Avez-vous déjà essayé de chercher quelque chose sur Google mais vous n'arrivez pas à trouver les bons mots ? Vous savez ce que vous voulez, mais vous n'avez pas vraiment les bons mots clés. Ou peut-être que vous ne le savez pas tout simplement, et que vous souhaitez que quelque chose puisse se lancer et finir votre phrase pour vous.
Parfois, vous ne savez pas ce que vous ne savez pas, et il est difficile de trouver ce que vous cherchez si vous n'êtes pas sûr de ce que c'est. Cela semble être un problème insoluble, n'est-ce pas ?
Heureusement, Google travaille dur pour résoudre ce problème depuis de nombreuses années. En 2015, leur algorithme RankBrain a été conçu pour fournir des résultats plus pertinents basés sur les données des utilisateurs. Et depuis 2018, c'est le Neural Matching qui est conçu pour combler les lacunes afin de fournir les réponses aux questions que les utilisateurs ne savent pas comment poser.
Qu'est-ce que le Neural Matching?
Le Neural Matching est une méthode simple pour comparer des choses différentes dans un format ou un langage commun. Lorsque nous faisons une requête sur le web, nous utilisons un mode d'expression relativement simple pour transmettre beaucoup d'informations. Les moteurs de recherche prennent maintenant en considération d'autres données, y compris les requêtes précédentes que nous venons de taper, notre emplacement physique, et plus encore. Ces méta-informations pour chaque requête peuvent désormais aider Google à identifier les concepts qui nous intéressent.
Et en traduisant nos requêtes Google semble être en mesure de trouver des documents qui correspondent à ce que nous recherchons avec une plus grande facilité, peut-être en moins de temps, et d'une manière plus satisfaisante avec l'analyse vectorielle.
Cette technologie d'IA permet à Google de mieux comprendre et analyser le langage. Un exemple qui a été utilisé pour démontrer ce nouvel algorithme est l'exemple de la requête “why does my tv look strange “ Google sera en mesure de traiter la question pour fournir un résultat qui répond correctement à la question en la comprenant mieux.
La mission de Google en matière de Neural Matching est de reconnaître non seulement les synonymes simples, mais aussi les “super synonymes”, même lorsqu'ils sont composés de phrases longues et complexes. Ça a l'air compliqué, non ? Essayons de clarifier la situation.
Quelle est la différence entre Neural Matching et RankBrain?
On sait que RankBrain utilise les données de l'utilisateur, telles que l'emplacement ou l'historique de recherche, pour fournir des résultats plus pertinents aux utilisateurs. Le Neural Matching ne supplante pas les autres signaux de classement, tels que les mots-clés, la force des liens ou la profondeur du contenu. Il organise plutôt les résultats en fonction de ces facteurs, puis applique RankBrain à cet ensemble de données pour déterminer si certains de ces résultats sont plus pertinents pour l'utilisateur de la recherche.
Par exemple, si vous avez récemment consulté un certain nombre d'articles sur la façon de suivre “un régime végétarien” (nouvelle résolution 2020) et que vous commencez ensuite à chercher des recettes, il se peut que les résultats de la recherche de” recettes végétariennes” soient mieux classés que les autres, même si vous n'utilisez pas le terme ” végétarien ” dans votre requête de recherche.
D'autre part, l'algorithme de Neural Matching de Google fonctionne effectivement comme un dictionnaire à l'envers. Au lieu de saisir un terme et de recevoir une définition, vous pouvez rechercher la définition et recevoir le terme que vous recherchiez. Cela fonctionne car, plutôt que de s'appuyer strictement sur des mots-clés et des synonymes proches, le Neural Matching s'appuie sur l'IA pour découvrir des super synonymes qui peuvent mieux relier les mots aux concepts.
Actuellement, alors que Google utilise RankBrain pour toutes les requêtes, la recherche de Neural Matching ne s'applique qu'à environ 30 % des recherches. Cela signifie que Google continuera à donner la priorité aux correspondances de mots-clés et à la pertinence du RankBrain en premier, mais qu'il fera appel à la Neural Matching chaque fois que la recherche semble ambiguë.
À quoi ressemble le Neural Matching en action ?
Tout cela est très intéressant, mais à quoi cela ressemble-t-il en pratique ? Bien, disons que je cherche la phrase : “Quel est le terme psychologique pour reconnaître que d'autres personnes ont des pensées et des émotions qui diffèrent des vôtres ?”.
La réponse que je cherche est la “Théorie de l'esprit“. Si vous considérez Google uniquement comme une machine à assortir les termes, vous remarquerez que ni “théorie” ni “esprit” n'apparaissent dans ma requête de recherche. Il n'est pas clair que RankBrain puisse m’aider avec ça non plus, à moins que j'aie un historique de recherche antérieur qui pourrait éclairer mon intention de recherche.
Dans l'ensemble, cette requête de recherche est assez complexe, et bien que n'importe quel francophone puisse comprendre ce que je voulais dire par la phrase “la capacité à reconnaître que d'autres personnes ont des pensées et des émotions qui diffèrent des vôtres“. Ce que je veux dire c'est que Google ne comprend pas l'aspect culturel d'une requête.
Et pourtant, dans mes résultats de recherche sur Google, l'article de Wikipédia sur la ” théorie de l'esprit ” est classé troisième au moment où j’écris cet article.
