جستجوی معنایی چیست و چه اهمیتی در سئو دارد ؟

دقت کردید جدیدا گوگل به تمام سوالات شما به درستی پاسخ می‌دهد. به سوالی که در تصویر زیر از گوگل پرسیده شده، توجه کنید.

باوجود اینکه نامی از اسم واقعی شخصیت "یودا" برده نشده، گوگل متوجه می شود راجع به چه کسی صحبت می‌کنیم و چه چیزی درمورد آن می‌خواهیم بدانیم. این کار بدون جستجوی معنایی یا سمنتیک سرچ امکان پذیر نیست.

جستجوی معنایی یا Semantic Search چیست ؟

سمانتیک سرچ یا جستجوی معنایی، یک روند بازیابی اطلاعات است که جدیدا توسط موتورهای جستجو بکار برده می­‌شود تا نزدیک‌ترین نتیجه مربوطه را نشان دهد. همانطور که می‌دانید قبلا جستجو بر اساس تطبیق عینی با کلمات کلیدی بود، اما امروزه گوگل با این قابلیت به لایه‌های عمیق‌تری از مفاهیم عبارات می‌پردازد.

این اصطلاح برگرفته از معناشناسی در شاخه زبان‌شناسی است که معنا و مفهوم کلمات را مورد بررسی قرار می­‌دهد.

چرا جستجوی معنایی دارای اهمیت است؟

با اینکه عوامل بی شماری در اصول جستجوی معنایی وجود دارد، اما ضرورت و اهمیت تاثیر آن در سئو به آسانی قابل درک است. موارد زیر ازجمله عواملی است که جستجوی معنایی به آن می‌پردازد:

• اغلب کاربران درحین جستجو از کلمات متنوعی استفاده می‌کنند که عینا شبیه عبارات محتوای مورد نظر نیست.
• بسیاری از جستجوها به طور ناخواسته مبهم هستند.
• ضرورت درک روابط بین سلسله مراتب لغوی و entity ها
• درنظر گرفتن علایق و تمایلات شخصی

گاهی مواقع هنگام جستجو نمی‌دانیم چطور سوال خود را درست مطرح کنیم. برفرض‌مثال، شما یک آهنگ در رادیو شنیده‌اید که آن را نمی‌­شناسید و از آن خوشتان می‌­آید. شروع به جستجوی بخش‌هایی از متن آهنگ در گوگل می­‌کنید تا اینکه در نهایت آن را پیدا کنید.

در حالت پیچیده‌تر می‌توان با مقایسه آنچه که در گوگل تایپ می‌کنید و آنچه که به Siri ، Alexa یا Google Assistant  می‌­گویید، کلمات کلیدی را به مکالمه تبدیل کنید. راه‌­های مختلفی برای این کار وجود دارد که موتورهای جستجو باید قادر به شناسایی تمام آن‌ها باشد.

به این صورت که محتوای ایندکس شده در موتورهای جستجو از لحاظ معنا با عبارت جستجو شده توسط کاربر، مطابقت داده می‌شود. هرچند چالش برانگیز، اما این تازه شروع کار است.

بسیاری از جستجوها به طور ناخواسته مبهم هستند

حتی در زبان انگلیسی نیز حدود 40٪ از کلمات دارای معانی متفاوتی هستند. مسلماً این، چالش برانگیزترین موضوعی است که سرچ معنایی تلاش در رفع آن دارد. به عنوان مثال، کلیدواژه "پایتون" ماهانه تنها 533 هزار بار در ایالات متحده جستجو می‌شود.

از نظر من، لغت "پایتون" در اینجا به زبان برنامه نویسی اشاره دارد. ولی افرادی که از صنعت تکنولوژی سردر نمی‌آورند، احتمالاً انتظار نتایجی مانند "مار" یا "یک گروه کمدی افسانه ای انگلستان" را دارند. مسئله این است که بدون قرارگرفتن کلمات در متن نمی­‌توان معنای دقیق آن را تشخیص داد.

در زبان انگلیسی علاوه بر چند معنایی بودن کلمات، اسم‌­های زیادی وجود دارند که به عنوان صفت، فعل و یا هر دو آن‌ها بکار می‌روند. در اینجا ما فقط درحال بررسی کلمات از لحاظ "معنای تحت اللفظی" هستیم و اگر بخواهیم عبارات را از نظر معنای استنباطی هم برانداز کنیم، بسیار گسترده و پیچیده خواهد شد (مثلا طعنه آمیز بودن کلمه).

