Từ Khóa Bạn Nhập Vào Không Phải Như Những Gì Bạn Nghĩ

Theo tiểu thuyết ngắn "The Metamorphosis" (Phép biến hình) của Franz Kafka, một người thức dậy vào một buổi sáng và nhận thấy mình bị biến thành một con côn trùng khổng lồ. Nếu các từ khóa là những người chủ nghĩa hiện sinh, họ có thể đang trải qua chuyện, sau khi nhập vào thanh công cụ tìm kiếm của Google, như thể họ trải qua vô vàn phép biến đổi để trở thành phiên bản mới, đã sửa đổi của chính mình - đó là các lệnh tìm kiếm Google cho rằng phù hợp với mục đích của ngư̖ 1;i tìm kiếm hơn.
Để minh họa những gì tôi nói, nhờ các bạn làm giúp một việc rất nhỏ sau. Vào mạng và gõ từ "Oscar" lên Google. Không, nghiêm túc đấy, bạn làm đi. Tôi sẽ chờ khi bạn làm việc đó.

Khả năng cao là toàn bộ các kết quả trả về đầu tiên bạn nhận được là nói về Giải thưởng của Viện Hàn lâm lần thứ 89 diễn ra cách đây chỉ vài ngày. Một số kết quả trả về không đề cập đến từ "oscar" (từ duy nhất bạn gõ vào, nhớ không?) một tí nào. Bằng cách nào đó, Google biết bạn đang tìm kiếm giải thưởng Oscars nào đó thay vì thông tin chung về buổi lễ, tên giải Oscar hoặc bất kỳ điều gì về Oscar khác - và ngầm chuyển đổi lệnh tìm kiếm c̗ 1;a bạn thành thứ đủ giống với từ khóa ban đầu.
Ở bài viết này, tôi sẽ xem xét quá trình này diễn ra như thế nào và ý nghĩa của nó đối với SEO.

Bằng sáng chế mới đây của Google về tinh lọc lệnh tìm kiếm giúp chúng ta hiểu nhiều điều về cách Google xử lý các tình huống tìm kiếm tối nghĩa, quá chung chung, quá hẹp hoặc quá thiếu ngữ cảnh (giống với lệnh tìm kiếm từ "oscar" bạn đã thực hiện). Bằng sáng chế này mô tả hệ thống chuyển đổi lệnh tìm kiếm thành một phiên bản được diễn đạt rõ hơn từ chính lệnh tìm kiếm ban đầu, qua đó Google có thể trả về kết quả tìm kiếm đúng theo mong muốn của người dùng.

Lịch sử tìm kiếm và trình duyệt của bạn không phải là loại "ngữ cảnh" duy nhất Google có thể dùng để tinh lọc lệnh tìm kiếm của bạn. Một vài bằng sáng chế gần đây cho thấy rằng một số chi tiết phức tạp hơn về người tìm kiếm như các bộ phim họ từng xem hay bài nhạc họ từng nghe có thể được dùng để tinh lọc lệnh tìm kiếm và kết quả được trả về. Ngữ cảnh thời gian thực, như bộ phim hiện đang chiếu, cũng có thể được sử dụng khi người dùng thực hiện lệnh tìm kiếm bằng giọng nói.

Ví dụ, một người dùng có thể nhập một lệnh tìm kiếm bằng ngôn ngữ tự nhiên tại một thiết bị, ví dụ lệnh bằng giọng nói, "Tôi đã gặp nam diễn viên này chưa?" trong khi đang xem nội dung cụ thể, ví dụ như bộ phim "The Social Network" (Mạng xã hội).

Tất nhiên vị trí là một kiểu ngữ cảnh, tuy nhiên vị trí xứng đáng có vai trò quan trọng trong danh sách này. Vị trí vốn ảnh hưởng phần lớn các lệnh tìm kiếm và đặc biệt quan trọng với các doanh nghiệp muốn các website của mình có thứ hạng đầu trong nước. Tuy nhiên việc Google sử dụng vị trí để tinh lọc các lệnh tìm kiếm có thể sớm phát triển mạnh hơn những gì đang có hiện nay.

Bạn có thể đã biết rằng nếu bạn tìm từ khóa "Starbucks", "Walmart", hoặc một thực thể nào đó có thể ám chỉ rằng bạn quan tâm đến một vị trí địa lý của một tổ chức, Google sẽ cho bạn thấy gói danh sách tổ chức địa phương (local pack) và điều chỉnh kết quả tìm kiếm hữu cơ để giúp bạn tìm được nơi bạn đang (có khả năng) tìm kiếm. Việc này có thể cần thực hiện thêm một bước nữa vì Google có thể xem xét cấu trúc lệnh tìm kiếm và liên hệ các l ệnh đó với các thực thể ở gần với vị trí của người tìm kiếm. Do đó, nếu bạn hỏi Google "mấy giờ Starbucks mở cửa?" hoặc thậm chí "công viên này tên là gì?", trong khi thực thể bạn đang nói tới lại ở gần đó một cách mơ hồ, Google đủ thông minh để cho bạn câu trả lời.

