Tie Natural Language Search into your SEO

Les moteurs de recherche ne veulent qu’une chose : vous donner les meilleures réponses possibles à vos questions. Seulement, pendant longtemps, ils n’ont pas voulu que vous posiez votre question en question.

Les limites des moteurs de recherche rendaient autrefois difficile l’utilisation de la recherche en langage naturel. Une syntaxe complexe peut compliquer la recherche de résultats précis. Au lieu de taper quelle est la meilleure recette de muffins à la banane, vous lancez le terme de recherche recette de muffins à la banane. Votre moteur de recherche préféré crachera alors une page d’accueil des articles optimisés sur ce sujet. C’est une situation que nous connaissons tous.

Maintenant, cependant, la recherche rattrape son retard. Il peut mieux gérer la grammaire et gérer le contexte plus efficacement. Le résultat? L’essor de la recherche en langage naturel.

Alors, qu’est-ce que la recherche en langage naturel ? Et comment pouvez-vous optimiser votre contenu pour cela ?

Dans cet article, nous expliquerons ce qu’est la recherche en langage naturel, pourquoi c’est l’avenir du référencement et comment vous pouvez vous lancer.

La recherche en langage naturel est une requête de recherche formulée dans un langage courant et conversationnel. Un exemple simple de recherche en langage naturel serait : « Quelle est la hauteur du plus haut bâtiment d’Asie ? » Vous exprimez la demande de recherche comme vous le feriez lorsque vous parlez à une autre personne. Des exemples plus basiques de recherche en langage naturel incluraient :

  • « Comment se débarrasser d’un matelas ? »
  • « Quand le New York Times a-t-il été fondé ? »
  • « Quels sont les meilleurs chiens pour les familles avec de jeunes enfants ? »
  • « Comment réaliser un audit SEO de votre site web. »

Les termes de recherche en langage naturel entrent donc dans la catégorie des mots-clés « à longue traine ». Un mot-clé de longue traine est un terme de recherche plus étendu et plus spécifique. Comparons certains de nos exemples ci-dessus avec leurs versions à queue courte :

  • « Élimination des matelas » vs. « Comment puis-je me débarrasser d’un matelas ? »
  • « New York Times fondé » vs. « Quand le New York Times a-t-il été fondé ? »
  • « Meilleur chien de famille » vs. « Quels sont les meilleurs chiens pour les familles avec de jeunes enfants ? »
  • « Audit SEO » vs. « Comment réaliser un audit SEO de votre site web. »

Nous pouvons déjà voir l’utilité potentielle de la recherche en langage naturel. Nous pouvons très bien exprimer nos deux premières recherches en courte queue. Nos deux derniers besoins de recherche sont cependant plus spécifiques. Il est plus probable que vous trouviez plus rapidement le contenu dont vous avez besoin avec une recherche en langage naturel.

Comme pour tout autre type de recherche par mot-clé, il vous suffit de saisir vos termes de recherche en langage naturel dans votre barre de recherche. Vous pouvez également utiliser un assistant vocal (pensez à Google Home ou Siri) pour effectuer une recherche en langage naturel. Mais nous y reviendrons, et comment ils changent le paysage SEO, sous peu.

« Attendez », direz-vous, si vous avez déjà utilisé Internet dans les années 90, « n’était-ce pas ainsi que fonctionnait la recherche ? »

Il est vrai que la recherche en langage naturel n’est pas un phénomène nouveau. Les débuts d’Internet ont vu beaucoup d’utilisation du langage naturel. Ask Jeeves était le moteur de recherche en langage naturel le plus éminent des années 90. Bien qu’utile, Ask Jeeves ne pouvait pas rivaliser avec Google (Ask.com vit mais sans Jeeves ).

Au fur et à mesure que Google gagnait en importance en tant que moteur de recherche de choix, les recherches par mots clés ont remplacé la recherche en langage naturel. Le contexte et l’intention ambiguë des phrases conversationnelles ont dérouté les moteurs de recherche car ils n’étaient pas assez sophistiqués pour tirer le meilleur parti du langage naturel à ce stade. La recherche basée sur des mots clés a aidé Google à trouver des résultats utiles, alors que le traitement du langage naturel avait encore un long chemin à parcourir.

