L'evoluzione del SEO: Search Experience Optimization

marco domizio | documento confidenziale 1
L’evoluzione del SEO
Search
eXperience
Optimization
2018marco domizio

• All’inizio, le persone cercavano un elenco di documenti
(pagine web) che contenevano alcune parole inserite.
• Oggi, gli utenti cercano di risolvere problemi e fare
qualcosa, come prenotare un volo, comprare qualcosa
o sfogliare un album di foto. Queste sono azioni (verbi).
• E quando un utente inizia una ricerca, comincia un
viaggio: il Customer Journey
Scenario
INTRODUZIONE
Search eXperience Optimization

La ricerca si è evoluta per comprendere l’intento di
dell’utente in ciascuna fase del viaggio.
Per questo è importante:
• Capire le persone e le loro necessità
• Fare analisi basate sui dati
• Creare una strategia di contenuti e definire le tattiche
• Risolvere i problemi tecnici
Marketing reale
INTRODUZIONE

• SEO è principalmente focalizzato su elementi esterni e
l'architettura di un sito web e cerca di indirizzare il
traffico verso il tuo sito web.
• UX si concentra principalmente sul coinvolgimento
dei clienti una volta che raggiungono il tuo sito Web e
implementano un design che riduca al minimo la
distrazione per massimizzare le conversioni.
• Guidare il traffico verso il tuo sito è inutile a meno che il
traffico non sia qualificato e allo stesso tempo, la
progettazione del tuo sito Web è inutile se non hai
traffico da convertire.
SEO & UX: Intenti & obiettivi
INTRODUZIONE
SEO
Generare
traffico
qualificato
UX
Aumentare
le
conversioni
INTENTI
SXO

Attività di ottimizzazione dei contenuti di
un sito web o App e delle loro fruibilità
per attirare gli utenti e per fornirgli
informazioni pertinenti e rilevanti in
base alle loro intenzioni, favorendone il
coinvolgimento per raggiungere
specifici obiettivi.
SXO
INTRODUZIONE

Non è possibile valutare la qualità di un contenuto senza considerare le aspettative dell'utente.
• Non importa quanto bene sia scritto il contenuto se non è sincronizzato con le aspettative dell'utente. Un ottimo contenuto, nel
contesto della ricerca, significa andare oltre il SEO per cercare l'ottimizzazione dell'esperienza (SXO).
• L'esperienza di ricerca inizia su Google e finisce su Google
• In genere, l'ottimizzazione dell'esperienza utente (UX) si concentra sull'ottimizzazione delle metriche di successo (obiettivi,
conversioni, canalizzazioni, bounce rate ….)
E queste sono le tue metriche, non quelle di Google: sono i tuoi clienti, non quelli di Google.
Con SXO, è necessario concentrarsi sui clienti di Google, cominciando dal bounce rate!
User Intent
INTRODUZIONE

Non sempre riceviamo i visitatori che vogliamo.
• La Search Experience Optimization significa ottimizzare l'esperienza per quegli utenti che otteniamo, oltre a quelli che vogliamo!
• Ciò non solo si allineerà con ciò che Google vuole, ma una migliore comprensione di tutti i nostri utenti aiuterà anche i nostri obiettivi
di business.
Cosa vuole Google: fornire una risposta!
• Ad eccezione delle ricerche di navigazione, quasi tutte le ricerche sono domande, anche quando non sono formulate come tali.
Molto semplicemente, Google vuole fornire risposte (es. featured snippet, risposte dirette che appaiono nei risultati di ricerca –
knowledge graph)
Kill Search!
INTRODUZIONE

L'esperienza utente (UX) è la soddisfazione di una
persona quando fruisce di un servizio.
• Per i motori di ricerca, una UX negativa si traduce in un
declassamento dei contenuti in quanto l’utente
proseguirà la ricerca su altri siti: in pratica la risposta
(risultati di ricerca non hanno soddisfatto l’intento
dell’utente).
• Per misurare UX è necessario analizzare il
comportamento dell’utente sul sito (bounce rate, tempi
di navigazione, CTR, tasso di abbandono….. Data
analytics)
User Experience
INTRODUZIONE
engagment

