Importance du réseau sémantique pour le référencement : création de réseaux de contenu sémantique avec des modèles de requête et de document - Étude de cas

Un réseau sémantique est lié au concept d'une base de connaissances qui peut représenter des informations du monde réel pour des choses qui ont des connexions relationnelles. Une base de connaissances peut avoir des milliers de types de relations avec des milliards d'entités et des milliards de faits. Un réseau sémantique peut être créé à partir de n'importe quelle existence réelle avec des caractéristiques mutuelles telles que le poids, la taille, le type, l'odeur ou la couleur. La relation entre les réseaux sémantiques et le Web sémantique est créée par les moteurs de recherche sémantique et l'optimisation.

Les réseaux sémantiques sont utilisés dans l'analyse sémantique, la désambiguïsation du sens des mots, la création de WordNet, la théorie des graphes, le traitement du langage naturel, la compréhension et la génération. La perspective d'un réseau sémantique peut être utilisée dans l'optimisation sémantique des moteurs de recherche en fournissant un réseau de contenu sémantique.

Dans cette étude de cas SEO, deux sites Web différents avec deux méthodes différentes avec la même perspective seront expliqués en fonction des modèles de requête, de document, d'intention et des paires entité-attribut derrière eux.

En utilisant une compréhension de la façon dont les moteurs de recherche représentent les connaissances et comment ils élargissent leur représentation des connaissances, je suis en mesure d'en tirer parti pour produire des résultats de classement incroyables. Une fois que vous aurez compris les concepts de base, je vous expliquerai comment je les ai appliqués aux deux sites Web différents, puis je détaillerai les méthodes que j'ai utilisées.

Comment les réseaux sémantiques peuvent-ils aider le classement de votre site Web ?

Ci-dessous, vous trouverez les résultats bruts globaux du projet I.

Résultats pour le Project One qui est IstanbulBogaziciEnstitu.com. Pour prouver que les « réseaux sémantiques » peuvent être utilisés pour le référencement avec des modèles de requête et de document, je vais démontrer deux réseaux de contenu différents de Project One. Project One aura de bien meilleurs résultats dans un avenir proche grâce à Semantic Content Network Two. Le client sera responsable du déploiement de ce deuxième réseau, mais j'expliquerai également sa logique.

17 jours plus tard, voici l'état d'avancement du Projet I :

17 jours plus tard, le processus de reclassement de Semantic Content Network est plus clair.

Les concepts de réseau de contenu sémantique nous aident à comprendre la valeur des modèles de requête, d'intention de recherche, de comportement et de document pour les entités du même type. Dans cette étude de cas SEO axée sur le réseau sémantique, l'étude de cas précédente sur l'autorité thématique et le référencement sémantique sera approfondie via les deux nouveaux sites Web qui utilisent des réseaux de contenu créés sémantiquement autour des mêmes types d'entités.

Ceci est le graphique SEMRush du premier projet. Je dois également mentionner que ce site Web a perdu la mise à jour de l'algorithme Broad Core de juin, s'il ne perdait pas son « classement », les résultats seraient meilleurs. Pour la prochaine mise à jour de l'algorithme Broad Core, avec une meilleure autorité thématique, une meilleure couverture et des données historiques, il peut facilement récupérer la "classification".

Le nom du deuxième projet est Vizem.net. Contrairement à Project One, vous pouvez voir que Vizem.net a une augmentation plus lente mais régulière. C'est parce qu'ils utilisent les réseaux de contenu sémantique avec des perspectives légèrement différentes. Ci-dessous, vous pouvez voir les résultats Ahrefs du deuxième projet.

Les résultats du deuxième projet représentent un «processus de reclassement lent» en améliorant progressivement la couverture thématique et l'autorité. Les termes « Re-ranking » et « Initial Ranking » seront expliqués après les concepts liés aux Réseaux de Contenu Sémantique. Si vous vous rendez compte de la "stabilité" dans les graphismes, c'est parce que j'ai arrêté de publier de nouveaux contenus dans la source. Et cela affecte le processus de reclassement comme vous le constatez à partir du décompte des 3 principaux décomptes de requêtes. Les relations « Momentum », et « Re-ranking » se retrouvent après les explications des concepts fondamentaux.

Ci-dessous, vous pouvez trouver les résultats SEMRush de Vizem.net.

Le trafic réel de ce site Web est 3 fois supérieur au nombre indiqué dans le SEMRush. Vous pouvez également réaliser la même "stabilité" et les concepts de "momentum" dans ces graphiques.

Lors de la rédaction de l'étude de cas Topical Authority SEO, j'ai remercié Bill Slawski d'avoir éduqué mon point de vue. Je le répète également pour l'étude de cas Semantic Content Network SEO. Pour comprendre les concepts de « reclassement » et de « classement initial », il convient de lire « Façons dont les moteurs de recherche peuvent reclasser les résultats de recherche ».

Le 18 mars 2021, Oncrawl, RankSense et Holistic SEO & Digital ont publié un webinaire Python SEO et Data Science. Dans le webinaire, le SERP a été enregistré pour animer les différences de résultats. On peut voir que le moteur de recherche change le classement de certaines sources avec d'autres avec une fréquence similaire.

Avant de continuer, je sais que c'est un long article. Mais, en fait, il s'agit d'une brève explication d'une méthodologie SEO très complexe. Les réseaux de contenu sémantique nécessitent trop de réflexion lors de leur conception, et des mois de formation pour les clients, les auteurs et avec l'intégration. Ainsi, dans cet article, je souhaite me concentrer sur les définitions des concepts avec les meilleures suggestions brèves exécutables possibles et les brevets importants de Google et d'autres moteurs de recherche, les documents de recherche ainsi que leurs propres concepts. Dans la version longue (essentiellement un livre), je me suis concentré sur le « classement initial » et le « re-classement » des réseaux de contenu sémantique.

Depuis le 11 février 2020, Glenn Gabe a un bon exemple pour la méthodologie de reclassement et de test visuel des moteurs de recherche.

Si vous voulez en savoir plus, lisez « Importance du classement initial et du reclassement pour le référencement ».

Pour approfondir les données du monde réel pour l'étude de cas SEO, les concepts permettant de comprendre le réseau de contenu sémantique doivent être traités dans une perspective de compréhension et de communication des moteurs de recherche.

Comme exemple de reclassement de Vizem.net, la situation mise à jour peut être vue ci-dessus. Dans les sections futures de l'étude de cas SEO, il y aura plus d'explications sur les algorithmes de reclassement de Google pour le référencement.

Qu'est-ce qu'un réseau sémantique ?

Un réseau sémantique peut être utilisé pour connecter et analyser l'internet des objets. Cela peut être bénéfique pour reconnaître les acheteurs potentiels sur le marché de la technologie, ou simplement pour l'analyse des mots associés pour la création et le regroupement de réseaux de mots clés. Un réseau sémantique peut être utilisé pour soutenir la navigation et révéler la structure des relations, ou l'importance relative d'une chose par rapport à une autre. Le réseau sémantique comprend les composants ci-dessous :

• Sémantique lexicale : Comprendre quel mot et quel concept sont liés à quels autres, avec quelles différences.
• Composant structurel : Comprendre quel nœud est connecté à quel bord avec quelles informations.
• Composante sémantique : Définition des faits.
• Partie procédurale : aide à créer d'autres connexions entre les composants.

Étant donné que les réseaux sémantiques sont polyvalents, les algorithmes NLP peuvent également être utilisés à des fins très diverses, par exemple pour aider à identifier des problèmes de santé complexes. La même structure de réseau sémantique peut être implémentée dans plusieurs autres zones tant que ces autres zones ont une relation sémantique entre elles.

La comparaison des 6 derniers mois du premier projet.

Qu'est-ce qu'une base de connaissances ?

Une base de connaissances est une bibliothèque d'informations classées sous une forme lisible par machine. Une base de connaissances peut être utilisée comme une encyclopédie qui peut être réduite et approfondie en fonction de la requête. Une base de connaissances peut être formée sur la base de propositions, d'extraction de faits et d'extraction d'informations. La relation entre un réseau sémantique et une base de connaissances est que tout ce qui se trouve dans le réseau sémantique sera placé dans la base de connaissances lors de l'extraction des faits.

La comparaison des 3 derniers mois du premier projet

Qu'est-ce qu'un réseau de contenu sémantique ?

Le réseau de contenu sémantique représente un réseau de contenu qui a été préparé sur la base des composants et de la compréhension du réseau sémantique. Un réseau de contenu sémantique peut inclure plusieurs attributs d'une entité ou d'entités du même groupe afin de fournir une base de connaissances plus détaillée.

Au sein d'un réseau de contenu sémantique, les termes du domaine de connaissances et les triplets peuvent être utilisés pour signaler l'objectif principal d'un document et d'éventuels éléments de contenu de voisinage.

Un moteur de recherche peut comparer sa propre base de connaissances à la base de connaissances qui peut être générée à partir du contenu d'un site Web. Si le site Web présente un niveau élevé de précision et d'exhaustivité pour différentes couches contextuelles, le moteur de recherche peut améliorer sa propre base de connaissances à partir du contenu du site Web. Si un moteur de recherche améliore et élargit sa propre base de connaissances à partir d'une autre source sur le Web ouvert, c'est le signe d'une confiance basée sur les connaissances de haut niveau.

Comparaison d'une année sur l'autre pour les 3 derniers mois sur la base du premier projet.

