انتشار: مهر 28، 1401
بروزرسانی: 03 تیر 1404

تکامل بعدی سئو

منبع: مت باربی

با گذشت زمان، رتبه صفحه ستون را در موتورهای جستجو نظارت کنید. هنگامی که رتبه شما تثبیت شد و اقتدار خود را در مورد موضوع افزایش دادید، می توانید با پیوند دادن به یک موضوع مرتبط، زنجیره خوشه ها را جلوتر ببرید.

گام مهم بعدی برای تکیه بر موضوعات، به روزرسانی RankBrain گوگل بود. RankBrain که در سال 2015 راه اندازی شد، الگوریتم یادگیری ماشینی گوگل است که برای درک زمینه پرس و جوهای جستجوی افراد طراحی شده است. جستجوهای گذشته را با مضامین مشابه مرتبط می کند و چندین کلمه کلیدی و عبارات مرتبط با عبارت جستجو را برای یافتن بهترین نتایج می کشد.

آیا خوشه های موضوعی بر SERP ها تأثیر می گذارند؟

یادداشت سردبیر: این پست در ابتدا در سال 2017 منتشر شد اما برای جامعیت در سال 2022 به روز شد.

منبع تصویر

یادگیری ماشینی به بازاریابان کمک می کند تا موضوعات خوشه ای (یا کلمات کلیدی دم بلند) را که شخصیت های هدف آنها معمولاً جستجو می کنند شناسایی کنند و پیشنهادات فرعی ارائه می دهند. به زودی، ابزارهای بیشتری برای کمک به متخصصان سئو و بازاریابان وجود خواهد داشت که برای به حداکثر رساندن استراتژی های محتوای خود، دسته های موضوعی ایجاد کنند.

HubSpot و بسیاری از مشاغل مشابه که روی محتوا سرمایه گذاری می کنند، خود را با ده ها صفحه وب می بینند که زمینه های موضوعی مشابهی را پوشش می دهند. تمام این صفحات در نهایت برای یافتن توسط موتورهای جستجو و در نهایت جستجوگر با یکدیگر رقابت می کنند.

برای جلوگیری از این امر، به ترتیبی منظم تر و متفکرانه تر نیاز است - ترتیبی که به موتورهای جستجو می گوید چه صفحه ای باید اولویت بندی شود و برای موضوع اصلی نمایش داده شود. سپس تمام صفحات مربوط به آن موضوع را می توان به عنوان یک خوشه به هم پیوسته سازماندهی کرد.

اولین تغییر بزرگ مربوط به این تغییر با به روز رسانی مرغ مگس خوار گوگل در سال 2013 اتفاق افتاد. الگوریتم جستجو به جای تمرکز صرف بر روی کلمات کلیدی، شروع به تجزیه عبارات کرد. بسیاری از متخصصان سئو، مرغ مگس خوار را به عنوان تغییر رسمی گوگل از یک کلمه کلیدی به یک موضوع تمرکز می کنند.

انتخاب موضوع برای ایجاد محتوای خوشه ای در اطراف و ممیزی محتوای موجود می تواند کاملاً دردناک باشد، به خصوص اگر شرکت شما آرشیو گسترده ای داشته باشد. در اینجا چند پیشنهاد برای کمک به سازماندهی و ایجاد کلاسترهای موضوعی وجود دارد.

• پنج تا ده مشکل اصلی که شخصیت خریدار شما دارد را ترسیم کنید. از نظرسنجی ها، انجام مصاحبه ها و انجام برخی تحقیقات ثانویه در جوامع آنلاین در صورت نیاز برای جمع آوری داده ها استفاده کنید.
• هر یک از مشکلات را در حوزه های موضوعی گسترده گروه بندی کنید.
• هر یک از موضوعات اصلی را با موضوعات فرعی با استفاده از تحقیق کلمات کلیدی بسازید.
• ایده های محتوایی را ترسیم کنید که با هر یک از موضوعات اصلی و موضوعات فرعی مربوطه همسو باشد.
• اعتبار هر ایده را با تحقیقات صنعتی و رقابتی انجام دهید.
• محتوا ایجاد کنید، تاثیر را اندازه بگیرید و اصلاح کنید.

جستجوگرانی که خواهان پاسخی خاص هستند نیز از عبارات مختلفی در جستارهای خود استفاده می کنند. موتورهای جستجو اکنون به اندازه کافی باهوش هستند که می توانند ارتباطات بین این پرس و جوها را تشخیص دهند. الگوریتم ها تا حدی تکامل یافته اند که می توانند زمینه موضوعی پشت هدف جستجو را درک کنند، آن را به جستجوهای مشابهی که در گذشته با آن ها برخورد کرده اند مرتبط کنند و صفحات وب را ارائه دهند که بهترین پاسخ را به پرس و جو می دهند.

لزلی یه، که تعداد زیادی از صفحات محتوای HubSpot را به خوشه ها بازنگری کرد، هنر انتخاب موضوعات برای خوشه ها را خلاصه می کند:

در پرتو این تغییرات الگوریتم، HubSpotters سابق Anum Hussain و Cambria Davies در سال 2016 آزمایش های خوشه موضوعی را راه اندازی کردند. یافته های گسترده از آزمایش های اولیه خوشه موضوعی آنها نشان داد که هرچه پیوندهای متقابل بیشتری انجام دهند، قرار گرفتن در صفحات نتایج موتورهای جستجو (SERPs) بهتر است. . برداشت ها (یا بازدیدها) نیز با تعداد پیوندهایی که ایجاد کردند افزایش یافت.
منبع: Anum Hussain and Cambria Davies

این برای وب سایت من چه معنایی دارد؟

مدل خوشه موضوعی، در هسته خود، راهی برای سازماندهی صفحات محتوای یک سایت با استفاده از معماری سایت تمیزتر و دقیق تر است.

هنگامی که یک صفحه ستون تعیین شده دارید، پیوندها را در صفحات محتوای مرتبطی که شناسایی کرده اید به روز کنید تا یک "خوشه" در اطراف صفحه ستون تشکیل شود. هر پست در مجموعه خوشه باید حداقل یک بار با همان متن لنگر (بخشی که ابرپیوند است) به آن پیوند داده شود تا موتور جستجو بداند که بخشی از یک خوشه موضوعی است.