上下文对 SEO 的重要性：更多文本不是更好的上下文

这篇关于上下文搜索和相应 SEO A/B 案例研究的客座博客来自Holistic SEO & Digital 的创始人Koray Tuğberk GÜBÜR 。

上下文搜索是在网络上基于相同查询的不同上下文进行搜索。查询可以在雨天或晴天提供不同的结果。搜索引擎结果页面的设计可以从冬天到夏天，甚至从早上到晚上。

最新的搜索趋势增加和搜索需求的变化可以提示搜索引擎对查询的新含义，并且搜索引擎可以根据可能的上下文处理不同搜索意图的查询。上下文搜索引擎了解网页上的不同上下文、图像或文本内容、网页部分或用户的历史查询日志以及最后的搜索尝试。

因此，为上下文搜索引擎和上下文搜索引擎用户的 HTML 文档提供更好的上下文是搜索引擎优化的一个帮助因素。上下文指定和上下文锐化可用于为 SERP 上的用户发出更好的相关性和可能的​​点击满意度信号。因此，搜索引擎可以为 SERP 上的源（域）提供更好的位置，并且源可以在规范和次要搜索意图方面为搜索引擎提供更好的价值主张。

这个 SEO 案例研究的作者是Koray Tuğberk GÜBÜR，下面是 Koray Tuğberk 的简要总结。

在本文中，将共享 SEO 的上下文锐化、指定和重要性上下文信号以及具有具体示例示例的 SEO A/B 测试过程和结果，以用于 SERP 文档的上下文指定和上下文锐化。

什么是上下文搜索？

上下文搜索将搜索行为时刻的上下文置于中心，用于对结果进行评估和排名。使用上下文搜索时，会考虑用户的意图和上下文以获取最相关的结果集。

什么是上下文搜索引擎？

上下文搜索引擎（Topical Search Engine）可以根据搜索行为背后的需求上下文将查询和文档相互关联。在某些情况下，上下文搜索引擎称为语义搜索引擎或理解搜索引擎。因为只有在排名系统能够理解查询、查询中的实体、用户的情况时，上下文才能用于相关性和基于质量的文档排名。因此，语义 SEO已成为搜索引擎优化的另一个垂直领域。

上下文搜索引擎可以考虑以下因素。

1. 人口统计
2. 设备
3. 天气
4. 时间
5. 日期
6. 地点
7. 地理
8. 心情（步行、跑步、驾驶）
9. 最后访问的地方（实际物理地址）
10. 最后收听的歌曲
11. 最后购买的旅行票
12. 最后购买的产品
13. 最后观看的电影
14. 最后观看的视频
15. 上次访问的网站
16. 最后输入的查询
17. 用户的面部印象
18. 背景噪音
19. 背景音乐
20. 用户语音
21. 用户的搜索频率
22. 用户的最后查询
23. 用户上次下载的文件
24. 用户的日历情况
25. 用户浏览器
26. 用户的最后一封电子邮件
27. 用户的最后一条消息
28. 用户的最后通话
29. 打开浏览器选项卡
30. 实体
31. 实体的属性
32. 事物分类
33. 事物本体论
34. 相关短语
35. 事物的共现
36. 查询和文档的自然语言处理
37. 文档信息提取与检索
38. 词类型，例如上位词、下位词、同义词、分词、反义词
39. 文档和查询的情感结构
40. 与查询无关的功能，例如文档部分、文档上的可视元素和源属性
41. 语义 HTML 标签、内部和外部链接、提及
42. 用户为来源添加书签的 URL
43. 文件的扩展

对于任何搜索引擎，都有数百万种可能的算法变体，具有数千种不同的数据维度，并且具有无穷无尽的样本量。为了获得针对特定用户和用户情绪的最佳结果，搜索引擎可以调整他们的算法，为不同的数据维度赋予不同的权重。

对于上下文搜索引擎，词汇相似性和字符串匹配来自以前的时代。重要的任务是合并所有这些有意义且以人为本的指标，以创建上下文，从而为用户提供更好、更相关的搜索结果。

搜索引擎的查询相关上下文锐化元素是什么？

查询相关因素是指仅受用户键入的查询影响的因素。例如，查询可以根据以下示例更改其字符。

1. 实体搜索查询在其中包含一个实体以提取信息。
2. 用于获得特定答案的问题格式查询通常以精选片段结尾。
3. 消歧查询通常很短，并且在其中包含一个核心术语以开始旅程。
4. 包含时间的查询，这些查询通常会寻找更新的结果，例如新闻或股票价格。
5. 对历史事件的查询，通常在特殊场合有一定的趋势波。
6. 诽谤查询，这些查询通常寻求非官方和不可信的信息，它们可以被搜索引擎过滤以保护个人。