Qu'est-ce que la confiance basée sur les connaissances ?

La confiance basée sur la connaissance se concentre sur le Web ouvert basé sur «l'exactitude des informations», et non sur le «PageRank». C'est un algorithme similaire au RankMerge. La confiance basée sur les connaissances implique des triplets, l'extraction de faits, la vérification de l'exactitude et la compréhension du texte en supprimant l'ambiguïté du texte. La confiance basée sur les connaissances peut être acquise en fournissant des réseaux de contenu sémantique qui ont des composants fortement connectés au sein de l'article, basés sur des couches contextuelles différentes mais pertinentes.

La session organique du Vizem.net de GA pour les 6 derniers mois.

Ci-dessous, vous verrez un exemple de présentation sur la confiance basée sur les connaissances de Luna Dong. Il montre comment un moteur de recherche peut se concentrer sur les "facteurs de classement internes" au lieu des facteurs de classement exogènes. Cela explique qu'un PageRank élevé ne peut pas représenter à lui seul une qualité et une précision élevées pour le contenu. Ainsi, avoir un KBT (Knowledge-based Trust) est important.

Un grand merci à Arnout Hellemans qui a partagé cette conférence pédagogique avec moi lors d'un chat SEO privé. Si vous souhaitez en savoir plus sur la confiance basée sur la connaissance : Séminaire de Stanford - Voûte de connaissances et confiance basée sur la connaissance

Qu'est-ce que la couverture contextuelle ?

La couverture contextuelle et la couverture thématique ne sont pas les mêmes que le domaine de connaissances et le domaine contextuel ne sont pas les mêmes. Une couverture contextuelle représente les angles de traitement d'un concept. Un concept peut être traité en fonction de ses points mutuels avec les autres choses. Par exemple, si l'entité est un pays, sa position sur la crise environnementale peut être traitée. Si d'autres pays sont traités sous le même angle, cela signifie que nous couvrons un domaine contextuel.

Le moteur de recherche Google construit ses documents de recherche et ses brevets au fil du temps. La citation de droite de la section ci-dessus est un attribut des « vecteurs de contexte » tandis que la section de gauche est un attribut de la « taxonomie des phrases ». La chose intéressante est que, même l'exemple est le même, qui est "l'appareil photo numérique".

Les détails approfondis et les sous-parties de ces combinaisons représentent les couches contextuelles au sein d'un domaine contextuel. Chaque entité, qu'elle soit nommée ou non, possède de nombreux domaines contextuels. Ainsi, Google extrait plus de domaines contextuels et les utilisateurs recherchent des requêtes plus longues chaque année. Lorsque le traitement du langage naturel et la compréhension du langage naturel sont développés, les requêtes et les documents se développent ensemble en termes de détails et de contexte.

Le graphique des GA Organic Sessions des 4 derniers mois du projet BogaziciEnstitu. En raison de la « phase d'acquisition de données historiques » du projet, les détails accrus ne sont pas clairs pour être considérés comme linéaires.

Une couverture contextuelle peut être comprise par les « qualificatifs de contexte ». Un qualificatif de contexte peut être un adjectif, un adverbe ou toute autre préposition telle que des phrases commençant par "pour, dans, à, pendant, tandis que". Les questions liées à l'entité ci-dessous ne sont pas les mêmes en termes de domaine contextuel :

• Quels sont les fruits les plus utiles pour les enfants souffrant d'insomnie ?
• Quels sont les fruits les plus utiles pour les enfants anxieux ?

Les questions liées aux entités ci-dessous ne sont pas les mêmes en termes de couche contextuelle :

• Quels sont les fruits les plus utiles pour les enfants souffrant d'insomnie sévère de plus de 6 ans ?
• Quels sont les fruits les plus utiles pour les enfants peu anxieux de moins de 6 ans ?

Les questions liées aux entités ci-dessous ne sont pas les mêmes en termes de domaines de connaissances :

• Quels sont les livres les plus utiles pour les enfants souffrant d'insomnie sévère de plus de 6 ans ?
• Quels sont les jeux les plus utiles pour les enfants peu anxieux de moins de 6 ans ?

Mais toutes ces questions peuvent se trouver dans le même réseau de contenu sémantique, car elles concernent toutes le même « concept » et le même « domaine d'intérêt » avec une activité de recherche similaire et une activité réelle liée à la recherche.

Un moteur de recherche divise le Web en différents domaines de connaissances et calcule simultanément les scores de contexte macro et micro pour une source, une page Web et une section de page Web.

Je sais que j'ai beaucoup de nouveaux concepts pour vous, et comme il s'agit de la version courte de cet article, je ne pourrai pas parler de tout ici, mais dans un futur cours de référencement sémantique, je traiterai ces choses telles que la différence entre "l'activité de recherche" et "l'activité réelle liée à la recherche".

Continuons un peu vers les choses plus concrètes.

Pour afficher les détails du projet BogaziciEnstitu, vous pouvez consulter la version image interactive. Le processus de test et de reclassement des moteurs de recherche est plus clair sur ce projet après l'événement de source de données historique.

Comment MuM est-il lié aux réseaux de contenu sémantique ?

L'apprentissage multitâche avec un transformateur unifié ou le modèle unifié multitâche forme des modèles de langage pour évaluer les entrées visuelles, ainsi que le texte. Il est capable de générer du texte avec la compréhension. De plus, MuM est indépendant de la langue, en d'autres termes, le référencement sémantique dépend des compétences linguistiques, mais il n'est pas limité à une langue. Étant donné que les entités n'ont pas de langage et que la signification est universelle, MuM exploite les informations de plusieurs langues et de plusieurs contextes dans une seule base de connaissances.

Pour répondre aux questions à partir d'un visuel, MuM génère des questions basées sur les objets détectés dans une image. Dans un proche avenir, des questions audio et vidéo pourront également être générées.

MuM utilise différents domaines pour la détection d'objets et la compréhension du langage naturel avec une structure d'encodeur-décodeur de transformateur. Chaque entrée provient d'une zone différente du Web ouvert, tandis qu'elles sont toutes évaluées à partir d'un seul décodeur partagé. Ci-dessous, vous pourrez voir un autre exemple tiré du document de recherche.

À noter, MuM peut être 1000 fois plus puissant que BERT, mais BERT est toujours utilisé dans l'encodeur de texte de MuM. Le principal avantage de MuM est qu'il peut être utilisé pour les visuels et directement pour l'audio, c'est pourquoi on peut l'appeler un modèle "multitâche". Le deuxième avantage est qu'il supprime directement toutes les barrières linguistiques. Le troisième avantage est qu'il est capable de tout connecter à autre chose sans avoir besoin d'intermédiaires supplémentaires. Le quatrième avantage est que MuM peut également générer du texte, contrairement à BERT.

Le lien entre MuM, la base de connaissances, les réseaux sémantiques et la couverture contextuelle est que le moteur de recherche est capable de trouver un domaine beaucoup plus contextuel via des qualificateurs de contexte et leurs combinaisons avec des domaines de connaissances possibles. Ainsi, un réseau de contenu sémantique bien structuré qui est façonné avec une carte thématique et un contexte source appropriés peut améliorer la confiance de la base de connaissances, ainsi que l'autorité thématique.

Quel est le contexte de la source ?

Le contexte de la source représente deux choses. La recherche centrale sur Internet de la source et l'activité de recherche centrale qui peut être effectuée avec l'activité de recherche associée. Pour un site e-commerce, le contexte source est l'achat d'un produit spécifique ou d'un type de produit spécifique. S'il s'agit d'un site Web de voyage, le contexte de la source va quelque part d'un autre endroit pour différents types d'aliments, de paysages ou simplement d'affaires. En fonction du contexte de la source, la conception du réseau de contenu sémantique et la carte thématique devront être configurées davantage. Cela nécessite de choisir les sections centrales dans la carte thématique et les sections supplémentaires dans la carte thématique.

L'indexation basée sur les phrases et la compréhension de la recherche orientée entité sont connectées l'une à l'autre sur la base de la sémantique. Ci-dessus, la "désambiguïsation de l'entité nommée" et la "génération automatique de taxonomie dans les résultats de recherche à l'aide de phrases" peuvent être vues ensemble pour déterminer le "contexte". Les bonnes phrases et les informations uniques mais corrélées pour un sujet aideront à améliorer le classement initial et le reclassement.

Encore une fois, certains de ces concepts, la "configuration de la carte thématique", la "conception du réseau de contenu sémantique" n'ont pas encore été définis, et ce n'est pas le bon endroit pour cela. Cependant, l'activité de recherche associée a été expliquée avec l'intention de recherche canonique et les expressions représentatives de ces intentions de recherche canonique.

Contexte de l'étude de cas sur le référencement axé sur le réseau sémantique

Sur la base des concepts ci-dessus, j'ai utilisé les réseaux sémantiques pour créer une étude de cas SEO. Nous allons examiner les deux projets de sites Web que j'ai mentionnés au début de cet article et examiner les résultats, et comment j'ai mis en œuvre les réseaux sémantiques pour les produire.

Pour vous donner une idée de la puissance de ces réseaux, les résultats liés au référencement pour l'étude de cas SEO axée sur le réseau sémantique sont répertoriés ci-dessous.