Les premiers et deuxième résultat sont également clairement liés à la théorie de l'esprit, qui concerne en grande partie la capacité d'empathie avec les autres.
Qu'est ce que cela signifie pour votre stratégie SEO ?
Nous avons déjà parlé dans le passé de la valeur des mots-clés à longue traîne, et de la façon dont le fait de pouvoir correspondre parfaitement à une requête longue et détaillée est susceptible d'entraîner des classements plus élevés. Pour donner un exemple classique, si vous essayez d'optimiser votre page pour le mot ” chaussures “, vous aurez du mal à vous classer pour ce terme, car le volume de recherche est très élevé. Pire encore, vous n'aurez aucune idée si vous attirez des visiteurs qui veulent acheter des chaussures pour bébés, des talons hauts ou des bottes de travail.
Un terme tel que ” meilleures chaussures orthopédiques pour femmes ” a un volume de trafic plus faible, mais cela le rend plus facile à classer. Mieux encore, les personnes qui recherchent ce terme sont probablement plus intéressées à acheter des chaussures orthopédiques dans votre magasin.
Tout ceci est toujours vrai, mais s'applique surtout à la stratégie traditionnelle de mots-clés. Ce que signifie le Neural Matching, c'est que Google s'améliore pour fournir des pages pertinentes, même lorsque l’internaute ne sait pas quels mots-clés utiliser.
Cela ne signifie pas que les mots-clés sont sans importance.
Non loin de là, parce qu’il faut bien commencer par quelque chose n’est ce pas !
Même si l’internaute ne sait pas ce qu'il essaie de trouver, Google le sait. Le travail d'un SEO consiste toujours à optimiser une page afin qu'elle communique le contenu de la page de manière précise et efficace au lecteur et à Google. Si un internaute sait ce qu'il veut, une bonne optimisation des mots-clés l'aidera à le trouver. Si l’internaute ne sait pas ce qu'il veut, Google peut comprendre ce qu'il veut dire, et une bonne implémentation de mots-clés l'aidera à le trouver.
Les mises à jours des algorithmes mettent la priorité sur l'intention utilisateur et la qualité du contenu
Un contenu de haute qualité et pertinent est plus important que jamais. Au fur et à mesure que Google, deviens plus éfficace pour éliminer les articles de mauvaises qualités, les meilleurs devront se faire une concurrence plus rigoureuse les uns contre les autres pour arriver en tête. Pour satisfaire à la fois Google et l'utilisateur, le contenu doit être centré sur l'intention des utilisateurs.
Les classements par mots-clés resteront une mesure raisonnable pour comprendre la performance d'un site Web sur son marché (KPI). Cependant, la recherche par mots-clés devra aller au-delà de l'identification de ce que les utilisateurs recherchent et se concentrer plutôt sur la découverte des raisons pour lesquelles les utilisateurs recherchent des termes spécifiques. Et les stratégies d'optimisation des pages devraient moins se concentrer sur une stratégie de mots-clés par page et plutôt verser plus de ressources dans des pages longues qui peuvent être une source unique et faisant autorité pour une requête de recherche. Ici, on parle de Contenu 10X.
Les entreprises qui concentrent leurs stratégies de référencement sur la publication d'un contenu de haute qualité continueront à avoir un avantage sur celles qui ne le font pas. Au fur et à mesure que les algorithmes de Google s'améliorent, il ne fera que s'améliorer pour faire correspondre les meilleurs articles à l'intention des utilisateurs. Écrivez le contenu que vos lecteurs veulent voir, et Google s'assurera qu'il leur parvient.
Comment cela va-t-il façonner l'avenir du référencement ?
Avec l'implémentation de l'IA dans le moteur de recherche de Google, cela signifierait que la recherche en ligne devient plus personnalisée que jamais, car le nouvel algorithme comprend beaucoup mieux les requêtes de recherche. Cela signifie également le développement et la mise en œuvre de nouvelles stratégies de référencement qui permettront à la technologie d'IA de Google de permettre à nos sites Web d'être mieux classés dans les résultats de recherche.
Cela rend les termes de recherche exacts et basés sur des questions encore plus pertinents qu'auparavant, car Google peut maintenant comprendre ces questions plus profondément, et serait en mesure de générer des résultats que vous n'auriez pas pu trouver auparavant. La recherche vocale et visuelle devenant de plus en plus importante, le fait de disposer d'une technologie d'intelligence artificielle permettra certainement d'obtenir des résultats plus ” intelligents ” qui profiteront à un plus grand nombre d'utilisateurs et de sites Web.
En plus du Neural Matching, Google a également introduit les “Activity Cards“, qui permettent aux utilisateurs d'afficher le contenu précédent pertinent pour leur requête de recherche actuelle. Cela permettra à un plus grand nombre d'utilisateurs de revoir le contenu dont ils pourraient avoir besoin, ce qui est très pratique pour les personnes qui utilisent Google pour leurs recherches. Les Collections de recherche sont une autre nouvelle fonctionnalité qui permet de retrouver du contenu antérieur. Les utilisateurs peuvent regrouper des articles, des images et des vidéos en un seul endroit et y accéder ultérieurement. Cette fonctionnalité est très utile pour les recherches de contenu et les publications d'invités, car elle permet de rassembler différentes idées qui peuvent être utilisées pour créer un contenu attrayant pour un site Web.
Vous avez besoin d'aide pour optimiser Neural Matching et RankBrain cliquez ici.
