Что такое релевантность страниц сайта и что означает релевантность поиска?

Что такое релевантность страниц сайта и что означает релевантность поиска?

Надеюсь, вам понравится читать этот пост!

Если вы хотите, чтобы моя команда просто занималась вашим маркетингом, нажмите здесь.

Релевантность — это соответствие страницы поисковому запросу и общим правилам построения сайта. Страница считается релевантной, если она полезна, отвечает на вопрос пользователя и содержит качественный контент.

Релевантность поиска бывает:

• Формальная — рассчитывается при помощи алгоритмов поисковых систем, без участия человека. По формуле сопоставляется поисковой запрос и документ в индексе поисковой машины.
• Содержательная — специально обученные сотурдники (асессоры) оценивают качество выдачи по запросам.
• Пертинентность — термин, обозначающий удовлетворение информационной потребности пользователя. Алгоритмы ранжирования создаются как раз для того, чтобы по запросам была релевантная выдача, которая устроит пользователя. Это то, к чему стремятся все поисковики.

Следует понимать, что такое релевантность страниц сайта и пертинентность результатов поиска. Пертинентность входит в один из критериев релевантности. Если релевантность – это часть ожидаемого пользователем результата, то пертинентность – конечный результат, полное удовлетворение информационной потребности пользователя. Главная цель всех поисковых систем – повышение релевантности и пертинентности выдачи. Поисковые системы оценивают релевантность страниц для ранжирования т.к. от этого параметра зависит прибыль любого поисковика.

Что такое релевантность текста?

Текстовую релевантность еще называют внутренней. Если на странице расположен текст, который отвечает на запросы пользователей и содержит слова, соответствующие поисковому запросу, он считается релевантным. Раньше для того, чтобы поисковик оценивал текст как релевантный, было достаточно, чтобы ключевое слово встречалось в нем как можно чаще. Но SEO изменилось, и теперь важно знать, что такое релевантность текста. Т.е. обязательно наличие естественных вхождений ключевых слов, тематических слов, поисковых подсказок, полезность текста.

Поисковые системы также оценивают:

• Плотность ключевых слов в тексте
• Заголовки и подзаголовки на странице
• Место ключевых слов в тексте
• Оптимизированные мета-теги
• Синонимы и тематические слова

Во-первых, не обращайтесь к заданным параметрам. Даже рекомендованные показатели Google не могут быть идеальными. Постарайтесь определить самостоятельно, сколько символов должно был в заголовке, сколько текста должно быть на странице и прочие параметры. Помните, что они зависят от специфики вашего сайта.

Второе. Делайте текст под пользователя. Каждая страница вашего ресурса должна решать проблему, с которой на нее пришел пользователь. Бессмысленный текст не решит проблему, а значит и не удержит внимание потенциального клиента. Чем ближе вы к клиенту, тем выше у вас шанс продать свой товар/услугу.

Несколько моментов, о которых не стоит забывать

• Заголовки. Пишите яркие и говорящие заголовки. Чем понятнее и точнее заголовок, тем больше вероятность того, что текст будет прочитан до конца.
• Описание. Не забывайте прописывать description или описание того, о чем будет ваш текст.
• ТЕКСТ. Относительно самого текста хотелось бы отметить, что наличие списков и терминов значительно улучшит его качество. Не стоит забывать и об уникальности текста, проверять которую можно при помощи такого сервиса, как ADVEGO. Однако увлекаться уникальностью все же не стоит. Рано или поздно ваш отличный уникальный текст «растащат» конкуренты и рекламщики. Поэтому проверяйте уникальность чаще, не зацикливаясь на ее показателях.

Любой текст должен побуждать к действию. В конце текстовой страницы постарайтесь ненавязчиво, но настойчиво предложить клиенту оформить заявку, позвонить консультанту и т. д.

И, конечно, лучше, когда на сайте указаны цены, тогда пользователю проще сориентироваться.

Бесплатное обучение маркетингу от Edugusarov.by на 7 дней

У нас вы сможете учиться в удобном темпе, понять, как работает маркетинг, и оценить необходимость его изучения.

Попробовать бесплатно

Внутренние и внешние факторы релевантности

Мы уже разобрались с определением, что такое релевантность. Теперь рассмотрим, какие факторы могут повлиять на нее.

