L'espansione della query

[Giorgiotave]

Vendita Computer: quale Key Density?

almeno 8% perchè altrimenti un motore come fa a capire che stiamo realmente parlando di quell'argomento? ()

Ragazzi, la Key Density non è un fattore che ora è usato da Google e non lo è mai stato, non sono queste le cose importanti per il posizionamento.

Ma che cosa è importante per Google?

Per un motore di ricerca è importante non far ridere l'utente quanto fa una richiesta, ma fornirgli una risposta molto valida.

Che cosa cerca l'utente quando inserisce nella barra delle ricerche la chiave "Vendita Computer"?

Ecco, da quella domanda lì Google potrebbe effettuare due mosse "particolari":

- espandere la query automaticamente
- ricercare nel sito alcune informazioni particolari dopo che la query è stata espansa

Espansione della query Vendita Computer

Articolo su WikiGT: espansione della query

Per raffinare una ricerca i motori di ricerca aggiungono dei termini a quelli inseriti dall'utente usando i Thesauri (parole con significati simili).

Ora possiamo esaminare come noi utenti possiamo interagire con Google e controllare la "nostra" espansione della query.

Attenzione, Google espande la query in un altro modo a me sconosciuto, non ho altre informazioni a riguardo se non questo post

Quindi analizziamo la query Computer, cercando ~computer

Vi ricordo che la query Computer offre 1.590.000.000

Ricerca di ~computer: 2.550.000.000

Questo tipo di ricerca mostra quasi 1.000.000.000 di risultati in più, è un'espansione di query esplicita.

Se ora interagiamo con la query eliminando il termine computer, la ricerca ci mostra i risultati senza quel termine

Ricerca ~computer -computer 692.000.000 di risultati

Il primo termine che risalta è pc, proviamo a togliere anche quello

Ricerca ~computer -computer -pc 419.000.000 risultati

Eliminiamo hardware

Ricerca ~computer -computer -pc -hardware: 225.000.000 risultati

Eliminiamo computing

Ricerca~computer -computer -pc -hardware -computing 30.100.000 risultati

Eliminiamo laptop

Ricerca ~computer -computer -pc -hardware -computing -laptop 8.090.000 risultati

Eliminiamo computerized

Ricerca ~computer -computer -pc -hardware -computing -laptop -computerized 0 risultati

Stessa cosa con la chiave vendita

Ricerca ~vendita -vendita 2.410.000 risultati

Ricerca ~vendita -vendita -negozio 0 risultati

Questo è quello che Google ci vuole mostrare, noi possiamo vedere per quali termini può avvenire un'espansione esplicita.

Ancora a credere al PageRank e alla Key Density?

Ricercare nel sito alcune informazioni particolari dopo che la query è stata espansa

Dopo che la chiave è stata espansa ecco che il motore può capire meglio cosa l'utente vuole e quindi che informazioni cercare nel sito.

Chi cerca vendita computer molto probabilmente vuole comprarlo, quindi Google è molto interessato a mostrare pagine, sezioni che non siano solo ottimizzate per quella chiave, ma che trattino anche i seguenti temi:

prezzi dei computer
carrello
informazioni sui pagamenti
sede del sito
portatili
vendita
ingrosso
listino
prezzi
usato
portatile
acquisto
prezzo
componenti
grossisti
assistenza
listini
vendesi
assemblaggio
offerta
processori
vendite
occasione
accessori
rivenditori
negozio
aste online
negozi
schede madri
secondamano
on line
ricambi
mercatino
confronta
assemblato
periferiche
grossista

Se non fornite all'utente queste informazioni, perchè io motore di ricerca mi devo mettere a controllare la vostra Key Density, il vostro PageRank, i vostri Link, i vostri Title, i vostri H1? (lasciando stare che la Key Density non ve la controllo neanche ())

Fornire queste informazioni basilari permetterà ai vostri siti di fare un bellissimo salto di qualità nelle serp di Google

Giorgio

[LowLevel]

Giorgiotave

Attenzione, Google espande la query in un altro modo a me sconosciuto, non ho altre informazioni a riguardo se non questo post

L'espansione implicita delle query, usata spessissimo, può essere ottenuta in diversi modi.