Nên lần sau bạn đi ngang qua một nhà hàng - ví dụ nhà hàng Zio Pepe - băn khoăn không biết nhà hàng đó có ngon không, thử hỏi Google "đã có đánh giá nào về nhà hàng này chưa?" Lệnh tìm kiếm này có thể được chuyển thành nội dung tương tự như "zio pepe ratings" (đánh giá về nhà hàng zio pepe) và bạn không phải lo lắng về cách phát âm chuẩn của từ "zio" theo tiếng Italy.

Ví dụ, một người dùng không biết nói tiếng Đức có thể đang đi nghỉ ở Zurich, Thụy Sĩ và có thể gửi lệnh tìm kiếm [giờ mở cửa], trong khi đang đứng gần một nhà hàng có tên "Zeughauskeller," có thể rất khó phát âm và/hoặc đánh vần với người dùng. Một ví dụ khác, việc triển khai tính năng tiết lộ sự hiện diện (present disclosure) giúp người dùng có thể tương tác thuận tiện và tự nhiên hơn với một hệ thống tìm kiếm (ví dụ, gửi lệnh tìm kiếm [cho tôi thấy các m ón ăn trưa đặc biệt] thay vì lệnh [các món ăn trưa đặc biệt của Fino Ristorante & Bar].

Một bằng sáng chế khác gần đây do Google xin cấp tập trung vào điều khoản thay thế và các từ đồng nghĩa cho tinh lọc lệnh tìm kiếm. Quá trình này bao gồm xác định một khái niệm có trong lệnh của người dùng và tìm cách diễn đạt lại khái niệm theo cách khác (không làm sai nghĩa của lệnh tìm kiếm) để trả về kết quả tìm kiếm phù hợp hơn.

Để biết quá trình này diễn ra như thế nào, hãy thực hiện tìm kiếm trên Google từ "UK President" (Tổng thống Anh) . Nếu Google chỉ đơn thuần tìm hai từ có trong lệnh tìm kiếm, "UK" (Anh) và "President" (Tổng thống), thì kết quả trả về có thể bao gồm cả những bài viết nói về tổng thống của cả các nước đã đến thăm nước Anh. Thay vào đó, Google xác định rằng người tìm kiếm có khả năng tìm một dạng thông tin khác và từ "President" (Tổng thống) người tìm kiếm thực ra bị nhầm khi từ  73;úng phải là "Prime Minister" (Thủ tướng). Ở ngữ cảnh trên thì "Prime Minister" (Thủ tướng) đồng nghĩa với "President" (Tổng thống); kết hợp với từ "UK" (Anh), thì cụm từ đó thể hiện một thực thể đã biết. Toàn bộ các yếu tố đó khiến cụm từ đó thành một cụm từ thay thế hợp lý.

(Lưu ý cách Google đã in đậm từ "Prime Minister" (Thủ tưởng) trên đường dẫn liên kết URL trên SERP (Trang hiển thị kết quả trả về của máy tìm kiếm), và cách thuật ngữ "President" (Tổng thống) không xuất hiện trong các kết quả trả về đầu tiên.

Công cụ word2vec sử dụng một tập văn bản làm đầu vào và tạo đầu ra là các véc tơ từ ngữ. Trước tiên công cụ này xây dựng một kho từ vựng từ dữ liệu văn bản đào tạo và sau đó học cách diễn đạt véc tơ của các từ ngữ. Tệp tin véc tơ từ ngữ trả về có thể dùng làm các tính năng trên nhiều ứng dụng xử lý ngôn ngữ tự nhiên và học hỏi qua máy.

Chúng ta hãy xem xét một ví dụ đơn giản. Ví dụ bạn có một bộ thuật ngữ cần tách làm hai nhóm, "rau" và "thịt". Không phải tất cả các từ là tên của một loại rau hay thịt, nhưng bạn phải làm cách này, nhóm các từ hay xảy ra trong ngữ cảnh thịt hơn (ví dụ "hun khói") thành nhóm "thịt" và ngược lại.

Như bạn thấy, thuật ngữ có điểm số "rau" cao nằm ở phía trên còn thuật ngữ có điểm số "thịt" cao nằm ở phía phải. Bên cạnh đường ở giữa là các thuật ngữ trung lập hơn - các thuật ngữ có tần suất xảy ra ở cả hai ngữ cảnh như nhau.