"مفهوم" در معناشناسی از اهمیت ویژه ای برخوردار است که این اهمیت دو عامل بعدی را به دنبال دارد.

ضرورت درک روابط بین سلسله مراتب لغوی و entity ها

با توجه به تصویر زیر، به عبارتی که در گوگل جستجو شده و نمایش بهترین نتایج ممکن دقت کنید.

واقعاً جالب است.

گوگل برای درک این سوال باید مراحل زیر را طی کند:

• منظور از "شریک " چیست (به معنای شریک کاری، دوست دختر، دوست پسر، شوهر، همسر).
• متوجه شود که بازیگران متفاوتی نقش "ابی وان" را در فیلم­ها و سریال­های مختلف، بازی کردند.
• ارتباط بین آن ها را تشخیص دهد.
• درصورت وجود ابهام در لغت "ابی وان" تمام نتایج مرتبط با آن را نمایش دهد.

حتی تصور چنین چیزی در سال 2010 و یا قبل از آن محال است! اکنون بیایید یک گام به عقب برداریم و مفاهیم را یک به یک توضیح دهیم. سلسله مراتب لغوی، رابطه بین کلمات را مشخص می­کند. واژه  "شریک" فراشمول کلماتی چون: همکار، همسر(زن، شوهر)، دوست پسر، دوست دختر و غیره است.

همانطور که قبلا اشاره کردیم، معمولا سوال ما بدلیل تنوع در انتخاب واژگان، متفاوت از محتوای متنی است که گوگل در نتایج ارائه می‌دهد.

در مثال بالا، کاراکترهای فیلم و سریال­های Obi-Wan، افرادی با شغل مشخص بازیگری و نیز افراد مرتبط با آن ها (شریک­)، entity هستند. به طور کلی، entity چیزهایی است (معمولا اشخاص، مکان ها­ و اشیاء) که به وضوح قابل تشخیص باشند. با وجود چنین پیچیدگی­‌هایی در زبان باید حتی فراتر از آن هم رفت.

درنظر گرفتن علایق و تمایلات شخصی

برگردیم به مثال "پایتون". درواقع با جستجوی این کلمه تمام نتایج مربوط به زبان برنامه نویسی نمایش داده می‌شود. گوگل به وسیله اطلاعاتی محدود درمورد کاربران و سابقه جستجوی آن‌ها، می‌تواند نتایج بهتر و دقیق­تری را ارائه دهد. این داده‌­ها، برخلاف میل ما نسبت به استفاده از اطلاعات شخصی مان، برای موتورهای جستجو بسیار مفیدند.

مثلا، وقتی خدماتی را در نوار جستجوی خود تایپ می­کنید، برایتان نتایج محلی می‌­آورد.

اما نکته قابل توجه این است که گوگل می‌تواند موقتا با تغییر اهداف کاربران از جستجو، نتایج متفاوتی را ارائه دهد.

به عنوان مثال، "کرونا ویروس" اصطلاح جدیدی نیست و همیشه نام گروهی از ویروس­ها بوده. اما همانطور که می­دانید، از ابتدای سال 2020 هدف کاربر از جستجوی این کلمه به سرعت تغییر کرد. مردم به دنبال یافتن اطلاعاتی در مورد گونه خاصی از کروناویروس سندرم حاد تنفسی 2 (SARS-CoV ‑ 2) هستند و SERP (صفحه نتایج موتورهای جستجو) باید خود را با این تغییرات تطبیق دهد.

همانطور که در تصویر بالا مشاهده می‌کنید، درحال حاضر این 5 آدرس جزو برترین سایت های گوگل برای جستجوی عبارت "ویروس کرونا" محسوب می‌شوند که هیچ یک از آن‌ها تا قبل از سال 2020، در سابقه جایگاه SERP رتبه ای نداشته اند. در تجارت الکترونیک هم دقیقا به همین صورت است. همزمان با رویدادهای فروش فوق العاده مانند کریسمس یا جمعه سیاه دقیقا همین اتفاق رخ می‌دهد.

مردم در روزهای عادی بیشتر به مقایسه اجناس و یا بررسی نظرات کاربران دیگر می‌پردازند، درحالیکه در این روزهای ویژه هدف کاربر از جستجو بسیار متفاوت از روزهای معمولی است.  