Non ho fatto test specifici su Google e pertanto non sono in grado di affermare che tipo si espansione utilizzi, ma limitandomi ad osservare il suo comportamento, potrebbe trattarsi di una espansione basata sulla co-occorrenza dei termini su tutto il corpus o sul sotto-insieme dei documenti rilevanti per la query originaria (quella non espansa).

In pura teoria potrebbe essere in atto anche l'applicazione di un algoritmo come il Latent Semantic Indexing/Analysys, ma si tratta di una tecnica computazionalmente onerosa e non sono certo che, per il motore, il gioco valga la candela. Diverse tecniche basate sui cluster ottengono risultati analoghi al LSI e sono tecnicamente più abbordabili.

[Giorgiotave]

LowLevel

In pura teoria potrebbe essere in atto anche l'applicazione di un algoritmo come il Latent Semantic Indexing/Analysys, ma si tratta di una tecnica computazionalmente onerosa e non sono certo che, per il motore, il gioco valga la candela. Diverse tecniche basate sui cluster ottengono risultati analoghi al LSI e sono tecnicamente più abbordabili.

Quindi in pura teoria lui potrebbe andare a visionare tutti i documenti presenti nel suo database e confrontarli con il LSI.

Oltre a questa tecnica quale altre potrebbe usare?

Voglio capire bene tutti i meccanismi in modo da studiarli e vedere cosa hanno in comune e qual'è quello che potrebbe risultare il migliore.

Il problema è poi capire quale di questi Google potrebbe realmente usare.

LowLevel

Tutto dipende da quale tecnica viene usata dal motore per espandere le query.

Ecco, come detto sopra, dobbiamo anche studiare qualche tecnica il motore potrebbe usare e, una volta conosciute le più popolari, possiamo decidere di fare qualche test.

So bene che è molto probabile che queste tecniche vengano messe in opera per chiavi diverse

[Mamilu]

Per chiavi diverse.

Abbiamo visto Vendita Computer.


E Hotel Roma?
Secondo me ci vuole una Key Density del... almeno 15% perchè altrimenti un motore come fa a capire che stiamo realmente parlando di hotel a Roma di più e meglio del nostro competitor?

Uno ha il suo bel sitozzo di pelletteria e decide di farlo trovare anche con la key Hotel Roma, così becca più clik .
E fà [magari con un layer nascosto] una cosa di questo tipo:

Hotel Roma Hotel Roma Hotel Roma Hotel Roma le scarpe e gli stivali e le calzature dello spaccio di borse da ginnastica Della Valle e giubbotti in pelletteria per spacci di giacche e pelletterie per il calzaturificio che crea borsette da calcetto con giubbotto Hotel Roma Hotel Roma Hotel Roma Hotel Roma. Le scarpette da pugilato e l'abbigliamento in stivali di camoscio per scarpe+ giubbini in piumino esposti negli spacci aziendali e forniti di tacchetti e parastinchi come le scarpette da calcio ed i giacconi antivento realizzati dall'industria calzaturiera Hotel Roma Hotel Roma Hotel Roma Hotel Roma

Senonchè, se come utenti cerchiamo un hotel a Roma ed il MDR ci restituisce questa roba ci alteriamo adeguatamente. ()


E allora il MDR prende la richiesta hotel Roma e la espande, aggiungendovi con parametri tutti suoi altri termini correlati, come Giorgio ci ha mostrato su con vendita computer.

~hotel 505.000.000
~hotel -hotel 142.000.000
~hotel -hotel -INN 106.000.000
~hotel -hotel -INN -accommodation 38.400.000
~hotel -hotel -INN -accommodation -lodging non ha prodotto risultati in nessun documento.