Cần lưu ý rằng việc nhóm thuật ngữ thành các nhóm có nghĩa không phải là việc duy nhất word2vec có thể thực hiện. Một khía cạnh quan trọng khác là xác định mối quan hệ giữa các thuật ngữ bằng cách tính toán khoảng cách vật lý giữa các véc tơ. Ở trên, bạn có thể thấy rằng "thịt" và "thịt" (số nhiệt) xuất hiện cạnh nhau và do đó có ý nghĩa gần nhau. "Chops" (thịt tảng), "steak" (thịt hun khói) và "pork" (thịt lợn) được nhóm lại thậm chí gần nhau hơn. Lưu ý rằng các từ cạnh nhau không nhất thiết phải đồng nghĩa với nhau. Các từ này có thể là thuật ngữ thường xuyên xuất hiện cạnh nhau, như "banana" (chuối) và "apple" (táo).

Dường như, đây là chính xác những gì Google làm đối với một số lệnh tìm kiếm.

Đối với các véc tơ ở trên, phương trình Rome - Italy + Trung Quốc có lẽ bằng Bắc Kinh. Thực ra đây là cách nói véc tơ (vector talk) đối với câu hỏi "Thực thể nào có quan hệ với Trung Quốc giống như Rome với Italy?", hay đơn giản "Thủ đô của Trung Quốc tên là?"

Đây là một ví dụ về cách dùng word2vec khi xử lý lệnh tìm kiếm. Giả định trong một thời khắc bạn quên mất từ để nói về "ngón chân cái" (và bạn đang rất cần từ đó). Nhờ có các véc tơ thuật ngữ, bạn có thể tiếp tục và tra google từ "feet fingers" (ngón tay bàn chân) tuy nhiên như thế nghe rất kỳ lạ, Google sẽ đoán được ý của bạn. Nó sẽ hiểu ngón là một phần của khái niệm "bàn tay" và sửa lệnh tìm kiếm thành dạng "Bộ phận nào có cùng quan hệ với ngón châ n như ngón tay với bàn tay?" (hoặc, theo cách nói véc tơ, "bàn chân + ngón tay - bàn tay") và sẽ tìm phần còn thiếu trong mối liên hệ này. Nhờ đó, bạn sẽ nhìn thấy chính xác những gì bạn cần tìm (thay vì một danh sách các trang đề cập đến cả "bàn chân" và "ngón tay").

Hãy xem chữ "ngón chân cái" được in đậm trong phần trả lời mà không hề đề cập đến từ "ngón tay"? Thông minh, phải không?

Thực thể là các thành phần trong Knowledge Graph (Biểu đồ tri thức) của Google - các đối tượng cụ thể mà Google biết một số thông tin như con người, địa điểm và sự vật. Một doanh nghiệp, một người nổi tiếng hay một cái cây có thể là những thực thể. Điều tuyệt vời về các thực thể là Google biết khá nhiều về chúng, giúp cho người tìm kiếm tìm được tức thì một thực thể theo một sự thực hiển nhiên.

Do đó, nếu tìm thứ gì đó mà Google coi là một thuộc tính đặc biệt của một thực thể nào đó thì nó sẽ trả về kết quả tìm kiếm về chính thực thể đó. Với cách này, "thành phố lớn nhất trên thế giới" có thể được chuyển đổi thành "Thực thể nào có thuộc tính đặc biệt là thành phố lớn nhất trên thế giới?" và kết quả phù hợp với thực thể Tokyo. Tương tự, "Google CEO" sẽ khớp Sundar Pichai.

Như kiểu bạn muốn có đặc điểm đặc biệt, khách quan về thực thể kinh doanh của bạn, đúng không?

Thật thú vị, tín hiệu hành vi của người dùng có thể ảnh hưởng các kết quả tìm kiếm dựa theo thực thể đó cũng giống như bất kỳ dạng kết quả trả về khác. Ví dụ, nếu Google tìm được hai thực thể có trọng số tương tự phù hợp với lệnh tìm kiếm, nó thường sẽ hiển thị kết quả về cả hai trên SERP. Nếu bạn tìm từ "Joe's NYC", với điều kiện bạn chưa bao giờ tìm từ đó trước đây, bạn sẽ nhận được kết quả về một số doanh nghiệp có tên: J oe's bar, Joe's pub, Joe's coffee shop, và Joe's pizza place. Tuy nhiên sau khi bạn nhấp lên một kết quả cụ thể - chẳng hạn, pizza place (địa điểm bán pizza) - Google có thể lưu thực thể này làm tìm kiếm yêu thích của bạn trong ngữ cảnh tìm kiếm này. Do đó khi bạn thực hiện lại tìm kiếm tương tự, thực thể yêu thích đó của bạn sẽ có khả năng xuất hiện ở những kết quả trả về đầu tiên và các thực thể khác có thể bị loại bỏ khỏ SERP.

