Что такое семантический поиск, и как с ним работать

Простые пользовательские запросы в семантическом поиске имеют повышенные риски привести на страницу выдачи результаты, которые связаны не совсем с тем, что искал пользователь. В простых запросах используется подбор ключевых слов, которые направляют на страницу, содержащую их.

Семантический поиск позволяет осуществить ранжирование намерений пользователя, особенности применения слов для выдачи нужного контента. Он стоит за рамками обычного поиска и подбора ключевиков. Информация, которая используется в тексте, может совсем не содержать ключевые слова, однако она может быть тесно связана с семантикой поисков пользователя.

Попытки выйти за пределы предоставления поверхностной информации, которая используется в тексте – это сложная задача. Ее пытаются использовать многие ресурсы.

Для того чтобы вы могли понять, как использовать семантический поиск – нужно сначала разобраться: что это, и как он может быть полезен для вашего бизнеса или информационного ресурса.

Использование семантического поиска – достаточно сложный процесс. Ведь он учитывает:

• пользовательские намерения;
• контекст;
• связи.

Происходит взаимодействие векторного поиска и ML, чтобы поисковая выдача предложила результаты, которые бы соответствовал запросу даже без словесных совпадений. Чтобы система работала, эти компоненты должны эффективно взаимодействовать для получения и ранжирования результатов на основании их смысла, а не ключей. Так можно добиться полного удовлетворения запроса в поиске.

Контекст в семантическом поиске

Контекст – важнейшая часть в семантическом поиске, чтобы было понятно: что пытается найти пользователь. Он может быть завязан на местности. К примеру, кафе, которое находится недалеко от места жительства или работы человека с названием «Лакомка» должен появляться при правильном семантическом поиске наряду с сортом мороженного и рецептом пирога. Он может состоять из нескольких факторов, которые используются для обработки интеллекта системы поисков. В этом случае должен использоваться контекст как в рамках личного уровня, так и на групповом уровне в отношении пользователя.

Если результат семантического поиска зависит от индивидуального уровня, то он называется персонализацией. Она использует персональные особенности человека, его историю поисковика и взаимодействия с сайтами разной направленности. Это позволяет выдать контент, который лучше всего отвечает текущему запросу.

Такое ранжирование актуально для всех видов поисков, вот только семантический может пойти еще дальше. Поисковая выдача, работающая на групповом уровне, может менять ранжирование результатов в зависимости от того, как происходит взаимодействие с результатами в поиске. Например, какие результаты чаще всего нажимаются, время клика на результат. Пример с «Лакомкой» обрастает новыми подробностями: в обеденное время, в конце рабочего дня, в преддверии детских праздников нужно именно кафе, а не акция на мороженное из «Пятерочки». Такое положение дел показывает, как внутрь семантического поиска привносится интеллект.

Использование синонимов помогает в различных видах запросов, в том числе и в семантическом поиске. С их помощью улучшаются результаты ранжирования по ключам благодаря расширению количества запросов, входящих в изначальную ключевую фразу. Однако синонимы не универсальны. Семантический поиск вообще может создать много лишнего при использовании синонимов. Если же поиск выполняется пользователем не в первый раз, то в рамках контекста синонимы приведут его, скорее всего, именно туда, куда он хотел. Ведь он подменяет понятия из-за собственных особенностей психологии, а роботы систем поисков уже научились использовать контекст на основании его предпочтений.

Намерения пользователей

Семантический поиск преследует одну цель: помочь пользователю в вопросах выполнения поставленных задач. Это может быть поиск той же «Лакомки», чтение рецептов или просмотр обучающих кулинарных видео о приготовлении десерта. Система поисков должна понимать намерения пользователя.

Стоит учитывать:

1. В зависимости от намерений и уровня понятия интента поискового запроса меняется и ранжирование поисковой выдачи. Она должна предоставлять элементы, которые соответствуют по релевантности, а не по тексту.
2. Семантический поиск, как и любой другой, завязан на обработке поисковиком естественного языка, чтобы улучшить соответствие между ключами и методами (синонимы, стоп слова и т.д.). Обработка, так или иначе, будет опираться на соответствие между словами.
3. Он может выдавать результаты, которые не содержат подходящего текста, однако человек, понимающий в тематике, может увидеть необходимые совпадения. Это отражает большую пропасть между выдачей по ключевикам и семантическим поиском. Она заключается в том, что второй может сопоставлять запросы и историю в поиске (как показано на картинке).

Связи

Семантический поиск связан с пониманием запросов, а не простой выдачей гигабайтов контента. Поисковая система не прибегает к определению релевантности, основываясь на числе символов, которые совпадают в словах. Вернемся к «Лакомке» и станет ясно, что семантический поиск приведет жителя Нефтеюганска именно на сайт кафе, а не на кулинарный. Но для этого его запрос должен соответствовать перечисленным особенностям, а кроме того – возможностью связать контекст с намерениями. Семантический поиск все больше использует интеллект, поэтому происходит сопоставление понятий, а не слов. Он работает в более человекоподобной манере.

