NLP将如何改变我们在2020年进行页面搜索引擎优化的方式?2020年1月20日SURFER / BLOG / NLP如何改变我们做On-Page SEO的方式?2019年10月，谷歌宣布了BERT算法。

更新影响了10%的搜索查询。

来源:https://twitter.com/searchliaison/status/1216752087515586560

这条推文指的是2019年8月1日一篇关于谷歌核心更新的博客文章。最近，我们看到了serp的活动，seo必须确定它对搜索引擎优化的意义。

谷歌在2020年1月的波动- https://www.semrush.com/sensor/

当变化发生时，我们的SEO过程需要调整以跟上搜索引擎算法。

BERT带来了高质量内容、上下文、现代机器学习和自然语言处理(NLP)的兴起，这是不可否认的。

这些流行语的背后是什么?我着迷于BERT和NLP，花了好几个小时检查工具、分析数据集和测试解决方案。我把我的发现放在一篇文章中，这样你就知道它对你、你的网站和你客户的网站意味着什么。剧透警告:有一种方法来实现NLP SEO作为增强您的搜索引擎优化，以及如何使用它来优化您的网站。我在最后加入了一些案例研究，以便所有内容都有意义。

BERT是理解NLP概念和谷歌最新变化的关键，可以将其考虑到您的SEO策略中。为什么BERT和NLP经常出现在一个句子中?2019年10月，谷歌宣布了一项更新，允许机器人理解上下文和搜索意图，并反映搜索结果的变化。根据谷歌:

，这些改进是针对提高语言理解，特别是对更自然语言/会话查询，因为BERT能够帮助搜索更好地理解搜索中单词的细微差别和上下文，并更好地将这些查询与有用的结果相匹配。

BERT代表来自变压器的双向编码器表示。第一部分“双向”对于理解NLP方法至关重要——特别是因为我们至少可以找到两种对“双向”有意义的解释。

第一个定义指出，“双向”本身是指流程的两个方向。基本上，谷歌用这两种方法找到一个单词或短语的意思。另一个定义指的是学习能力。

BERT从上下文(第一个方向)评估意义，并展示学习能力和自然语言理解能力(第二个方向)。我们认为这个过程完全没有监督。这两种解释都有助于理解NLP过程及其对搜索引擎优化的影响。BERT和NLP

之间的关系包含两个主要组成部分:数据(预先训练的模型)和方法(已定义的学习和使用这些模型的方法)。模型本质上是数据集，但是您需要一种方法来处理这些数据集。如果没有正确解释它们的过程，它们就毫无用处。

BERT是NLP的重要组成部分，它影响搜索引擎的结果。

‍

更多关于NLP历史的信息:Sean Shuter发表了一篇深入的文章，涵盖了这一点。BERT和NLP如何影响SEO?

一个字:显著!由于谷歌的算法使用了NLP，它影响了页内和页外的SEO。但是更准确地说，NLP改变了我们作为一个整体而单独地理解查询的方式。此外，谷歌能够从网站的内容中评估选定实体的情绪。

BERT对特色片段

的影响的实际例子当我有幸处理大量数据时，我利用了我可以访问的数据，并用BERT对其进行分析。

正如谷歌所说，它们改变了理解搜索查询的方式。所以，我选择了5000个英语短语，并比较了前后的serp。结果证实，从SEO的角度来看，BERT是有影响的。更新后，带有特色片段的查询数量增长了5.2%!

更新前后的特征片段比较NLP如何提高搜索质量?根据谷歌的博客，15%的搜索查询是第一次使用。人们使用搜索引擎进行长尾搜索来寻找问题的答案，特别是随着语音搜索的兴起。

有时算法没有足够的历史数据来预测搜索词背后的意图，因此很难提供相关的搜索结果。

对于任何关键字搜索都是必不可少的;语言;要么是口头(语音搜索)，要么是书面。

引用Pandu Nayak文章中的表述，我们认为这是一个值得信赖的来源:

随着我们研究团队在语言理解科学方面的最新进展——由机器学习实现——我们正在对我们理解查询的方式进行重大改进，代表着过去五年最大的飞跃，也是搜索历史上最大的飞跃之一。对于更复杂的会话查询，很难评估介词的含义。

许多查询包含高频词，如“and”，“to”，“in”。也有有多重含义的单词，如“get”，“go”。让我们看一个例子。表达“go”可能是没有意义的，但是看看在不同的上下文中会发生什么。来自谷歌博客的例子:

来源:https://www.blog.google/products/search/search-language-understanding-bert/来源:https://www.blog.google/products/search/search-language-understanding-bert/ NLP中的情绪是什么?