01 Un passo indietro
I motori di ricerca sono un sistema di information retrieval

La ricerca (sul Web) è un'attività quotidiana per molte persone in tutto il mondo
Il campo dell'informatica coinvolto nella ricerca e sviluppo per la ricerca è Information Retrieval (IR).
"Il recupero delle informazioni è un campo che riguarda la struttura, l'analisi, l'organizzazione, l'archiviazione, la ricerca e il
recupero delle informazioni." (Salton, 1968)
Information Retrieval (IR) significa trovare materiale (di solito documenti) di natura non strutturata (di solito testo) che soddisfa un
bisogno di informazione all'interno di grandi raccolte.
Information Retrieval
UN PASSO INDIETRO

Input:
• Un corpus di documenti testuali in lingua naturale.
• Una query utente sotto forma di stringa testuale.
Output:
• Un insieme di documenti classificati che sono pertinenti alla query.
Esempi:
• pagine Web, e-mail, libri, notizie, pubblicazioni accademiche, messaggi di testo, Word ™, Powerpoint ™, PDF, pubblicazioni sui
forum, brevetti, sessioni IM, ecc.
Proprietà comuni:
• Contenuto di testo significativo
• Qualche struttura (ad es. Titolo, autore, data per i documenti, oggetto, mittente, destinazione per la posta elettronica)
Information Retrieval
UN PASSO INDIETRO

Ricerca ad-hoc: Trovare documenti pertinenti (rilevanti) per una query di testo arbitraria
Filtraggio: Identificare i profili utente rilevanti per un nuovo documento
Classificazione: Identificare le etichette pertinenti (rilevanti) per i documenti
Risposta: Dare una risposta specifica a una domanda
Compiti di IR
UN PASSO INDIETRO

Un documento rilevante contiene le informazioni che una persona stava cercando quando ha inviato una query al motore di ricerca
• Molti fattori influenzano la decisione di una persona su ciò che è rilevante: ad esempio, compito, contesto, novità, stile
• I modelli di retrivieval definiscono una vista di pertinenza (rilevanza)
• Gli algoritmi di ranking utilizzati nei motori di ricerca sono basati su modelli di recupero
• La maggior parte dei modelli descrive le proprietà statistiche del testo piuttosto che linguistiche
cioè contando caratteristiche di testo semplici come le parole invece di analizzare le frasi
Rilevanza di un documento
UN PASSO INDIETRO

Procedure sperimentali e misure per confrontare l'output del sistema con le aspettative degli utenti
• Nato negli esperimenti di Cranfield negli anni '60
• Metodi di valutazione IR ora usati in molti campi
• Generalmente utilizzate la raccolta di test di documenti, query e giudizi di rilevanza
Efficacia: è misurata con due metriche recall e precisione
• Precisione: frazione di documenti recuperati che sono rilevanti per le esigenze di informazione dell'utente
• Recall: frazione di documenti rilevanti nella raccolta che vengono recuperati
Valutazione di un documento
UN PASSO INDIETRO

La valutazione della ricerca è centrata sull'utente
• Le query per parole chiave sono spesso descrizioni inadeguate delle effettive esigenze di informazione
• Interazione e contesto sono importanti per comprendere l'intento dell'utente
• Tecniche di perfezionamento delle query come
• espansione della query,
• suggerimento di query,
• il feedback sulla pertinenza migliora la classifica
Un motore di ricerca è l'applicazione pratica delle tecniche di IR alle raccolte di testi su larga scala: lo sviluppo di una strategia
SEO non può prescindere dalla conoscenza delle modalità operative di un IRS, un sistema di information retrieval quale Google è.
Esigenze di utenti ed informazioni
UN PASSO INDIETRO