Внутренние факторы релевантности страницы:

• Мета-теги Title (название страницы) и Description (описание). Чтобы страница была релевантной, теги должны быть оптимизированы под запрос. Вписывайте основные ключи в теги. Title не должен дублировать h2.
• Оптимизация текста под ключевые слова. Текст на странице сайта не должен быть SEO-полотном с ключами. На странице нужен качественный, полезный контент, отвечающий запросу пользователя. При этом важно наличие в тексте ключевых слов, поисковых подсказок, тематических слов. Современные поисковые алгоритмы оценивают содержание и релевантность страницы по мета-тегам, заголовкам h2-H6 и тексту документа.
• Внутренняя перелинковка. Большое количество ссылок на страницу с этого же сайта увеличивают ее вес, релевантность. Важно проставить анкоры ссылок таким образом, чтобы это были ключевые слова.
• Наличие ЧПУ – хорошо, если URL короткий, понятный, содержит ключ.
• Сниппет – то, как сайт отображается по запросу в выдаче. Состоит из Title и Description. Иногда вместо Description подтягивается наиболее релевантная часть текста. Сниппет должен быть информативным и привлекательным, чтобы пользователь видел его в выдаче и переходил на страницу.

Внешний фактор релевантности страницы – ссылочная популярность, цитируемость. Чем больше сайтов ссылается на эту страницу, тем выше ее рейтинг. При этом важно, чтобы ссылки содержали слова из запроса. Чем выше авторитет донора и качество текста около ссылки, тем лучше.

Еще один фактор – количество релевантных страниц. Чем больше на сайте тематических, релевантных текстов, тем лучше. Учитывайте, что создавать контент для сайта не так просто, как может показаться. Это непрерывная, системная работа.

Для повышения релевантности страницы необходимо оптимизировать и улучшать все вышеупомянутые факторы. Они оцениваются поисковыми системами и людьми, которые посещают ваш сайт. Ориентируйтесь на пользу для посетителей сайта, и ваш контент начнет приносить целевой трафик и прибыль.

СПАСИБО, ЧТО ДОВЕРИЛИСЬ НАМ!

Мы вас не подведём! Наш менеджер перезвонит в течение часа, чтобы обсудить всё, что вам интересно. Не бойтесь
спрашивать, мы не кусаемся!

СПАСИБО, ЧТО ДОВЕРИЛИСЬ НАМ!

Мы вас не подведём! Наш менеджер перезвонит в течение часа, чтобы обсудить всё, что вам интересно. Не бойтесь
спрашивать, мы не кусаемся!

СПАСИБО, ЧТО ДОВЕРИЛИСЬ НАМ!

Мы вас не подведём! Наш менеджер перезвонит в течение часа, чтобы обсудить всё, что вам интересно. Не бойтесь
спрашивать, мы не кусаемся!

• Беларусь

• Россия

• Другие

СПАСИБО, ЧТО ДОВЕРИЛИСЬ НАМ!

Мы вас не подведём! Наш менеджер перезвонит в течение часа, чтобы обсудить всё, что вам интересно. Не бойтесь
спрашивать, мы не кусаемся!

• Беларусь

• Россия

• Другие

При нахождении на сайте Вы соглашаетесь с политикой обработки персональных данных.

Всё понятно!

Релевантность и оценка — Azure Cognitive Search

• 
  Статья




• 
  04/19/2023
• 
  

В этой статье объясняется релевантность и алгоритмы оценки, используемые для вычисления оценок поиска в Когнитивный поиск Azure. Оценка релевантности вычисляется для каждого совпадения, найденного в полнотекстовом поиске, где самым сильным совпадениям назначаются более высокие оценки поиска.

Релевантность применяется только к полнотекстовом поиску. Запросы фильтров, автозавершение и предлагаемые запросы, поиск с подстановочными знаками или нечеткие поисковые запросы не оцениваются и не ранжируются по релевантности.

В Когнитивный поиск Azure можно настроить релевантность поиска и повысить оценку поиска с помощью следующих механизмов:

• Настройка алгоритма оценки
• Семантический ранжирование (в предварительной версии, описано в этой статье)
• Профили оценки
• Пользовательская логика оценки, включенная с помощью параметра featuresMode

Примечание

Матчи оцениваются и ранжируются от высокого к низкому. Оценка возвращается как «@search.score». По умолчанию в ответе возвращаются первые 50 элементов, но можно использовать параметр $top, чтобы вернуть меньше или больше элементов (до 1000 в одном ответе) и параметр $skip, чтобы получить следующий набор результатов.

Оценка релевантности

Оценка релевантности означает вычисление оценки поиска, которая служит индикатором релевантности элемента в контексте текущего запроса. Чем выше оценка, тем более релевантен элемент.