~Roma 35.800.000
~Roma -Roma non ha prodotto risultati in nessun documento.


In questo caso il MDR dopo aver espanso con canoni suoi la richiesta dell'utente hotel Roma la espande con INN -accommodation -lodging e offre all'utente pagine attinenti a questi argomenti.

La pagina dunque va ottimizzata per la query espansa dal motore, non per la query immessa dall'utente.

Visto poi che se l'utente cerca un Hotel a Roma, molto probabilmente è là che vuole andare e soggiornare, e quindi il MDR cerca di mostrargli pagine che oltre quelle key trattino anche di altri argomenti correlati, come:
roma stradario
nomentana
tuscolana
casilina
tuttocittà
bioparco
ostiense
trastevere
parioli
prenestina
circolo degli artisti
roma+
spinaceto
gianicolo
monte mario
boccea
laurentina
ergife
piazza bologna
ardeatina
montesacro
tuttocitta
strade
garbatella
quartiere esquilino
appia antica
via nazionale
lungotevere
tuscolano
prati fiscali
trigoria
salaria
collatina
stazione birra
nuovo salario
bravetta
villa borghese
villa pamphili
malafede
trionfale
nemorense
dei congressi
ripetta
cola di rienzo
pietralata
gianicolense
tiburtino
casalpalocco
pomezia
selva candida
via cavour
via del corso
anagnina
anello ferroviario
villa glori
cinecittà
valadier
dei gracchi
viale liegi
magliana
castro pretorio
ergife palace
bufalotta
testaccio
baldo degli ubaldi
quirinale
coppedè
ponte milvio
palazzo delle esposizioni
acilia
colosseo
ristorante
porta maggiore
frentani
via pigafetta
giardinetti
camilluccia
mostacciano
fori imperiali
motel
pineta sacchetti
domus aurea
portuense
arco di travertino
croce di malta
american palace
caput mundi
aran park
domus mariae
botteghe oscure
fontanella borghese
labicana
gioberti
giolli
sant anselmo
viminale
ciampino
condotti
arenula
clodio
barberini
galleria borghese
della conciliazione
eur suite
aris garden
aldobrandeschi
visconti palace
frattina
margutta
labaro
calzaiuoli
bonciani
porta rossa
parco tirreno
via veneto
quattro fontane
rome
principessa tea
nord nuova
bernini bristol
royal santina
santa prassede

Sono questi argomenti sviluppati che il MDR cerca nella pagina e nel sito per mostrarle all'utente.
Il MDR usa dei metodi di classificazione dei documenti [come LSI] che calcolano tutti i termini presenti in un documento e ne esaminano la similarità.
E' in grado di rilevare documenti particolarmente rilevanti per una ricerca anche se questi non contengono quella particolare frase.
Misurare la rilevanza è un componente chiave di un algoritmo per l'ordinamento dei risultati di un MDR.
Quando i MDR la usano, la LSI può avere un impatto significativo sulla posizione delle pagine web, perchè se l'utente cerca su un MDR vorrebbe che lui gli mostrasse:

*tutte le pagine che hanno a che fare con la sua ricerca
*non vorrebbe vedere i risultati che non hanno a che fare con la sua chiave.
*si aspetta che i siti che gli appaiono con la sua ricerca siano mostrati in ordine di attinenza

Ma LSI non prevede un abbinamento dei termini. Infatti lui controlla tutto il documento e trova i termini semanticamente più vicini e quelli più distanti basandosi sulle parole presenti su ogni pagina e quelle presenti su tutto il sito.

Questo sta a significare che il SEO deve tenere presente tutte le parole che usa nel proprio sito web.

Ad un MDR che usi questo algoritmo sarebbe importantissimo fargli trovare nel proprio sito web:

*Contenuti validi
*Una buona organizzazione dei contenuti attraverso struttura e link
*Una buona espansione dei termini inseriti nei contenuti che vanno a approfondire tutti i concetti espressi negli stessi

Se non li trova o se ne trova meno [o meno approfonditi] che in altri siti di competitors, c'è poco da aumentare il PR, i BL e la KeyDensity o ... da far macumbe.