• La compréhension du réseau sémantique est une nécessité pour créer une carte thématique appropriée.
• Pour les deux projets, le référencement technique n'est pas utilisé afin d'isoler les effets du référencement sémantique.
• L'optimisation de la vitesse de page n'est pas utilisée, pour la même raison.
• La conception et l'optimisation WUX (expérience utilisateur du site Web) ne sont pas utilisées.
• Les backlinks (références externes et flux PageRank) ne sont pas utilisés.
• Les deux marques n'ont pas de données historiques. Vizem.net est complètement nouveau, BogaziciEnstitusu a une histoire plus ancienne mais elle était inférieure à la société actuelle.
• Le référencement OnPage ou d'autres secteurs verticaux du référencement ne sont pas utilisés.
• Les deux marques ont un meilleur serveur que l'exemple précédent de l'étude de cas Topical Authority.

Cette étude de cas SEO axée sur le réseau sémantique aidera les personnes qui souhaitent améliorer leur perspective de référencement sémantique avec deux méthodologies et concepts différents qui se concentrent sur deux sites Web différents.

Projet 2 : Vizem.net se concentre sur le processus de demande de visa. Avant d'écrire, de publier ou même de lancer ces projets, j'ai montré ces deux sites à plusieurs reprises à mes autres clients ou partenaires. Et, Vizem.net a récemment commencé son voyage "Topical Authority".

Le référencement basé sur l'étude de cas des réseaux sémantiques a été écrit en deux versions différentes. Si vous souhaitez lire tous les brevets, documents de recherche et examens profondément détaillés, les interprétations du point de vue des moteurs de recherche tout en comprenant davantage les arbres de décision des moteurs de recherche, vous pouvez lire l'importance du classement initial et du reclassement SEO. Article d'étude de cas de plus de 30 000 mots. Si vous n'avez pas assez de connaissances théoriques pour le référencement et le contexte historique, vous pouvez continuer à lire le résumé.

Ci-dessous, vous pouvez voir le graphique Second Project (Vizem.net) de SEMRush.

Le graphique SEMRush du deuxième site Web. Vizem.net est une source entièrement nouvelle qui cible les industries avec un niveau élevé de concurrents enracinés tels que "Visa Application". Surtout, en raison des derniers événements en Turquie, le niveau de concurrence de l'industrie augmente. Ainsi, l'utilisation de la perspective du réseau sémantique pour créer un réseau de contenu est utile.

Premier projet : Istanbul Bogazici Enstitusu : 600 % d'augmentation des clics organiques en 3 mois - Exploitation des données historiques et du classement initial

IstanbulBogazici Enstitusu est l'une des études de cas SEO les plus difficiles que j'ai réalisées, non pas à cause des moteurs de recherche, mais à cause des gens et de mes problèmes de santé. Ainsi, j'ai quitté le projet et n'ai pas publié le troisième réseau de contenu sémantique qui est conçu pour compléter les relations sémantiques basées sur le contexte de la source. Même s'il n'a pas de termes de domaine de connaissances et d'expressions contextuelles correctement implémentés, il est configuré avec suffisamment de niveaux de connexions sémantiques et de précision pour permettre une performance de recherche organique globale de plus de trois millions de sessions par mois si le troisième réseau de contenu est publiés à l'avenir, ce qui explique également l'effet croissant du deuxième réseau de contenu sémantique.

Ci-dessous, vous verrez les graphiques changeants de l'IstanbulBogazici Enstitusu sur GSC au cours des 12 derniers mois. Le projet a été lancé en mai 2021 de manière appropriée et s'est terminé en septembre 2021 en publiant deux réseaux de contenu sémantique.

Ci-dessous, vous pouvez voir la version plus détaillée. De 1400 clics quotidiens à 140 000 clics, puis plus de 10 000 clics réguliers par jour peuvent être observés dans les performances de la recherche organique

L'augmentation du trafic du premier réseau de contenu après le lancement peut être vue ci-dessous.

Cette capture d'écran montre le 4e mois du premier réseau de contenu sémantique.

Comme vous pouvez le voir sur le graphique, le trafic global de l'ensemble du site Web a été dominé et affecté par le premier réseau de contenu sémantique qui se concentre sur les « branches éducatives ». Le deuxième réseau de contenu que j'ai lancé avec ce site Web peut être vu ci-dessous à partir de la console de recherche Google. La capture d'écran ci-dessous date du 16e jour du deuxième réseau de contenu sémantique.

Le classement initial et le reclassement ont été utilisés dans l'article car ils définissent les phases des algorithmes de classement ainsi que leurs types et objectifs avant de tester une source, et une page Web de la source dans le SERP pour les requêtes plus importantes qui ont une popularité. .

Sur quoi est axé le premier réseau de contenu sémantique du premier projet ?

"Semantic Content Network" utilise un réseau sémantique à partir d'une base de connaissances pour expliquer les relations principales, secondaires et tertiaires entre les éléments de la base de connaissances. Ainsi, créer un réseau de contenu sémantique nécessite de concevoir le prochain réseau de contenu sémantique en fonction du contexte de la source qui est la fonction principale du site Web. Dans ce contexte, le premier réseau de contenu sémantique s'est concentré sur "les départements universitaires, les branches d'enseignement et les nécessités d'une formation universitaire au sein d'une organisation et d'une branche spécifiques".

Ci-dessous, vous trouverez le graphique Ahrefs du First Semantic Content Network.

C'est cinq jours plus tard depuis la capture d'écran précédente.

« Racine : istanbulbogazicienstitu.com/bolum », après la première phase de classement initial, le processus de reclassement est plus efficace et productif.

Vous pouvez voir la version quatre jours plus tard ci-dessous pour prendre en charge la nature du "reclassement".

Sur quoi porte le deuxième réseau de contenu sémantique du premier projet ?

Le deuxième réseau de contenu sémantique s'est concentré sur les professions, les emplois, les compétences et l'éducation nécessaire à ces compétences, ou routine. Sur la base du premier réseau de contenu sémantique, le second réseau de contenu sémantique a été pris en charge. Et, selon les "modèles de requête-modèles d'intention", deux réseaux de sous-contenus sémantiques différents sont créés et placés avec les "connexions relationnelles" tout en étant connectés aux niveaux hiérarchiques similaires supérieurs.

Je sais que ces sections sont compliquées pour vous car vous n'avez pas encore vu de définition des éléments ci-dessous.

• Réseau de contenu sémantique
• Contexte source
• Réseau de sous-contenu sémantique
• Base de connaissances
• Connexions relationnelles
• Classement initial
• Reclassement
• Couverture contextuelle
• Classement comparatif
• Extraction de faits

Après avoir expliqué le deuxième site Web, il sera plus facile de comprendre ces concepts et ces phrases.

Vizem.net : de 0 à plus de 9 000 clics quotidiens par jour en 6 mois – Classement comparatif à effet de levier avec couverture contextuelle

Vous pouvez voir le graphique de Vizem.net pour les 12 derniers mois. Pour ce projet, dû au Covid-19, nous avons connu beaucoup de problèmes économiques puisque l'investisseur est issu de l'industrie du gym. Ainsi, je peux dire que les problèmes économiques ont ralenti le projet, et cela a causé une certaine latence pour les « processus de reclassement ».

Pour comprendre le classement initial, et le reclassement un peu plus loin, vous pouvez utiliser le graphique ci-dessous.

Certaines des définitions liées au classement initial et au reclassement du graphique ci-dessus se trouvent ci-dessous.

• Les grands sauts de classement se sont produits lors des mises à jour Google non confirmées. Certains tests ont donné des extraits en vedette et les gens ont également posé des questions.
• Certains tests de Google ont supprimé les gains FS et PAA.
• À chaque fois, le délai entre deux processus de reclassement était plus court.
• Les processus de reclassement ont amélioré à chaque fois la capacité de classement de la source.
• La source a toujours amélioré son rayon de pertinence tout en élargissant les clusters de requêtes.

Juste une note, je peux laisser une phrase ci-dessous.

Si un moteur de recherche indexe votre page Web, cela ne signifie pas que le moteur de recherche a compris la page Web. L'indexation est plus rapide que la compréhension, et la plupart du temps, un moteur de recherche classe une page Web avec des prédictions, "initialement". Après la compréhension, le « reclassement » se produit.

Le comparatif des 3 derniers mois du Vizem.net

Comment est le réseau de contenu sémantique de Vizem.net ?
Je me souviens que pour beaucoup de mes clients, amis ou groupes secrets de référencement, lors des réunions, j'ai démontré ces deux sites Web en disant « ils vont exploser ». Et, en écrivant cet article, je vous dis ceci :

Surveillez le réseau de contenu sémantique « istanbulbogazicienstitu.com/meslek », car il va exploser. Et, vous pouvez trouver une vidéo que j'ai publiée avant d'écrire cet article tout en démontrant les «données historiques» d'un événement saisonnier et son effet sur les processus initiaux et de reclassement. Vous pouvez le voir ci-dessous.

Sur cette base, le réseau de contenu sémantique de Vizem.net n'est pas similaire à l'IstanbulBogazici Enstitusu, donc, je n'ai pas utilisé un "niveau intense de couverture thématique et d'augmentation des données historiques", j'avais besoin de créer l'autorité liée à la certaine les types d'entités, leurs attributs et les actions possibles derrière les requêtes pour ces paires entité-attribut. Vizem.net n'a pas seulement des "branches universitaires éducatives", ou les "professions et cours en ligne" en son sein. Il a des "pays pour les demandes de visa". Ainsi, la création d'un niveau suffisant d'autorité thématique nécessite une cohérence dans le temps avec au moins 190 réseaux de contenu sémantique différents.

