Jump to content
4.4.6
Sign in to follow this  
Sipsb

Google: такого понятия, как ключевые слова LSI, не существует

Recommended Posts

Sipsb

На днях сотрудник Google Джон Мюллер в ответ на вопрос одного из вебмастеров заявил в Twitter, что такого понятия, как LSI-ключи, не существует.

LSI-keywords.png

Цитата

«Такого понятия, как ключевые слова LSI, нет. Любой, кто говорит вам обратное, ошибается», — написал Мюллер.

LSI-копирайтинг (LSI – аббревиатура от latent semantic indexing, что в переводе с англ. яз. означает «латентное семантическое индексирование») – методика написания и подачи текстового материала, повышающая его релевантность при анализе синонимов и ключевых слов, сопутствующих основному запросу. Считается, что основная задача LSI-текста – решение конкретной задачи пользователя.

Эта методика достаточно популярна в SEO-сообществе, однако не все разделяют мнение о её эффективности. Некоторые специалисты считают, что LSI-ключи становятся менее значимыми, а большую важность приобретает авторитетность.

Share this post


Link to post
Share on other sites

Create an account or sign in to comment

You need to be a member in order to leave a comment

Create an account

Sign up for a new account in our community. It's easy!

Register a new account

Sign in

Already have an account? Sign in here.

Sign In Now
Sign in to follow this  

  • Similar Content

    • DarkShy
      By DarkShy
      Добрый день, Нуждаюсь в помощи по решению вопроса с добавлением кода для автоматического оповещания поисковой системы Яндекс.
      Код из файла /sitemap/Sitemap.php:
       /* Ping Google */         $response    = \IPS\Http\Url::external( "http://www.google.com/webmasters/tools/ping?sitemap=" . urlencode( $this->sitemapUrl ) )->request()->get();         if( $response->httpResponseCode != 200 )         {             $this->log[] = 'sitemap_ping_google_fail';         }         else         {             $this->log[] = 'sitemap_ping_google_success';         }  
    • Fruit_Fellow
      By Fruit_Fellow
      Зашёл на форум, чтобы прочитать, какие либо советы или решения для SEO IPS, увидел данный раздел, улыбнулся, подумал что люди все таки обсуждают, но тут увидел что нет, не одной темы по данному разделу, КАК ТАК ?  
      На IPS всё как и везде? Нету, нечего особенного, по поводу оптимизации и продвижения, "улучшения" в поисковой выдаче и т.п.? На IPB помню, даже обсуждались теги h1-h6, а тут   ти ши на ... Разочарование ... 
    • ๖ۣۣۜDesperate™
      By ๖ۣۣۜDesperate™
      Яндекс запустил новый поисковый алгоритм — «Палех». Он позволяет поиску Яндекса точнее понимать, о чём его спрашивают люди. Благодаря «Палеху» поиск лучше находит веб-страницы, которые соответствуют запросам не только по ключевым словам, но и по смыслу. За сопоставление смысла запросов и документов отвечает поисковая модель на основе нейронных сетей.
      «Длинный хвост»
      Каждый день поиск Яндекса отвечает примерно на 280 миллионов запросов. Какие-то из них, например [вконтакте], люди вводят в поисковую строку практически каждую секунду. Какие-то запросы уникальны — их задают один раз, и они, возможно, больше никогда не повторятся. Уникальных и просто редких запросов очень много — около ста миллионов в день.
      График частотного распределения запросов в Яндексе часто представляют в виде птицы, у которой есть клюв, туловище и длинный хвост. Список самых распространённых запросов не особо велик, но их задают очень-очень часто — это «клюв» птички. Запросы средней частотности образуют «туловище». Низкочастотные запросы по отдельности встречаются чрезвычайно редко, но вместе составляют существенную часть поискового потока и поэтому складываются в «длинный хвост».

      Новый алгоритм позволяет поиску Яндекса лучше отвечать на сложные запросы из «длинного хвоста». Такой хвост есть у сказочной Жар-птицы, которая часто появляется на палехской миниатюре. Поэтому мы дали алгоритму название «Палех».
      Запросы из «длинного хвоста» очень разнообразны, но среди них можно выделить несколько групп. Например, одна из них — запросы от детей, которые пока не освоили язык общения с поиском и часто обращаются к нему как к живому собеседнику: [дорогой яндекс посоветуй пожалуйста новые интересные игры про фей для плантика]. Ещё одна группа — запросы от людей, которые хотят узнать название фильма или книги по запомнившемуся эпизоду: [фильм про человека который выращивал картошку на другой планете] («Марсианин») или [фильм где физики рассказывали даме про дейтерий] («Девять дней одного года»).
      Особенность запросов из «длинного хвоста» в том, что обычно они более сложны для поисковой системы. Запросы из «клюва» задают многократно, и для них есть масса разнообразной пользовательской статистики. Чем больше знаний о запросах, страницах и действиях пользователей накопил поиск, тем лучше он находит релевантные результаты. В случае с редкими запросами поведенческой статистики может не быть — а значит, Яндексу гораздо труднее понять, какие сайты хорошо подходят для ответа, а какие не очень. Задача осложняется тем, что далеко не всегда на релевантной страничке встречаются слова из запроса — ведь один и тот же смысл в запросе и на странице может быть выражен совершенно по-разному.
      Несмотря на то, что каждый из запросов «длинного хвоста» по отдельности встречается крайне редко, мы всё равно хотим находить по ним хорошие результаты. К решению этой задачи мы привлекли нейронные сети.
       