E' evidente che se un sito di un Hotel a Roma offre pagine che sviluppano accuratamente ognuno di quegli argomenti, otterrà senza dubbio un forte interesse dai MDR e quindi una ottima posizione nelle Serp, indipendentemente dal suo PR, dai BL e dalla KD.

[beke]

Giorgiotave

Quindi in pura teoria lui potrebbe andare a visionare tutti i documenti presenti nel suo database e confrontarli con il LSI.
Oltre a questa tecnica quale altre potrebbe usare?

Un sistema per l'espansione della query che secondo me ha buone probabilità di essere usato è quello a cui ha già accennato Low e che Bharat ha usato per esempio nel suo algoritmo di Topic Distillation.

Si esegue la query dell'utente e si ordinano i risultati normalmente, dopodichè si assume che i risultati top-ranked siano rilevanti, vuoi per questioni di contenuto che di PR o di Trust.

Si preleva il contenuto dei documenti top-ranked e filtrando i termini non utili (per es. i termini usati troppo spesso nell'intero indice e i termini usati troppo poco) si ottengono i termini con i quali verrà formata la query espansa.

La si esegue ed infine si ordinano i risultati eseguendo il confronto fra i logaritmi dei vettori di termini dei documenti e della query.

[alexs2k]

Mamilu

chiavi diverse.

una domandina: per individuare le keyword delle query espanse si può far riferimento a questo strumento:

https://adwords.google.com/select/keywordsandbox

??

Grazie

[LowLevel]

Giorgiotave

Quindi in pura teoria lui potrebbe andare a visionare tutti i documenti presenti nel suo database e confrontarli con il LSI.

Il LSI è un modello vettoriale che può essere usato in modo complementare oppure anche sostitutivo del term vector model.

Facendo test, penso sia possibile individuare nei risultati effetti simili a quelle che produrrebbe l'applicazione del LSI.

Ma sconsiglio di prestarvi attenzione fino a quando non si possieda una ottima comprensione del term vector model e delle sue implicazioni pratiche nell'ottimizzazione delle pagine. Anche perché il LSI è anche più difficile da comprendere.

Oltre a questa tecnica quale altre potrebbe usare?

Clustering, pseudo relevance feedback e dizionario di sinonimi sono le più diffuse.

Voglio capire bene tutti i meccanismi in modo da studiarli e vedere cosa hanno in comune e qual'è quello che potrebbe risultare il migliore.

In questo caso lo studio non basta, perché i risultati migliori si ottengono provando tutte le tecniche e individuando quella che appare la migliore. L'IR è una disciplina più empirica di quello che sipensa: si inizia con un'intuizione o deduzione matematica, ma poi bisogna vedere se i risultati pratici corrispondono a quanto veniva predetto dalla teoria.

Ecco, come detto sopra, dobbiamo anche studiare qualche tecnica il motore potrebbe usare e, una volta conosciute le più popolari, possiamo decidere di fare qualche test.

Vedi sopra: clustering e pseudo relevance feedback.

Vedo bene anche qualche tecnica basata su informazioni antropiche, ma è difficile da testare e comunque gli effetti di un'espanzione attraverso clustering mi sembrano molto più evidenti.

So bene che è molto probabile che queste tecniche vengano messe in opera per chiavi diverse

Anche se l'effetto apparente è quello, è improbabile che esistano algoritmi diversi per query diverse. In un sistema progettato decentemente, l'algoritmo dovrebbe essere unico, con alcune parti/pesi/fattori che si "affievoliscono" automaticamente (fino eventualmente ad avere valenza nulla) a seconda della query.

Si preleva il contenuto dei documenti top-ranked e filtrando i termini non utili (per es. i termini usati troppo spesso nell'intero indice e i termini usati troppo poco) si ottengono i termini con i quali verrà formata la query espansa.