Ces dernières années, cependant, les moteurs de recherche modernes ont commencé à rattraper leur retard.

Présentation du BERT

La révolution à venir dans la recherche en langage naturel a commencé il y a environ deux ans. Lorsque Google a annoncé Google BERT, il prévoyait des changements importants pour l’avenir du référencement et de la recherche en langage naturel.

BERT est un modèle de langage utilisé pour les moteurs de recherche de pré-formation selon le traitement du langage naturel. Google l’a introduit et rendu open source en 2018. Il permet aux moteurs de recherche de comprendre le contexte sensible des requêtes de recherche. Autrefois, les mots connecteurs (par exemple, pas ou avec) compliquaient excessivement la requête de recherche. Des clauses supplémentaires (par exemple, comment louer et assurer une voiture ) feraient de même. Maintenant, cependant, Google peut les utiliser pour renvoyer des réponses plus sophistiquées (et précises).

Pourquoi la recherche en langage naturel est l’avenir du référencement

L’essor de la recherche en langage naturel s’inscrit dans le cadre des changements globaux apportés au référencement. À mesure que les moteurs gagnent en sophistication, Google s’efforce de rendre ses résultats utiles et clairs. La recherche en langage naturel est un moyen, et l’autorité thématique en est un autre.

Il n’y a pas que Google en marche non plus. Une variété d’autres moteurs sont optimisés pour prendre en charge la recherche en langage naturel. Bing peut désormais également prendre en charge efficacement la recherche en langage naturel.

Tous ces changements aident les moteurs de recherche à mieux s’adapter aux changements de comportement de recherche. Ces nouvelles avancées en matière de recherche aideront à répondre à des questions de recherche plus complexes.

L’augmentation de la recherche vocale est l’une des raisons pour lesquelles le langage naturel est revenu dans la famille des moteurs de recherche. Selon la revue 42 :

  • Environ 50 % de toutes les recherches sont désormais activées par la voix .
  • Le même site note que « 72 % des personnes qui utilisent des appareils de recherche vocale affirment qu’ils font désormais partie de leur routine quotidienne. »
  • Le même site note à nouveau que « 43 % des propriétaires d’enceintes intelligentes utilisent la technologie pour faire leurs achats. »

Naturellement, presque toutes les recherches vocales impliquent le langage naturel. C’est pourquoi, des requêtes de recherche d’informations de base au commerce électronique, la recherche en langage naturel se développe. Cela représente un vaste nouveau domaine de recherche à cibler pour les professionnels du référencement.

Plus de valeur dans la longue traîne

Ces mots-clés à longue traîne ont un trafic plus faible, mais ils s’accompagnent également de moins de concurrence et d’un plus grand potentiel de conversion. Les mots clés à longue traine génèrent 4,15 % de conversions en plus que leurs cousins ​​plus courts. La recherche en langage naturel produira naturellement des mots-clés plus longs. Et plus de mots-clés à longue traîne signifient plus de valeur de conversion potentielle pour les professionnels du référencement.

Un autre résultat de BERT est qu’il y a plus de requêtes avec un extrait en vedette . Les extraits en vedette sont de courtes sélections de texte que Google publie en haut des recherches dans le but de répondre rapidement à la requête des utilisateurs. Un exemple caractéristique fourni par Google concerne la recherche en langage naturel « parking en côte sans bordure. »

Avant BERT, l’algorithme de Google mettait trop l’accent sur le « freiner » et pas assez sur le « non ». » Avec la sophistication supplémentaire, Google peut renvoyer un résultat plus pertinent. Compte tenu de l’amélioration de la compréhension du moteur, il offre également plus d’opportunités aux professionnels du référencement de saisir un nouvel emplacement d’extrait de code.

Les extraits en vedette sont un élément fondamental de l’arsenal du pro du référencement. Ils deviennent encore plus critiques avec l’essor de la recherche vocale. Les appareils de recherche vocale Google récitent souvent le contenu des extraits en vedette lorsqu’ils répondent aux demandes de recherche. Ainsi, BERT et la recherche en langage naturel signifient des extraits plus précieux pour les professionnels du référencement.

