•
17 perces olvasás
•
A látens szemantikus indexelés egy információ-visszakeresési technika, amelyet jóval az Internet használatba vétele előtt találtak ki. Egy bizonyos ponton, amikor a Google elkezdte javítani rangsoroló algoritmusait, vita támadt az LSI-kulcsszavakról, és arról, hogy azok hasznosak-e a webhely SEO szempontjából.
Ebben a cikkben a látens szemantikai indexelés eredetével és az LSI kulcsszavak fogalmával foglalkozom. És mutatok néhány LSI kulcsszógenerátor eszközt a szövegíráshoz. Élvezd!
A Latent Semantic Indexing, röviden LSI, egy matematikai technika, amely kapcsolatokat talál a szavak között egy dokumentumgyűjteményben. Az LSI segítségével tucatnyi szöveget összehasonlíthatunk, és arra a következtetésre juthatunk, hogy némelyikük téma szerint hasonló. Az algoritmus akkor is hasonlóságot idéz elő, ha a fő téma kulcsszavait nem használják közvetlenül egyes szövegekben.
Más szavakkal,
A látens szemantikai elemzés iránti igény akkor jelent meg, amikor a számítógépes kapacitások növekedtek, és a programozók igyekeztek javítani a felhasználók információhoz való hozzáférését. A szöveghez kapcsolódó információfeldolgozás hatékonyabb szemantikai elemzést igényelt. Az LSI technika a szövegelemzés számos kérdésének, nevezetesen a szinonímiának és a poliszémiának a megoldására irányult.
Mik azok a szinonimák?
A szinonímia egy nyelvi kifejezés, amely ugyanazon dolog vagy fogalom különböző szavak létezését írja le. Például arra az útra, ahogy haladsz, számos szóval leírhatod: útvonal, út, meghajtó, átjáró.
Mi a poliszémia?
A poliszémia egy nyelvi kifejezés egy szóra, amelynek több jelentése van. A poliszémeknek azonban különböző jelentései vannak, egymáshoz kapcsolódó jelentései. Vegyük a vezetés szót: vezethetsz egy járművet, vagy hazaviheted a barátodat egy kocsmából, vagy egyszerűen vezethetsz sokáig. A másik dolog az, hogy valakit megőrjíthetsz. A szó jelenthet elhatározást, utazást, széles bérletet a járművekhez, számítógépes részt stb.
Mi a homonímia?
Egy kicsit más jelenség a homonímia, amikor a szavakat ugyanúgy írják (homográfok) vagy hangzanak (homofonok), de más fogalmakat jelentenek, amelyek eredete nem kapcsolódik egymáshoz. Például igeként kell lenni vagy nem lenni, és van méh, mint rovar.
Ezek a nyelvi jelenségek a művészetben és az irodalomban minden szójáték és humor mozgatórugói.
Mégis, a szinonímia és a poliszémia a fő oka annak, hogy a pontos kulcsszavak nem megfelelőek a keresőmotorok számára.
Az LSI olyan mögöttes szemantikai struktúrákat tár fel, amelyek a megfogalmazás változékonysága miatt elrejthetők vagy eltakarhatók. Ez a technika lehetővé teszi, hogy egy szöveggyűjteményben több dokumentum között hasonlóságokat találjunk, és a keresők számára a legrelevánsabbakat találjuk meg.
Az LSI egy szabadalmaztatott technológia, amelyet 1988-ban adtak ki (és a szabadalom 2008-ban járt le).
Az LSI egy terminus-dokumentum mátrixot és egy általános lineáris algebrai technikát, a Singular Value Decomposition (SVD) használ, hogy megtanulja a fogalmi összefüggéseket egy szövegben. Hacsak nem ismeri a mátrixokkal és sajátvektorokkal végzett műveleteket, időbe telhet, amíg megérti, hogyan működik, de itt egy rövid próbálkozás.