تکنولوژی‌های گوگل که نقش به سزایی در عملکرد جستجوی معنایی دارد

گوگل دائما درحال به روزرسانی الگوریتم ها و تکنولوژی‌های جدیدی است که منجر به پیشرفت قابلیت‌هایی مانند درک زبان طبیعی و هدف کاربر از جستجو می‌شود.

چهار الگوریتم گوگل که نقش به سزایی در جستجوی معنایی به شکل امروزی دارد، شامل:

1. گراف دانش (Knowledge Graph)
2. الگوریتم مرغ مگس خوار (Hummingbird)
3. RankBrain
4. برت (BERT)

گراف دانش (Knowledge Graph)

گراف دانش گوگل، یک پایگاه دانش از entity ها و روابط بین آن‌ها است که در سال 2012 منتشر شد. این گراف شبیه نموداری است که در تصویر زیر می‌بینید اما با پنج میلیارد entity.

به طور خلاصه، این الگوریتم به این منظور راه‌اندازی و ارتقا یافت که هدف از جستجو (سرچ معنایی) را جایگزین تفسیر تحت الفظی کلمات کند.

دو مورد اساسی در گراف دانش :

1. 1. داده های ساختار یافته (بعدا راجع به آن بیشتر توضیح خواهیم داد)
   2. استخراج entity ها از متن

برای گزینه دوم، سه آپدیت الگوریتمی نیاز است تا موتور جستجو بتواند زبان طبیعی را درک کند. با ما همراه باشید تا با این سه الگوریتم آشنا شوید.

مرغ مگس خوار (Hummingbird)

در سال 2013 ، گوگل یک الگوریتم بنام Hummingbird راه اندازی کرد تا کاربران حین جستجو به نتایج مطلوب تری به ویژه برای جملات پیچیده برسند. Hummingbird اولین به روزرسانی عظیم گوگل بود که بر هدف کاربر از جستجوی یک کلمه کلیدی خاص تأکید داشت. این امر باعث شد فورا تغییرات اساسی در تولید محتوا ایجاد شود و بیشترین تمرکز برروی موضوع محتوا باشد و نه کلمات کلیدی.

RankBrain

احتمالا با عبارت Latent Semex Indexing یا همان LSI آشنا هستید. همانطور که قبلا هم به آن اشاره شد، عدم تطابق عبارت جستجو شده توسط کاربران با زبان محتوای مورد نظر، از جمله مشکلات LSI بود که گوگل این مشکل را توسط الگوریتمی بنام RankBrain حل کرد. این الگوریتم فراتر از تکنولوژی‌ LSI است.

به زبان عامیانه، 15٪ از کل عباراتی که کاربران جستجو می‌کنند، جدید است. گوگل با استفاده از این فناوری و الگوریتم های پیشرفته یادگیری ماشین قادر به فهم معنی کلمات و عبارات ناآشنا و جدید است. RankBrain یک الگوریتم مجزا محسوب نمی‌شود، درواقع می‌توان آن را نسخه ارتقاء یافته Hummingbird دانست.

این الگوریتم یکی از قدرتمندترین الگوریتم‌های تاثیرگذار در رتبه بندی گوگل است. تنها کاری که در این خصوص می توان انجام داد این است که با تولید محتوای با کیفیت برای مخاطبان (و نه موتورهای جستجو)، بتوان رضایت کاربران را جلب کرد.

برت (BERT)  

BERT مخفف Bidirectional Encoder Representations from Transformers، از جدید ترین و بزرگترین آپدیت‌های گوگل درخصوص عملکرد جستجوی معنایی است که حدودا 10٪ از کل جستجوها را از پایان سال 2019 تحت تاثیر قرار داده است.

برای درک بهتر عبارات و جملات طولانی و پیچیده از این الگوریتم استفاده می‌شود. گوگل به وسیله این الگوریتم سعی دارد مفاهیم بیشتری را بشناسد و راه حل مناسبی برای ابهام زدایی و تفاوت‌های جزئی ارائه دهد. از آنجا که برای بهینه سازی الگوریتم BERT  نمی‌توان به تنهایی کاری انجام داد، به خلاصه ای از مفهوم و عملکرد آن می‌پردازیم.