In un modello vettoriale, l'espanzione avviene sommando (algebricamente) al vettore della query iniziale i vettori dei documenti estrapolati con la prima ricerca.

Esistono vari modiper effettuare la somma. A volte è una somma, altre volte una media, ecc.

[beke]

In un modello vettoriale, l'espanzione avviene sommando (algebricamente) al vettore della query iniziale i vettori dei documenti estrapolati con la prima ricerca.
Esistono vari modiper effettuare la somma. A volte è una somma, altre volte una media, ecc.

Grazie della precisazione

Io mi riferivo, in effetti a quanto letto in "Improved Algorithms for Topic Distillation in a Hyperlinked Environment", quindi ad un'applicazione leggermente diversa ma che comunque utilizza un sistema di espansione della query:

...matching the query against the document is
usually not sufficient. Instead we use the documents in
the start set to define a broader query and match every
document in the graph against this query. Specifically,
we consider the concatenation of the first 1000 words
from each document to be the query, Q and compute
similarity(Q;D).
In our implementation, since queries are long and the
document vocabulary tends to be varied we use term
frequency weighting. We use cosine normalization in
weighting both the query and the documents since the
deviation in term vector lengths is large. See Salton...

Ed in effetti concatenando prima i termini delle query e calcolando poi il vettore della query risultante dovrei ottenere lo stesso tipo di risultato.

O no?

[LowLevel]

beke

Ed in effetti concatenando prima i termini delle query e calcolando poi il vettore della query risultante dovrei ottenere lo stesso tipo di risultato.

Un risultato analogo, ma non identico. Le principali differenze sono che

1) dei documenti vengono presi solo i primi X caratteri mentre un indexer full text generalmente ingoia tutto il testo (tranne le stop word);

2) ad essere sommati alla query sono i termini, non i vettori dei documenti (anche se poi vengono trasformati in vettori);

3) il tipo di somma pesata prevede che ai termini della query originaria venga applicato un peso triplo rispetto ai termini estrapolati dai documenti.

Questo approccio è anche computazionalmente più oneroso rispetto alle semplici somme tra vettori compiute da un normale pseudo relevance feedback ed i risultati sono sicuramente diversi, anche se bisognerebbe implementare i due sistemi per misurarne la diversità (che comunque varia anche in funzione del corpus e sicuramente di altri fattori).

[Dell'Orto Fabio]

La lista dei termini complementari è sicuramente un valido punto di partenza !!

[Andrez]

Credo che i passaggi importanti di questo concetto siano:

In un modello vettoriale, l'espanzione avviene sommando (algebricamente) al vettore della query iniziale i vettori dei documenti estrapolati con la prima ricerca.

Esistono vari modiper effettuare la somma. A volte è una somma, altre volte una media, ecc.

Tutto dipende da quale tecnica viene usata dal motore per espandere le query.

Non si conosce quindi quale espansione o come il MDR la applichi.

...qui non mi ci ritrovo...a me pare che i termini li SOTTRAGGA dalla ricerca invece di aggiungerli...sbaglio?
e perchè lo fa? se io utente cerco HOTEL ROMA perchè il mdr dovrebbe togliere la key hotel?

Tentando di sviluppare l'esempio dell'espansione della query di mamilu su Hotel Roma;
-" il MDR prende la richiesta hotel Roma e la espande, aggiungendovi con parametri tutti suoi altri termini correlati, come Giorgio ci ha mostrato su con vendita computer.

Cioè il MDR. con tecniche conosciute solo a lui, parte dalla query hotel e la espande aggiungendovi termini a sua discrezione.

Facendo il percorso inverso possiamo scoprire questi termini:
Digitiamo hotel e vediamo la risposta di 505 milioni; i termini hotel in neretto... ma anche altri.