A számítások azonosítják a szövegtörzsben előforduló együttállásokat, segítve a szöveggyűjtemény több dokumentumában közös fogalmak feltárását. Az LSI előnye, hogy segít kiküszöbölni a zajt, és a nagyon ritka TDM-mátrixot alacsony rangú közelítővé alakítja, amely felfedi a közös struktúrákat. Az LSI hiányossága a számítás bonyolultsága.
Ez az LSA-példa animációja a témamodellezési oktatóanyagok bevezetőjéből.
Az LSI segítségével a kifejezéseket kifejezésekkel, a dokumentumokat dokumentumokkal és a kifejezéseket dokumentumokkal lehet összehasonlítani. Konkrétabb esetként a szomszédos kifejezések megkeresésére szolgál (ezek a súlyuk szerint legközelebb álló kifejezések), egy fogalomhoz szorosan kapcsolódó szócsoport megtalálását. Ezek nemcsak szinonimák, hanem ellentétek is lehetnek, vagy egyszerűen csak olyan szavak, amelyek gyakran együtt járnak a fő témával. Az LSI clustering szónak köszönhetően hatékony a dokumentumok keresésében és kategorizálásakor.
Az LSI kulcsszavak olyan szavak, amelyek szemantikailag kapcsolódnak az oldal fő témakulcsához, és számos hasonló szövegben megtalálhatók.
Az LSI kulcsszavak egyszerű megértéséhez vessünk egy pillantást egy véletlenszerű lekérdezésre, például a „klímaváltozás” kifejezésre. Először is gondoljon arra, hogy milyen asszociációk vannak a szókifejezéssel.
Ha beírja a keresősávba, egy csomó különféle oldalt fog kapni. A Google egy kiemelt részletben kiemeli a fogalom meghatározását a Wikipédiából, félkövér betűvel kiemelve az éghajlatváltozással kapcsolatos legfontosabb kifejezéseket: „jégolvadás”, „óceán felmelegedése”, „tengerszint-emelkedés” és „óceán savasodása”.
A keresési eredményoldal alján találunk néhány relevánsabb kifejezést, mint például a "globális felmelegedés", "üvegházhatású gázok kibocsátása" stb. Ezek olyan szavak és kifejezések, amelyek a legtöbb szövegben a legfontosabb kulcsszavaink mellett jelennek meg.
A trükkös kérdés az LSI-vel kapcsolatban...
Mindazok számára, akik azt kérdezik, hogy a Google használ-e LSI kulcsszavakat, egyszer s mindenkorra kap egy rövid választ John Mueller Google képviselőtől:
Tehát miért kapcsolódik a Google a látens szemantikai elemzéshez? Biztosan tudjuk, hogy a Google keresője megkülönbözteti a poliszémákat és a szinonimákat. Népszerű lekérdezések esetén a SERP-n legalább több találatnak le kell fednie a téma megközelítőleg ugyanazt a szempontját, mivel a Google sikeresen azonosítja a kulcsszót és megkülönbözteti a poliszémeket (természetesen, ha megadja, de a keresési előzmények alapján is), és még értelmezi is a kulcsszót. a lekérdezés célja a legrelevánsabb szövegek rajzolása.
Sőt, a Google minden nap olyan keresések 15%-át kapja, amelyekkel korábban még nem találkozott. Hogyan kezeli őket?
Az igazság az, hogy aligha lehet említeni olyan Google-kutatást, amely az LSI-kulcsszavakra vonatkozna, és megmutatná, hogy az LSI-t melyik szakaszban valósították meg az algoritmusaiban. Az biztos, hogy manapság a Google fejlettebb természetes nyelvi feldolgozó algoritmusokat használ az egyre bővülő web átvizsgálására. Bill Slawski itt egyértelművé teszi, hogy a Google miért alig használja az LSI-t keresésre, és idézi a 2017-es szabadalmakat, példaként említve, hogy egy újabb Google algoritmus, a RankBrain szóvektoros megközelítésen alapul.