Une capture d'écran du 18 décembre 2021. Vous pouvez voir le reclassement continu et l'augmentation des impressions et des clics. C'est 4 semaines plus tard que la capture d'écran précédente.

Pour voir les événements de reclassement, vous pouvez comparer la version nue du graphique des performances de recherche organique qui démontre l'effet du référencement sémantique.

Ces 190 réseaux de contenu sémantique différents sont façonnés en fonction du « pays » lui-même, et les pays sont placés au centre de la carte thématique avec toutes les couches contextuelles possibles pour améliorer la couverture des activités de recherche.

Une capture d'écran de SEMRush montrant leur perception du Vizem.net contrairement aux autres acteurs de l'industrie.

J'ai également publié une autre vidéo, juste pour Vizem.net. Dans cette vidéo, la dernière situation du site Web n'existe pas, donc, je crois, elle fournit également une belle comparaison entre aujourd'hui et ce jour-là.

Enfin, la publication d'éléments non pertinents dans un article, un segment de site Web ou une source non pertinents peut réduire la pertinence globale de l'entité Web pour le domaine de connaissances spécifique. Vizem.net montrera sa valeur réelle, et le classement à l'avenir sera bien meilleur.

La comparaison des 6 derniers mois de Vizem.net.

Avant de continuer, je sais que c'est un long article. Mais, en fait, il s'agit d'une brève explication d'une méthodologie SEO très complexe. Les réseaux de contenu sémantique nécessitent trop de réflexion lors de leur conception, et des mois de formation pour les clients, les auteurs et avec l'intégration. Ainsi, dans cet article, je souhaite me concentrer sur les définitions des concepts avec les meilleures suggestions brèves exécutables possibles et les brevets importants de Google et d'autres moteurs de recherche, les documents de recherche ainsi que leurs propres concepts. Dans la version longue (essentiellement un livre), je me suis concentré sur le « classement initial » et le « re-classement » des réseaux de contenu sémantique.

Si vous voulez en savoir plus, lisez « Importance du classement initial et du reclassement pour le référencement ».

Jusqu'à présent, nous avons traité les éléments ci-dessous.

• Réseau sémantique
• Base de connaissances
• Réseau de contenu sémantique
• Confiance basée sur les connaissances
• Couverture contextuelle
• Domaine contextuel et couches
• Pertinence de MuM pour les réseaux de contenu sémantique
• Contexte de la source

Ces concepts visent à comprendre comment fonctionnent les réseaux de contenu sémantique et comment ils peuvent être utilisés avec une carte thématique. Les prochaines sections porteront sur la façon dont un moteur de recherche classe les réseaux de contenu sémantique Initialement et plus tard, Modifier. Dans ce cadre, les éléments ci-dessous seront traités.

• Classement initial
• Reclassement
• Modèle de requête
• Modèle de document
• Modèle d'intention de recherche
• Ce que vous devez faire pour tirer parti des réseaux de contenu sémantique

Qu'est-ce que le classement initial pour le référencement ?

Il s'agit d'un nouveau terme et d'un nouveau concept pour le référencement, mais d'un ancien pour les moteurs de recherche. La version longue de «l'étude de cas SEO axée sur le réseau sémantique» se concentre sur les algorithmes de classement basés sur des algorithmes dépendant de la requête, du document et de la source, et de multiples brevets. Les algorithmes de recherche d'information prédictive ou de classement prédictif tentent de réduire le coût de calcul. Et, même si l'indexation se fait en une journée, la compréhension d'un document peut prendre des mois voire des années. Calculer un classement initial est donc un moyen d'améliorer la qualité SERP tout en diminuant le coût. Certaines tâches liées au moteur de recherche ont une priorité plus élevée que d'autres pour maintenir l'index vivant, frais et d'une qualité suffisamment élevée.

Le terme classement initial apparaît dans des dizaines de milliers de brevets et d'articles de recherche Google différents, car il s'agit d'une perspective classique parmi les constructeurs de moteurs de recherche. Ainsi, ci-dessus, vous pouvez voir différents documents de brevet avec continuation des mêmes paragraphes, et des termes avec des modifications mineures autour du terme classement initial.

Le classement initial représente le rang d'un document sur le SERP immédiatement après avoir été indexé. Le classement initial d'un document représente l'autorité globale et la pertinence de la source par rapport au sujet, au modèle de requête et à l'intention de recherche spécifiques. Le même contenu peut être classé différemment en termes de classement initial entre différentes sources. Le classement initial est important lors de l'utilisation des réseaux de contenu sémantique pour voir la qualité globale et l'augmentation de l'autorité de la source. Chaque nouveau document augmente son classement initial tout en diminuant le délai d'indexation si la conception du réseau de contenu sémantique est correctement structurée.

Le classement initial soutient le processus de reclassement et son efficacité pour la source. Et la « classification d'une source » doit être traitée avec ces deux termes, initial et reclassement.

Vous pouvez regarder les 20 premiers jours de l'évolution organique des performances du Second Content Network à partir du projet I.

Dans ce contexte, chaque fois que Vizem.net publie un nouveau document, ou chaque fois que l'IstanbulBogazici Enstitu publie un nouveau réseau de contenu sémantique, le classement initial est meilleur qu'avant tandis que le contenu est indexé plus rapidement.

La prédominance du classement initial et des données historiques se retrouve entre ces deux brevets complémentaires de Google. L'un concerne les documents initiaux et reclassés en fonction des commentaires implicites des utilisateurs. The other one is for doing the same if enough level of user data doesn't exist, based on the similar queries. The similar queries are also the point that relate the Semantics. Creating a Semantic Content Network will decrease the energy for reading the mind of the website owner from the search engine's point of view.

What is Re-ranking for SEO?

The re-ranking is the process of changing a document's ranking on the SERP based on the feedback of the users, or relevance, and quality evaluation algorithms. Re-ranking frequency can signal an algorithm update, or an update on the document, or a site-wide update for a source. Re-ranking is affected by the historical data which is explained in the previous SEO Case Study that focuses on the Topical Authority. Examining the re-ranking processes and the feedback from the search engines help for the configuration of the semantic content network design. Re-ranking timelines can be shortened with the help of the actual traffic, as well as with historical data if the contextual and topical coverage is improved.

The re-ranking processes are affected by the initial ranking and the quality of the neighborhood content. The neighborhood content will affect the ranking of any strongly connected components. Re-ranking processes can signal the weak spots, and the ability of the search engine to understand certain sections of the semantic content network. If the design is correctly created, the semantic content network will continue to rise and rise in terms of organic search performance over time, and any Google Updates will confirm these processes.

Below, you can see the comparison of the Semantic Content Network 1 and Semantic Content Network 2 of the IstanbulBogazici Enstitu in terms of the initial and re-ranking.

15 October 2021, performance of the first semantic content network of the IstanbulBogaziciEnstitusu which is the 124th day of the launch.

15 October 2021, performance of the Second Semantic Content Network of IstanbulBogazici Enstitu which is the 19th day of the launch.

As you see, the second content network increases the organic query count and the rankings much faster than the first one. The Semantic Content Network 1 has the benefit of the “seasonal SEO” which gives enough level of historical data in a positive way. If there is a seasonal SEO event, the search engine will re-rank the pages, and assign the new relevance-radius and search activity coverage scores to the documents and the sources. Thus, I have chosen to use a “sudden launch” for the “university branches” first. It was the first step of the Topical Authority Building which is equal to the “historical data * topical coverage”.

The 6 Months of Growth Comparison of the IstanbulBogazici Enstitu from SEMRush.

Note: To compensate for weaknesses in the execution, I designed a Semantic Content Network 3 to unite the first two using conceptual connections by providing the source's context. If I launched it, you would see that the source would acquire more than 1,2M organic traffic based on the Ahrefs graphic, in reality, it can be more than 2M. You can see my prediction's validity from the performance of the Second Content Network. Whenever you check it, you will see that it has thousands of new queries with higher rankings.

In the first Semantic Content Network, the first 3 ranking queries appeared after 2 months' for the second one, they appeared on the 15th day. You can imagine the increase in authority. Since the knowledge base of the website is left partially incomplete, after the source loses its momentum for semantic network completion, the search engine can prioritize other sources, and it can decrease the re-ranking positivity along with the relevance-radius and Rankability.

Implementing Semantic Networks on these sites makes use of a few concepts and “templates” used by search engines. Before I tell you about the method for setting up a Semantic Network, you should also understand what these templates are and how they work. This will help you understand how search patterns and document structure impact ranking, and therefore why the method I used in this case study is so effective.

The Initial Ranking, and Re-ranking are two different ranking algorithm types for a search engine based on timing. Search engines have other types of ranking algorithms such as query-dependent, query-independent, content-based, link-based, usage-based. To be able to understand the ranking systems, and clustering-associating technology of the search engines, the query-document-intent templates, and their relation to each other should be understood.

Oncrawl Data³

Expand your analysis with seamless connections to additional datasets. Analyze your SEO strategy based on data on backlinks, SEO traffic, rankings, and custom datasets from your CRM, monitoring solution, or any other source.

Apprendre encore plus

What is a query template?