而且，搜索引擎有数千种不同类型的查询。通常，搜索引擎优化将查询区分为“交易”、“信息”、“导航”、“商业”、“本地”，但搜索引擎需要更仔细地思考。

例如，用户可以在“模糊查询”之后键入“实体搜索查询”，在这种情况下，搜索引擎可以将模糊查询与“实体搜索查询”联系起来，而核心术语“歧义查询”可以是未来相关实体的属性。因此，上下文搜索引擎可以以这种方式根据查询相关因素关联查询和访问的文档。而且，搜索引擎可以对查询进行分类，将短语在不同的上下文级别和层次结构中相互连接。

要了解主题权威和上下文域，您可以阅读这篇详细的文章。

此外，与查询相关的搜索引擎还重写了查询以了解搜索背后的需求，即搜索意图。因此，搜索引擎可以更好地理解查询。为了重写查询，搜索引擎可以检查实体、短语、查询历史和用户的历史查询日志以生成问题。最相关的重写查询称为上下文搜索引擎的规范查询。

搜索引擎的与查询无关的上下文锐化因素是什么？

搜索引擎的独立于查询的上下文锐化因子是属于网页、用户设备、浏览器、日期、时间、位置和天气的因子。

上下文锐化与查询无关的因素通过提供与用户个性和短期议程相关的更多上下文来帮助搜索引擎更好地理解搜索意图。基于查询无关因素的搜索引擎的一些上下文锐化示例。

1. 如果用户与家人一起搜索山区度假胜地，搜索引擎可以将家庭度假胜地排在浪漫度假胜地之前。
2. 或者，如果用户在购买网球拍后立即搜索山区度假胜地，则搜索引擎可以为在山区设有网球课程的度假胜地赋予更多的上下文权重。
3. 如果用户在3月搜索带网球场的山中度假胜地与家人一起去，则可以根据仅3月的评论对相关地点进行排名。而且，搜索引擎可以只关注 3 月的人流量，以加深和锐化上下文。
4. 如果用户在 3 月的最后一周在有网球场的森林山中搜索度假胜地，仅在阳光明媚的情况下与家人一起去，并且如果用户购买了飞往该地点的机票，则人流量，评论可以在三月的最后一周被进一步过滤，也只有在有阳光的日子里，搜索引擎可以给靠近机场的度假胜地更多的权重，前提是它们也靠近或在森林。

在这种情况下，有许多不同的上下文层，并且对这些层或这些上下文层之间的查询有太多相似且可能不同的搜索意图。

过去 28 天的示例 7：点击次数增加 100%，展示次数增加 46.49%，平均排名增加 %18.9，排名查询计数增加 %32。 

在这些示例中，山脉、森林、机场位置、太阳、网球场、网球拍、有家庭、三月有强度与查询无关，它们与现实世界的情况直接相关。而且，这些是无法控制的。

在 SEO 方面，大多数独立于 Query 的上下文锐化因素不受 SEO 的控制，例如天气、位置和时间。因此，与查询无关的上下文锐化因子可以分为可控和不可控。

在这种情况下，不可控的查询独立上下文锐化因子可以帮助 SEO 调整其 SEO 项目的位置和情况，以提高有机搜索性能。例如，本地搜索引擎优化或季节性搜索引擎优化（季节性事件的搜索引擎优化）都在这个组中。在本地搜索引擎优化中，搜索引擎优化可能不会改变企业的位置，但它可以通过提高企业的知名度来提高基于地图的搜索查询中企业的半径。并且，搜索引擎优化可以检查网站受众的人口统计、地理和个性，以调整内容写作风格和内容分布。

搜索引擎最重要的上下文锐化因素可以在查询日志和 SERP 文档内容中找到。因此，下一节将介绍搜索引擎网页上的上下文和上下文锐化元素。

谷歌如何理解网页上的上下文元素？

网页上与查询无关的上下文元素有助于搜索引擎更好地理解网页的上下文以及可能的查询-文档匹配可能性。

网页上的上下文元素可以是文本、图像、功能块和 HTML 标签的形式。搜索引擎可以从网页上的内容了解网页的用途，并且可以从用户日志、外部链接和参考资料以及设计元素或来源属性中了解其质量。

