本小节中,我们将一起学习如何正确得使用这些关键词,如何把这些关键词与页面优化和内容创作自然得,紧密得融合在一起。
主题核心关键词优化集群
无论网站,博客还是其他类型的文章内容,都会有自己的目录结构,以便于SEO优化。现如今,这种结构更倾向于网状类型,集群效应明显,典型的核心主题集群模型如下:
集群模型中的内容包括两类:
核心内容 - 涵盖该主题的主要文章或页面
集群内容 - 相关博客文章 - (针对具体的关键词)
这样子,可以增强不同文章之间的语义联系,帮助搜索引擎更好地理解帖子的主题相关性,如下图所示,关键词列表可以以主题簇的形式展现出来。
举个例子:
你开了一个博客,选择主题为咖啡的内容集群,则关键字和内容标题可能如下:
核心关键词和文章标题:
coffee types (The Ultimate Guide to Different Types of Coffee)
相关关键词集群的文章标题:
flat white latte (A newbie’s guide to flat white)
how to make espresso (How to make a perfect espresso)
difference between latte and mocha (What is the difference between latte and mocha?)
best coffee beans for espresso (Best espresso beans on the market (expert review))
这些主题都存在着一定的关联性,仔细的思考这些关键词,不仅仅要分析它们的搜索量和难度,更要了解用户的搜索行为和思考方式,这样,你就可以创作更多内容来满足用户需求。
选取主题核心关键词
关键词的使用,不能完全依靠关键词密度来无休止的填充关键词,最好只在以下情况中使用完全匹配的关键词:
广告
跨境电商亚马逊开店实战宝典
作者:曲亮
当当
标题(H1、标题标签)
元描述
文章第一段
至少一个子标题
适时的在文章中出现几次
一些SEO工具(例 Yoast SEO)也会建议关键词密度,可以参考,但不要忘记我们一再强调的用户体验。
LSI - SEO的谣言or神话
Latent Semantic Indexing(LSI)关键词可以让谷歌的排名更好,这个是新的SEO技巧or另一个SEO的谣言?
我们在前文也有提到过LSI,LSI关键词其实指的是Google判断和某个话题语义相关的词 - 这是大家普遍的共识。但是,Google的John Mueller却亲口否认过LSI关键词的存在:
什么是LSI关键词
Latent Semantic Indexing (LSI、潜在语义索引) 、或者是 Latent Semantic Analysis (LSA、潜在语义分析)是1980年发明的一种自然语言处理技术,从工作原理上来解释有点晦涩,下面是LSI的发明者对该问题的定义:
“用户的搜索词,通常与搜索信息被索引的词不是一回事。”
这又是什么意思呢?举个例子:
你现在想知道2020年夏天结束的时间和秋天开始的时间,你打开身边的一本百科全书,先在目录索引中查找 “fall(秋天)”,然后再翻到对应页面查找相关内容,下面就是你会看到的内容:
很明显,这不是你想要找的答案。你再回到索引目录,发现你要找的内容在 “Autumn (秋天)”里。
所以,大家可以看到“Fall”这个词是一个同义词,也是个多义词。
什么是同义词
同义词指的是一个词或者词组和另外一个词或词组有着相近的含义。人们用来描述同一对象或概念的词语时有极大的多样性;这称为同义词。处于不同上下文、认知不同、或者是语言习惯不同的用户,会用不同的方式描述同一个信息。
实验证明,任意两个人针对单一一个大家都熟知的物体进行描述时,使用相同词汇描述该物体的平均概率是低于20%的,但,这和Google搜索引擎又有什么关系呢?