La recherche en langage naturel ouvre de nouvelles options aux professionnels du référencement. La prochaine étape logique consiste donc à optimiser votre site. Mais cela ne consiste pas seulement à ajouter à votre mot-clé stable. Vous devrez prendre des mesures distinctes pour saisir l’intention de l’utilisateur et optimiser la qualité de vos publications.

Comprendre l’intention

L’intention est vitale pour la recherche. C’est fondamental dans la nouvelle approche de classement de Google. Cela vaut autant pour l’autorité thématique que pour la recherche en langage naturel.

Pour comprendre l’intention, vous devez savoir à quelles questions le chercheur tente de répondre. Cherchent-ils à naviguer ? Apprendre? Acheter? Pour saisir l’intention, vous devez comprendre pourquoi les chercheurs saisissent une requête spécifique. Connaître les réponses à ces questions vous donnera une idée précise de la manière de créer du contenu adapté aux besoins de vos utilisateurs.

Consultez vos personas d’utilisateurs existants lors de la création d’une image d’intention. Ensuite, utilisez des outils comme la fonction Mots-clés associés de SpyFu pour voir les sujets dont on parle autour de votre mot-clé principal. Vous pouvez voir les résultats ci-dessous pour une entreprise spécialisée dans le streaming vidéo (où “streaming vidéo” est le mot-clé principal).

Considérez le terme de recherche en langage naturel comment enregistrer une vidéo en streaming. Il a un volume de recherche inférieur. Cependant, il a également une difficulté de mot-clé inférieure. Ce serait une bonne chose pour l’entreprise en question d’optimiser une ou plusieurs de ses pages pour ce KW.

Une fois que vous avez créé une liste de mots clés de cette manière, classez-les en types d’intention. Cela vous aidera à affiner vos personas. Certaines recherches sont transactionnelles, à fort potentiel de conversion (« streaming video downloader »). D’autres sont à la recherche d’informations (« comment enregistrer une vidéo en streaming »). D’autres chercheront simplement une adresse précise (« prime video streaming »).

Maintenant que vous avez une idée plus complète de vos personnages et de leur intention, vous devez créer un excellent contenu pour eux. En termes de recherche en langage naturel, essayez d’anticiper les questions que vos utilisateurs sont susceptibles de poser. Vous pouvez également utiliser la fonction Questions sur les mots-clés associés de SpyFu pour cela.

Il répertorie les questions liées à un terme de recherche donné et les classe par volume, difficulté et coût par clic (CPC). Les questions font partie intégrante de la recherche en langage naturel. Prédire les questions est le début. Vous devrez créer le contenu pour répondre à la recherche.

Créer du contenu informatif

La recherche en langage naturel est l’alliée naturelle d’un bon contenu. Les meilleurs commentateurs de l’industrie ont noté à quel point «Google BERT et NLP nécessitent une forte concentration sur un contenu informatif de haute qualité. »

Une fois que vous avez déterminé les questions que vos utilisateurs ont l’intention de poser, vous devez créer un contenu qui correspond à cette intention.

Prenons par exemple la requête de recherche en langage naturel « comment faire des œufs pochés ». » Après l’avoir exécuté via l’outil de recherche SpyFu, nous pouvons voir l’analyse du classement de recherche organique pour ce mot-clé à longue traîne. Nous pouvons alors également voir que la BBC a créé le contenu le plus informatif autour d’elle. Ils tirent le meilleur parti des recherches en langage naturel pour ce sujet. Ils sont également en avance sur la courbe des recherches vocales pour la cuisine en général.

À cette fin, créez un contenu qui énonce les questions spécifiques des utilisateurs et y répond. Par exemple, disons que SpyFu montre que les utilisateurs demandent fréquemment, « Comment puis-je prendre de meilleures décisions d’investissement ? » » Ils sont susceptibles de poser cette question via la recherche vocale ou un autre type de recherche en langage naturel. Vous pouvez ensuite créer un article qui utilise cette question comme titre ou en-tête H2 proéminent. Ce faisant, vous avez créé un contenu bien optimisé pour la recherche en langage naturel.

Si votre produit a des FAQ connues, créez un article ou une série autour d’eux. Par exemple, vous pouvez appuyer sur une page FAQ, contenant des questions comme celles présentées ci-dessous, pour un excellent contenu :

  • Pourquoi ai-je besoin d’un CMS ?
  • Comment puis-je tirer le meilleur parti de mon CMS ?
  • Comment puis-je intégrer mon CMS à d’autres produits ?
  • Puis-je utiliser mon CMS pour la formation du personnel ?
  • Comment pratiquer une bonne hygiène des données avec mon CMS ?

