Ricerca Semantica: SEO e Data Driven

Come l‘analisi dei dati può migliorare le strategie di ottimizzazione

La SEO è una disciplina olistica, è risaputo, ma ciò che la rende affascinante è la sua capacità di adattarsi al cambiamento, per affrontare le sfide che il Web ci pone con una rapidità sempre crescente.

La ricerca organica si sta evolvendo e raffinando in maniere semantica, ovvero le logiche alla base delle implementazioni dei nuovi algoritmi di Google come Renk Brain e BERT, tendono a configurare il processo di crawling come una dinamica simile ai procedimenti neuronali sottostanti al Natural Language.

Deep Learning: l‘intelligenza artificiale in SERP

L‘apprendimento profondo (deep learning) è un campo di ricerca del Machine Learning e dell’AI. Scopo del DeepLearning è definire livelli di rappresentazione profondi, attraverso gerarchie di caratteristiche di concetti, dove i livelli più alti (output) sono definiti sulla base di quelli più bassi (input). Proprio come capita per le reti neurali nella sfera della comunicazione umana.

In questo processo, definito Natural Language, i dati (input) vengono organizzati in diversi strati; ogni strato calcola i valori dello strato successivo, affinché le informazioni vengano elaborate in maniera più completa. Per strutturare questa rete neurale artificiale il Deep Learning utilizza una grande mole di dati (input)

Perchè Parlare di Deep Learning in SEO?

Sin dal 2013 con l‘algoritmo Hummingbird, Google ha iniziato un‘evoluzione del motore di ricerca in una direzione semantica, per offrire una risposta migliore alle query discorsive di ricerca dell‘utente. Con il Rank Brain del 2015 si è assistito a un passo successivo: l‘avvio del primo sistema di apprendimento automatico capace di affinare e semantizzare la crescente pluralità di risorse disponibili sul web.


Siamo poi giunti al Core Update BERT, lanciato da Google a Settembre, destinato a essere la pietra miliare del motore di ricerca del futuro. L‘intento di Bert (Bidirectional Encoder Rapresentations from Transformers) è far apparire in SERP il risultato più adeguato in relazione alle long tail query e all‘intenzionalità dell‘utente, restituendo una feedback semantico più vicino alla realtà naturale del linguaggio.
BERT infatti non si limita alla sola keyword tradizionale, ma cerca di restituire un contesto semantico più pertinente alle ricerche effettuate dagli utenti.

Come Lavora BERT?

BERT elabora un modello di linguaggio simulando la NLP (Natural Language Processing), operando sull‘intero set dell‘ordine di parole costituente di una frase, in maniera bidirezionale, diversamente dal metodo tradizionale (eft-to-right or combined left-to-right and right-to-left).

BERT permette al motore di ricerca di apprendere dal contesto delle parole, basato sui termini correlati, affini e similari, piuttosto che dall‘ordine unidirezionale delle parole all‘interno di una frase.
La rappresentazione del contesto delle parole viene detta bidirezionale, perché prende avvio dalla parte più profonda di una rete neurale, proprio come avviene nei modelli di Deep Learning.

Per esempio la parola inglese bank“  (banca) elaborata nel modo tradizionale può restituire sia l‘occorrenza bank account che bank of the river (sponda del fiume), secondo un modello di rappresentazione del contesto più arbitrario.
In un modello più contestuale come quello di BERT, l‘algoritmo fornisce una rappresentazione di ogni parola basata sulle altre parole della frase. Pertanto alla frase “I accessed the bank account” la parola bank farà riferimento esclusivamente alla situazione semantica relativa all‘accesso all‘account bancario.

Come Cambia la Ricerca: l‘intenzionalità dell‘utente

 Al principio era l‘azione scrive Goethe nel Faust… Al principio di ogni ricerca c‘è l‘intenzione. E l‘intenzione dell‘utente non è la semplice parola chiave che digita nel campo di ricerca di Google, ma è la richiesta di un preciso bisogno, necessità di ricevere una risposta per soddisfare un desiderio, raggiungere un obiettivo. La ricerca vocale sì muove proprio in questa direzione, ovvero l‘intenzionalità.

Ma come funziona il search intent ?

Per capire come funziona la ricerca intenzionale, occorre descriverla suddividendola in tre gruppi:

  • Ricerca Navigazionale: l‘utente raggiunge il sito web che già precedentemente conosce, ma del quale non ne ricorda l‘URL. Ha un valore molto alto e alti tassi di conversione, in quanto stabilisce un riferimento diretto al Brand. Es: “sito abbigliamento Nike“
  • Ricerca Transazionale: in questo tipo di ricerca l‘utente ha già in mente un azione di conversione, ovvero „fare qualcosa“, come scaricare un ebook, prenotare un volo, ecc. Anche in questo caso i tassi di conversione sono alti. Es: „ preventivo installazione fotovoltaico“
  • Ricerca Informazionale: in questo caso l‘utente non ha ancora chiaro il suo obiettivo, quindi è lontano da un azione di conversione. Infatti cerca informazioni su un argomento al fine di conoscerne qualcosa in più. Es: „ pizzeria più buona a Roma”

Qual è l‘approccio della SEO in un contesto semantico?

 La risposta è semplice: la SEO deve essere intelligentemente realisticaE per essere realistici in un universo informativo complesso come è il motore di ricerca di Google, l‘approccio vincente nel definire una strategia di ottimizzazione è il Data Driven.

Il Data Driven è una delle discipline più importanti del marketing. Riguarda la collezione e l‘analisi di dati quantitativi e qualitativi per sviluppare una strategia. Utilizzare un procedimento simile anche nella SEO può migliorare le nostre scelte quando si pianificano attività di ottimizzazione, e ci permette di avere un maggior controllo sui nostri obiettivi.

L‘analisi dei dati può fornirci informazioni precise e opportunità che possono portare a ottenere un traffico più qualitativo e profittevole per il nostro sito web. Come?

L‘analisi qualitativa dei dati:

L‘analisi qualitativa dei dati ci fornisce informazione per le query di ricerca dell‘utente. Al momento di pianificare una strategia di parole chiavi per l‘ottimizzazione delle pagine del sito e dei contenuti (blog e articoli) è importante per la ricerca semantica classificare le keywords in tre categorie:

  • parole chiavi secche e parole chiavi coda lunga
  • parole chiavi correlate (affinità di ricerca e collegamenti sinonimici)
  • question words (le domande)

Per ogni categoria, bisognerà aver presente i seguenti punti:

  • volume traffico
  • pagine di atterraggio
  • backlink
  • social share

L‘analisi qualitativa dei dati: comportamento dell‘utente

Sulla base dei risultati in Goolgenelle prime posizioni, ricerche di settore condotte dai principali Advisor della SEO, sembra che le metriche sul comportamento degli utenti siano un fattore di  da non trascurare.

Indipendentemente dal fatto che esista o meno una correlazione tra comportamento e posizionamento in SERP di Google, è comunque importante essere consapevoli dell’esperienza dell’utente sulle pagine del sito. Ecco alcuni dei segnali che i motori di ricerca possono tenere in considerazione:

  • Click-through(CTR)
  • Click sui risultati di ricerca
  • Nuove Sessioni
  • >Bounce
  • Tempo di permanenza sul sito
  • Pagine per visita
  • Visitatori di ritorno
 

Leave a Comment

Your email address will not be published. Required fields are marked *