A legújabb algoritmus-frissítések közül a Google a BERT segítségével javítja a keresési eredmények relevanciáját a felhasználói lekérdezések szempontjából. A természetes nyelv feldolgozására szolgáló neurális hálózatot a szövegrészek rangsorolására vagy a videók mély szemantikájának megértésére használják, ami sokkal bonyolultabbnak tűnik, mint az LSI.
Kapcsolódó olvasmányok Google MUM: Keresési frissítések és SEO vonatkozások
Az LSI-t az internet felemelkedésekor találták fel. A mai világháló számára az LSI nem praktikus, nemhogy elegendő.
Egy dolog, amit szem előtt kell tartani, az az, hogy az LSI csak egy a szemantikai elemzés számos technikája közül, a valószínűségi látens szemantikai elemzés, a főkomponens-elemzés, a látens dirichlet-allokáció, a Word2Vec stb. mellett.
Míg az LSI technikát elutasítják, mint túl régi és egyszerű a mai keresési igényekhez, az „LSI kulcsszavak” kifejezést a tartalommarketingesek használják az oldalon végzett optimalizálási munka hatókörének leírására. Szóval, mit érnek az LSI kulcsszavak a SEO számára?
Az LSI kulcsszavak fő előnye, hogy segítségével javíthatja az oldal SEO-ját. Az LSI-eszközök célja nem a Google algoritmusainak módosítása. A szövegelemzésre összpontosítanak, hogy megtalálják a természetesen egymás mellett előforduló szavakat és kifejezéseket a SERP-en már elérhető szövegek alapján.
Az LSI lehetővé teszi a kontextus gazdagítását szemantikailag kapcsolódó kulcsszavakkal. Az LSI-kulcsszavak használata segít a lekérdezés természetes kontextusának megteremtésében, és a téma mélyebb lefedésében. A tartalomírásban egyfajta segítőként kezelheti.
Az „LSI szövegírás” kifejezést a tartalommarketingben használják a kapcsolódó kifejezések tartalomhoz való hozzáadásának folyamatára. Durván szólva, a SEO szövegírás hajlamos megszabadulni az elavult és természetellenes kulcsszókitöltési technikáktól. Inkább a felhasználóbarát tartalom létrehozására összpontosít: a szövegíróknak természetes módon kell megírniuk a szövegeket, és hozzáadott értéket kell teremteniük a felhasználók számára (ugyanaz, amire a keresőmérnökök is törekednek).
Tehát amikor LSI-kulcsszavakról beszélünk, akkor olyan releváns kapcsolódó kulcsszavak keresését értjük alatta, amelyek hozzáadásával javítható a tartalom. Ebben az esetben úgy beszélünk róla, mint a tartalomkészítők által használt marketingfogalomról.
Először is gondolkodj. Ha szakértő vagy, rengeteg ötletet találhat majd a cikkben. Mi van, ha kifogytál az ötletekből? Használjon kulcsszóeszközöket.
Az első módszer, amely eszébe jut, amikor LSI-kulcsszavakat szeretne keresni, a Google kulcsszójavaslatainak használata. Ha azonban a Google szokásos kulcsszóeszközeiről beszélünk, nem használhatjuk őket LSI kulcsszógenerátorként, mivel a Google algoritmusai nem a látens szemantikus indexelésről szólnak.
Bár a Google automatikus kiegészítése kétségtelenül a legjobb forrás a kulcsszavak felfedezéséhez, nem mindig ezt értjük LSI-kulcsszavakon. Ezenkívül vegye figyelembe a hosszú farkú kulcsszavak és a szemantikus LSI kulcsszavak közötti különbséget. A hosszú farkú kulcsszavak már magukban foglalják a fő kulcsszót, nagy valószínűséggel beleillenek a tartalomba, és valószínűleg ezeket szeretné követni célkulcsszó-kifejezésként. Míg az LSI kulcsszavak egyáltalán nem tartalmazzák a célkulcsszót.