Оценка поиска вычисляется на основе статистических свойств строковых входных данных и самого запроса. Когнитивный поиск Azure находит документы, соответствующие условиям поиска (некоторые или все в зависимости от searchMode), отдавая предпочтение документам, которые содержат несколько экземпляров условия поиска. Оценка поиска возрастает, если условие поиска редко встречается в индексе данных, но часто — внутри документа. Основу для такого подхода к вычислению релевантности называют TF-IDF или частотой условия — инверсная частота в документе.

Оценки поиска можно повторять во всем результирующем наборе. Если несколько попаданий имеют одинаковую оценку поиска, порядок одних и того же оцененных элементов не определен и не является стабильным. Выполните запрос еще раз, и, возможно, позиции элементов изменятся, особенно если вы используете бесплатную службу или оплачиваемую службу с несколькими репликами. Если есть два элемента с одинаковой оценкой, невозможно определить, какой из них отобразится первым.

Если вы хотите разорвать связь между повторяющимися оценками, вы можете добавить предложение $orderby, чтобы упорядочить элементы по оценке, а затем упорядочить по другому сортируемому полю (например, $orderby=search.score() desc,Rating desc). Дополнительные сведения см. в статье Синтаксис $orderby OData в Когнитивном поиске Azure.

Примечание

@search.score = 1 указывает на результирующий набор без оценивания или без ранжирования. Оценка одинакова для всех результатов. Неохваченные результаты возникают, когда форма запроса является нечетким поиском, запросами с подстановочными знаками или регулярными выражениями или пустым поиском (search=*иногда в сочетании с фильтрами, где фильтр является основным средством для возврата совпадения).

Алгоритмы оценки в поиске

Когнитивный поиск Azure предоставляет следующие алгоритмы оценки:

Алгоритм	Использование	Диапазон
BM25Similarity	Исправлен алгоритм для всех служб поиска, созданных после июля 2020 г. Этот алгоритм можно настроить, но нельзя переключиться на более старый (классический).	Неограниченными.
ClassicSimilarity	Присутствует в более старых службах поиска. Вы можете согласиться на BM25 и выбрать алгоритм для каждого индекса.	0 < 1.00

Как BM25, так и классические — это функции извлечения, подобные TF-IDF, которые используют частоту терминов (TF) и обратную частоту документов (IDF) в качестве переменных для вычисления оценок релевантности для каждой пары «документ-запрос», которая затем используется для ранжирования результатов. Хотя концептуально похоже на классический, BM25 коренится в вероятностном получении информации, что дает более интуитивно понятные совпадения, как измеряется исследованиями пользователей.

BM25 предлагает расширенные параметры настройки, такие как предоставление пользователю возможности решить, как масштабируется оценка релевантности с учетом частоты совпадающих терминов. Дополнительные сведения см. в разделе Настройка алгоритма оценки.

Примечание

Если вы используете службу поиска, созданную до июля 2020 г., скорее всего, используется предыдущий алгоритм оценки по умолчанию, ClassicSimilarityкоторый можно обновить для каждого индекса. Дополнительные сведения см. в статье Включение оценки BM25 в старых службах .

В следующем видео-фрагменте приводится краткое объяснение алгоритмов ранжирования, которые используются в Когнитивном поиске Azure. Дополнительные сведения можно получить, просмотрев полное видео.

Вариант оценки

Показатели поиска дают общее представление о релевантности, отражающее качество совпадений относительно других документов в том же результирующем наборе. Но оценки не всегда совпадают между запросами, поэтому при работе с запросами вы можете заметить небольшие расхождения в порядке упорядочения документов поиска. Существует несколько объяснений, почему это может произойти.

Причина	Описание
Изменчивость данных	Содержимое индекса меняется по мере того, как вы добавляете, изменяете или удаляете документы. Частота терминов изменяется при обработке обновлений индекса с течением времени, что влияет на показатели поиска соответствующих документов.
Несколько реплик	Для служб, использующих несколько реплик, запросы к каждой реплике выдаются параллельно. Статистика индекса, используемая для вычисления оценки показателей поиска, вычисляется отдельно для каждой реплики, а результаты объединяются и упорядочиваются в ответе на запрос. Реплики в основном являются зеркальным отражением друг друга, но статистика может отличаться из-за наличия небольших различий. Например, одна реплика могла удалить документы, участвующие в статистике, которые были объединены из других реплик. Как правило, различия в статистике на каждую реплику более заметны в небольших индексах. Дополнительные сведения об этом условии см. в разделе Основные понятия: единицы поиска, реплики, секции, сегменты в документации по планированию емкости.
Идентичные результаты	Если несколько документов имеют одинаковый рейтинг, то один из них может появиться первым.