A query template represents a search pattern with ordered phrases that cover an entity for seeking factual information. A query template can have a question format, a proposition format, or an order of word types such as one adjective and one noun. A query template is useful for generating seed and synthetic queries from the point of view of a search engine. A seed query can help a search engine to choose centroids for the query clusters while helping the clustering web page documents, their types, and possible search activities for them.

Another Google Patent about “Implicit Question Query Identification” which Nitin Gupta invented along with Steven Baker. “Implicit Question Query Identification” is also related to the question generation which is connected to the “K2Q System”.

In this context, a query template can be used for feeding the search engines' historical data for creating trust. Even if a search engine doesn't understand all aspects of a query, or a document for it, still some certain sources can be ranked earlier and better than others because of the document templates. If a source satisfies queries from a template, the search engine will rank the specific source for these types of queries from the same template better initially and during the re-ranking processes. Thus, on the web, we have sources that only focus on a single vertical with a single query template, like Wikihow, or GiftIdeas.

“Query Suggestion Templates” is one of the documents that explains how a search engine can generate query templates based on query logs. Since, Nitin Gupta is one of the inventors of this patent, it has more value for me.

A query template can be used for creating a successful semantic content network, but in page contextual domains, and connections should be configured properly for connecting multiple semantic content networks for multiple query templates.

Note: The topic Query Templates, Intent Templates and the Document Templates are closely related, and another SEO Case Study will be published to demonstrate further details about it.

A section from the Representation Learning for Information Extraction
from Form-like Documents of Google for extracting information from templatic content.

What is a document template?

A document template can signal the purpose of a web page based on the design elements, or even the request size, count and types. If a web page has too much JS, it can be a js-dependent website, or the interactivity needs can be higher than others. This can be confirmed easily by just checking the event-listeners on the web page, or input types, and API endpoints. When it comes to thinking like a search engine, remember that the web is a chaotic place. And, everything possible for understanding the users, especially if the users are Markovian , meaning that they are more influenced by the current page than their history of navigation.

A section that explains how a search engine can use the document templates to see a user's interest area.

Did you know that Prabhakar Raghavan, the VP of Search on Google, also has a research that asks the same question? “Are Web Users Markovian?”.

A section from the “Are web users Markovian?” research paper.

Oui, ils sont. Le classement probabiliste et le classement de pertinence dégradée sont les principales colonnes d'un moteur de recherche sémantique pour comprendre les utilisateurs et créer le SERP de la meilleure qualité possible, préparé pour les états de possibilités.

Auparavant, pour faire de "la conception, l'apparence ou la tonalité du site Web" un argument pour l'apprentissage de la représentation pour les sites Web, Bill Slawski a écrit les "Vecteurs de représentation du site Web".

Qu'est-ce qu'un modèle d'intention de recherche ?

Un modèle d'intention de recherche peut être représenté par le besoin derrière le modèle de requête. Un modèle de document de requête peut être uni sur la base d'un modèle d'intention. Avoir un modèle d'intention de recherche avec une compréhension possible du "classement de pertinence dégradée" et du "classement probabiliste" aidera à créer la meilleure activité de recherche possible et la meilleure couverture d'intention de recherche avec un ordre correct. Lors de la création d'un réseau de contenu sémantique, la chose la plus importante est d'ajuster le modèle d'intention de requête de document en fonction du contexte de la source pour compléter un réseau sémantique basé sur un domaine de connaissances en améliorant la couverture contextuelle pour améliorer la confiance basée sur les connaissances et l'autorité d'actualité. .

Une section de Google "Query Refinements based on Inferred Intent". Il fonctionne via des clusters de requêtes et des modèles d'intention avec des connexions sémantiques. Vous pouvez en faire l'expérience sur différents niveaux de taxonomie de phrases.

Avant de passer à quelques exemples concrets et à des suggestions pour vous aider à créer un meilleur réseau de contenu sémantique, je dois vous dire que même la version simple de cette étude de cas SEO nécessite un haut niveau de compréhension des moteurs de recherche et des compétences en communication. Ainsi, même si j'ai le sentiment de donner des informations de haut niveau, je sais que le cours Semantic SEO que je vais créer vous montrera des exemples concrets plus nombreux et meilleurs.

Le même brevet explique les connexions appropriées entre les différents "chemins de requête" et les "changements de contexte".

Que devez-vous savoir sur l'exploitation des réseaux de contenu sémantique ?

Pour créer un réseau de contenu sémantique, parfois même un simple résumé et conception de contenu sémantique peut prendre une heure, si vous mettez tous les détails pertinents en fonction de la sémantique lexicale ou des types de relations entre les entités et les phrases. En utilisant plusieurs angles en même temps, tels que l'indexation basée sur les phrases et les vecteurs de mots ou les vecteurs de contexte pour calculer la pertinence contextuelle d'un contenu global par rapport à un domaine contextuel, ou sa pertinence en fonction des types de sous-contenus individuels, il nécessite un haut niveau de compréhension sémantique des moteurs de recherche.

Ainsi, utiliser une méthodologie générative facilitera tout avec les concepts que je vous ai expliqués ci-dessus, car même si vous préparez parfaitement chaque partie du réseau de contenu sémantique, les auteurs et rédacteurs ne pourront pas l'écrire, ni les gestionnaires de contenu ne pourra pas suivre votre vision. Ainsi, cela pourrait vous fatiguer pour rien, et vous faire quitter un projet comme je l'ai fait pour certains de ces projets d'études de cas SEO après avoir prouvé le concept de manière suffisamment vivante et auditable.

Les suggestions ci-dessous ne seront que des étapes faciles à exécuter et brèves qui vous aideront.

1. N'utilisez pas les liens fixes de la barre latérale de chaque réseau de contenu sémantique

Chaque lien doit avoir une description de connexion entre deux documents hypertextes comme chaque mot dans une page Web. L'utilisation du HTML sémantique peut aider à spécifier la position et la fonction d'un document sur une page Web tout en aidant les moteurs de recherche à pondérer les sections différemment en termes de contexte.

Dans l'exemple Vizem.net, je n'ai pas utilisé le même design de barre latérale. La barre latérale n'a pas montré les derniers messages, ni les plus critiques. Les barres latérales ne montrent que les attributs des entités centrales, et elles ne sont pas fixes, elles sont dynamiques. En d'autres termes, en fonction de la hiérarchie au sein de la carte thématique, les réseaux de réseau de contenu sémantique changent même s'ils se trouvent dans la barre latérale.

Penser aux modèles du surfeur raisonnable et du surfeur prudent peut aider un référenceur à créer une meilleure pertinence entre différents documents hypertextes.

De plus, le lien circule en termes de proéminence, et la popularité doit suivre le contexte de la source à partir des meilleures connexions possibles. Ci-dessous, vous pouvez voir les sections de la barre latérale avec les codes HTML sémantiques ajustés.

Selon la hiérarchie de l'article qui est active sur la session de l'utilisateur, les onglets, l'ordre des onglets, les liens au sein des onglets vont changer. L'exemple ci-dessus provient de la hiérarchie du fil d'Ariane ci-dessous.

2. Soutenez les réseaux de contenu sémantique avec PageRank

Même si le PageRank externe n'est pas un incontournable des sources externes, si vous êtes capable de l'utiliser, vous vous rendrez compte que le classement initial et le re-classement seront meilleurs. Pour ces deux projets, je ne les ai pas utilisés, mais cette fois, ce n'était pas le but. Pour Vizem.net, il y avait des problèmes économiques et je ne voulais pas dépenser le budget en relations publiques numériques et en sensibilisation. Pour Istanbul BogaziciEnstitusu, j'ai arrangé quelques "sources interconnectées localement" pour soutenir l'authenticité de la source pour le sujet spécifique, mais encore une fois, l'entreprise n'a pas été en mesure de mettre en œuvre cela en raison de problèmes de budget et de discipline organisationnelle.

La détection de documents en double spécifiques à une requête est une perspective importante des moteurs de recherche, car le PageRank peut aider un document à être filtré comme précieux même s'il est dupliqué. Étant donné que les réseaux de contenu sémantique hautement organisés peuvent être similaires les uns aux autres, le flux PageRank et les données historiques sont utiles.

Lorsqu'il s'agit de choisir le point de flux PageRank externe pour ces types de réseaux de contenu sémantique, utilisez les sources avec des données historiques. Dans mon cas, j'avais organisé ces points de terminaison PageRank plus tôt, avant de lancer et de publier le premier réseau de contenu sémantique. De cette façon, j'ai pu prendre des références externes à des concurrents directs, mais lorsque j'ai publié le réseau de contenu sémantique, les concurrents ont renoncé à relier la source car ils ont vu la masse augmenter de la source en tant que concurrent.

Cette situation nous amène à la troisième suggestion. Si nous pouvions utiliser le flux PageRank à partir de références externes, le processus de reclassement serait plus rapide et le classement initial serait plus élevé.

3. Utilisez différents textes d'ancrage du pied de page, de l'en-tête et du contenu principal pour les parties proéminentes du réseau de contenu sémantique

Les textes d'ancrage ou le « texte de lien » du point de vue du moteur de recherche signale la pertinence d'un document hypertexte par rapport à un autre. Selon le document original du PageRank, le nombre de liens est proportionnel au flux du PageRank. Mais, plus tard, Google a changé cela pour empêcher le « bourrage de liens » et a limité les liens qui peuvent réellement passer le PageRank. Sur cette base, les modèles TrustRank, Cautious Surfer, Hilltop Algorithm ou Reasonable Surfer Models sont développés.

