgiem jēdzieniem un attiecību izskaidrošanas pilnīgās, pārbaudāmās teikumu formās.
Četri redakcionālie principi palīdz:
Definējiet. Pirmajā pieminēšanā precīzi nosauciet entītiju, lai lasītāji zinātu, kas tā ir. Definīcijas ir vissvarīgākās, kad termins ir jauns, neskaidrs vai tiek izmantots vairākos veidos.
Atšķiriet. Norādiet robežu: pieminēšana nav ieteikums; citāts nav pierādījums, ka viss avots tika izmantots pareizi; pieprasījumu klasteris nav entītiju karte; strukturētie dati nav lietotājam redzams saturs.
Savienojiet. Skaidri norādiet attiecības: produkts kalpo grupai; funkcija risina problēmu; audits novērtē izvēlētās sistēmas; apgalvojumam nepieciešami pierādījumi.
Pierādījumi. Saskaņojiet atbalstu ar apgalvojumu. Dokumentācija var apstiprināt funkciju; pētījums var ziņot par paraugu; pirmās puses dati var dokumentēt novērojumu. Nevis automātiski ģenerējiet vispārīgus secinājumus par sistēmām, valodām vai tirgiem.
Šī pieeja atbilst Google vadlīnijām par noderīgu, uzticamu, cilvēkiem pirmajā vietā esošu saturu, kas prasa oriģinālu informāciju, analīzi vai vērtību, kas pārsniedz vienkāršu esošo rezultātu pārveidi. Entītiju saraksts nevar aizstāt šo vērtību.
Kur strukturētie dati palīdz, un kur tie nepalīdz
Strukturētie dati var norādīt uz objektu veidu, īpašībām un attiecībām, kas aprakstītas lapā. schema.org datu modelis nodrošina tipus un īpašības, lai attēlotu entītijas un savienotu tās.
Noderīgas īpašības ietver mainEntity, kas attiecas uz entītiju, ko galvenokārt apraksta lapa; about, kas attiecas uz tās tēmu; sameAs, kas attiecas uz nepārprotamu identitātes atsauci; un @id, kas nodrošina konsekventu atsauci JSON-LD grafikā.
Marķējumam jāapraksta saturs, kas redzams lapā, nevis jāpapildina slēptās faktus, lai “bagātinātu” entītiju. Google strukturēto datu politikas prasa, lai tas būtu aktuāls, precīzs un atspoguļotu galveno saturu. Derīgs marķējums negarantē bagātu rezultātu.
Schema.org nav garantija entītiju atpazīšanai, rangam, AI citēšanai vai precīzai zīmola pārstāvībai. Strukturētie dati ir aprakstoši; tie neaizstāj saturu, koherentus avotus vai rezultātu mērījumus.
Ko tas nenozīmē
Atslēgvārdu izpētes savienošana ar entītiju karti nenozīmē, ka:
Entītiju SEO aizvieto atslēgvārdu izpēti.
Katrs atslēgvārds ir entītija, vai katrai entītijai ir nepieciešama sava lapa.
Lapa jāiekļauj katra entītija, kas atrodama konkurentu vietnēs.
Entītiju nosaukumu biežums ir vienkāršs kvalitātes vai rangēšanas potenciāla mērījums.
Salience rādītājs no viena NLP rīka atklāj, kā Google Search novērtē lapu.
Termins, kas parādās patentā, pierāda, ka tas tiek izmantots pašreizējā rangēšanas sistēmā.
Plaša shēmas marķēšana rada tematu autoritāti vai garantē AI redzamību.
Pieminēšana, citāts un ieteikums ir ekvivalentas sekas.
Viens aicinājums var novērtēt zīmola pārstāvību visā platformā.
AI meklēšanā atdaliet to, ko var kontrolēt, no tā, ko var tikai ietekmēt un novērot. Zīmols kontrolē savas lapas, definīcijas, datus un struktūru, bet ne galīgo sintēzi, ieteikumu vai citātu. kontroles, ietekmes un novērošanas modelis GEO izskaidro šo robežu.
Īss operatīvs pārbaudes saraksts
Vai mēs zinām, kuram lietotāja scenārijam lapa kalpo?
Vai mēs varam nosaukt tās centrālo entītiju vienā teikumā?
Vai mēs esam atdalījuši entītiju no tās nosaukumiem, sinonīmiem un saīsinājumiem?
Vai mēs esam aptvēruši atribūtus, kas nepieciešami izpratnei vai lēmumam?
Vai attiecības ir skaidras un faktiski pareizas?
Vai katra sadaļa veic funkciju, nevis vienkārši pievieno terminus?
Vai svarīgiem apgalvojumiem ir atbilstoši pierādījumi vai norādīta statusa?
Vai lapai ir skaidra loma saistībā ar attiecīgajiem URL?
Vai iekšējās saites attīsta patiesas tematu attiecības?
Vai strukturētie dati atspoguļo redzamo saturu?
Pēc publicēšanas vai mēs mērām ne tikai trafiku un rangus, bet arī pārstāvības precizitāti AI atbildēs?
No pieprasījumiem uz organizētām zināšanām
Atslēgvārdi joprojām ir vērtīgs pieprasījuma un auditorijas valodas pierādījums. Entītijas nedrīkst tās aizstāt. Tās pārvieto mūs no pieprasījuma formulējuma uz lietām, produktiem, problēmām un attiecībām, ko lietotājs cenšas saprast.
Labākais rezultāts nav lapa ar vairāk pareizvārdiem. Tas ir viens ar nepārprotamu tēmu, atpazītu nodomu, nepieciešamām attiecībām, pārbaudāmiem apgalvojumiem un noderīgiem turpmākiem saitēm.
Atslēgvārdu un entītiju saistīšanas matrica strukturē šo ceļu: no pieprasījumu valodas, caur nodomu un entītijām, līdz lapas struktūrai, pierādījumiem un vēlākai mērīšanai. Tā ir veids, kā entītiju SEO kļūst par metodi semantiski skaidra, noderīga satura izstrādei, nevis par terminu pievienošanas vingrinājumu.