的情绪是基调。情绪可以是积极的、消极的或中立的。积极的情绪意味着这个话题被描述得很好。他们通常有积极的词，如“伟大的”，“大师”，“英雄”，或“杰出的”。如果该指数在0.25 – 1.0之间，则为正面情绪。

负面情绪暗示在内容中使用有害的语句。正如你可能已经猜到的那样，这些页面使用了“仇恨”、“软弱”、“顽固”、“无聊”、“危险”等词汇。负面情绪:-1.0 – -0.25。

最后，中性可以包含正信号和负信号，取值为-0.25 ~ 0.25。记住:谷歌的算法不仅为整个子页面计算情感值，而且为内容的每个子页面计算情感值。“情绪影响在SERP的位置吗?”阅读我们最近关于搜索引擎优化中NLP情绪分析的研究。什么是NLP中的实体?

实体是一个词或短语，表示可以识别、分类和分类的对象。对象是人、消费品、事件、数字或组织。NLP的工作是选择和评估实体。

因为谷歌区分了这些实体，搜索引擎利用信息满足用户并提供更好的搜索结果。

‍

实体在谷歌的API演示

两个额外的指标:显著性和类别。多亏了NLP，谷歌能够将内容分配到相应的类别，例如/Internet & Telecom/Mobile & Wireless，如下例所示。

在谷歌的API演示

的类别检查内容类别的完整列表。什么是NLP的显著性?

在NLP中的突出体现了实体的重要性课文里有。范围从0.0到1.0。显著性值越高，说明该实体与页面的主题越相关。例如，当我们谈论早餐时，单词“morning”可能比“evening”更重要。增强SEO过程的第一步是使用可用的工具。最重要的是谷歌的自然语言API演示，这是一个免费的工具。有一些限制:它不支持所有的语言。这里是NLP支持的语言列表。如何优化您的BERT网站?在Danny Sullivan的推特之后，我读到了BERT和NLP，反对意见是你无法为NLP优化你的网站。在最近一次谷歌的网络研讨会上，有人问John Mueller关于BERT我们可以做什么样的SEO工作。他解释说:“(…)查询并不是你能像SEO那样影响的东西(…)页面上的文本是你能影响的东西。”我们的建议基本上是自然地写(……)。”

他提到了我们需要注意的特殊属性，并表示“将某人询问的查询与特定页面相匹配”会很有帮助。作家用人类能理解的方式写作;不关注关键词填充，而是自然语言。关键字研究:使用谷歌搜索控制台查找丢失的排名

谷歌在BERT更新后更好地理解每个查询，有明显的波动在SERPs。

诊断什么类型的查询增加了它们的流量，并选择那些注意到有机搜索流量损失的查询是很重要的。

一些页面可能显示有机流量的损失。在许多情况下，谷歌的算法期望不同类型的内容。你的内容似乎并不相关，但流量的减少并不一定意味着人们对你的网站不再感兴趣。

要找出哪些关键字在更新后下降，请使用谷歌搜索控制台。

选择排名下降的关键字，并将您的内容与当前的竞争对手进行比较。也许它需要重写，或者该主题的覆盖范围不尽如人意。也许你的内容太长，或缺乏适当的seo实体?

检测关键字，以照顾立即感谢GSC。步骤1

打开GSC，点击日期过滤器，比较2019年10月和2019年11月，BERT在10月底到达。步骤#2

选择印象并按差异排序。在查询和页面之间切换，以确定单个页面或一组页面是否被击中。

现在您已经确定了要处理的关键字和页面列表的优先级。

Bertey搜索算法专家Dawn Anderson解释说:“我们还有很多工作要做，因为我们需要强调重要性，利用清晰的结构，帮助将非结构化数据转化为半结构化数据，利用内容轻的页面(例如图片重但文本不重的电子商务页面)的线索，使用内部链接等东西。在某些情况下，内部链接和网站结构在理解内容的过程中起着重要作用。意思是，如果你的网站写得不好，或者没有清晰的结构，它可能会在第二页丢失。我会把整个域的“结构”看作是一个单独的子页面。

网站结构优化:

注重内部链接，内部锚文本统一，导航综合使用，在某些情况下，面包屑实现。优化单篇文章需要:

