گوگل با معرفی گراف دانش و شعار "Things, not strings" (چیزها، نه رشته ها) تاثیر عمیقی بر سئو گذاشته و باعث ایجاد سئو موجودیت (Entity SEO) شده است. پس از گذشت تقریبا یازده سال، هنوز هم بسیاری متخصصان سئو در درک کامل این تغییر بنیادین و تاثیر آن بر سئو با چالش مواجه هستند.
با معرفی گراف دانش و مفهوم موجودیت ها در سال ۲۰۱۲، گوگل استانداردهای جدیدی را برای سئو تعریف نمود. دیگر صرفا شناسایی کلمات کلیدی کافی نبود بلکه درک و بهینه سازی برای موجودیت ها اهمیت پیدا کرد. تغییر فوق، چالش بزرگی را برای متخصصان سئو ایجاد نموده که علی رغم گذشت یک دهه، همچنان پابرجا است و بسیاری از آنها در درک و پیاده سازی این مفهوم دچار مشکل هستند.
چهار دلیل مرتبط با این موضوع در زیر آمده است:
- عدم رواج کافی اصطلاح سئو موجودیت (Entity SEO) باعث شده است که تعریف آن برای بسیاری از متخصصان سئو، ناآشنا باقی بماند و بنابراین در گفتمان تخصصی آنها جایگاهی نداشته باشد.
- از آنجایی که بهینه سازی و سئو موجودیت با روش های قدیمی مبتنی بر کلمه کلیدی همپوشانی دارد اما اغلب این دو مفهوم با یکدیگر اشتباه گرفته می شوند. علاوه بر این، نحوه تاثیرگذاری entity در سئو به خوبی مشخص نشده بود و خود گوگل نیز گاهی واژه Entity را به جای موضوعات دیگر استفاده می کند که باعث سردرگمی بیشتری شده است.
- آموزش و درک مفهوم موجودیت ها اغلب روندی کسل کننده تلقی می شود. دستیابی به دانش تخصصی در این زمینه نیازمند مطالعه توضیحات گوگل و آشنایی با اصول اولیه یادگیری ماشین است. سئو موجودیت (Entity SEO)، رویکردی علمی تر نسبت به روش های سنتی سئو بوده و ممکن است برای همه جذاب نباشد.
- یوتیوب با اثر گذاری فراوان بر نحوه انتشار دانش، سطح یادگیری بسیاری از مباحث را نیز کاهش داده است. تولیدکنندگانی که در این پلتفرم به شهرت و موفقیت دست یافته اند، معمولا برای آموزش مخاطب، رویکردی سهل انگارانه داشته اند. لذا تا قبل این توجه چندانی به مفهوم موجودیت ها هنگام تولید محتوا نمی شد. بنابراین، برای فهم دقیق موجودیت ها باید از دانش محققان پردازش زبان طبیعی (NLP) بهره برد و سپس آن را در سئو به کار گرفت. توضیحات و مقالات پژوهشی، منابع کلیدی برای درک entity در سئو محسوب می شوند.
مقاله فعلی، به بررسی و ارائه راهکارهایی برای رفع 4 چالش اصلی می پردازد که مانع از دستیابی متخصصان سئو جهت تسلط کامل روی رویکرد مبتنی بر موجودیت برای بهینه سازی موتورهای جستجو شده است.
محتوای این مقاله شامل موارد زیر می باشد:
- تعریف موجودیت و اهمیت entity در سئو
- مروری بر تاریخچه جستجوی معنایی
- تشریح روش های شناسایی و استفاده از موجودیت ها در SERP
- شرح چگونگی به کارگیری entity در سئو و برای بهبود رتبه بندی محتوای وب
دلیل اهمیت موجودیت ها
آینده موتورهای جستجو جهت انتخاب و رتبه بندی محتوا و همچنین درک معنای آن، به سئو موجودیت وابسته است. با در نظر گرفتن اهمیت اعتماد مبتنی بر دانش، می توان گفت که سئو موجودیت، شیوه استاندارد Seo طی دو سال آینده خواهد بود.
چند نمونه از Entity ها
در صفحه SERP نمونه های گوناگونی از entity ها وجود دارد که احتمالا آنها را مشاهده کرده اید. انواع رایج موجودیت ها شامل مکان ها، افراد و کسب و کارها می شوند.
تصویر(1)
تصویر(2)
تصویر(3)
تصویر(4)
یک مثال برجسته برای درک مفهوم موجودیت ها در SERP، دسته بندی های مرتبط با هدف کاربر یا همان Intent clusters هستند. هرچه موتورهای جستجو درک عمیق تری از موضوع پیدا کنند، ویژگی های فوق در نتایج جستجو بیشتر خودنمایی خواهند کرد. نکته جالب این است که یک کمپین سئو متمرکز بر entity ها، اگر درست اجرا شود، می تواند به طور چشمگیری ظاهر SERP را تغییر دهد. مقالات ویکی پدیا نیز نمونه دیگری از موجودیت ها هستند و اطلاعات جامعی ارائه می دهند. همان طور که در تصویر زیر مشاهده می کنید، موجودیت "ماهی" دارای ویژگی های متعددی مانند ساختار بدنی و اهمیت آن برای انسان است.