چگونه سایت خود را برای جستجوی معنایی بهینه سازی کنید

تا اینجا، به یک سری نکات در این رابطه اشاره کردیم. اکنون میخواهیم به نکات عملی و کاربردی آن بپردازیم.

• هدف موضوع باشد، نه کلمات کلیدی
• ارزیابی هدف کاربر از جستجو در گوگل
• استفاده از HTML معنایی
• استفاده از نشانه گذاری schema
• برند سازی برای تبدیل شدن به یک entity گراف دانش
• ایجاد ارتباط از طریق لینک

هدف موضوع باشد، نه کلمات کلیدی

برای بهینه سازی سایت قبلا این امکان وجود داشت که بتوان از یک موضوع چندین محتوا با کلمات کلیدی مختلف تولید کرد و در جایگاه بالایی از گوگل قرار گرفت. اما درحال حاضر چنین شرایطی وجود ندارد و گوگل متوجه می‌شود که تمام این جستجوها به یک مفهوم اشاره دارد و معمولا صفحات مشابه را در یک رتبه بندی قرار می‌دهد.

به منظور داشتن جایگاه بالا در گوگل، این موضوع را در نظر داشته باشید که برای تولید محتوا تنها کلمه کلیدی کافی نیست، بلکه پوشش دهی عمیق آن موضوع از اهمیت بیشتری برخوردار است. پس، گوگل صفحه شما را باتوجه به کلیدواژه های طولانی و کلمات مشابه موجود رتبه بندی می کند.

به عنوان مثال، در تصویر زیر همانطور که مشاهده می‌کنید، تحلیل کلمات کلیدی مقاله ای با عنوان Open Graph meta tags، رتبه خوبی برای صدها کلمه کلیدی دارد. بسیاری از این کلیدواژه‌ها، همان لغات است که به روش دیگری نوشته شده اند، اما برخی از آن‌ها زیردسته موضوع اصلی مانندog:title"" ، ""og url و "og:image" هستند.

با تمام این کلمات کلیدی می‌توان رتبه بندی خوبی بدست آورد، زیرا این مقاله تنها راجع به یک کلیدواژه صحبت نمی‌کند بلکه روی یک موضوع عمیق شده است. گزارش گیری از برترین صفحات نتایج گوگل با توجه به موضوع مدنظر، روش مناسبی برای تشخیص موضوعات فرعی است.

مثلا اگر بخواهیم مطلبی در مورد رشد مارچوبه بنویسیم، در قسمت سایت اکسپلورر Ahrefs، زمانیکه عبارت "رشد مارچوبه" را وارد کنیم، با بررسی گزارش کلمات کلیدی ارگانیک، کلمات رتبه بالا را از بین بقیه کلمات نشان می‌دهد.

این عبارات شامل:

• کاشت مارچوبه در چه عمقی مناسب است
• شرایط رشد مارچوبه
• زمان مناسب کاشت مارچوبه
• مکان مناسب برای کاشت مارچوبه
• نحوه برداشت مارچوبه
• نحوه مراقبت از گیاهان مارچوبه

با ذکر تمام موارد بالا می توان یک محتوای عمیق تولید کرد که ترافیک ارگانیک بیشتری را به همراه دارد. درضمن، منظور از یک موضوع ویژه این نیست که حتما تمام موارد مرتبط با آن موضوع را به طور کامل پوشش دهد و یا اینکه روی آن موضوع خیلی عمیق شود.

به عنوان نمونه، در این مقاله می‌توانستم ساعت ها درمورد تحقیقات درزمینه فرایند زبان طبیعی و اصطلاحات تخصصی و فنی راجع به جستجوی معنایی صحبت کنم. اما این کار را نکردم چون برای اکثر مردم این چیزها مهم نیست.

ارزیابی هدف کاربر از جستجو در گوگل

هنوز هم می توان محتوایی راجع به یک موضوع خاص منتشر کرد که با هدف کاربر از جستجو سازگار نباشد، اما این محتوا کمکی به دیده شدن سایت شما در گوگل نمی‌کند. تصور کنید یک متخصص بازاریاب هستید و فرصت مناسبی برای تولید محتوا درمورد "گزارش SEO" وجود دارد. مسلما دوست دارید درباره تمام مواردی که برای تهیه بهترین گزارش سئو مورد نیاز است، صحبت کنید.