A SERP alatt mindig látni fogja az univerzális keresési eredményt, amely az Emberek is kérdeznek mezőként ismert. Ez a hely nagyobb valószínűséggel kínál néhány nagyszerű szemantikailag kapcsolódó témát.
A doboz kibontása közben további kérdéseket és válaszokat fog látni. Minél több kérdést lát, annál több kérdést javasol a Google. A javasolt témák azonban egyre jobban eltávolodnak az alaptémájától.
A PPA mezőben található nyomok nagyszerű választást jelentenek az LSI kulcsszavak közül a mobil hangalapú kereséshez és a GYIK mezőkhöz való optimalizáláshoz.
Íme egy másik ingyenes kulcsszógeneráló eszköz a Google-tól. A keresési eredményoldal alján tekintse meg a Kapcsolódó keresések eredményeit, vagyis azokat a témákat, amelyek a fő keresési kifejezés mellett a leggyakoribbak. Hasonló keresések során talál néhány jó altémát, amelyekkel hozzáadhatja főbb tartalmához, és mélyebbé teheti cikkét. A szinonimák és a kapcsolódó kifejezések nagyszerű módja a tartalom gazdagításának.
A Google Képek egy másik egyszerű módszer a kulcsszavak címkék segítségével történő megtalálására. Az eszköz a legnépszerűbb rövid farkú kulcsszavakat javasolja, amelyek szemantikával szorosan kapcsolódnak a célkulcsszóhoz, és bőségesen jelennek meg a képi eredményekben.
Kapcsolódó olvasmány: 20+ ingyenes kulcsszókutató eszköz
Az akadémiai kutatások egyszerű LSI kulcsszógeneráló eszköze az XLSTAT, az Excel kiegészítője. Az XLSTAT kéthetes ingyenes próbaverziót kínál a kipróbáláshoz, valamint egy bemutató táblázatot, amely bemutatja, hogyan kell alkalmazni az LSI-t a dokumentum-távú mátrixra.
Először is létre kell hoznia a DTM-et bináris értékekkel a szövegekben előforduló szavakhoz. Ezután, ha az XSTAT aktiválva van az Excelben, lépjen a Speciális szolgáltatások elemre (a + gomb megnyomásával), és válassza a Szövegbányászat > Látens szemantikai elemzés lehetőséget. Folytassa az adatokhoz szükséges beállítások megadásával, majd kattintson az OK gombra az alkalmazáshoz.
Az eszköz biztosítja azoknak a témáknak a listáját, amelyeket az LSI-eszköz az adatokból kivált. Az eredmények minőségének gyors értelmezéséhez az eszköz egy scree plot-ot generál, amely sajátértékeken és kumulatív változékonysági százalékon keresztül méri a témák fontosságát. Vannak a kifejezések és a dokumentumok közötti kapcsolatok vizualizációi is.
Az LSI Graph egy szép szemantikai kulcsszóeszköz, amely önmagáért beszél. Lehetővé teszi napi 10 keresés elvégzését ingyenesen. Csak keresse fel a webhelyet, illessze be a kezdő kulcsszót, és megjelenik az LSI kulcsszavak listája, valamint SEO statisztikák, amelyek segítenek kiválasztani a legígéretesebb kulcsszókifejezéseket. Az eredmények egy csomó ötletet hoznak, amelyekkel több témával vagy funkcióval gazdagíthatja a tartalmat.
Az LSI Graphban megtekintheti a kulcsszó keresési mennyiségét, a kattintásonkénti költség költségeit és a trendeket egy adott időintervallumban. Az LSIGraph LSI-kulcsszavak keresését hajtja végre saját, saját fejlesztésű mérési módszerével, amelyet látens szemantikai értékként (LSV) ismerünk. A jobb oldali munkaterületen a legjobban teljesítő tartalmakat láthatja aktív hivatkozásokkal, amelyekkel gyorsan megtekintheti őket.
