Natural Language Processing (NLP) für die Suchmaschinenoptimierung (SEO)
Was wollen Sie mit Ihren Internettexten verkaufen?
NLP und SEO – haben Sie danach gesucht, wie diese beiden Themen zusammenhängen? In diesem Artikel zeige ich Ihnen relevanten Content zur Nutzung von maschinellem Lernen und Textoptimierung für Suchsysteme. Erfahren Sie, wie Sie die Suchmaschine bei der Auslieferung der besten Ergebnisse unterstützen – und Top-Rankings erzielen können.
NLP für SEO nutzen
Der intelligente Umgang mit Sprache wird für Google immer wichtiger. Eine gesprochene bzw. geschriebene Frage muss von der Suchmaschine richtig interpretiert werden. So kann die Suchmaschine Ergebnisse liefern, mit denen die Nutzer beim ersten Treffer zufrieden sind. Briggsby bringt einen Überblick zu On-Page-SEO und Natural Language Processing – inklusive einer Einführung in NLP und Anleitungen dafür, mit NLP Texte zu schreiben und bei Google Featured Snippets zu akquirieren: Briggsby.com
Die Wirkung von NLP auf SEO
Natural Language Processing (NLP) hat eine starke Wirkung auf die Suchmaschinenoptimierung (SEO). Ryan Shelley schreibt auf smamarketing.net darüber, welche Möglichkeiten die Texterfassung durch maschinelles Lernen bietet, die Struktur und Bedeutung von Text zu erfassen. Der Artikel beschreibt zudem, welche Einflüsse NLP auf SEO hat.
Wort-Vektoren für SEO nutzen
Text von JR Oakes, in dem er die Technologie von Natural Language Processing beschreibt – und die Frage beantwortet, ob NLP nützlich für SEO ist. JR Oakes beschreibt GloVe, erwähnt Python und Gensim. Interessant ist auch der Absatz zu den Beziehungen zwischen benachbarten Wörtern. NLP wird hier sehr einfach erklärt. Eines der bekanntesten Beispiele für Wortvektoren ist sicher die Königin, die sich durch Substraktion des Wertes für Mann vom Vektor König und durch Addition des Wertes für Frau als Wortvektor ergibt: King – Man + Woman = Queen.
Wort-Vektoren
Tutorial-Seite von TensorFlow zu Word Embeddings mit word2vec
Aufschlussreiche Anleitung zur Verwendung von Vektor-Repräsentationen von Wörtern. Erwähnt werden word2vec, Vektor-Raum-Modelle (VSMs), Latent Semantic Analysis, Noise-Contrastive Training, Maximum Likelihood (ML), das Skip-gram-Modell. Zu dieser Methode, Wortbeziehungen als Vektoren zu zeigen, bringt der Artikel von Inztitut® einen interessanten Beitrag.
Erklärung Skip-Gram-Modell
Mit Skip-Gram berechnet der Algorithmus, in welcher Beziehung Wörter in einem Textzusammenhang vorkommen. Das ist entscheidend bei der Vorhersage bzw. Berechnung, aus welchem Kontext ein Anwender Sprache in die Suchmaschine eingibt – und was die Suchintention ist. Der Glossar-Artikel von Inztitut.de gibt interessante Einblicke in Contentanalyse, Wortschatzerfassung, Word2Vec.
NLP wird der Gamechanger in der On-Page-Suchmaschinenoptimierung
Texte für das Onlinemarketing müssen sich immer mehr an der Suchintention der Nutzer orientieren. Alles, was Platzhaltertext (unsinniger SEO-Text) ist, wird an Rankings verlieren. Gewinnen werden Publisher, die NLP zu verstehen wissen und geeignete Texte veröffentlichen. Rankingtexte müssen ein Problem adressieren und im selben Absatz – ohne einen Extra-Klick – die Antwort bzw. die Lösung präsentieren.
API-Services
getstat.com bietet „Plug-and-play SERP Data Streams“ – außerdem sind IBM Watson, Microsoft Azure und Google auf dem Markt.
Google Cloud Natural Language macht maschinelles Lernen mit Google für jeden zugänglich. Unstrukturierter Text lässt sich mit Cloud Natural Language von Google in strukturierten Text umwandeln. Wie das aussehen kann, zeigt folgender Ausschnitt, mit dem diese Seite, auf der Sie gerade den Text lesen, analysiert wurde:
⟨Natural Language Processing⟩10 (⟨NLP⟩5) für die ⟨Suchmaschinenoptimierung⟩3 (⟨SEO⟩7) ⟨Natural Language Processing⟩10 ermöglicht präzise ⟨Textanalysen⟩1 und ⟨Texterstellung⟩2 Was wollen Sie mit Ihren ⟨Internettexten⟩12 verkaufen? ⟨NLP⟩4 und ⟨SEO⟩6 – …
Analyse des Satzes „Der intelligente Umgang mit Sprache“
Natural Language Processing wird zur Basis für die Textkonzeption
Google wird bei der Auswahl von Dokumenten immer genauer darauf achten, ob ein User die gewünschte Lösung bzw. Antwort mit nur einem Klick erhält – bzw. mit einer einzigen Spracheingabe an den Google Assistant. Diese Seite zu NLP und SEO wird mit deutschen Kommentaren und Einführungen für den deutschsprachigen Raum ständig aktualisiert und erweitert werden.
Die Analyse der Suchintention (Search Intent) zählt somit zur Textkonzeption.
Zusammenfassung: SEO, die Optimierung von Texten für Suchmaschinen, ist untrennbar mit NLP (Natural-Language-Processing) verbunden. Sie wollen für Google den besten Inhalt liefern und in den Suchergebnissen oben erscheinen? Achten Sie auf den Kontext der Wörter untereinander innerhalb des Contents und den Kontext der Wörter außerhalb Ihrer Website. Das liest sich kompliziert – und ich kann Sie beruhigen: NLP-SEO braucht seine Zeit, bis man sich eingearbeitet hat. Auf die Dauer ist die Verwendung semantischer und linguistischer Merkmale ein Rankingfaktor, den jeder nutzen kann, der SEO mit NLP verbindet.
Wollen Sie sich die Mühe sparen, selbst NLP für Ihre Website zu betreiben? Schreiben Sie mir. Ich will sehen, was ich als Konzeptionstexter für Sie tun kann.
Nützliche Links
https://devmount.github.io/GermanWordEmbeddings/
https://gohighbrow.com/identifying-entities/
https://keras.io/preprocessing/text/
NLTK – Natural Language Toolkit vs. Spacy
https://blog.thedataincubator.com/2016/04/nltk-vs-spacy-natural-language-processing-in-python/