Ce sont deux liens vers les deux réseaux de contenu sémantique différents pour le BogaziciEnstitusu, mais comme je n'ai pas mis en œuvre d'améliorations techniques SEO ou UX, vous pouvez vous rendre compte du «bon marché» des conceptions de boutons.

Selon Google, le même lien ne peut pas passer le PageRank une seconde fois vers une autre page web, alors que le PageRank ne sera passé qu'à partir du premier lien. Et, dans la forme originale de l'algorithme PageRank, un document hypertexte peut se lier lui-même pour améliorer son PageRank, ou des redirections 301 peuvent être utilisées pour prendre le PageRank du document cible du lien. Ces deux situations ont créé d'anciennes techniques Black Hat telles que la redirection temporaire d'une page Web vers une autre simplement pour prendre son PageRank. Cela remonte à l'époque où les référenceurs pouvaient voir le PageRank d'une page Web à partir de Google Search Console ou du SERP. Plus tard, Google a commencé à atténuer le PageRank à chaque redirection tandis que Danny Sullivan a expliqué que les redirections 301 passeraient complètement le PageRank. Outre tous ces changements, la chose importante ici est que même si le deuxième lien ne passe pas le PageRank, il passe quand même la pertinence du texte du lien.

Des sections importantes du réseau de contenu sémantique ont été liées à partir de la page d'accueil sur la base des «raffinements de requête intermédiaires» qui incluent les «verbes, prédicats» ou «activités du chercheur».

Ainsi, les sections importantes du réseau de contenu sémantique doivent être liées à partir du menu d'en-tête et de pied de page avec les sections de taxonomie supérieures, et les textes des liens doivent être différents les uns des autres. Dans ces exemples, j'ai utilisé les liens d'en-tête avec les textes de liens proéminents mais courts tandis que j'ai conservé les exemples de pied de page plus longtemps.

Une section de «l'indexation des balises d'ancrage dans un système de robot d'indexation Web», résume l'importance d'un texte d'ancrage et d'un texte d'annotation pour positionner une page Web dans les clusters de requêtes et les clusters de pages Web.

Si la section Réseau de contenu sémantique est trop proéminente, pour passer correctement le PageRank et la priorité d'exploration, j'ai lié les sections les plus importantes avec des textes de lien appropriés et des paragraphes explicatifs qui incluent les attributs proéminents avec différentes variations de N-Grams pertinents.

Il s'agit de la deuxième zone liée de la page d'accueil de Vizem.net, elle se trouve derrière un accordéon, et elle se concentre sur les pays dans les requêtes, et elle relie la section médiane du réseau de contenu sémantique.

Remarque : Autour des textes d'ancrage, toujours, un "texte d'annotation" prévu a été utilisé pour améliorer la précision de l'objet du lien.

4. Limitez la restriction du nombre de liens et faites correspondre les liens de bureau et mobiles et le contenu principal

Les deux projets sont limités à moins de 150 liens internes par page Web. Avec l'aide du HTML sémantique, les emplacements des liens et les fonctions des liens sont clairement indiqués aux robots d'exploration. L'IstanbulBogazici Enstitusu avait plus de 450 liens par page Web, et certains d'entre eux étaient des liens autonomes (un lien de la même page vers la même page). Le pire, c'est que la moitié de ces liens n'existaient pas dans la version mobile du contenu.

L'URL Keep Score, le Crawl Score et d'autres types de scores peuvent être utilisés pour déterminer la proéminence d'un lien dans la carte d'URL interne, et les balises d'identification de document dans les différents niveaux peuvent être utilisées pour trier l'index en fonction des scores de pertinence indépendants de la requête.

Étant donné que Google utilise l'indexation uniquement pour mobile, si le contenu n'existe pas dans la version mobile, il sera ignoré et ne sera pas utilisé à des fins d'évaluation de la pertinence et de classement. Ainsi, le contenu mobile et de bureau a été configuré pour être mis en correspondance les uns avec les autres. Même si Google tolère les inadéquations de contenu entre les versions de bureau et mobiles, cela rend toujours plus difficile la compréhension et le classement d'une page Web pour les moteurs de recherche.

Un moteur de recherche peut générer un plan du site pour le site Web, et ce plan du site peut être régénéré en boucle, si les liens et les métadonnées d'URL ne correspondent pas entre les agents utilisateurs ou les chronologies. Ainsi, il est important de garder un chemin d'exploration court, une file d'attente d'exploration brève et des liens internes cohérents.

Outre les liens entre les différentes pages Web, des liens pour les sous-sections des pages Web sont également utilisés avec la «table du contenu» et les «fragments d'URL». Ces fragments d'URL ciblent une sous-section spécifique de la page Web tout en la nommant correctement, et la section spécifique a été placée dans une balise de section avec un h2. Avec l'aide de fragments d'URL avec les "liens de navigation dans la page", il a été plus facile de faire atterrir un utilisateur du SERP dans la section spécifique de la page Web, tandis que les sections inférieures du contenu ont été rendues plus importantes pour satisfaire le besoin derrière le requête.

5. Ayez une discipline de niveau militaire pour vos projets de référencement

C'est un tout autre sujet et un autre article peut être écrit pour définir ce que signifie la discipline de niveau militaire, ou pourquoi elle est utile pour un projet de référencement. Mais, je dois vous dire qu'au cours de ces 2 derniers mois, j'ai formé de nombreux PDG et SEO d'autres agences ainsi que leurs équipes pour voir si la conception de mon cours fonctionnera bien ou non.

Chaque fois que je vois du succès et un haut niveau de compréhension pour les séances d'éducation que j'effectue, il y a une forte volonté et de la persévérance. Le principal problème est que le référencement sémantique est beaucoup plus difficile que les autres verticales SEO. Le référencement technique est universel, et il a même rédigé des guides pour chaque étape. Le référencement OnPage, ou WUX et la conception de la mise en page peuvent être suivis avec des mesures numériques. En ce qui concerne la sémantique, c'est la pratique consistant à unir la perspective d'une machine qui fonctionne sur la base d'un système adaptatif complexe avec des homo-sapiens qui ne comprennent pas comment la machine fonctionne.

Cette distinction nécessite une base de béton au sol qui doit être posée dès le premier jour du projet. La plupart du temps, j'utilise les règles ci-dessous.

1. Les conceptions de contenu et le réseau de contenu sémantique n'ont pas à être logiques pour un auteur ou un écrivain.
2. La tâche du gestionnaire de contenu est d'auditer la compatibilité du contenu avec la conception du contenu.
3. La tâche de l'auteur est d'écrire le contenu avec les informations connexes qui incluent un haut niveau de précision et de détail.
4. Les liens, les définitions, les preuves, les comparaisons, les propositions, les références doivent être faites avec des exemples concrets, pas avec des peluches.
5. Chaque mot inutile est une dilution pour le contexte et le concept.

Lorsque vous lisez, cela peut sembler facile à mettre en œuvre, mais ce n'est pas si facile. Ainsi, je peux dire que j'étais même sur le point de licencier certains de mes propres employés. Je suis content de ne pas l'avoir fait, du moins pour le moment. Dans des conditions normales, il y aura beaucoup de questions qui vous seront posées, si le propriétaire de la question n'est pas un SEO ou le propriétaire de l'entreprise, ne répondez pas. Économisez votre énergie dans le stockage de données du moteur de recherche qui stockera vos commentaires positifs, et non les commentaires redondants et non pertinents pour les classements.

6. Développez la source avec une pertinence contextuelle

Cette section vise à comprendre le besoin de Google pour créer le MuM. Lorsque vous concevez une carte thématique, elle inclura de nombreux réseaux de contenu sémantique qui fourniront une meilleure base de connaissances au niveau du site. Ainsi, lors de la publication de ces sous-sections, elles doivent pouvoir se connecter au contexte de la source, ou cela peut changer la façon dont le moteur de recherche voit la source, et le thème du site Web peut basculer vers un autre domaine de connaissances. Par exemple, relier des choses autour de concepts et de domaines d'intérêt avec des actions possibles nécessite de comprendre les liens entre des significations complexes. Rendre ces connexions claires pour un utilisateur, un rédacteur et une machine en même temps est le processus de création du réseau de contenu sémantique.

Pour ce faire, chaque nouvelle section du site Web doit pouvoir être connectée à la section centrale de la carte thématique. Ces ponts contextuels peuvent être vus à partir de la conception et de l'explication LaMDA de Google.

Je rencontre beaucoup de questions telles que "dois-je écrire sur un autre sujet", "si j'ai deux niches différentes, est-ce que ça va nuire ?". Si vous connectez toutes ces sous-sections, segments de sites Web en tant que composants fortement connectés, ces réseaux de contenu sémantique se soutiendront pour un meilleur classement au lieu de diviser l'identité de la marque et l'autorité thématique pour deux sujets différents et non pertinents.

7. Créez du trafic réel et effectuez un audit avec la segmentation personnalisée de Google Analytics

Le trafic réel est connecté au RankMerge de la même manière que le Knowledge-based Trust est connecté au PageRank. Bientôt, je pense écrire un autre article avec le titre "Quand le PageRank se trouve…" pour expliquer pourquoi le moteur de recherche essaie d'affecter le PageRank avec des signaux secondaires. En fait, PageRank n'est pas un signal définitif qui montre l'autorité, l'expertise et la fiabilité d'une source. Cela peut être un signal pour le classement et un facteur, mais on ne peut pas lui faire confiance seul. RankMerge est le processus d'unification du trafic du site Web et du PageRank de manière à ce que le site Web puisse avoir un sens pour le moteur de recherche. Un PageRank élevé et un faible trafic peuvent signaler le « trafic impopulaire » ou la « manipulation du PageRank ».