Az LSI Graph prémium szolgáltatásokat is kínál, beleértve a tömeges kulcsszókezelést és a Semantic Writer eszközt. Az eszköz lehetővé teszi a tartalom alkalmazáson belüli optimalizálását, LSI-kulcsszavak generálását és a tartalom melletti megtekintését, mérheti a szószámot, a kulcsszósűrűséget stb. Valójában a Semantic Writer segítő kezet nyújt a SEO szövegíróknak, különös tekintettel a kutatásra. LSI kulcsszavak.
A Keysearch egy másik ingyenes eszköz a tartalomhoz tartozó LSI kulcsszavak felfedezésére. Az eszköz mögött meghúzódó kulcsszókereső algoritmus végigmegy a Google keresési eredményeinek első oldalán a fő kulcsszóra vonatkozóan, és elemzi az összes rangsoroló oldalt, hogy megtalálja az azokon leggyakrabban használt szavakat és kifejezéseket.
Ismét megkapja az összes kulcsszókutatási statisztikát, például a keresési trendeket, a CPC-költségeket, és még a kulcsszó SERP-ben rangsorolt domainek erősségét is, a linkekkel, az organikus forgalommal és a közösségi média népszerűségével együtt.
A Keysearch egy Content Assistant eszközt kínál, amely a mélyelemzési funkció algoritmusát használja. Újabb szintet ad az LSI kulcsszavak megtalálásához. Az eszköz tartalmazza a kapcsolódó Google-kereséseket, valamint a Google első találatához vezető kulcsszavakat. Így megtalálhatja a legjobb oldal legjövedelmezőbb kulcsszavait, amelyek a legtöbb organikus forgalmat vonzzák a webhelyre.
Így a Keysearch egyesíti a kutatáshoz használt kulcsszóeszköz jellemzőit egy tartalomíró eszközzel, amely segít a SERP elemzésen alapuló tartalom létrehozásában. Ez egy egyszerű és egyszerű módja annak, hogy LSI-kulcsszavakat generáljon, amelyeket hozzáadhat a tartalomhoz, amelyeket automatikus elemzések vonnak le a legmagasabb rangú eredményekből, a Google kapcsolódó kereséseiből és a kérdésmezőkből.
A Content Editor a WebSite Auditor részét képezi, amely a SEO PowerSuite szoftver egy olyan eszköze, amely egyesíti a webhelyrobot és a tartalomoptimalizáló alkalmazás funkcióit. A tartalomkészítéshez a WebSite Auditor külön modullal rendelkezik az egyes oldalak auditálására, valamint az intelligens írássegéd eszközzel az oldalak alkalmazáson belüli optimalizálására.
Az LSI kulcsszavak megtalálásához indítsa el a Webhely-ellenőrzőt, és lépjen az Oldalnaplózás > Tartalomszerkesztő modulba. Nyomja meg a + gombot az optimalizálni kívánt oldal URL-jének hozzáadásához (a meglévő vagy az új oldal), majd folytassa a célkulcsszó hozzáadásával az oldalhoz.
A Tartalomszerkesztő eszköz elemzi a SERP-t a legmagasabb rangú oldalakra vonatkozóan, és oldaloptimalizálási tippeket ad.
A főablakban lesz a szerkesztési terület, ahol létrehozhatja a tartalmat, és megtekintheti az optimalizálási pontszám javulását a jobb oldalon, az alkalmazáson belül.
Alternatív megoldásként a tartalomkészítők számára lehetőség van arra, hogy az ajánlásokat PDF-fájlba exportálják, és átadják őket más íróeszközben való használatra.
A kulcsszószám mező szerkeszthető. Megtekintheti az oldalon a meglévő kulcsszavak gyakoriságát, és azt, hogyan javíthatja azt több vagy kevesebb kulcsszó használatával. Ezt a mezőt manuálisan is szerkesztheti (és több LSI-kulcsszót is hozzáadhat manuálisan).