Для обеспечения масштабируемости Когнитивный поиск Azure распределяет каждый индекс горизонтально через процесс сегментирования. Это означает, что части индекса являются физически разделенными.

По умолчанию оценка документа вычисляется на основе статистических свойств данных в сегменте. Этот подход, как правило, не является проблемой для большого объема данных. Он обеспечивает лучшую производительность, чем вычисление оценки на основе информации по всем сегментам. Тем не менее, использование этой оптимизации производительности может привести к тому, что два очень похожих (или даже идентичных) документа будут иметь разные оценки релевантности, если они окажутся в разных сегментах.

Если вы предпочитаете вычислять оценку на основе статистических свойств всех сегментов, вы можете сделать это, добавив scoringStatistics=global в качестве параметра запроса (или добавив «scoringStatistics»: «global» в качестве параметра текста запроса).

POST https://[service name].search.windows.net/indexes/hotels/docs/search?api-version=2020-06-30
{
    "search": "<query string>",
    "scoringStatistics": "global"
}

Использование scoringStatistics гарантирует, что все сегменты в одной реплике обеспечивают одинаковые результаты. Тем не менее, разные реплики могут немного отличаться друг от друга, так как они всегда обновляются с последними изменениями в индексе. В некоторых случаях вам может потребоваться, чтобы пользователи во время «сеанса запроса» получали более согласованные результаты. В таких случаях вы можете предоставить sessionId как часть запросов. sessionId является уникальной строкой, которую вы создаете для ссылки на уникальный сеанс пользователя.

POST https://[service name].search.windows.net/indexes/hotels/docs/search?api-version=2020-06-30
{
    "search": "<query string>",
    "sessionId": "<string>"
}

Пока используется та же самая строка sessionId, будет предпринята максимальная попытка нацеливания на одну и ту же реплику, что повысит согласованность результатов, которые увидят пользователи.

Примечание

Повторное использование одних и тех же значений sessionId может повлиять на балансировку нагрузки запросов по репликам, а также негативно повлиять на производительность службы поиска. Значение, используемое в качестве sessionId, не может начинаться с символа «_».

Профили оценки

Вы можете настроить способ ранжирования для разных полей, определив пользовательский профиль оценки. Профили оценки предоставляют критерии для повышения оценки соответствия на основе характеристик контента. Например, может, вам нужно повысить приоритет совпадений на основе потенциального дохода, повысить уровень более новых элементов или, возможно, элементов, которые слишком долго находились на складе.

Профиль повышения — часть определения индекса, состоящая из взвешенных полей, функций и параметров. Дополнительные сведения о таком определении см. в статье Добавление профилей повышения в индекс службы Когнитивного поиска Azure.

Параметр featuresMode (предварительная версия)

В запросах поиска документов имеется новый параметр featuresMode, который может предоставить дополнительные сведения о релевантности на уровне полей. В то время как @searchScore вычисляется для всего документа (насколько этот документ является релевантным в контексте этого запроса), с помощью параметра featuresMode можно получать сведения об отдельных полях, как указано в структуре @search.features. В этой структуре содержатся все поля, используемые в запросе (определенные поля используются с помощью конструкции searchFields из запроса или все поля с атрибутом доступные для поиска в индексе). Для каждого поля можно получить следующие значения:

• Число уникальных токенов, найденных в поле
• Оценка подобия или мера того, насколько содержимое поля сходно с термином из запроса
• Частота термина или количество раз, когда термин из запроса был найден в поле

Для запроса, предназначенного для полей «description» (описание) и «title» (заголовок), ответ, который содержит @search.features, может выглядеть следующим образом:

"value": [
 {
    "@search. score": 5.1958685,
    "@search.features": {
        "description": {
            "uniqueTokenMatches": 1.0,
            "similarityScore": 0.29541412,
            "termFrequency" : 2
        },
        "title": {
            "uniqueTokenMatches": 3.0,
            "similarityScore": 1.75451557,
            "termFrequency" : 6
        }

Вы можете использовать эти величины в пользовательских решениях оценки или применить эту информацию для отладки проблем, связанных с релевантностью поиска.