• Analizzare il web tramite particolari software chiamati crawler (o spider o robot) che scandagliano il web e inseriscono i documenti
trovati all’interno del database del motore di ricerca (indicizzazione);
• Catalogare in un indice il materiale ottenuto mediante l’utilizzo di opportune parole chiave (keyword);
• Fornire risposta alle richieste dell'utente, che avviene cercando nel database quei documenti che contengono le keyword inserite
dall'utente ed elencando i siti trovati (SERP) in ordine di rilevanza rispetto alla richiesta ricevuta.
Architettura motori di ricerca
UN PASSO INDIETRO

1. Acquisizione del testo: identifica e memorizza i
documenti per l'indicizzazione
2. Trasformazione del testo: trasforma i documenti in
termini o caratteristiche dell'indice
3. Creazione dell'indice: prende i termini dell'indice e
crea strutture di dati (indici) per supportare la ricerca
veloce.
Search Engine & IR
UN PASSO INDIETRO

Crawler
• Identifica e acquisisce documenti per il motore di ricerca
• I crawler Web seguono i link per trovare i documenti
Conversione
• Converte varietà di documenti in un testo coerente più il formato dei metadati (per esempio. HTML, XML, Word, PDF, ecc. → XML)
• Converte la codifica del testo per diverse lingue utilizzando uno standard Unicode come UTF-8
Archivio dati di documenti
• Memorizza il testo, i metadati e altri contenuti correlati per i documenti
• Fornisce un accesso rapido al contenuto del documento per i componenti del motore di ricerca
1. Acquisizione del testo
UN PASSO INDIETRO

Parser
• analisi sintattica che analizza un flusso continuo di dati in ingresso n modo da determinare la sua struttura grazie ad una specifica
grammatica formale
• Elaborazione della sequenza di token di testo nel documento per riconoscere elementi strutturali
• Tokenizer riconosce "parole" nel testo
• Linguaggi di markup come HTML, XML spesso usati per specificare la struttura
Stopping
• Rimuovi le parole comuni (ad es. "e", "o", "il", "in“)
Stemming
• Parole di gruppo derivate da una radice comune
2. Trasformazione del testo
UN PASSO INDIETRO

Link Analysis
• Fa uso di collegamenti e anchor text nelle pagine web
• L'analisi dei collegamenti identifica la popolarità e la comunità (ad esempio, PageRank)
• Il testo di ancoraggio può migliorare significativamente la rappresentazione delle pagine indicate dai collegamenti
• Impatto significativo sulla ricerca web
Estrazione di informazioni
• Identificare classi di termini indice importanti per alcune applicazioni (ad esempio, i riconoscitori delle entità con nome identificano
classi come persone, luoghi, società, date, ecc.)
Classificatore
• Identifica i metadati relativi alla classe per i documenti (Ad esempio, assegna etichette ai documenti, argomenti, livelli di lettura,
sentimento, genere..)
• L'uso dipende dall'applicazione
2. Trasformazione del testo
UN PASSO INDIETRO

Statistiche del documento
• Raccoglie i conteggi e le posizioni delle parole e altre funzionalità
Ponderazione
• Calcola i pesi per i termini dell'indice
• Utilizzato nell'algoritmo di classificazione (ad es., peso TF.IDF (Combinazione di frequenza di termine in documento e frequenza
inversa del documento nella raccolta))
Inversione
• Core del processo di indicizzazione, converte le informazioni sui termini - documento in documenti - termine per l'indicizzazione
• Il formato del file invertito è progettato per l'elaborazione rapida delle query
• Deve anche gestire gli aggiornamenti e Compressione utilizzata per l'efficienza
Distribuzione dell'indice
• Distribuisce indici su più server e/o su più siti
• Indispensabile per l'elaborazione rapida delle query con un numero elevato di documenti
3. Creazione dell’indice
UN PASSO INDIETRO