Ceux-ci seront parfaits pour capturer des recherches en langage naturel à forte conversion pour votre produit. Nous vous suggérons de vous tourner vers des ressources qui pourraient déjà être en place.

  • Demandez à votre équipe d’assistance quelles sont les questions que les gens posent le plus.
  • Demandez à votre équipe de vente quels prospects doivent savoir.
  • Recherchez vos avis pour voir ce dont les gens ne sont pas sûrs lorsqu’il s’agit de votre site.
  • Parcourez les médias sociaux pour voir ce que les gens demandent à votre sujet.

Quoi que vous fassiez, soyez précis. Lors de l’optimisation pour la recherche en langage naturel, priorisez les questions exactes. Soyez précis dans votre réponse et élaborez en détail. Ce que vous perdez en trafic, vous pouvez le gagner en conversions.

Lorsque vous développez du contenu, assurez-vous d’inclure des mots-clés associés pour deux raisons.

  1. Votre lecteur s’est peut-être posé des questions sur une phrase similaire à laquelle vous pouvez répondre.
  2. Cela aide à étendre votre portée sur des recherches similaires.

Encore une fois, les bons outils faciliteront votre recherche. Ci-dessous, vous pouvez voir des mots-clés similaires à partir d’une recherche SpyFu pour « comment obtenir un prêt ». » Plusieurs des mots clés et des questions inclus feraient d’excellents en-têtes H2 dans un article sur les demandes de prêt. Un référencement ambitieux pourrait les intégrer dans un contenu en étoile . Cela aidera à optimiser l’article et le site pour ces termes de recherche en langage naturel.

Utilisez votre pile technologique

La recherche en langage naturel post-BERT repose sur la recherche sémantique. Pour cette raison, c’est le moment idéal pour les référenceurs qui souhaitent tirer le meilleur parti de la recherche en langage naturel d’utiliser Schema Markup .

Le schéma est une sorte de vocabulaire sémantique qui aide Google à mieux comprendre les informations sur une page. Il vous permet de baliser le contenu de votre page en fonction de son champ d’application (par exemple, [nom de l’entreprise]) et du type d’élément (par exemple, startup Fintech). Les entreprises qui utilisent Schema obtiendront de meilleurs rendements SERP . De plus, les recherches en langage naturel sont plus susceptibles de trouver des sites bien optimisés pour Schema. Vous pouvez en savoir plus sur l’implémentation de Schema ici .

Il existe d’autres outils non SEO qui peuvent vous aider à optimiser votre site pour la recherche en langage naturel. Par exemple, les référenceurs interentreprises qui cherchent à optimiser les questions de recherche en langage naturel de leurs acheteurs peuvent essayer CallRail ou Chorus.ai. Les deux solutions offrent Conversation Intelligence, qui met en évidence les phrases essentielles dans les transcriptions d’appels. Si plusieurs clients posent les mêmes questions lors des appels, d’autres clients potentiels poseront probablement la même chose, et vous pouvez les utiliser comme termes de recherche en langage naturel.

N’oubliez pas que Google souhaite fournir aux utilisateurs les meilleures réponses à leurs questions. Votre meilleur pari pour le classement est d’anticiper ces questions et d’y répondre de manière approfondie.

Un avenir plus naturel

La recherche en langage naturel et les autres types de recherche qui lui sont associés sont là pour rester. Non seulement qu’ils paient aussi. Par exemple, Juniper Research prédit que le commerce basé sur la recherche vocale rapportera à lui seul 80 milliards de dollars par an dans le monde d’ici 2023.

Pour un SEO, anticiper précisément ce que vos buyer personas vont demander peut être délicat. Même encore, rendre un site convivial en langage naturel est essentiel. Les entreprises qui l’adoptent peuvent s’attendre à des avantages significatifs dans leur marketing de contenu.

Cet article a été traduit par spyfu

LAISSER UN COMMENTAIRE

S'il vous plaît entrez votre commentaire!
S'il vous plaît entrez votre nom ici