Nowe technologie w wyszukiwaniu głosowym – jak zmieniają sposób komunikacji z urządzeniami
Pojawiające się nowe technologie umożliwiają użytkownikom wyszukiwanie i komunikowanie się z urządzeniami w zupełnie nowy sposób (wyszukiwanie głosowe), naturalne formułowanie zapytań i konwersację z urządzeniami i wyszukiwarkami. To z kolei znów napędza rozwój algorytmów i technologii, by lepiej rozumieć naturalny język i znaczenia wyrazów oraz by sprostać rosnącym wymaganiom użytkowników. W ten sposób koło się zamyka.
POLECAMY
Konkurencja w wyszukiwaniu to już nie tylko komputer i przeglądarka. Amazon jest doskonałą wyszukiwarką produktów i opinii na ich temat, a asystenci personalni – Google Home, Amazon Echo i Alexa oraz Siri i ostatnio zapowiedziany Apple HomePod – są bezpośrednią konkurencją w zakresie wyszukiwania głosowego. Nowe technologie wymusiły nowe metody poszukiwania informacji.
Gdzie w tym wszystkim jest semantic search?
Początki: Google Knowledge Graph i Hummingbird (aktualizacja Koliber)
Możemy powiedzieć, że wyszukiwanie semantyczne pojawiło się wraz z nadejściem Google Knowledge Graph (//goo.gl/aWyhzk) w maju 2012 r. i algorytmu Koliber (//goo.gl/9kLp5s) w 2013 r. Obie aktualizacje są ze sobą powiązane i były przełomowe, jeśli chodzi o sposób, w jaki Google odczytywał zapytania użytkowników i prezentował dla niego wyniki wyszukiwania.
Żeby lepiej zrozumieć temat wyszukiwania semantycznego, warto spojrzeć – w skrócie – na kontekst historyczny (jeżeli lata 2012 i 2013 możemy nazwać historią), w jakim rozwijał się semantic search. Knowledge Graph – Things not strings. Rzeczy, nie tekst – słowa nie są już tylko zlepkiem znaków. Są obiektami powiązanymi znaczeniami i odnoszącymi się do innych obiektów. Graf wiedzy w szybki i przejrzysty sposób dostarcza informacji na temat wyszukiwany przez użytkownika – spośród milionów obiektów, które ma w swojej bazie, i powiązań pomiędzy nimi. Internauta nie musi przeklikiwać się przez kolejne wyniki wyszukiwania, by znaleźć informacje, które go interesują – są one dostępne bezpośrednio z poziomu wyników wyszukiwania Google.
Czy wiesz, że...
- Łatwo zrozumieć, dlaczego wyszukiwarki dążą do jak najlepszego zaspokajania potrzeb swoich użytkowników i ograniczania nieprzydatnych i śmieciowych wyników.
- Od jakości prezentowanych wyników wyszukiwania zależy ich być albo nie być.
- Użytkownicy korzystają z produktów, które zaspokajają ich potrzeby, a jeśli – w tym przypadku wyszukiwarki – nie dostarczą wyników odpowiadających na zapytanie internauty, istnieje szansa, że pójdzie on do konkurencji.
Głównym zadaniem algorytmu Koliber było jeszcze dokładniejsze odczytywanie i zrozumienie intencji użytkownika, które pozwalało na lepsze dopasowanie wyników wyszukiwania do konkretnego zapytania – biorąc pod uwagę właśnie intencję, kontekst i znaczenie zapytania wystosowanego przez użytkownika. Słowa przestały być jedynie zlepkiem liter. Teraz zaczęły mieć sens.
Serwis SearchEngineLand określił aktualizację Koliber jako kompletną zmianę dotychczasowego algorytmu rankującego Google (//goo.gl/FGgsoM), a sama nazwa miała wziąć się stąd, że jest on „szybki i precyzyjny”.
Hummingbird miał znaczący wpływ na rozwój wyszukiwania głosowego, robiącego (szczególnie ostatnio) duży szum w świecie e-marketingu i SEO. Nie bez przyczyny – sprzedaż urządzeń asystentów osobistych (Google Home, Amazon Alexa) i wykorzystanie wyszukiwania głosowego dynamicznie rośnie – odsyłam do fantastycznego wpisu na blogu Branded3 (//goo.gl/ywPtqq) z podsumowaniem tych trendów.
Co to jest semantic search?
Wykorzystując semantykę, odczytywanie intencji, znaczeń wyrazów, kontekstu, w jakim zadane zostało pytanie, świadomości rzeczy i powiązań pomiędzy nimi, Google może dostarczyć użytkownikowi bardziej dopasowane, odpowiednie i spersonalizowane wyniki wyszukiwania. I radzi sobie z tym całkiem dobrze.
Wykorzystując naturalny język (wpisując zapytanie do wyszukiwarki lub wyszukując głosowo), na użyte zapytanie „kto gra w stranger things” można otrzymać odpowiedni wynik z obsadą serialu w formie karuzeli ze zdjęciami, nazwiskami i graną postacią – mimo że w pytaniu nie zawarto słowa „obsada”.