تصویر(5)
با اینکه ویکی پدیا داده های بسیاری برای یک موضوع در خود جای داده است اما نمی توان آن را به عنوان منبعی جامع و نهایی تلقی کرد.
انتیتی چه معنایی دارد؟
entity به عنوان یک واحد متمایز و قابل شناسایی دارای مجموعه ای از ویژگی ها شامل نام ها، نوع (یا دسته بندی)، خصوصیات و روابط آن با سایر موجودیت ها، تعریف می گردد. لازم به ذکر است که انتیتی ها صرفا با ثبت در فهرست موجودیت (Entity Catalog) و دریافت شناسه منحصربه فرد رسمیت می یابند. عدم ثبت یک کلمه یا عبارت در فهرست فوق دلیلی بر انتیتی نبودن آن نیست اما وجودش اغلب تاییدی بر این مورد است. اگرچه ویکی پدیا ملاک تشخیص Entity تلقی نمی گردد اما به دلیل پایگاه داده بزرگ موجودیت هایش بسیار شناخته شده است.
در مورد فهرست موجودیت ها می توان به موارد زیر اشاره نمود:
- ویکی پدیا (Wikipedia)
- ویکی داده (Wikidata)
- دی بی پدیا (DBpedia)
- فری بیس (Freebase)
- یاگو (Yago)
تصویر(6)
موجودیت ها به تسهیل ارتباط میان داده های فاقد ساختار و داده های ساختاریافته کمک شایانی می نمایند. این انتیتی ها قابلیت استفاده جهت غنی سازی معنایی متون بدون ساختار را دارا بوده و در مقابل، منابع متنی نیز می توانند جهت تکمیل و توسعه پایگاه های دانش ساختاریافته مورد بهره‌برداری قرار گیرند. پیدا نمودن نام موجودیت ها در متن و ارتباط آنها به اطلاعات یک پایگاه دانش، پیوند موجودیت (entity linking) نامیده می شود.
مفهوم موجودیت نقش بنیادینی در درک معنای متون، توسط انسان و ماشین ایفا می کند و اهمیت بسیاری در سئو موجودیت دارد. انسان ها با تکیه بر زمینه متن قادر به رفع ابهامات مربوط entity ها هستند، این مورد برای سیستم های ماشینی مستلزم بکارگیری منابع دانش ساختاریافته است. داده های پایگاه های دانش، خلاصه ای از اطلاعات مربوط به هر موجودیت را فراهم می آورند و موجب می گردند تا ماشین ها نیز در مورد متون درک بهتری داشته باشند.
پایگاه های دانش، اطلاعات گوناگون انتیتی ها را به صورت جامع ارائه می دهند. این اطلاعات نمایانگر دانش موجود برای هر entity در زمان مشخص هستند. از آنجا که دانش بشری و واقعیت های جهان همواره در حال تحول می باشند، لزوم بروزرسانی مستمر پایگاه ها امری بدیهی است.
فرآیند فوق که توسط متخصصان مدیریت محتوا و ویراستاران انجام می پذیرد، مخصوصا در مواجهه با حجم عظیم داده ها، چالش های متعددی را به همراه دارد. با این حال، تحلیل متونی که به موجودیت ها اشاره دارند، می تواند ابزاری مفید جهت یافتن اطلاعات جدید یا نیازمند اصلاح باشد و زمینه را برای خودکارسازی این مهم فراهم آورد.
در ادبیات علمی، این موضوع تحت عنوان مسئله گسترش پایگاه دانش (Knowledge Base Population) مورد بحث قرار می گیرد لذا اهمیت پیوند موجودیت آشکار می گردد. entity ها، به سیستم های جستجو کمک می کنند تا منظور واقعی کاربر از جستجو (که با کلمات کلیدی بیان می شود) و محتوای مرتبط در اسناد را تشخیص دهند.
در پژوهش صورت گرفته با عنوان موجودیت نامدار توسعه یافته (Extended Named Entity) نویسنده به شناسایی ۱۶۰ نوع انتیتی مبادرت ورزیده است. برای نمونه، دو مورد از فهرست مذکور ارائه می گردد.
تصویر(7)
تصویر(8)
اگرچه تعریف برخی از دسته های موجودیت ها آسان تر است اما باید در نظر داشت که مفاهیم و ایده ها نیز نوعی انتیتی محسوب می شوند. این دو دسته، مخصوصا برای گوگل، به سختی قابل تعمیم و مقیاس پذیری هستند. جهت آموزش مفاهیم پیچیده به گوگل، ارائه یک صفحه واحد کافی نخواهد بود. درک عمیق موجودیت ها نیازمند منابع اطلاعاتی متعدد و ارجاعات مداوم در طول زمان است.