E allora togliamo hotel dalla query [-hotel] e scopriamo che anche senza nessun temine hotel il MDR ci restituisce 106 milioni di pagine mostrandoci in neretto INN -accommodation -lodging

E' evidente che quei termini il motore, in quel caso, quel giorno [e chissà cos'altro] considera espansioni della query Hotel

Rifacendo la ricerca togliendo una ad una quelle key, vediamo l'importanza che il MDR ha attribuito ad ogni word che ha inserito nell'espansione della query Hotel

Rileggiamo:

~hotel 505.000.000
~hotel -hotel 142.000.000
~hotel -hotel -INN 106.000.000
~hotel -hotel -INN -accommodation 38.400.000
~hotel -hotel -INN -accommodation -lodging non ha prodotto risultati in nessun documento.,

[Dell'Orto Fabio]

Ne deriva alla fine una serp "abbastanza limitata" che sarebbe opportuno analizzare per scoprire in maniera "relativamente semplice" la ragione per cui i siti restati in serp dopo la scrematura sono restati li !

Essi teoricamente dovrebbero avere [condizionale d'obbligo] i termini che fanno la differenza...

[Andrez]

Ne deriva alla fine una serp "abbastanza limitata" che sarebbe opportuno analizzare per scoprire in maniera "relativamente semplice" la ragione per cui i siti restati in serp dopo la scrematura sono restati li !

~hotel -hotel -INN -accommodation -lodging non ha prodotto risultati in nessun documento.,

Query hotel, il MDR mostra un risultato che include altri termini e togliendoli uno ad uno il risultato è zero, non ne restano lì.

Finchè la serp mostra risultati significa che un ulteriore termine, frutto dell'espansione è presente.

Nella fase intermedia, cioè dopo aver tolto il primo o il secondo dei termini frutto dell'espansione, quella serp limitata non si presta ad analisi di sorta [relativamente all'espansione] in quanto non conosciamo il MDR che tecnica usi per quell'espansione della query.

Ci è però possibile estrapolare quei termini

[Dell'Orto Fabio]

Vorrei chiarire quello che volevo trasmettervi che probabilmente strampalatamente ha creato anziche fare chiarezza molta confusione.

Io mi regolo nel seguente modo...

Poniamo il caso che voglia cercare i termini utilizzati da gg per fare l'espansione della query sulla keyword Paperopoli

Prima escludo tutti i termini che sicuramente, vuoi per conoscenza, vuoi per altri fattori sono certo che gg considera

Paperone
Paperino
Paperina
Banda Bassotti
Qui quo qua
Nonna papera
Archimede

A questo punto [dando per scontato quanto scritto sopra] , nei siti restanti dovrò cercare quelli che non ho utilizzato ma che GG invece considera ! Se come risultato finale avrò invece 0, teoricamente dovrebbero essere quelli che ho indicato!
Lo so è un ragionimento contorto, però lo ritengo attendibile, non credete ?

[nelli]

visto che questa cosa dell'espansione mi incuriosiva e volevo capirci di + (come yak) ho fatto qualche prova..

devo dire che per es con hotel a firenze il discorso riportato da andrea funziona.. si trovano molti termini: inn, accommodation, tourism, lodging, .. prima di arrivare a non ha prodotto risultati in nessun documento



pero' se provo con altre keyword non mi capacito molto di come ragioni...
ad es ho provato con

~viaggi -viaggi -voli non ha prodotto risultati in nessun documento

possibile che non aggiunga altri termini rilevanti? che dia per scontato che la parola più legata e significativa per i viaggi siano i voli?
quindi forse un viaggio in nave, treno, pullmann è davvero poco rilevante?

e in inglese?
ho provato prima in italiano:
~toscana -toscana -firenze -livorno -lucca -tuscany non ha prodotto risultati in nessun documento (interessante scoprire che lucca e livorno contino più di siena e arezzo!)

ma nell'inglese..
~tuscany -tuscany - non ha prodotto risultati in nessun documento.

che senso ha?

scusami giorgio se le mie domande ti possono sembrare fuori luogo. ho capito a livello teorico il ragionamento semantico.. ma nel pratico ho ancora difficoltà