Ainsi, pour améliorer les données historiques de la source, j'ai utilisé les événements SEO saisonniers, et j'ai augmenté les requêtes « marque + terme générique ». Le trafic direct et les pages Web mises en signet augmentent avec le trafic réel et authentique.

Ces types de données aident un moteur de recherche à lui faire confiance pour le classer de plus en plus haut sur le SERP.

Pour pouvoir auditer ce trafic réel provenant du réseau de contenu sémantique, un référenceur peut créer un segment personnalisé à partir de Google Analytics pour voir comment il se présente sous forme de trafic direct. En outre, des objectifs personnalisés peuvent être créés, tels que la création d'un parcours de recherche possible du premier réseau de contenu sémantique au deuxième réseau de contenu. C'est la preuve de concept que le réseau sémantique est construit autour des intérêts, des concepts et des actions possibles liées à la recherche.

Ci-dessous, vous trouverez un seul exemple pour l'une des pages Web qui sont placées dans le premier réseau de contenu sémantique pour démontrer le trafic direct acquis via le trafic organique.

Au cours des 3 derniers mois, une seule page Web du premier réseau de contenu sémantique a été utilisée par les 49 000 utilisateurs organiques. Et, 12.900 utilisateurs supplémentaires sont venus en tant que trafic direct qui a été acquis par la recherche organique pour la première fois. De plus, les métriques de session/page et la durée moyenne de session sont plus élevées pour ces segments d'utilisateurs.

Comme dit précédemment, un moteur de recherche peut regrouper des requêtes, des documents, des intentions, des concepts, des intérêts, des actions, mais aussi des utilisateurs. Si un groupe d'utilisateurs laisse des commentaires positifs tout en créant une valeur de marque en ajoutant ces pages Web aux signets, en tapant directement la barre d'adresse et en recherchant les termes génériques avec le nom de la marque, cela montre que la source améliore son autorité et le moteur de recherche est capable de tout reconnaître depuis le SERP, Chrome et ses propres adresses DNS.

Ci-dessus, vous pouvez voir le segment d'utilisateurs de First Content Network. Vous pouvez créer un segment d'utilisateurs pour chaque réseau de contenu sémantique avec des objectifs personnalisés, et vous pouvez également ajouter des segments de sous-utilisateurs pour les réseaux de sous-contenu sémantique.

8. Soutenir les réseaux de contenu sémantique avec des sous-sections basées sur les activités de recherche

Cette section concerne également la résolution des attributs d'entité et l'analyse, qui est un autre sujet. Mais, en termes simples, certains attributs de ces entités basés sur des domaines contextuels doivent être placés dans une hiérarchie inférieure, et non dans la hiérarchie supérieure. Dans ce cas, le "Vizem.net" peut donner un meilleur exemple, tandis que pour le Bogazici Enstitusu, il peut être démontré avec les "Salaires des professions" et les "Points d'examen des universités". Ces deux attributs importants ont été placés sur la base des modèles de requête et de document dans les réseaux de sous-contenu sémantique.

L'identification des unités sémantiques à partir d'une requête de recherche est un autre brevet de Google qui divise les phrases en différentes catégories sémantiques et agrège la pertinence d'un document en fonction de sa proximité avec toutes les variantes de la requête.

Dans une précédente étude de cas SEO, je n'ai pas suivi ce type de structure, j'ai créé un chemin de crawl basé sur la « chronologie » et les liens internes qui sont strictement limités. Dans ces articles, le montant du lien interne placé dans le contenu principal est supérieur au précédent.

9. Utilisez des mots thématiques dans les URL

Si Google rencontre deux URL différentes avec le même contenu sans aucun signal de canonisation, il choisit la courte comme canonique. Parce que les URL courtes sont plus faciles à analyser, à résoudre et à demander. Lorsque vous avez des milliards de pages Web que vous actualisez des milliards de fois chaque jour, même les lettres des URL peuvent indiquer «l'équilibre coût/qualité» d'un site Web. Comme je l'ai déjà dit, le « coût de récupération » devrait être inférieur au « coût de non-récupération ». Si vous voulez être compris par un moteur de recherche, vous devez mettre les "signaux contextuels ordonnés et complémentaires" à tous les niveaux, y compris les URL.

Une section du classement «basé sur des preuves» via l'agrégation de preuves. Il explique comment une réponse peut être associée à une question.

Dans ce contexte, la plupart du temps, j'utilise un seul mot dans l'URL. Ceux-ci peuvent refléter la hiérarchie et la structure du réseau de contenu sémantique. Certains pensent encore que le "nombre de couches" dans l'URL affecte la fréquence de crawl, avant 2019, c'était vrai. Mais, tant que le contenu a du sens et satisfait les utilisateurs d'un sujet populaire ou important, il ne sera pas affecté par une telle situation.

Pour le démontrer, vous pouvez suivre l'exemple ci-dessous.

1. Domaine-racine/semantic-content-network-1/type-1/sub-content-network-part-for-type-1
2. Domaine-racine/semantic-content-network-2/type-2/sub-content-network-part-for-type-2

Ces deux réseaux de contenu sémantique peuvent se relier à partir de la même hiérarchie, et ils peuvent également se relier en fonction de la pertinence. Il y a plus de choses ici dont nous pouvons parler, telles que le "Contenu du groupe d'entités - Contenu de type hub", mais le sujet d'un autre jour.

Remarque : Le troisième réseau de contenu sémantique prévu peut également être traité comme un « réseau de contenu de groupement conceptuel ». Et, s'il est publié, avec l'effet du deuxième réseau de contenu sémantique, le trafic organique global peut dépasser 3 millions de sessions par mois.

10. Comprendre la différence entre l'imbrication et la connexion

En tant que différence méthodologique pratique, la connexion consiste à connecter des éléments similaires les uns aux autres en fonction d'un domaine contextuel, tandis que l'imbrication regroupe le contenu similaire dans le même but. Ce regroupement aidera un moteur de recherche à trouver plus rapidement des contenus similaires les uns aux autres et créer un score de qualité source pour ces groupes, ou ces contenus imbriqués basés sur un réseau sémantique sera plus facile.

Imaginez qu'il existe deux chemins d'exploration différents comme ci-dessous.

• Crawl Path 1 : rencontre des URL de manière aléatoire, sans modèle, sans similarité ni pertinence contextuelle.
• Crawl Path 2 : rencontre des URL qui ont du sens même à partir de l'URL elle-même, avec un modèle, un haut niveau de similarité et de pertinence basé sur le contexte.

Si même depuis le crawl path, le contenu a du sens, le « initial-ranking » et le « re-ranking » seront meilleurs grâce au « déclenchement de re-ranking basé sur la compréhension de la couverture du moteur de recherche ».

Remarque : L'utilisation appropriée de liens internes avec une taxonomie de phrases est importante pour l'imbrication et la connexion.

Cela nous amène brièvement aux deux derniers partages pratiques de méthodologie. Et, cette section est à nouveau liée au haut niveau de discipline et de suffisance organisationnelle.

Un brevet de Trystan Upstill et Steven D. Baker pour reconnaître les termes co-occurrents dans les listes HTML. L'importance de ce brevet est qu'il montre la valeur d'une seule liste HTML pour déterminer les listes de termes co-occurrents pour un sujet, ou une partie de la taxonomie des phrases.

11. Comprendre quand publier un réseau de contenu sémantique avec une fréquence ajustée

Cela a déjà été expliqué, mais dans l'un de ces projets d'étude de cas SEO, j'ai publié près de 400 éléments de contenu en une journée. En ce qui concerne l'autre, j'ai commencé à publier soudainement seulement 10 à 15 contenus, puis j'ai augmenté la vitesse au fil du temps avec une constance jusqu'à ce que les problèmes économiques liés à Covid commencent.

Si une nouvelle source crée un nouveau réseau de contenu sémantique, le publier le premier jour peut être un peu plus difficile que vous ne le pensez, vérifier tous les liens internes, les grammaires et les informations sur la page Web n'est pas si facile. Mais, si tout le contenu provient d'un seul sujet et d'un modèle de requête, et si la source n'a aucun historique sur ce sujet, la publication de la majeure partie du réseau de contenu sémantique présente des avantages tels qu'une indexation plus rapide, une compréhension et reclassement.

Dans ma situation, il y avait aussi un événement historique avec une saisonnalité. Donc, mon objectif était d'avoir un niveau de position moyen suffisant jusqu'à ce que je puisse être testé par le moteur de recherche pour les entités spécifiques et les activités de recherche par rapport aux sources plus anciennes. Ainsi, j'ai publié le premier Semantic Content Network avec un haut niveau de préparation avant les 45 jours de l'événement saisonnier.

Ensuite, vous pouvez voir comment le moteur de recherche a testé la source à plusieurs reprises comme ci-dessous.

Une explication plus détaillée peut être trouvée ci-dessous.

Une vérification rapide des faits peut être trouvée ci-dessous pour l'explication de la capture d'écran ci-dessus.