1. Interazione dell'utente: supporta la creazione e il
perfezionamento della query, la visualizzazione dei
risultati
2. Ranking: utilizza query e indici per generare elenchi
di documenti classificati
3. Valutazione: monitora e misura l'efficacia e
l'efficienza (principalmente offline)
Ricerca
UN PASSO INDIETRO

Input di query
• Fornisce interfaccia e parser per il linguaggio di query
• Linguaggio di query utilizzato per descrivere query più complesse e risultati della trasformazione di query (ad esempio, query
booleane)
• Migliora la query iniziale, sia prima che dopo la ricerca iniziale
• Include tecniche di trasformazione del testo utilizzate per i documenti
• Il controllo ortografico e il suggerimento di query forniscono alternative alla query originale
• L'espansione della query e il feedback sulla pertinenza modificano la query originale con termini aggiuntivi
Output risultati
• Costruisce la visualizzazione di documenti classificati per una query
• Genera snippet per mostrare come le query corrispondono ai documenti
• Evidenzia parole e passaggi importanti
• Recupera pubblicità appropriata in molte applicazioni
1. Interazione utente
UN PASSO INDIETRO

Scoring
• punteggio
• Calcola i punteggi per i documenti utilizzando un algoritmo di classificazione
• Componente principale del motore di ricerca
2. Ranking
UN PASSO INDIETRO

Logging
• La registrazione delle query degli utenti e l'interazione sono fondamentali per migliorare l'efficacia e l'efficienza della ricerca
• Log di query e dati di click-through utilizzati per suggerimenti di query, controllo ortografico, cache di query, classificazione,
ricerca pubblicitaria e altri componenti
Analisi della classifica
• Misurazione e messa a punto dell'efficacia del ranking
Analisi di performance
• Efficienza del sistema di misurazione e messa a punto
3. Valutazione
UN PASSO INDIETRO

02 Un passo avanti
Engagment di un visitatore comincia dall’intento di ricerca

Gli aggiornamenti di Google
• La registrazione delle query degli utenti e l'interazione sono fondamentali per migliorare l'efficacia e l'efficienza della ricerca
• Il Google Hummingbird update nel 2013 si concentra sulla ricerca semantica e vocale.
• Il Google Pigeon update riguarda la “ricerca locale” e modifica i risultati di ricerca in base alla geo-localizzazione dell’utente.
• Nel 2015 Google introduce RankBrain, una machine learning basata su intelligenza artificiale utilizzato per aiutare a
processare i risultati di ricerca migliori presenti in rete. E’ ormai ufficialmente riconosciuto da Google come il terzo più importante
fattore di ranking) sul quale si innesta la valutazione del comportamento utente all'interno delle SERP attraverso il Relevance
Feedback (RF).
• Il Mobilgeddon, dell’aprile 2015, dà invece un grande valore alla navigazione mobile e spinge i siti web ad avere necessariamente
un design responsive per non scomparire dalle SERP nelle ricerche da dispositivi mobili.
• L’aggiornamento chiamato “Mobile-friendly 2 ” del 2016 punta infatti ad incrementare la visibilità dei siti mobile friendly nei risultati
di ricerca.
Evoluzione dei search engine
UN PASSO AVANTI

La registrazione delle query degli utenti e l'interazione sono fondamentali per migliorare l'efficacia e l'efficienza della ricerca
• RankBrain è un nuovo sottosistema di algoritmi che Google utilizza nella fornitura di risultati di ricerca o SERP. RankBrain utilizza
l'apprendimento automatico e l'intelligenza artificiale per rispondere a domande che non sono mai state poste.
• Il sistema incorpora la lingua parlata sotto forma di ricerche in modelli matematici che possono essere elaborati dal motore di
ricerca.
• RankBrain integra i diversi algoritmi per la categorizzazione di queste nuove ricerche. Utilizza anche la ricerca semantica, che è
stata implementata con l'aggiornamento di Hummingbird, e associa semanticamente parole non familiari a entità linguistiche già
note.
• Il sistema è progettato per imparare in questo modo in futuro.
• RankBrain è pensato per gestire in modo specifico le query che consistono in combinazioni di più termini, parole chiave long-tail,
domande e ricerche conversazionali
Rankbrain e la semantic search
UN PASSO AVANTI