合理的模式实现，消除关键词填充，改进标题结构，提供数据来源和作者，注意通过与最好的竞争对手进行比较，包括与主题相关的适当实体，不仅对整个内容，而且对每个实体都保持可取的情绪，等等。

看看我们关于博客SEO的文章，了解如何引入有机流量。多亏了NLP，谷歌的算法可以评估内部和外部链接的上下文。目前，链接的结构和位置比以往任何时候都更重要。内部和外部反向链接都是最重要的SEO因素之一。BERT用于重新定义反向链接的配置文件以及内部网站的架构。在正确的上下文中放置的链接比随机放置的链接有更高的值。所以你的链接，内部或外部，给你带来更多的果汁，如果:

放置在一个网站与你的利基连接，放置在一个页面有类似的上下文，放置在一个段落，逻辑上与你的页面内容相关。搜索引擎内部有新的机会调整搜索引擎优化过程以适应新的现实:片段。

利用搜索引擎优化的优势，并使用代码片段为faq提供答案。在分析用支持的语言编写的任何文本(通过使用谷歌的NLP API)后，您将得到指标，包括:

情绪，实体，类别，显著性得分。第一步:选择你想要排名的主要关键词

。请记住，有些关键字是竞争性的。在我们关于关键字难度评估的文章中，我们回答了如何选择一个可以实际排名的查询的问题。这似乎是显而易见的，但许多SEO专家认为排名前十的每个网站都是他们的竞争对手。这种方法可能会稀释您的数据集。要正确地选择它们，你需要:即使你的搜索目的是“研究”，你也需要知道你是在写一篇博客文章，创建一个视频，还是一个登陆页面。排除用于不同目的的页面。排除异常值:比其他页面长或短得多的页面。排除因其权威和反向链接配置文件而排名的页面。

这是一篇关于选择合适的SEO竞争对手进行分析的深入文章。为了以全面的形式收集数据，我建议使用电子表格、文本文档或任何最适合您的方法。这里是我为NLP竞争者分析的一个模板。它是可下载的，所以您可以根据自己的目的使用它。

在这里下载电子表格。第4步:将你的内容与竞争对手的

进行比较，特别是在单边的serp情况下，要注意使用首选的情绪。相反的做法可能会让你所有的SEO努力都付诸东流。一个简单的例子是，如果一个产品的所有顶级搜索结果都是正面评价，而你创建了一个负面评价，这可能会对你的排名产生负面影响。谷歌收集了更多相关网站的历史数据，显然它更喜欢正面评论而不是负面评论。尽管谷歌在情感上有所尝试，而且它会随着时间的推移而波动，但要以一种意想不到的底色进入前十可能是一种挑战。类似地，有时不可能超越谷歌中最高的有机位置之一，因为其内容缺少实体的外观。将自己与直接竞争对手进行比较可以让我们填补空白，估计用户搜索查询背后的意图，使内容更加全面。谷歌评估情绪有多好?尽管我很喜欢实体的选择，但情绪估值仍有改进空间。我分析了一堆关键词，想找到一个片面的否定词搜索引擎。这比我想象的要难。虽然在大多数情况下有积极和中立的情绪，谷歌非常不愿意将消极的情绪分配给网站。另一方面，我们必须记住BERT只是预先训练过的模型之一。我们无法确认它是否与谷歌算法使用的版本相同。我认为谷歌对与我们分享他们预先训练过的模型的最新版本没有多大兴趣。毕竟，为什么要共享性能最好的资源呢?让我们看一个例子，该例子展示了对非常负面的内容的情感分析。

NLP情绪分析使用谷歌的API演示BERT替代方法进行情绪分析

BERT只是NLP模型之一。此外，谷歌并不是唯一一家开发NLP技术的公司。BERT的替代方案是:

沃森(IBM) ULMFiT变压器变压器- xl OpenAI的GPT-2 IBM沃森情绪分析

我测试了IBM的沃森。它非常惊人，比谷歌性能更好，在SEO社区中获得了一些人气。我观察到，沃森识别负面语句的能力比谷歌强得多。这一次，我测试了serp，以找到情绪值的相关性。

我发现对于技术不太先进的用户可能会遇到技术困难。

直接从Macbook终端发送API请求需要具备基本的技术知识。请求之前必须生成惟一的API密钥，等等。作为回报，我们以特定的顺序获得数据。下面是我用于谷歌API示例的关于危险城市的相同内容的响应片段。