سابقه موجودیت ها در گوگل
خرید Freebase توسط گوگل، رویدادی مهم تلقی می شود. اقدام فوق، تلاشی برای ایجاد یک پایگاه دانش ساختاریافته و بهبود درک ماشین از موجودیت ها بود. علی رغم این، با ظهور ویکی داده و معماری مبتنی بر داده های پیوندی آن، گوگل تصمیم گرفت داده های فری بیس را به این پلتفرم جدید منتقل کند.
این انتقال، که با عنوان مهاجرت بزرگ در یک مقاله علمی توسط پنج دانشمند گوگل ثبت شده است، از نظر فنی بسیار چالش برانگیز بود و درس های ارزشمندی برای جامعه علمی به همراه داشت.
در لیست زیر تعدادی از آنها ذکر شده است:
- فری بیس بر اساس چهار مفهوم کلیدی یعنی اشیا (objects)، حقایق (facts)، انواع (types) و ویژگی ها (properties) طراحی و پیاده سازی شده است. در این ساختار، هر شی به عنوان یک موجودیت منحصربه فرد تحت شناسه ثابت با نام mid (که مخفف Machine ID و معنای شناسه ماشینی است) شناخته می شود.
- مدل داده ویکی داده بر مفاهیم item و statement استوار است. آیتم بر انتیتی دلالت داشته، دارای شناسه پایدار qid بوده و می تواند شامل برچسب ها، توضیحات و نام های مستعار به زبان های متعدد باشد. همچنین شامل statement ها و ارجاعاتی به صفحات انتیتی در سایر پروژه های ویکی مدیا، مخصوصا ویکی پدیا، می شود. فرق Wikidata و Freebase این است که آیتم های ویکی دیتا برای ثبت حقایق مطلق نیست بلکه بیانگر اطلاعات از منابع گوناگون بوده که احتمال دارد با هم فرق داشته باشند.
علی رغم تعریف انتیتی ها در منابع دانش، گوگل برای تحلیل داده های بدون ساختار (نظیر وبلاگ ها) و توسعه دانش اختصاصی خود با مشارکت بینگ و یاهو، سازمان Schema.org را جهت ایجاد یک زبان مشترک برای توصیف داده ها بنیانگذاری کرد. گوگل با ارائه دستورالعمل های اسکیما، به مدیران وب سایت امکان می دهد تا محتوای خود را ساختاریافته علامت گذاری کنند و درک آن را برای موتورهای جستجو تسهیل نمایند. همانطور که پیشتر اعلام شد هدف گوگل صرفا پردازش رشته های متنی نمی باشد و تمرکز آن بر مفاهیم و اشیا است. این امر اهمیت موجودیت ها در گوگل را نشان می دهد.
از نظر گوگل با درج داده های ساختاریافته می توان اطلاعات صریحی در خصوص معنای صفحه به موتور جستجو منتقل نمود. داده های ساختاریافته، قالبی استاندارد جهت ارائه اطلاعات مرتبط با یک صفحه و نیز طبقه بندی محتوای آن محسوب می گردند. برای مثال، در صفحه مربوط به دستورالعمل پخت غذا، می توان اطلاعاتی از قبیل مواد اولیه، مدت زمان و دمای پخت، میزان کالری و سایر موارد مرتبط را تعریف نمود.
به منظور واجد شرایط شناخته شدن یک شی برای نمایش در نتایج جستجوی گوگل با فرمت بهبود یافته، درج کلیه ویژگی های الزامی آن، ضروری است. اگرچه تعریف ویژگی های پیشنهادی بیشتر، می تواند احتمال نمایش اطلاعات را افزایش دهد اما ارائه اطلاعات صحیح و کامل در مورد تعداد محدودی از ویژگی ها، بر ارائه تمامی موارد پیشنهادی با داده های ناقص، نامعتبر یا دارای ساختار نامناسب، اولویت دارد.
schema ابزاری کارآمد برای متخصصین SEO جهت تسهیل درک محتوای صفحات توسط موتورهای جستجو به شمار می رود. در اطلاعیه بهبود جستجو برای ۲۰ سال آینده بر اهمیت ارتباط محتوا با جستجو و همچنین کیفیت آن تاکید شده است. در نظر داشته باشید که رویکرد اولیه گوگل جهت تشخیص محتوای صفحات، منحصرا بر تحلیل کلمات کلیدی استوار بود.
در ادامه، گوگل لایه های موضوعی را به سیستم جستجوی خود اضافه نمود. اقدام فوق با استفاده از گراف های دانش و فرایند سیستماتیک گردآوری و سازماندهی داده ها در سطح وب، امکان پذیر گردید. این تحول، باعث شکل گیری سیستم جستجوی کنونی شد. در بازه زمانی کمتر از یک دهه، گوگل شاهد افزایش قابل توجه تعداد انتیتی ها بوده است.
در این مقاله، به تعریف Entity و دلیل اهمیت سئو موجودیت پرداخته شد. همچنین چند نمونه انتیتی و سابقه گوگل در این زمینه مطرح گردید. جهت مطالعه سایر موارد در باره سئو Entity می توانید به قسمت دوم مقاله مراجعه نمایید.