Il web semantico è tutto ciò che ci consente di comunicare dei significati tramite il web, in modo chiaro e senza fraintendimenti. E non è
banale.
Metodi:
• Linguaggio HTML: codice di markup in grado di aggiungere metainformazioni e metadati ai documenti testuali (meta tag,
collegamenti ipertestuali,..)
• Linguaggio XML: permette di definire delle proprietà e assegnare a queste ultime dei valori. Possiamo definire qualsiasi proprietà ci
interessi, non si cono campi predefiniti.
• Linguaggio RDF (Resource Description Framework ): è lo strumento proposto dal W3C per descrivere i metadati relativi ad una
risorsa, mettendo a disposizione un linguaggio per esprimere la semantica di una risorsa.
Semantic Web
UN PASSO AVANTI

La semantic search è un approccio IR ( Information Retrieval ) che utilizza il significato semantico delle risorse e delle query per cercare le
informazioni in una base di conoscenza.
Elementi della semantc search:
• URI ( Universal Resource Indentifier): Un insieme di risorse e di informazioni. Ogni risorsa è identificata da un indirizzo univoco. Esempio.
I siti, le immagini online e le pagine web sono tutte identificate da un indirizzo Url. E' univoco.
• RDF ( Resource Description Framework): Un linguaggio per rappresentare la conoscenza. Questo linguaggio organizza le informazioni in
una struttura standardizzata, detta framework, che facilita la comunicazione tra uomo e il computer e tra gli stessi computer. I Microdata
sono un estensione HTML che possono essere convertiti in RDF.
• Ontology Knowledge Base: Una libreria di ontologie è una base di conoscenza ( knowledge base ) in cui le informazioni sono organizzate
e sono a disposizione del search engine o del sistema IR. La conoscenza è organizzata in ontologie e tassonomie, secondo una
classificazione e un ordinamento logico.
Semantic Search
UN PASSO AVANTI

Il processo: una pagina web integra al suo interno della
metainformazioni in un linguaggio di framework ( es. RDF,
JSON o altro ) per associare i suoi contenuti a un oggetto
nella base di conoscenza ( ontology knowledge base ).
Quando il crawler del search engine scansiona la pagina,
individua il collegamento semantico alla knowledge base e
associa immediatamente la risorsa a quella particolare
ontologia. Nota. Il motore di ricerca utilizza lo stesso
linguaggio di rappresentazione della conoscenza e la
stessa knowledge base, quindi non ci sono rischi di
misunderstanding tra search engine e sito web.
2012: Google Knowledge Graph
Semantic Search
UN PASSO AVANTI
SEARCH
ENGINE
URI RDF
ONTOLOGY

Un documento rilevante contiene le informazioni che una persona stava cercando quando ha inviato una query al motore di ricerca
Molti fattori influenzano la decisione di una persona su ciò che è rilevante: ad esempio, compito, contesto, novità, stile
I modelli di retrivieval definiscono una vista di pertinenza e rilevanza con la query.
Campo semantico di pertinenza: Nel linguaggio naturale ogni parola ha una relazione di pertinenza con altre parole. Ogni parola ha un
proprio campo semantico ed è molto vasto. Queste parole pertinenti formano un insieme detto campo semantico di pertinenza della parola. Si
tratta di termini pertinenti con quello di partenza. Una parola può appartenere a più campi semantici
Campo semantico di rilevanza: E’ l'insieme dei termini rilevanti che sono pertinenti con una determinata parola. È un sottoinsieme del campo
semantico di pertinenza. Al motore di ricerca non interessa comprendere tutti i significati di una parola. Soltanto alcune parole pertinenti sono
digitate dagli utenti nelle loro query di ricerca. Ad esempio, nel linguaggio comune è molto raro dire "abito in una casa sita in via...". È invece
frequente dire "sito web" oppure "sito archeologico“.
Rilevanza e pertinenza di un documento
UN PASSO AVANTI