A WebSite Auditorban van egy speciális TF-IDF eszköz, amely a „Term Frequency – Inverse Document Frequency” rövidítése. A TF-IDF egy kulcsszó-kifejezés fontosságát méri úgy, hogy összehasonlítja azt a kifejezés gyakoriságával számos dokumentumban. Ez a tartalomelemzési technika alapvetően ugyanazokat a lépéseket követi, mint az LSI az SVD alkalmazása előtt. Míg az LSI megtudja, hogy mely témák melyik dokumentumhoz közösek egy szöveggyűjteményben, a TF-IDF egyszerűen mérlegeli bennük a kifejezéseket.
A Tartalomszerkesztő TF-IDF eszközének szépsége abban rejlik, hogy világosan megjelenített grafikonokon jeleníti meg a szóhasználatot. Megmutatja az átlagos kulcsszavak számát a versenytársak oldalain, és kiszámítja az oldalon használandó kulcsszavak számát. A gyorsjavaslat eszköz azt javasolja, hogy adjon hozzá egy új kulcsszót, vagy használjon kevesebb kulcsszót a kulcsszótömörödés elkerülése érdekében.
A Tartalomszerkesztő ajánlott számú kulcsszót kínál a tartalomban, amelyeket a legjobb versenytársak tartalmából vettek, és a TF-IDF paraméterrel szűrtek. Kibonthatja a versenytársak listáját, és láthatja az URL-eket, valamint azt a forgalmat, amelyet az oldal a célkulcsszó organikus keresésével szerzett. Megtekintheti az oldal egyszerű szöveges verziójának előnézetét közvetlenül az eszközben, vagy továbbléphet a webhelyre az eszközből származó gyorshivatkozással.
A tartalomelemzés befejeztével az eszköz olyan témákat és kérdéseket javasol, amelyeken érdemes elidőznie a tartalomban, közvetlenül a Google SERP-ből ( "Az emberek is kérdeznek" szakasz) húzva. Ez segít abban, hogy több témaötletet alkosson, és alaposabban lefedje fő témáját.
Ahogy folyamatosan új tartalmat ad hozzá, az egyes kulcsszavak súlya az általános szószámhoz képest változik. Egy speciális Word felhő widget szemlélteti a kulcsszavak súlyát a tartalomban.
A kapcsolódó szavak és kifejezések említése javíthatja a helyezéseket? Nem pontosan, a hatás nem garantált. Releváns kulcsszavakat ad hozzá a tartalomhoz, és kibővíti a témát, mélyebben foglalkozik vele. Mindeközben több kulcsszót kap az oldalon, és a célkulcsszavakat továbbfejlesztett kontextus támogatja. A keresési algoritmusok felfedhetnek néhány további lekérdezést, amelyekre az oldalak irányulnak. Ez relevánsabb organikus forgalmat irányít webhelyére, és általánosságban hozzájárul az online láthatósághoz. De milyen további kulcsszavak a legjobbak az oldaloptimalizáláshoz?
Függetlenül attól, hogy a keresőmotorok használnak-e LSI-t manapság, az LSI-kulcsszavak fogalmát a keresőoptimalizálók a tartalom létrehozásának elősegítésére használják. Az LSI-kulcsszavak szerepének megértésével hatékonyan beépítheti őket kulcsszóstratégiájába. Ne feledje, hogy a Google algoritmusai több száz rangsorolási tényezőt használnak, ahol a tartalom a király.
Bármilyen kulcsszókereső eszközt vagy technikát is alkalmaz, csak a kiváló minőségű tartalom létrehozására koncentráljon. Ne kételkedjen a hosszan tartó olvasmányok értékében, mert a nagyszerű tartalmak szavazatot kapnak, és a keresőmotorok is látják.