搜索引擎可以理解带有锚点、内部和外部链接、目标和来源、标题、标题、视觉设计元素、功能块、用户和查询日志、文本和图像以及内容部分的顺序的网页，或者内容部分的数量。

搜索引擎可以对不同但相似类型的文档进行聚类，以了解它们的独特之处并从它们的文档中生成问答对。这些集群可用于相关搜索查询预测、People Also Ask Questions、与轮播相关、问答匹配以及查询自动完成预测。

用于上下文指定和上下文锐化的 SEO A/B 测试和案例研究

对于上下文指定和上下文锐化，可以使用详细的文本、图像内容以及有组织的视觉设计和代码结构来执行 SEO A/B 测试。在这种情况下，在本文中，我分享了一些来自我执行了 8 周的 SEO A/B 测试的示例 URL。

在 SEO A/B 测试和案例研究期间，我已将问题和答案对添加到专门选择的 URL。在正常情况下，这些网页只有一个“H1”标题，并且它们只有一个解释性句子，在主要内容中没有适当的内部链接。

在解释句之后，我们在不同的 X（Industry Subject）代码、X（Industry Subject）类型和 X（Industry Subject）图像中为用户提供了清晰的视觉答案。但对于整个行业来说，这堆充满代码、类型和图像的主要内容并不能为搜索引擎提供足够的上下文。在下一部分中，您可以找到提高网页和网页子部分的上下文清晰度的方法。

Context Sharpening SEO A/B 测试的方法是什么？

改进此 SEO A/B 测试的搜索引擎的上下文特异性的方法：

1. 在 HTML P 元素中添加了更多相关的短语。
2. 在相关行业主题中添加了更多相关实体。
3. 为主要内容添加了更多内部链接。
4. 为子问题和答案创建了上下文层次结构。换句话说，我在基于逻辑的突出和重要性层次结构中添加了更多相关问题。
5. 使用符合自然语言处理的句子。
6. 给出明确的答案，没有任何多余的话。
7. 没有重复证据或答案。
8. 没有使用任何不必要和不相关的问题来不淡化内容的上下文。
9. 使用语义 HTML 元素。
10. 使用信息提取。

Gibberish Score 是 SEO 的另一个重要术语，如果网页包含大量没有任何实际答案或信息的句子，则该页面可能具有更高的 gibberish 分数。而且，任何不相关的句子、标题、问题或图像都会淡化上下文。在这种情况下，上下文锐化和上下文稀释是相反的。

用于 SEO A/B 测试的上下文锐化的具体和个性化解释

在这种情况下，对于每个行业主题类型、代码、图像，都创建了一个带有实际标题和问题的专用部分。对于与行业主题的子上下文相关的每个问题，都以一种方便的方式为自然语言处理提供了语义和对称的答案。

已添加相关子部分的相关实体和视觉设计元素。由于网页变得更长，为了给子部分和滚动到文本功能提供更好的上下文清晰度，目录已与 URL 片段一起使用。为了使更改保持一致和更可测试，每个句子都以最佳方式进行了调整，以触发特定部分的精选片段，语义 HTML 元素有助于获得更好的 SERP 曝光和网页清晰度。

每一个信息提取点，每一个清晰的句子都提供了一个更好的相关性、可信度和上下文。由于所有句子在每个样本中都是语义和对称的，因此更改句子并再次审核结果也更容易。

SEO A/B 测试最常见的错误是什么？

SEO A/B 测试最常见的错误如下。

1. 时间：没有等待足够的时间来获得可靠的结果。
2. 重新排名触发：没有做出足够大的改变来获得搜索引擎的反馈。
3. 没有创建足够的示例：仅对少数 URL 进行更改。
4. 不一致的更改：在样本期间未进行一致的更改。
5. 不重要：对不重要的页面进行更改。
6. 数据异常：不注意数据异常。

Context Sharpening SEO A/B 测试如何避免最常见的 SEO A/B 测试错误？

在 Context Sharpening SEO A/B 测试期间，所有常见的 SEO A/B 测试错误都已避免如下。

1. 选择 100 个 URL 以获得更多样本。
2. 等了 8 周才有结果。
3. 将每个网页更改了 70% 以上。
4. 选择了具有实际流量且对搜索引擎和网站很重要的网页。
5. 在每个网页上执行一致的更改，甚至内容中的所有句子都是对称和语义的。
6. 为 SEO A/B 测试选择最佳季节，并检查查询趋势、具有新闻价值的事件，以获得更健康的 Context Sharpening SEO A/B 测试结果。

