什么是語義搜索引擎優化

語義搜索引擎優化（Semantic seo）是圍繞主題（而不僅僅是單個關鍵詞）優化內容搜索引擎的實踐。

為什么語義搜索引擎優化很重要？

回想當年，谷歌100%基于關鍵詞來評估一個頁面的主題。

例如，如果你寫了一個反復使用關鍵詞“古飲食”的頁面，它告訴谷歌：“這個關鍵詞出現在整個頁面上。

這個頁面一定是關于古飲食的！”

2013年，谷歌推出了蜂鳥算法。

這種算法在很大程度上改變了谷歌的工作方式。

他們現在不再只看關鍵詞，而是閱讀并理解頁面的整體主題。

（與人類非常相似）

例如，如果你搜索蜂鳥之前的“古飲食健康益處”，谷歌會向你顯示頁面上有該短語的頁面：

但蜂鳥比這更聰明。

是的，谷歌仍然在尋找關鍵詞。但他們并不依賴他們。

因此，他們不只是在網頁上搜索關鍵詞，而是尋找最能涵蓋“古飲食與健康”主題的網頁。并且向用戶展現這些結果：

最佳實踐方法

發布“主題相關”內容

我最近進行了有史以來規模最大的谷歌排名因素相關性研究（分析了100多萬個搜索結果）。

我們最令人驚訝的發現之一是，“主題相關”的內容變得多么強大。

因此什么是“主題相關”內容？您該如何進行優化。

Topicly Related content（主題相關內容）是一種奇特的方式，它描述了涵蓋整個主題的內容。

例如，去年我想對關鍵詞“移動SEO”進行排名。

我本可以創建平均500字的帖子，比如：“移動優化網站的7種方法”。

相反，我寫了一個完整的移動搜索引擎優化指南。

我寫了一本指南，其中涵蓋了優化移動網站的所有知識，而不是一些技巧。

現在是時候向你展示如何在下一篇博客文章中做同樣的事情了。

撰寫主題大綱

如果你想幾乎保證你的內容是主題相關的，我強烈推薦“主題大綱”。

主題大綱是列出您將在文章中涵蓋的所有子主題的大綱。

而且，他們可以很容易地寫出谷歌喜歡的深度內容。

舉個例子怎么樣？我最近發表了這篇關于反向鏈接的文章。

但在我寫一個單詞之前，我創建了一個主題大綱。

本主題大綱列出了屬于“反向鏈接”這一更大主題的所有子主題。

我知道，如果我在內容中包含這些子主題，谷歌會將其視為主題相關。

今天，我的指南在關鍵詞“反向鏈接”中排名第一（在精選片段中）。

回答“人們也會問”問題

這是我最近收到的一個很酷的提示。

你可能已經注意到，谷歌現在在搜索結果中會出現“人們也會問”。

《人們也會問》基本上是谷歌告訴你的：“這些都是人們對這個話題的迫切問題”。

當你在你的內容中回答這些問題時，你不僅會在你的目標關鍵詞中排名更好……而且你也可以出現在這些“人們也會問”框中。

你可以直接回答這些問題，就像我在關于nofollow鏈接的帖子中所做的那樣：

或者你可以在你的帖子中回答這個問題。

例如，如果您搜索“反向鏈接”，其中一個問題是：“什么是反向鏈接的示例”：

所以在內容中我加了例子。

具有相同頁面的目標關鍵字變體

當我第一次進入SEO時，人們習慣于為關鍵字的每個變體創建不同的頁面。

例如，您可以創建一個圍繞“最佳餅干食譜”優化的頁面。另一個優化為“最佳餅干配方”。

想法是創建一個圍繞特定關鍵字進行了超級優化的頁面。并對該術語的每個不同變體重復該過程。

這在一段時間內效果很好。

但由于熊貓和蜂鳥等更新，這種方法不再有意義。

這是因為谷歌現在對相同關鍵詞的變體顯示出幾乎相同的結果。

例如，當你搜索“燕麥餅干配方”和“燕麥餅干食譜”時，結果幾乎完全相同：

這就是為什么您希望針對同一頁面的多個相似關鍵字。

我將舉一個例子來解釋。我表現最好的內容之一是：“YouTube SEO：如何在2020年對YouTube視頻進行排名”