• La mise à jour de l'algorithme Broad Core a réduit le trafic du site Web de plus de 200 %.
• Le site Web a également perdu plus de 15 000 requêtes.
• Cela a affecté l'indexation globale de la source pour le nouveau réseau de contenu sémantique, comme dans l'article détaillé de l'étude de cas sur le référencement qui a été mieux expliqué.
• Grâce à l'événement SEO saisonnier, le reclassement a eu lieu plus tôt, et après l'événement SEO saisonnier, le moteur de recherche a normalisé le classement de la source en fonction du trafic réel lors des mises à jour non confirmées.
• Les requêtes et les classements acquis grâce au premier réseau de contenu sémantique et à l'événement saisonnier ont été protégés et encore améliorés.
• Le premier réseau de contenu sémantique a également pris en charge le nouveau et deuxième réseau de contenu sémantique.

La perte de requête et la perte de classement moyenne peuvent également être vues à partir d'Ahrefs comme ci-dessous. Vous pouvez vérifier l'effet de la mise à jour de l'algorithme Google Broad Core de juin 2021 (GBCAU) ainsi que l'effet de la mise à jour non confirmée.

Ainsi, utiliser un réseau de contenu sémantique avec de multiples stratégies possibles est une nécessité. Même si le GCBAU est perdu, encore, grâce à d'autres facteurs liés au moteur de recherche, la nature peut aider un référencement. Ainsi, vous pouvez imaginer pourquoi expliquer ces choses à un auteur ou à un client est plus difficile que le référencement technique. Le référencement sémantique n'utilise pas de valeurs numériques, il utilise des connaissances théoriques issues de la compréhension des moteurs de recherche via des brevets, des documents de recherche, de l'expérience et des annonces historiques.

12. Utilisez l'optimisation des phrases sur la page pour une meilleure structure factuelle

Pour être honnête, même la 10e liste est un sujet entièrement nouveau et il peut même nécessiter d'écrire 20 000 mots ici. Mais je vais commencer par un exemple simple.

• X est Y.
• Y est X.

Pour les exemples de phrases ci-dessus, vous pouvez comprendre les choses ci-dessous.

1. Les phrases ci-dessus ne sont pas dupliquées.
2. Les propositions ci-dessus sont en double.
3. Les explications relationnelles entre deux phrases sont les mêmes.
4. Les étiquettes de rôle sémantique sont 100 % différentes.
5. La sortie de reconnaissance d'entité nommée est 100 % identique.

L'optimisation des phrases sur la page est liée aux algorithmes de génération de questions et aux technologies d'appariement question-réponse. Un format de question nécessite un certain type de phrase. Et certains types de questions doivent être répondus avec certains types de phrases. Le format du contenu, le NER et l'extraction des faits seront affectés par l'optimisation de la structure des phrases.

Les triplets (un objet, deux sujets) peuvent être extraits et vérifiés en termes de précision plus rapidement. Deux phrases similaires ne signifient pas qu'elles sont en double, cela signifie qu'elles sont proches l'une de l'autre en termes de structure de phrase. Tant que la proposition est différente, l'utilisation de phrases similaires entre des modèles de documents similaires pour différentes paires requête-intention est une nécessité pour la création d'un réseau de contenu sémantique.

Des structures de phrases claires avec un modèle approprié sont utiles pour rendre les éléments de texte plus pertinents les uns par rapport aux autres tout en aidant un moteur de recherche à reconnaître les entités nommées, les sujets, les attributs, ainsi que leurs valeurs les uns par rapport aux autres.

Cela aidera également à voir quelle section d'un article peut être améliorée, et dans les Topical Nets, où votre contenu se classe mieux pour quels types de paires de mots, de vecteurs de mots et d'intentions. Parce que, si certains types de structures de phrases pour certains types de questions peuvent être observés sur plusieurs pages Web, cela aidera les tests A/B SEO avancés avec des quantités infinies d'échantillons de données et d'échantillons de test. Vous pouvez créer plusieurs conceptions de phrases dans la page pour vérifier comment un moteur de recherche extrait les faits pour les comparer.

Quand il s'agit de donner les faits, il faut se souvenir du "Knowledge Vault" et du Luna Dong.

13. Donnez des informations sur le monde réel avec précision et cohérence, pas des opinions avec Fluff

La précision signifie ici pouvoir être comparée à des valeurs numériques, ou à des relations conceptuelles concrètes. La cohérence signifie que vous protégez votre position pour la proposition spécifique. Par exemple, ne dites pas que "le produit X est le meilleur pour Y" pour chaque avis produit lié au Y. Ne faites pas de propositions contradictoires sur l'ensemble du site. Et, si le produit est le meilleur, quelle en est la preuve ? La matière, la taille ou la couleur et l'odeur ? Fluff dans le texte signifie que vous utilisez des mots de pont inutiles, ou que vous ne dites pas des choses qu'il n'est pas possible de prouver, ou que vous contredisez la vérité.

Dans le cadre de ces instructions non définitionnelles qui sont prises en charge par certains des exemples, vous pouvez vérifier l'un des modèles de langage de Google qui est KeALM.

Il sert à générer du texte à partir d'une base de données avec les modèles de données à texte et à vérifier l'exactitude du contenu.

KELM est un exemple d'audit d'exactitude pour les propositions avec des méthodes text-to-data.

Il s'agit aussi un peu de la définition du "triplet" et de "l'extraction d'informations ouvertes pour les entités inconnues", mais comme vous le savez, c'est la version abrégée, et je suppose que j'en ai assez dit. Fondamentalement, lorsque vous donnez des informations erronées sur votre site Web, assurez-vous que Google est en mesure de les comprendre pour diminuer la confiance basée sur les connaissances de la source. Ici, vous devrez peut-être également savoir que, puisque vous êtes en mesure d'étendre la base de connaissances, un moteur de recherche peut modifier sa propre base de connaissances en fonction de vos informations, si vous avez une source corrélée avec le PageRank et la confiance de la base de connaissances. avec une grande précision et des triplets uniques.

14. Comprendre l'arbre de dépendance sémantique pour les entités

L'arbre de dépendance sémantique signifie que les attributs qui signalent des relations avec d'autres entités ont une dépendance hiérarchique entre eux. L'arbre de dépendance sémantique peut être observé en vérifiant plusieurs profils d'entités et angles tels qu'un pays peut être membre d'une organisation, et en tant qu'autre entité, cette organisation peut avoir d'autres attributs qui peuvent être attribués aux pays connectés avec des relations déduites.

Ci-dessous, vous pourrez voir un exemple simple du moteur de recherche, directement.

REALM est une méthode qui utilise des arbres de dépendance sémantique pour extraire des informations d'un texte ambigu.

Sur le Web ouvert, l'extraction d'informations ouvertes peut reconnaître de nouvelles entités nommées et extraire ces mêmes entités comme co-occurrentes avec d'autres entités. Ces co-occurrences et attributs mutuels au sein de l'article peuvent affecter un contexte et un type de relation candidat entre les entités. En fonction des connexions et du type d'entité, l'arbre de dépendance sémantique peut être créé. La même logique se produit également pour la sémantique lexicale. Le mot "garçon" a des significations possibles et d'autres significations exactes. Par exemple, un garçon est un homme et probablement un adolescent qui n'est pas marié. Il peut également être utilisé à proximité de l'élève. Le mot « reine », d'autre part, comprend d'autres significations secondaires et exactes telles que « femme » et « être un gouverneur ». Ainsi, avoir quelque chose à gouverner est une hiérarchie d'arborescence de dépendance sémantique naturelle qui peut signaler certains types de modèles de requête tels que "Queen of…" ou "For Quen". These contextual layers with context qualifiers should be united naturally with contextual domains and knowledge domains for improving the topical and contextual coverage together.

Generating Midstring Query Refinements is another Google Patent that shows the Semantic Content Network's connections to each other. Every midstring query refinement is a part of the topic's sub-topical net. A semantic content network that focuses on all these query refinement candidates with the correct semantic annotations will have the advantage of better re-ranking and initial ranking.

Last Thoughts on Semantic Content Network

I know that this content was highly technical in terms of Semantic SEO. And, before publishing my Semantic SEO Course, I still want to increase the knowledge, so that the first theoretical lessons can be digested by our minds faster than usual. The Semantic Content Networks can be defined as the sum of topical map, and individual content designs that include all of the headings, questions, heading levels, anchor texts, content hierarchy, and positions within the site-tree, or anything related to the content piece, including the featured images and in-page detailed images.

Here, besides the in-page sentence structure designs, or question-answer formats, or synonym sentence formats, we can also talk about the contextual vectors, contextual hierarchies, sequential sentences with bridged contexts, or evidence-based ranking by evidence aggregation. All these things would make this SEO Case Study and Guide more complicated but yet detailed. Thus, like in the previous, Importance of Topical Authority SEO Case Study and Guide, explaining Semantic Networks would make that article more complicated but yet detailed.

The future SEO Case Studies will include more and more details by supporting the previous ones. Lastly, I have gotten lots of screenshots and thank you messages from all of you that show the positive results that you have gotten thanks to Topical Authority understanding. I hope, Initial-ranking, and Re-ranking along with the Semantic Content Network understanding help you further.

See you in the next SEO Case Studies.

“The acquisition of knowledge is always of use to
the intellect, because it may thus drive out useless
things and retain the good. For nothing can be
loved or hated unless it is first known.”
– Leonardo da Vinci.