      Семантический вектор
      Искусственные нейронные сети — один из методов машинного обучения, который стал особенно популярен в последние годы. Нейросети показывают отличные результаты в анализе естественной информации: картинок, звука, текста. Например, нейронную сеть можно обучить распознавать на изображениях те или иные объекты — скажем, деревья или собак. В ходе обучения ей показывают огромное количество картинок, где есть нужные объекты (положительные примеры) и где их нет (отрицательные примеры). В результате нейросеть получает способность верно определять нужные объекты на любых изображениях.
      В нашем случае мы имеем дело не с картинками, а с текстами — это тексты поисковых запросов и заголовков веб-страниц, — но обучение проходит по той же схеме: на положительных и отрицательных примерах. Каждый пример — это пара «запрос — заголовок». Подобрать примеры можно с помощью накопленной поиском статистики. Обучаясь на поведении пользователей, нейросеть начинает «понимать» смысловое соответствие между запросом и заголовками страниц.
      Компьютеру проще работать с числами, чем с буквами, поэтому поиск соответствий между запросами и веб-страницами сводится к сравнению чисел. Мы научили нейронную сеть переводить миллиарды известных Яндексу заголовков веб-страниц в числа — а точнее, в группы из трёхсот чисел каждая. В результате все документы из базы данных Яндекса получили координаты в трёхсотмерном пространстве.
      Вообразить такую систему координат человеку довольно трудно. Давайте упростим задачу и представим, что каждой веб-странице соответствует группа не из трёхсот, а из двух чисел — и мы имеем дело не с трёхсотмерным, а всего лишь с двумерным пространством. Тогда получится, что каждое число — это определённая координата по одной из двух осей, а каждая веб-страница просто соответствует точке на двумерной координатной плоскости.

      Точно так же в набор чисел можно перевести и текст поискового запроса. Другими словами, мы можем разместить запрос в том же пространстве координат, что и веб-страницу. Замечательное свойство такого представления состоит в том, что чем ближе они будут расположены друг к другу, тем лучше страница отвечает на запрос.
      Такой способ обработки запроса и его сопоставления с вероятными ответами мы назвали семантическим вектором. Этот подход хорошо работает в тех случаях,  когда запрос относится к области «длинного хвоста». Семантические векторы позволяют нам лучше находить ответы на сложные низкочастотные запросы, по которым имеется слишком мало пользовательской статистики. Более того, представляя запрос и веб-страницу в виде вектора в трёхсотмерном пространстве, мы можем понять, что они хорошо соответствуют друг другу, даже если у них нет ни одного общего слова.
      Мы начали использовать семантический вектор несколько месяцев назад, постепенно развивая и улучшая лежащие в его основе нейронные модели. О том, как мы обучали нейронную сеть преобразовывать запросы и документы в семантические векторы, читайте в блоге Яндекса на «Хабрахабре».
       
      Дальше — больше
      Семантический вектор применяется не только в поиске Яндекса, но и в других сервисах — например, в Картинках. Там он помогает находить в интернете изображения, которые наиболее точно соответствуют текстовому запросу.
      Технология семантических векторов обладает огромным потенциалом. Например, переводить в такие векторы можно не только заголовки, но и полные тексты документов — это позволит ещё точнее сопоставлять запросы и веб-страницы. В виде семантического вектора можно представить и профиль пользователя в интернете — то есть его интересы, предыдущие поисковые запросы, переходы по ссылкам. Далёкая, но чрезвычайно интересная цель состоит в том, чтобы получить на основе нейронных сетей модели, способные «понимать» семантическое соответствие запросов и документов на уровне, сравнимом с уровнем человека.
    • ๖ۣۣۜDesperate™
      By ๖ۣۣۜDesperate™
      На форуме Google Webmaster Help представитель Google Джон Мюллер посоветовал подтверждать права на сайт в Search Console не одним, а несколькими способами одновременно.
      Большинство вебмастеров подтверждают сайт путём размещения HTML-файла на сервере. Однако, если Google не сможет получить доступ к файлу во время одной из периодических проверок, то статус может быть утерян. Хоть и редко, но такие ситуации бывают.
      Чтобы избежать таких проблем, Мюллер рекомендует использовать два и больше способов подтверждения в Search Console.
      В числе доступных способов верификации значатся следующие:
      Размещение файла HTML на сервере Провайдер доменных имен Тег HTML Код отслеживания Google Analytics Фрагмент-контейнер Диспетчера тегов Google Google Сайты Blogger Более подробная информация о том, как подтвердить право собственности на сайт, доступна в Справке Search Console.
    • ๖ۣۣۜDesperate™
      By ๖ۣۣۜDesperate™
      Согласно последним данным Moz, в настоящее время 40% результатов на первой странице выдачи Google приходится на HTTPS-ресурсы.

      В январе эта цифра составляла 25%, в июле – 30%. За три месяца она выросла на 10%. Чем вызван столь стремительный рост, неизвестно. По словам представителя Google Гэри Илша, вес HTTPS-сигнала в ранжировании не изменился.
      Статистика по всем результатам в топ-10 Google выглядит так:

       
      Инструмент мониторинга SERP Mozcast отслеживает около 10 тыс. запросов.
      Напомним, что в декабре 2015 года Google начал индексировать HTTPS-версию страницы по умолчанию. С тех пор наблюдается небольшой, но устойчивый рост доли HTTPS в топе результатов выдачи поисковика.
      А на прошлой неделе стало известно, что небольшой импульс в ранжировании Google по-прежнему получают все HTTPS-страницы – даже при наличии ошибок протокола.
  • Recently Browsing   0 members

    No registered users viewing this page.

×
×
  • Create New...