Algorytmy potrafią zrozumieć intencję i znaczenie zapytania, by wyświetlić odpowiednie wyniki wyszukiwania. W kolejnym przypadku Google wie, że szukam tytułu najnowszego albumu zespołu Iron Maiden – nie muszę wchodzić na stronę zespołu czy wertować forum w poszukiwaniu tej informacji. Dostaję ją od ręki, już na poziomie wyników wyszukiwania.
Google daje również konkretną odpowiedź na bardziej szczegółowe zapytania – rozumiejąc na przykład różnicę pomiędzy pytaniem o wiek a pytaniem o datę urodzenia konkretnej osoby (w obu przypadkach odpowiedź będzie dopasowana do pytania). Podsuwa również inne, mogące mnie zainteresować informacje.
Graf wiedzy. Rzeczy, nie znaki, i powiązania pomiędzy rzeczami. Aktualizacja Koliber. Wyszukiwanie semantyczne. Jak to wszystko połączyć?
Na wykresie zaznaczono przykład rzeczy (pogrubiona czcionka, niebieska ramka) – obiektów, do których odnoszą się inne rzeczy, a także powiązania i rodzaj powiązań pomiędzy nimi (strzałki i tekst w zielonej ramce). Sprawdź sam, jak takie obiekty i powiązania mogą wyglądać na WikiData (//www.wikidata.org/wiki/Q484302).
Google rozpoznaje intencję i znaczenie zapytania i na podstawie dostępnych danych wyświetla konkretną odpowiedź. Mało tego – algorytmy „wiedzą”, że warto zasugerować mi „podobne wyszukiwania” dotyczące innych członków zespołu, ponieważ wiedzą, o co pytam i o co mogę jeszcze zapytać!
Kiedy kontynuuję wyszukiwanie, Google odczytuje moją intencję i daje trafne podpowiedzi, trzymając się kontekstu mojego poprzedniego zapytania.
Galeria wyszukiwarki Google wskazuje na wiele elementów, które może wyświetlić w wynikach wyszukiwania. Należą do nich m.in.:
- informacje kontaktowe,
- logotyp i wewnętrzna wyszukiwarka,
- Twoje profile w sieciach społecznościowych,
- informacje o nadchodzących wydarzeniach,
- oferty pracy (od niedawna),
- informacje o produktach (ceny, opinie, dostępność, inne),
- przepisy (zdjęcie, czas gotowania, kalorie),
- oceny i recenzje (liczba ocen, ocena całkowita).
Dane strukturalne, Google i Schema.org – przydatne linki
Jeśli chcesz wdrożyć dane strukturalne w swoim serwisie, to są zasoby, które mogą Ci się przydać:
- galeria wyszukiwarki: //developers.google.com/search/docs/guides/search-gallery
- narzędzie do testowania danych strukturalnych: //search.google.com/structured-data/testing-tool
- marker danych strukturalnych: //www.google.com/webmasters/tools/data-highlighter – jeśli nie masz możliwości wdrożenia znaczników bezpośrednio w kodzie witryny.
Jeśli wyszukam słowo „koncerty” bez uprzedniego podania w wyszukiwarce kontekstu, otrzymam ogólne podpowiedzi, które mogą naprowadzić mnie na poszukiwany temat.
Tabela 1.
<script type=”application/ld+json”>
{
„@context”: „//schema.org”,
„@type”: „Organization”,
„name”: „MakoLab S.A.”,
„url”: „//makolab.com”,
„logo”: „//makolab.com/~/media/images/media/makolablogo.png”,
„sameAs”: [
„//www.wikidata.org/wiki/Q16574093”,
„//www.facebook.com/MakoLab.SA”,
„//plus.google.com/+MakolabPl”,
„//www.youtube.com/channel/UCYg4HwyxY0OZogA1ik6qc6g”,
„//twitter.com/makolab”,
„//pl.linkedin.com/company/makolab”
],
„address”:
[
{
„@type”: „PostalAddress”,
„name”: „MakoLab centrala”,
„addressLocality”: „Łódź, Polska”,
„postalCode”: „93-172”,
„streetAddress”: „ul. Rzgowska 30”,
„telephone” : „+48-42-239-28-50”,
„email”: „mailto:biuro@makolab.net”,
„contactType” : „customer support”,
„availableLanguage” : [
„English”,
„Polish”,
„French”
]
}]
}
</script>
Semantyka!
Jak zoptymalizować serwis pod kątem wyszukiwania semantycznego?
Można pomóc robotom wyszukiwarek w odczytaniu i zinterpretowaniu treści i kontekstu swoich stron przez wykorzystanie znaczników danych strukturalnych (Schema.org). Dzięki poprawnemu otagowaniu elementów na stronie można wpłynąć na sposób, w jaki Google wyświetla wyniki wyszukiwania – np. na omawiany wcześniej graf wiedzy.