回想當年，我會創建一個圍繞“YouTube SEO”優化的帖子。另一個則是關于“YouTube SEO 2020”。

但多虧了語義搜索引擎優化，我知道谷歌明白這些主題是相似的。

所以我圍繞兩個關鍵詞優化了這篇文章。

因為谷歌不只是看關鍵詞，而是使用語義搜索引擎優化來理解我的頁面主題，所以它決定將我的頁面推到這兩個關鍵詞的第一位。

避免長尾關鍵詞

您已經了解到，圍繞關鍵字變化優化不同頁面是沒有意義的。

事實證明，同樣的規則也適用于大多數長尾關鍵詞。

我將會解釋：

長尾關鍵詞之所以受歡迎，是因為它們不具有超強的競爭力。

問題在于：

由于語義搜索引擎優化，谷歌現在將類似的長尾關鍵詞放在同一主題下。

例如，取兩個長尾關鍵詞，如“鏈接構建技巧”和“鏈接構建技術”。

谷歌現在明白，這兩個長尾詞都屬于“鏈接構建”的主題。

這就是為什么兩者的結果非常相似的原因。

我建議圍繞半競爭性的“中尾”關鍵詞創建內容，而不是長尾關鍵詞。

如果你的內容足夠令人驚嘆，谷歌會自動為你的大量長尾關鍵詞排名。

例如，我的網站上這個頁面的目標關鍵字是“關鍵字研究”。

這并不是“SEO”這樣競爭激烈的關鍵詞。但它也不是像“最佳關鍵詞研究策略”這樣的長尾關鍵詞。它就在中間。

由于我的內容非常深入（并且有很多指向它的鏈接），它排名為330個不同的關鍵詞：

（根據SEMRush）

不要全部忽略關鍵字

最近有很多關于“優化主題，而不是關鍵詞”的討論。

這是1000%的錯誤。

正如你剛才看到的，谷歌現在可以理解頁面的主題了。這意味著你不需要向他們灌輸不同的關鍵詞變體和長尾關鍵詞。

但這并不意味著關鍵詞就死了。遠非如此。

事實上，谷歌仍然建議您在頁面上使用關鍵字：

所以繼續瞄準關鍵詞（并圍繞這些關鍵詞優化內容）。

唯一的區別是，現在可以在單個頁面上針對多個關鍵字。

因為谷歌很聰明，他們會根據你的頁面上的不同關鍵詞…以及許多類似的術語對單個頁面進行排名。

發布長內容

如果你真的想優化語義搜索引擎優化，你需要習慣寫長內容。

我所說的“長”是指一千、兩千甚至五千字的內容。

要明確：

我并不是說你應該發布帶有一堆無價值的內容。

相反，我強調了一個簡單的事實：

一篇傳統的400字博客文章幾乎不可能涵蓋整個主題。

根據主題的不同，你可能需要幾千個單詞來涵蓋它。這很好。

例如，這個17個SEO提示的列表是3439個單詞。

這個內容超長嗎？對！但它讓用戶感到高興，因為他們在一個頁面上獲得了他們想要的一切。

谷歌喜歡這一內容的原因是一樣的：它是一個高質量的頁面，可以回答用戶的查詢。

不要害怕發布超長和深入的內容。事實上，這可能是一個巨大的SEO競爭優勢。

包括語義相關短語

也稱為LSI關鍵字。

這些短語有助于谷歌更好地理解頁面的整體主題。

（作為獎勵，當您在內容中使用相關單詞和短語時，您還可以獲得更多長尾搜索的排名）

優化會話關鍵字

你可能聽說過語音搜索正在增長。

（這是事實。根據谷歌的數據，41%的美國成年人每天至少進行一次語音搜索）

而且，由于語音搜索查詢更具對話性，它們直接影響了語義搜索所要做的事情：理解主題，而不僅僅是單個關鍵詞。

換句話說：

你不需要像機器人一樣寫作才能在谷歌排名。

例如，假設您的目標關鍵字是：“鏈接構建工具SEO”。

回到過去，你必須找到一種方法，將這個尷尬的關鍵詞強加到你的內容中。

不再是了。

今天，您可以使用該術語的自然語言版本（如“SEO鏈接構建工具”），并且仍然可以對該關鍵詞進行排名。

事實上，如果你查看SERP中的“鏈接構建工具SEO”，它們中沒有一個在其內容中使用了這個確切的術語：

我們的收獲是：

在內容中使用自然語言。它有助于內容的語義搜索引擎優化。

它還優化了您的內容，以適應日益增長的搜索領域：語音搜索。

使用結構化數據

結構化數據（Schema）在內容之上添加了一層上下文。

模式并不是SEO的靈丹妙藥（事實上，我們的相關性研究發現模式使用和排名之間沒有相關性）。

但結構化數據確實有助于谷歌了解您的內容。因此，在許多情況下都值得使用。

此外，結構化數據還可以讓你與Rich Snippets建立聯系，從而提高網站的有機CTR。

推薦閱讀

搜索引擎優化seo與信息流動 | 文軍營銷理想的搜索引擎優化應該立足信息流動。 理想的搜索引擎優化需要做到兩個方面:,參與信息流動,加速信息流動;第二,協助搜索引擎,而不是綁架搜索引擎。所謂的參與信息流動,是提供的信息,而且是原創的信息,加速信息流動,是主動鏈接相關的信息,通過鏈接展示其他人擁有的資源。協助搜索引擎,是主動修改諸如網頁標簽等各種信息,使...用機器學習提高寫作效率:探索人工智能寫作的新方式 | 文軍營銷機器學習可以幫助寫作者自動分類和歸納文本內容。這些程序可以根據語義、關鍵詞、詞頻等特征,對大量的文本內容進行分類和歸納,幫助寫作者更快地找到自己需要的信息和素材。這種技術已經被廣泛應用于信息檢索、搜索引擎、社交媒體等領域。 自動化編輯和校對 機器學習可以幫助寫作者自動化編輯和校對文本內容。這些程序可以根據...國外搜索引擎 國外搜索引擎有哪些 | 文軍營銷必應以前也被稱為LiveSearch、WindowsLiveSearch和MSNSearch。必應是由微軟首席執行官史蒂夫·鮑爾默在2009年5月28日揭幕的,全部數字化會議于6月1日在圣地亞哥發布。必應以其他搜索引擎有著顯著的變化,包括搜索查詢中輸入相關搜索的列表(稱為“探索”窗格“)是基于微軟在2008年購買的Powerset的語義技術。國外搜索引擎 國外搜索引擎有哪些 | 文軍營銷必應以前也被稱為LiveSearch、WindowsLiveSearch和MSNSearch。必應是由微軟首席執行官史蒂夫·鮑爾默在2009年5月28日揭幕的,全部數字化會議于6月1日在圣地亞哥發布。必應以其他搜索引擎有著顯著的變化,包括搜索查詢中輸入相關搜索的列表(稱為“探索”窗格“)是基于微軟在2008年購買的Powerset的語義技術。