پس، یک موضوع همچون "بکارگیری قدرت جستجو برای تهیه بهترین گزارش سئو" انتخاب می‌کنید. شاید واقعا این محتوا بخشی از مطالبی باشد که در نهایت به بهترین گزارش سئو منتهی شود. اما اکثر افرادی که این موضوع را جستجو می‌کنند، با قابلیت های Google sheets آشنا نیستند و تنها چیزی که برایشان اهمیت دارد، رسیدن به نتیجه مطلوب است.

بنابراین، قبل از طرح ریزی نمای کلی از محتوای جدید، ابتدا موضوع مورد نظر را در گوگل سرچ کنید، و به صفحات رده بالا در نتایج گوگل نگاهی بیندازید.

استفاده از HTML معنایی

برای پیشرفت در سمانتیک سرچ، باید از وب معنایی (HTML پایه) شروع کرد. بیایید به مقایسه عناصر HTML در تصویر زیر بپردازیم.

HTML معنایی، به کدهای صفحات وب، معنی و مفهوم می‌بخشد. بنابرین ماشین ها قادر به تشخیص بلوکهای نویگیشن، هدرها، پاورقی، جداول یا فیلم ها هستند. HTML5 که هم اکنون در جدیدترین تم های CMS بکار رفته، بیشترین اجزای معنایی را فراهم می‌کند. اگر HTML5 ندارید، معمولاً افزونه ای وجود دارد که می توانید نصب و از آن استفاده کنید.

با HTML5 می‌توان مشخص کرد که مثلا "این جدول است و یا این پاورقی است"، اما مفهوم محتوای واقعی را منتقل نمی‌کند. با این وجود هنوز محدودیت‌هایی برای HTML معنایی وجود دارد. اینجاست که نشانه گذاری schema به کمک مان می‌آید.

استفاده از نشانه گذاری schema

به نشانه گذاری schema، داده های ساختار یافته نیز گفته می شود  که روش دیگری برای نشانه گذاری صفحات سایت است. از آن می‌توان به عنوان یک چارچوب معنایی رایج برای توصیف وب استفاده کرد. فرهنگ لغت Schema.org انواع متعددی دارد که با منابع مرتبط هستند. به کمک آن می‌توان محتوای خود را نشانه گذاری کرد و بدون نیاز به الگوریتم های پیچیده برای گوگل قابل درک می‌باشد.

همانطور که در مثال زیر مشاهده می‌کنید، با محتوای ساختار یافته گوگل می‌تواند مفاهیم را آسان تر تشخیص دهد:

اما در مقایسه با مثال بالا، درک زبان طبیعی (مثال زیر) برای گوگل پیچیده تر خواهد بود :

طبق این مثال، هروقت کاربر "مدت زمان پخت پنکیک "و یا "مقدار کالری موجود در آن" را سرچ کند، گوگل باتوجه به محتوای ساختاریافته به راحتی قادر به نمایش بهترین پاسخ است.

برند سازی برای تبدیل شدن به یک entity گراف دانش

پیش تر راجع به entity ها صحبت کردیم. توضیح آن کاملا مشخص است. در بین تمام نکات بهینه سازی جستجوی معنایی، این گزینه سخت ترین موردی است که می تواند به واقعیت تبدیل شود. با برندسازی طولانی مدت و بکار بردن بقیه موارد زیر، می‌توانید به نتیجه دلخواه برسید.

ایجاد ارتباط از طریق لینک ها

از ابتدا، لینک ها یکی از اولین شاخص های ارتباطی بود. برای مثال، اگر متن A به متن B وصل شده باشد، می توان استنباط کرد که هر دو متن مرتبط هستند. به کمک انکرتکست ها و لینک‌ سازی داخلی و خارجی بین صفحات، گوگل قادر به تشخیص موضوع محتوای شما حتی پیش از پردازش آن خواهد بود.

جمع بندی:

جستجوی معنایی، کل سیستم محتوا را تحت تاثیر قرار داده است. به کمک تکنولوژی و الگوریتم های پیچیده، اصول جستجوی معنایی به راحتی قابل درک است. این امر موجب می شود تا ناشران به تولید محتوای ارزشمندتری بپردازند. بنابرین محتوایی که گوگل برای کاربران نمایش می‌دهد بسیار مرتبط با جستجوی آن ها خواهد بود. اکنون باید آماده هرگونه تغییر اساسی برای تضمین آینده سئوی سایت خود باشید.