Oznaczenia wskazują algorytmom rzeczy i powiązania pomiędzy nimi.
Google stale rozbudowuje bazę elementów, które może wykorzystać w wynikach wyszukiwania i zaprezentować jako wyniki rozszerzone. Dwa najważniejsze zasoby, na które warto zwrócić uwagę, to:
- //schema.org/ – stworzone przy współpracy Google, Microsoft, Yahoo i Yandex źródło uzgodnionych i standaryzowanych definicji/tagów, które pomagają wyszukiwarkom zrozumieć określone treści na stronie i połączyć je z innymi rzeczami. Poszerzaniem słownika schema.org zajmują się też inne firmy. Stworzone przez MakoLab rozszerzenie Car (w branży automotive) i FIBO (w branży finansowej) zostało oficjalnie do niego wdrożone.
- //developers.google.com/search/docs/guides/search-gallery – galeria wyszukiwarki Google – stale rozwijana dostarcza informacji na temat tego, jakie wyniki rozszerzone są obecnie wspierane i jak implementacja danych strukturalnych w serwisie może pomóc w osiągnięciu takich wyników.
Implementacja danych strukturalnych wskazuje robotom Google, że dana treść może być wyświetlona w formie wyników rozszerzonych. Wykorzystując Schemę, można np. wpłynąć na informacje zawarte w grafie wiedzy (Knowledge Graph) lub w ogóle na jego wyświetlanie się w wynikach wyszukiwania (jeśli go nie ma). Opisywanie wdrożenia poszczególnych elementów wychodzi poza zakres tego artykułu, jednak możliwości i sposób implementacji są jasno przedstawione w galerii wyszukiwarki, do której link podano wyżej.
Warto natomiast opisać bardziej rozbudowane wdrożenie danych strukturalnych „Organizacji” (//schema.org/Organization), które może mieć wpływ na liczbę i jakość informacji wyświetlanych w Knowledge Graph. Przykład wdrożenia danych strukturalnych „Organizacji” i „Adresu” dla strony MakoLabu w formacie JSON-LD. Podmień dane i korzystaj! Zobacz tabelę 1.
Nie tylko dane strukturalne – powrót do podstaw
Wyszukiwanie semantyczne i optymalizacja pod jego kątem to nie tylko wdrażanie danych strukturalnych. Algorytmy wyszukiwarek (w tym Google) są na tyle rozwinięte, że często potrafią odszukać trafną odpowiedź na pytanie użytkownika. Oczywiście wyszukiwarki potrafiły to już wcześniej, a w zasadzie każda aktualizacja dedykowana była temu, żeby użytkownicy dostawali jak najbardziej dopasowane i odpowiednie wyniki wyszukiwania.
Wyszukiwarki nie mogą więc polegać jedynie na webmasterach i ich chęciach oraz umiejętnościach w opisywaniu kodu danymi strukturalnymi. Po odczytaniu zapytania i intencji użytkownika muszą same określić, jaki wynik będzie najbardziej przydatny.
Spójrzmy na Featured Snippet, w którym Google wybiera jeden wynik wyszukiwania, a następnie z całej strony poświęconej konkretnemu tematowi wybiera fragment, który odpowie na pytanie użytkownika.
Fragment z odpowiedzią (featured snippet) nie może zostać w żaden sposób oznaczony danymi strukturalnymi – wyróżnienie podstrony leży wyłącznie w gestii Google.
Nie ma wątpliwości, że sposób, w jaki użytkownicy przeszukują internet, ewoluuje w stronę wykorzystania bardziej naturalnego języka i prowadzania konwersacji z urządzeniem. Zwyczajne użycie fraz kluczowych w treści to już za mało, by optymalizować serwis pod kątem wyszukiwania semantycznego. Zwiększ swoje szanse na dotarcie do użytkownika przez wykorzystanie danych strukturalnych, naturalnego języka, semantycznych słów kluczowych i nastawionej na dostarczanie odpowiedzi strukturze treści. Nie zostawaj w tyle.
Jak pomóc robotom wyszukiwarek w lepszym odczytaniu treści strony:
- Pisz dla użytkowników, nie robotów wyszukiwarek (nie upychaj słów kluczowych).
- Pisz naturalnym językiem, pełnymi zdaniami, wykorzystuj synonimy słów kluczowych.
- Odpowiadaj na pytania użytkowników – przygotuj treści w sposób, który pozwoli na łatwe zidentyfikowanie odpowiedzi.
- Staraj się przygotować treść w taki sposób, by jej struktura pozwoliła na łatwiejszą interpretację przez roboty wyszukiwarek. Wykorzystaj formatowanie, tabele, wyliczenia.
- Znajdź słowa semantycznie powiązane z głównym tematem treści. Dobry przykład zaprezentowany został na początku artykułu – pytanie „Kto gra w stranger things” zwróciło odpowiedź „Stranger Things > Obsada”.