Watson通过API

的NLP响应片段。对于数据解释来说，技术知识并不必要。对于Watson来说，同样的内容是非常消极的，而谷歌的BERT则认为它是中性的甚至是积极的。现在让我们来比较一下榜单前50名。关键词:“2019年世界上最危险的城市”在美国。下面的图表展示了根据谷歌和IBM Watson Sentiment的NLP分析。在Surfer，我们决定同时使用谷歌(用于True Density实体和实体情感)和IBM Watson(用于一般情感)。NLP分析很快就会发布。

‍

IBM的Watson和谷歌的NLP的情绪分析比较-来源:surferseo.com

BM的Watson和谷歌的NLP的情绪分析比较

在Watson进行的分析中存在情绪相关性。同时，谷歌的NLP图中也不存在相关性。相关性不是因果关系，提醒我们自己这一点总是好的，但沃森的负面情绪评估看起来更有可能。请注意，我将单个内容与平均情感得分进行了比较。我知道你们中的一些人不同意这种方法，因为:

IBM的Watson可能使用与谷歌的NLP完全不同的方法。把实体放在适当的位置比把整篇文章放在特定的情绪上更重要。尽管这两份声明都揭示了一些新的内容，但没有证据表明沃森的情绪评估是可信的或不可信的。我已经测试了许多查询，沃森看起来更可靠。在正确的情绪邻域中使用实体似乎是NLP的基础。但对于要求较低的查询，我会建议您自然地为人类编写，不要关注这些细节。然而，粒度化实体的情绪报告对于最有竞争力的查询非常有帮助。

Watson的NLP可以应用于许多不同的情况——ibm通过提供API访问获得了可观的收入，而且没有理由隐藏性能良好的解决方案。

NLP和2020年1月更新SEO案例研究

正如我在开始时说的，我们有cond我们对NLP进行了一系列测试。其中一次是在2020年1月核心更新期间举行的。

你们都知道，最好的测试是在真实的用例中完成的。我请我的队友michaovsuski鼓励Surfer的一些用户创建NLP审计。然后他在他们的页面上执行与实体相关的调整，结果非常有趣。这篇被分析的文章排名已经相当不错了。(第一页底部的主要术语)，所以我不想对页面进行大的修改。

1。我添加了几乎所有Surfer NLP Analysis建议的术语，但我在第一页更新中添加了一些。例如，Surfer建议添加5次“dress”这个词，而我只添加了2到3次。

我不想太多地更改内容，因为在本例中，它显然已经做得很好了。总的来说，附加的实体允许我通过查看产品名称和与文章相关的其他项目的名称来添加一些额外的关键字。我从NLP优化中获得的巨大提升给我留下了深刻的印象，因为我在2天内就在第1页上移动了5-6个位置。

2。当Surfer团队说新的nlp支持的Surfer beta版将会改变游戏规则时，他们并没有说谎。

我有一个关键字在位置5-6卡了好几个月!运行审计一周后(启用NLP实体)，我的目标关键字和辅助关键字在SERP中向上移动。

除了更好的排名之外，我真的很喜欢审计中包含的新的NLP专栏。它展示了竞争对手如何使用短语/单词的例子，而不必去他们的页面，这只是使优化真正的密度容易得多!

‍3。在Matt Diggity的一篇博文中，有一个关于排名提升的小预告。使用内容编辑器进行纯NLP优化。

NLP是一个非常复杂的概念。作为一名SEO专家，你不需要成为一个机器学习专家来使用可用的工具来增强SEO方法。让搜索引擎的工具为你做艰难的工作。但是有一些基本的知识，这是由SEO测试确认的，观察SERP波动将帮助您跟上行业的步伐。不过，如果你想了解更多关于NLP的知识，Future Processing最近写了一篇很棒的文章。

“重组你的网站和页面分析情绪添加你所遗漏的相关实体”

我很好奇你的测试结果和由BERT更新引起的位置变化。您是否已经在您的分析中包含了自然语言处理组件?在进行深度搜索引擎优化审计时，您是否使用NLP分析?分享你的冒险与更新!

参见:

我们用NLP分析了17,500页的情绪。这里是我们学到的Surfer NLP vs.谷歌NLP测试:最佳搜索引擎优化内容指南之战

‍

绍亚维克Czajkowski SEO专家，拥有超过13年的经验和Surfer的联合创始人和首席执行官。作为KS SEO代理经理，他为超过500家企业创建并成功开展了数据驱动的数字营销活动。通过开发Surfer，他实现了自己的梦想