Семантический поиск лучше оптимизировать именно через поисковую оптимизацию. А точнее – пользоваться семантическим анализом для заполнения сайта, который содержит лучший контент.

Оптимизировать семантический поиск бывает достаточно сложно. Нужно понимать, что семантическое SEO не равно LSI. Кроме того, сама концепция LSI уже устаревает и не является оптимальным способом, чтобы вывести поиск на новый уровень. Она относится к 80-м годам прошлого века. В то время как Google анонсировал Hummingbird всего 10 лет назад. Это ознаменовало эпоху нового поиска, когда сам поисковик понимает «вещи», а не «строки». Прошло много лет и именно концепция в семантическом поиске продвинулась далеко за рамки обычной поисковой выдачи по ключевикам.

Для того чтобы оптимизировать семантический поиск, можно использовать сам поисковик. В частности, речь касается Гугла. Он является лучшим другом для проведения исследований любого типа. С его помощью даются подсказки о том, что сам поисковик знает относительно конкретной темы, и как будет выглядеть поиск, какие понятия и сущности будут использоваться для любого другого вида поиска.

Для анализа при помощи Гугла стоит обращать внимание на:

  1. Работу графика знаний, его структуру. Он включает в себя базовую информацию об объекте и связанных объектах. Так, например, «Грязевые ванны» – поиск, который приводит к непосредственно к нормативной документации, особенностям принятия и т.д. Но Google дает подсказку с помощью графика знаний в разделе «Возможно, вы искали…»:

  2. Выделение жирным шрифтом в результатах поисковой выдачи. Обычно выделяются тесно связанные понятия, которые могут заменять ключевые слова в результате выдачи и отвечать на поставленный запрос также хорошо, как и ключевики. Яндекс это делает лучше Гугла:

В одном и том же запросе Яндекс подсвечивает и «лечебные грязи».

  3. Поле «Люди также спрашивают» поможет понять связанные вопросы, расширить семантический поиск за счет изучения моделей исходного запроса Google.

  4. Результаты Google Suggest – строки автозаполнения до и после выполнения поиска. После того как вы уже нажали на кнопку поиска, поисковик предложит расширить ваш запрос за пределы строки и многое расскажет о том, как сама система понимает его.

Часто сил ИИ не хватает для того, чтобы поиск стал семантическим. В нем должен задействоваться определенный уровень машинного обучения, поэтому он является как мощным, так и сложным инструментом продвижения. Именно поэтому стоит уделить внимание векторному поиску. Он работает проще: детали о предмете кодируются в векторы, они сравниваются, определяются наиболее похожие.

Простой пример – сопоставление двух понятий: «Hyundai» и «ветчина». Добавим третье понятие – «гибрид». Очевидно, что оно относится к первому намного более тесно, чем ко второму. Вряд ли вы в своей жизни видели описание ветчины, как «гибрид мяса и приправ». А вот гибридный автобус Hyundai – вполне себе логичная связь.

На построении закономерностей строится векторный поиск. ML использует примеры из разных источников и применяет полученную информацию для дальнейшего прогнозирования. В модели не перебираются сравнения по порядку, а кодируются определенные закономерности, которые система видела в различных фразах.

Закодированные, связанные между собой понятия кодируются внутри вектора. В процессе векторного поиска используется математика для вычисления схожести разных векторов. При их построении образуются линии и требуется вычислить: какие из них находятся ближе друг к другу. «Ветчина» и «мясо» ближе друг к другу, чем «ветчина» и «автобус». Поэтому эти векторы будут более схожими.

Такое разделение называется векторным сходством и применяется для рекомендаций на основе ранее купленных продуктов, при поиске изображений, товаров и услуг, наиболее соответствующих запросам человека. Например, после того как пользователь искал, где «купить Айфон», а после начинает вбивать «купить зарядку» – вектор будет сближаться с «зарядкой для iPhone» ближе, чем с покупкой абонемента в спортзал.

Семантический поиск достаточно осложнен тем, что все больше нагружается семантикой, а кроме того – высоким уровнем конкуренции, связанной как с контекстом, так и с обилием контента, на продвижение которого тратится больше времени и сил. В семантическом поиске даже метаданные из изображений могут использоваться для ранжирования. Его развитие только начинается, так как возможности ИИ постоянно совершенствуются, однако правильное пользование семантическим поиском уже сегодня позволит вам найти своих покупателей, клиентов и читателей. Но нужно понимать, что целью оптимизировать контент под такой вид поисков является не удовлетворение требований машины и попытки ее обмануть, а предоставление действительно полезного контента, так как учитывается и то, насколько хорошо пользователь взаимодействует с вашим сайтом после перехода по конкретному запросу.