举个例子,现在我们有两个页面是关于汽车的。两个页面几乎一模一样,但是,一个页面描述汽车时,使用的是 “cars” ,而另外一个使用的是 “automobile”。
如果我们使用的是一个非常原始的搜索引擎,只能索引页面上出现的词或词组的话,当我们搜索“cars” 的时候,那么这两个页面只会出现其中一个结果。
出现这种情况就比较尴尬,因为这两个页面是非常相近的,只是表达方式上有所不同而已,甚至使用 “automobile” 的页面相比于有 “cars” 的页面会更加专业一些。
什么是多义词
多义词指的是一个词或词组具有多个含义。在不同的上下文,使用相同的词或词组会有截然不同的含义。因此如果在搜索中只是匹配一个词或是它的同义词有可能无法满足真正的搜索需求。
比如,如果我们搜索 “apple computer(苹果电脑)”,原始的搜索引擎可能会返回下面两个结果,但很显然其中有一个并不是我们想要的:
LSI的工作原理
机器是按照程序逻辑来运作的,它们无法像人类一样理解词语之间的关系。
举个例子,大家都知道 big 和 large 的含义是一样的,但是,如果你不告诉机器,它是无法理解这些的,关键是我们没有办法把所有的信息都告诉机器,这会消耗大量的时间和精力。
而,LSI的出现就解决了这样的问题,它通过复杂的数学模型从一系列文档中获取词和词组之间的关系。
回到我们最初的例子,如果我们针对和季节相关的文件进行潜在语义分析之后,机器就可以得出如下数据:
首先,“Fall”和 “Autumn” 是同义词:
其次,例如 Season、Summer、Winter、Fall、以及 Spring 在语义上是有联系的:
最后,Fall 是一个多义词,它会和两个不同系列的词联系在一起:
搜索引擎可以使用这些信息来进行精确的搜索匹配,并提供更为相关的搜索结果。
Google使用LSI吗?
看过前文,就会知道为什么人们一直都猜测谷歌在使用LSI的技术,毕竟只进行词组匹配,返回的结果可能是无法满足用户实际搜索需求的,而且,我们通过很多情况可以看到谷歌是可以理解同义词的:
以及多义词:
尽管如此,谷歌几乎可以肯定不使用LSI技术,但这不代表谷歌没有语义分析。
LSI词组能提升排名吗?
大多数SEO人员认为 “LSI关键词” 是一些语义相关的词组或是短语。
我们遵循该定义(尽管在技术上不准确),那么在内容中使用一些语义相关的单词和短语可以肯定是有助于改善SEO的。
为什么是这样?谷歌已经很直接的说明了:
试想一下:如果你搜索 “dogs”,你可能并不想看到一个页面上 “dog” 这个词出现了成百上千次。考虑到这一点,算法会评估页面是否包含 “dog” 以外的其他相关内容,例如狗的图片、视频、甚至是狗品种的列表。
在关于狗的页面上,谷歌会认为各个品种的名称词在语义上都是相关的。
但是,为什么这会对页面参与特定词的排名产生帮助呢?
原因很简单:因为它们可以帮助谷歌更好的理解页面主题及内容。
举个例子,下面是两个包含 “dog” 这个词的页面:
通过上面的两个页面中的重要单词你可以看到,第一个页面是主要关于狗的,而第二个页面主要是关于猫的。
谷歌就是利用这样的信息,对页面进行相关性的排序。
创作长篇内容(1500+W)
SEO的研究数据显示,大部分文章(超过1500个单词)的平均排名要优于短篇内容,比如:
在较长的文本中,自然会使用更多的关键字变体形式或语义词,从而增加了主题相关性
长篇内容通常具有较高的用户参与度,因为它可以全面地回答用户的问题(或解决方案)
比短篇文章带来更多的链接
提升品牌在该领域的专业性及权威形象
我们如何在长文本内容中使用关键字呢?
举个例子:
如果你搜索 “how to make strong coffee”,则第1个结果是Coffee 相关的博客 - Enjoy Java的咖啡制作指南。
快速浏览该篇文章以后,可以看到内容确实写的很好,很全面,其中包含大量实用的信息,技巧和操作视频。
接下来,我们通过关键词工具分析后发现,除了核心关键词组(“how to make strong coffee”)之外,排在SERP第一页的还有其他的18个相关关键词。
其中有14个都是没有完整得出现在文章内容中。
针对不同的关键词,作者完全可以使用这些关键词撰写不同的主题文章,比如:
strong brewed coffee
which coffee is strongest
strong coffee beans
但,取而代之的是,他写了一篇涵盖了“strong coffee”主题的终极指南,自然得把所有这些关键词(以及更多相关关键词)进行了排名。
下一篇:SEO优化工具有哪些?【转载】
网站优化热线
156-8888-8933