上下文锐化 SEO A/B 测试可能存在哪些数据异常？

数据异常是模糊数据及其对特定时间线和特征的含义的问题。在 SEO A/B 测试环境中，数据异常会导致实际数据与测量数据之间的数据差异。对于每个 SEO A/B 测试，总是存在数据异常的可能性，这可能会稀释结果以获得洞察力。

下面列出了一些常见的 SEO A/B 测试数据异常类型。

1. 由于搜索趋势、具有新闻价值的最新事件，搜索需求突然增加
2. 损坏的分析工具配置，例如 Google Tag Manager、Google Analytics、Adobe Analytics
3. 搜索引擎端数据测量错误
4. 拥有多台没有同步的服务器
5. 不排除来自公司本地IP地址的用户行为数据
6. 突然和未知的搜索引擎算法更新
7. 搜索引擎端排名、索引和排名错误

在上下文锐化和上下文指定 SEO 案例研究和 A/B 测试期间，所有这些数据异常的可能性都已被观察和控制如下。

1. 由于超级碗，出现了搜索需求和搜索数据异常，因此我一直等到搜索行为恢复正常。
2. 在 SEO A/B 测试期间，已观察到搜索引擎算法更新。
3. 搜索引擎端可能存在的测量错误和已审计的分析配置。

在通过 Context Sharpening SEO A/B 测试分析 SEO 的上下文重要性的过程中，这些方法避免了可能的数据异常。

上下文锐化对 SEO 性能的影响

Context Sharpening SEO A/B 测试的结果已在 8 周后以可靠的方式获得。在文章中，每张带有“Sample”名称的图片都是为了展示Contextual Relevance对SEO的影响的结果和效果。每个上下文信号和主题相关性信号都会增加这些查询的可能搜索意图的置信度和相关性分数。

下面是上下文锐化 SEO A/B 测试的简短结果摘要。

1. 150% – 332% 有机印象增加
2. 20% – 80% 有机点击增加
3. 46% – 142% 有机排名查询增加
4. 1-5 有机平均排名增加

来自 Google 的 LaMDA 和 MuM 公告

LaMDA 和 MuM 是 Google 在 2021 年 Google I/O 期间发布的两个不同的公告。Multitask Unified Model 和 Language Model for Dialogue Applications 是 Google 的两种会话、上下文和话题相关的语言模型。MuM 将针对完整的两个不同但顺序的主题关联两个不同的搜索查询。在这种情况下，Prabhakar Raghavan 给出了“在富士山徒步”的例子，搜索徒步旅行的用户也可能需要一双新靴子。而且，在这种情况下，谷歌可以过滤来源，让用户在未来可能的搜索中更具表现力。

另一方面，LaMDA 是将不同语言的主题关联到相同的实体，并用相同的信息翻译语言。谷歌表示，LaMDA 是为了理解对话或搜索过程中的主题转换。此时，Context Sharpening、Topical Relevance、Coverage、Authority 变得更加重要。

在文章的开头，我给出了谷歌从 2019 年开始发布的“对话搜索”和“上下文搜索”公告的例子。而且，在我写这篇文章之后，谷歌已经发布了 LaMDA、MuM 公告。因此，我在写完这篇文章后添加了这一部分，以更多地展示上下文对搜索引擎的重要性。理解事物的语义和上下文是人类大脑最重要的特征。而且，支持用户智能的搜索引擎可以回答更长、更详细、更精细、更有表现力的查询。这就是为什么上下文指定、上下文锐化和上下文相关性对 SEO 很重要的原因。

关于来源的上下文特异性和 SEO 潜力的最后思考

每个网页和每个查询词都有没有具体说明的上下文空白。填补查询中的这些上下文空白将导致更精确的搜索引擎结果、更详细的人们也提出问题，以及搜索引擎更具体的查询自动完成预测。

以文本、图像、视觉设计和网页布局的形式填充文档中的上下文空白将有助于搜索引擎将文档与针对相同查询的变体的更可能和更精确的搜索意图相关联。为了填补文档中的上下文空白，SEO 可以根据逻辑层次结构生成不同且紧密的问题，这里的重点不是搜索量，而是查询和搜索意图的逻辑相关性。

上下文差距意味着网页的各个部分之间存在漏洞，或者网页部分的上下文未专门向搜索引擎显示。因此，使用清晰的答案、问题、图像、视觉设计元素、一致且有意义的代码结构、特定部分的 URL 片段、每个段落的语义句子以及在描述用户所寻求事物的顺序中具有独特且有价值的信息是很重要的。