SEO e NLP
Negli ultimi tempi si parla sempre più spesso di argomenti quali Intelligenza Artificiale, Deep Learning ed Elaborazione del Linguaggio Naturale associati alla SEO. O meglio, associati a Google, il Motore di ricerca al quale più spesso ci rivolgiamo come professionisti delle SERP.
In particolare, dall’ottobre del 2019, Google ha lanciato BERT, un update dell’algoritmo che introduce un modello bidirezionale per la comprensione del linguaggio naturale. Lo scopo dichiarato di Google è chiaro: Understand Searches Better Than Never Before, comprendere la ricerca meglio come mai prima.
https://www.blog.google/products/search/search-language-understanding-bert/
Google ha a che fare principalmente con la comprensione del linguaggio, che sia una query scritta con la tastiera (del computer o dello Smartphone) o pronunciata con la propria voce: noi e gli Utenti che utilizzano il Motore di ricerca, poniamo domande per le quali Google deve trovare la risposta più adatta. L’elaborazione del linguaggio naturale, appunto NLP, oggi è quindi una parte fondamentale della ricerca di Google, conoscerla e padroneggiarla è uno strumento in più per strutturare strategie SEO a medio – lungo termine.
Topic Modeling: cos’è
Ora che abbiamo chiarito il contesto e come l’intelligenza artificiale aiuta gli algoritmi di Google nella comprensione delle query degli Utenti, andiamo un po’ più nel dettaglio, introducendo e chiarendo alcuni concetti fondamentali e tecniche specifiche che possono aiutare i SEO nel lavoro di tutti i giorni.
Il primo concetto da prendere in considerazione è il Topic Modeling, un tipo di modello statistico che ha l’obiettivo di estrarre gli argomenti (topic) da una raccolta di testi (o documenti). Per comprendere il contesto può essere utile identificare la differenza tra topic modeling e topic classification.
Il primo, il topic modeling, è una tecnica di apprendimento automatica, non supervisionata mentre il secondo, il topic classification, è un modello supervisionato.
Un’altra differenza sostanziale riguarda la modellazione stessa: il topic classification coinvolge classi che si escludono a vicenda mentre il topic modeling può classificare lo stesso contenuto in più classi, sulla base della distribuzione delle probabilità.
Topic Modeling e SEO
Una volta chiarito il significato del Topic Modeling e la sua differenza con il Topic Classification si può comprendere perché questo campo di apprendimento automatico ed elaborazione del linguaggio naturale possa essere utile per la SEO.
Esempio 1: Classificare i propri contenuti
Il primo esempio di utilizzo del Topic Modeling è per un sito web editoriale, sia esso una testata giornalistica o un blog aziendale, con molti contenuti scritti nel corso degli anni e seguendo vari trend interessanti per il proprio settore (o i propri settori).
I contenuti possono essere analizzati attraverso un modello di Topic Modeling, raggiungendo una classificazione per macro topic di ogni contenuto pubblicato nel corso degli anni. Successivamente possono essere condotte diverse analisi rispetto alla visibilità dei singoli topic, da quelli più visibili a quelli prioritari per il business, per pianificare di conseguenza le azioni da compiere, in modo puntuale, su ogni argomento.
Esempio 2: Classificare i contenuti della concorrenza
Un altro esempio, del tutto simile al primo sia per quanto riguarda le tecniche che relativamente alle conclusioni. La classificazione dei contenuti dei siti della concorrenza può essere utilizzata per compararli con i nostri contenuti e trovare, con l’aiuto dell’intelligenza artificiale, argomenti non coperti sulle nostre property digitali e aree di miglioramento. Inoltre, attraverso l’utilizzo di modelli di Topic Modeling, il monitoraggio dei competitor può essere sistematico e aggiornato con tempistiche fisse, sia per monitorare i risultati delle attività messe a punto, sia per monitorare lo status rispetto ai competitor.
Esempio 3: Classificare i contenuti più visti
Un modello di Topic Modeling può essere implementato anche per classificare i contenuti più visti in rete rispetto a un determinato argomento. L’esempio potrebbe essere quello di mettere in monitoraggio una serie di query di ricerca sulla base del volume di ricerca medio mensile ed estrarne i risultati delle SERP, includendo i classici blue links, il Box News e l’Answer Box, ove disponibili.
Tutti i risultati saranno estratti e salvati in un database, con le indicazioni di query di partenza e data di check. Dopo un periodo di raccolta dati definito, può essere condotta un’analisi approfondita su quali sono i player maggiormente presenti sulle varie features di ricerca di Google e attraverso il Topic Modeling, identificare gli argomenti dei contenuti che ottengono maggior visibilità. Questo modello può essere esteso a qualsiasi keyword-set, oltre che per lingua e località.
Conclusioni
Abbiamo visto come il Topic Modeling, tra le varie tecniche di Natural Language Processing, può essere applicato ad analisi SEO, sia per monitorare il proprio sito che la concorrenza sia per analizzare un gran quantità di dati a supporto delle strategie.
Questo è uno dei punti fondamentali, oggi l’intelligenza artificiale ci offre l’opportunità di analizzare automaticamente una gran quantità di dati, anche integrandoli tra loro da diverse fonti.
Il tempo impiegato a raccogliere e mettere insieme i dati potrà essere speso in attività non ripetitive e strategiche, che aggiungano effettivo valore ai progetti che ci sono affidati.