Kết quả phân tích ở trên cho thấy Google đang nhanh chóng trở nên thông minh hơn (thậm chí như con người, nếu bạn muốn) trong việc tìm ra ý nghĩa phía sau từ khóa, diễn đạt lại các từ khóa đó và tạo ra kết quả trả về phù hợp hơn. Chúng ta có thể xem đây là tin buồn hoặc tin vui, tuy nhiên chúng ta không thể làm được gì nhiều ngoài việc phải thích nghi.

Một khái niệm tôi muốn bạn đặt ngoài bài viết này đó là các kết quả tìm kiếm người dùng nhìn thấy không chỉ là sự kết hợp lệnh tìm kiếm và các yếu tố thứ hạng. Mà trong đó, Google có thể chỉnh sửa lệnh tìm kiếm để Google có thể trả lời tốt hơn và quá trình chỉnh sửa này có thể rất khác nhau ở các lệnh tìm kiếm khác nhau - và thậm chí với cùng lệnh tìm kiếm thực hiện ở các thời điểm khác nhau (thử hình dung tìm từ "oscar" cách đây vài tháng).

. Tôi đã luôn ngạc nhiên trước cách một số SEOs bắt đầu hoài nghi về giá trị của việc dùng thứ hạng làm một chỉ số SEO KPI vì mức độ tùy chỉnh theo cá nhân ngày càng tăng của hoạt động tìm kiếm. Đừng quên rằng khi ai đó lần đầu thực hiện tìm kiếm bằng từ khóa của bạn, bạn phải thật nỗ lực để xuất hiện trong các kết quả trả về đầu tiên. Nếu bạn làm được và nếu người tìm kiếm nhấp lên danh sách của bạn, bạn sẽ trở thành thực th&# 7875; yêu thích của họ và các tìm kiếm sau đó sẽ có khả năng đưa doanh nghiệp của bạn trở thành thực thể đầu tiên, nếu không phải thực thể duy nhất, trong các kết quả tìm kiếm. Còn không, nếu đối thủ cạnh tranh của bạn đứng vị trí đầu và người tìm kiếm nhấp lên danh sách của họ, bạn có khả năng bị mất khách hàng đó.

Bây giờ bạn đã biết khá rõ rằng Google có thể sử dụng các yếu tố xếp hạng khác nhau (và tinh lọc lệnh tìm kiếm khác nhau) đối với các vị trí khác nhau và thậm chí với các lệnh tìm kiếm riêng lẻ. Cách tiếp cận chung với SEO với nền tảng trên đường dẫn và cấu trúc site vẫn có tiếng nói; tuy nhiên trong ngữ cảnh một lệnh tìm kiếm cụ thể, trọng số của nó có thể bị lấn át bởi các yếu tố khác đặc thù theo lệnh tìm kiếm hay vị trí đó. Đó là lý do tạ ;i sao cần có trí tuệ SERP. Trong Rank Tracker (Theo dõi thứ hạng) của SEO PowerSuite chẳng hạn, chúng ta gọi đó là SERP History (Lịch sử SERP) - một kho lưu trữ 30 kết quả tìm kiếm đầu tiên cho mọi thao tác kiểm tra thứ hạng bạn thực hiện (để lưu lịch sử SERP, bạn cần một Rank Tracker license key (mã kích hoạt đăng ký Theo dõi thứ hạng)). Nếu bạn xem xét biểu đồ biến động SERP, bạn sẽ lập tức phát hiện được những thay đổi quan trọng trên SERPs cho mỗi từ khóa trong mỗi lần kiểm tra thứ hạng của mình. Phần đỉnh nhọn màu đỏ trên biểu đồ sẽ cho bạn biết tức thì khi có thay đổi quan trọng trên SERP bạn cần xem xét. Điều này có thể chỉ báo rằng Google bắt đầu hiểu lệnh tìm kiếm theo cách khác hoặc bắt đầu tìm ở các yếu tố xếp hạng khác nhau. Trong một trong hai trường hợp này nên kiểm tra với SERP và xem thay đổi xảy ra ở đâu - để bạn có thể là người đầu tiên thích nghi theo.

Bây giờ là tùy ở bạn. Bạn có cảm nghĩ gì về ảnh hưởng của tìm kiếm theo ngữ nghĩ đối với SEO và dự báo về tương lai của tìm kiếm đó? Tôi rất mong nhận ý kiến đóng góp, ý tưởng và mọi thắc mắc của bạn.

Nguồn link-assistant.com
Biên tập bởi chúng tôi lược dịch PersoTrans