Tutto ciò che viene digitato in una query è rilevante. Le parole rilevanti hanno un forte legame con il bisogno informativo dell'utente, quello che il
search engine desidera soddisfare. Da questa informazione il motore di ricerca può risalire alla reale intenzione dell'utente.
Un documento ottimizzato deve essere pertinente con una parola chiave
Si tratta di una condizione necessaria, in caso contrario si rischia d'essere considerati spam.
La pertinenza è una condizione necessaria ma non sufficiente.
Se le parole sono pertinenti ma non rilevanti per gli utenti, il testo non riceve molta attenzione dal search engine e anche se l'avesse non
otterrebbe molto traffico organico. Una volta ottimizzata la pertinenza del testo, si dovrebbe lavorare sulla rilevanza delle parole chiave, per
intercettare il bisogno reale degli utenti e fornire una risposta chiara. In conclusione, un buon testo ottimizzato deve essere composto da
parole pertinenti e rilevanti.
Inoltre, è del tutto inutile avere un documento semanticamente ottimizzato ma illeggibile. Sarebbe sicuramente penalizzato dal search
engine per la scarsa esperienza utente.
Rilevanza e pertinenza di un documento
UN PASSO AVANTI

03 Let’s go!
La semantic search è la base per capire gli intenti

• Obiettivo dei motori di ricerca è quello di fornire una risposta pertinente e rilevante per l’utente.
• I motori di ricerca usano machine learning per .imparare quali sono le intenzioni degli utenti. Anche grazie a queste, sono in grado di
classificare i risultati delle ricerche (ranking).
• Il customer journey dei visitatori inizia con la ricerca e i touchpoints sono distribuiti su vari devices e soprattutto in mobilità
• Obiettivo di un sito web è quello di convertire un visitatore in un cliente. E’ importante condividere con il cliente un esperienza positiva di
valore (fornire “argomenti di significato” attraverso il “significato degli argomenti” – espansione del campo semantico)
• L’ottimizzazione dei contenuti del sito e dell’esperienza sui mobile deve essere validata dall’analisi dei dati per capire cosa sta
succedendo quando i visitatori arrivano al tuo sito e come stanno interagendo con esso. Se l’esperienza non è positiva per l’utente, non lo
è nemmeno per il motore di ricerca.
Conclusioni
LET’S GO!

• Seo Hero aiuta ad esaminare il testo contenuto in una pagina attingendo dal campo semantico di appartenenza, un tool di esplorazione
semantica latente che riesce a capire gli argomenti trattati elencando parole simili o affini
• Wordtree permette di scansionare le parole ( word ) di un testo e costruire una rappresentazione grafica ad albero ( tree ) logico
• Google Suggest e Ricerche correlate: in fondo alle SERP dei motori di ricerca
• Answerthepublic: tool per l’analisi semantica latente
• Google Correlate: permetterebbe di osservare le correlazioni tra 2 termini
• Google KnowledgeGraph API: interrogazione della knowledge base di Google
• Site:miosito termine di ricerca: capire come è stata indicizzata una pagina per un particolare termine
• keywordshitter :utile per ricercare parole chiave long tail
• Intelligenza Artificiale: IBM Watson
Conclusioni
LET’S GO!

L'evoluzione del SEO: Search Experience Optimization

More Related Content

Similar to L'evoluzione del SEO: Search Experience Optimization

L'evoluzione del SEO: Search Experience Optimization