См. также раздел

• Профили оценки
• Справочник по REST API
• Поиск документов (REST API Когнитивного поиска Azure)
• Библиотеки службы «Поиск Azure» для .NET

Что такое релевантность поиска? | Algolia

Релевантность поиска — это мера точности взаимосвязи между поисковым запросом и результатами поиска.

Онлайн-пользователи возлагают большие надежды. Благодаря высокой планке, установленной такими сайтами, как Google, Amazon и Netflix, они ожидают точных, актуальных и быстрых результатов. Однако реальность такова, что многие сайты не имеют оптимизированных страниц результатов, которые понимают намерения пользователя и легко приводят их в соответствие с их потребностями.

Если вы когда-либо искали веб-сайт только для того, чтобы увидеть кучу бесполезных, несвязанных между собой результатов, то вы знаете, что могут чувствовать ваши пользователи: разочарование и стремление перейти на сайт конкурента, чтобы найти результаты. Релевантность поиска является неотъемлемой частью пользовательского опыта.

Владельцы веб-сайтов могут точно настроить свою релевантность для поиска, чтобы упорядочить результаты поиска наиболее полезным для пользователей способом. Это может быть основано на ряде факторов, таких как цель поиска, бизнес-приоритеты, релевантность текста, точность правописания, геолокация пользователя или близость ключевых слов в искомом содержании.

Тонкая настройка релевантности поиска для обеспечения точности 

Релевантность может быть трудно установить правильно, поскольку она сильно зависит от контекста и ряда изменяющихся переменных. Например, тип сайта имеет значение: то, как вещи должны ранжироваться на веб-сайте электронной коммерции по сравнению с академическим сайтом, не будет одинаковым. Тип искателя также имеет значение. Коллекционер и новичок будут иметь разные намерения и навыки поиска. Наконец, у разных людей будут разные слова для выражения того, что они ищут, даже для одного и того же запроса. Формула ранжирования результатов должна работать с этими различными потребностями.

Когда пользователь вводит запрос типа «скидка» на сайте электронной коммерции, он хочет, чтобы было возвращено определенное подмножество записей, соответствующих критериям запроса.

Когда пользователь вводит запрос типа «скидка» на сайте электронной коммерции, он хочет, чтобы было возвращено определенное подмножество записей, соответствующих критериям запроса.

Почему важна релевантность поиска?

Оптимизация релевантности поиска — чрезвычайно важный, но часто упускаемый из виду аспект дизайна взаимодействия с пользователем. Исследования показывают, что 43% посетителей веб-сайта сразу же переходят к строке поиска, и эти пользователи в 2-3 раза чаще конвертируются. Когда пользователям предоставляются результаты, соответствующие их запросам и интересам, они будут более удовлетворены, вовлечены и с большей вероятностью совершат конверсию. Таким образом, хороший дизайн UX должен побуждать пользователей начинать с панели поиска и перемещаться по результатам поиска.

Кроме того, современные онлайн-пользователи возлагают большие надежды на удобство использования веб-сайта, поэтому скорость, простота использования и простота дизайна являются важными факторами, влияющими на то, как клиенты воспринимают бренд.

Краткая история релевантности поиска

История релевантности поиска восходит к самым ранним дням Интернета, когда исследователи пытались найти методы поиска информации, чтобы управлять быстрым ростом контента, создаваемого каждый день. Это быстро привело к изобретению поисковой системы.

Поисковые системы

Ранние поисковые системы и протоколы, такие как Archie, созданный в 1990 году аспирантом Университета Макгилла, и Gopher, созданный в 1991 году исследователями из Миннесотского университета, стали важными вехами в развитии актуальности современного поиска. системы. Они позволили ученым использовать условия поиска для поиска в файловых системах других учреждений, к которым они подключались через Интернет.

Тем не менее, эти ранние поисковые системы все еще были очень техническими, требуя от пользователей глубоких знаний о компьютерах и низкоуровневых концепциях Интернета. Между тем, всего пару лет спустя в 19В 93 году Всемирная паутина начала процветать, когда сотни веб-сайтов начали выходить в сеть, что положило начало целой новой волне поисковых систем.

Ранние веб-поисковики

Вскоре появились поисковые роботы, которые автоматически загружали и обновляли веб-страницы в индексах поисковых систем, позволяя искать больше контента.

Поисковые системы, такие как Excite в 1993 г. и Yahoo в 1994 г., быстро завоевали популярность благодаря простоте использования. Они даже включали некоторые базовые статистические модели, направленные на понимание запросов пользователей и их связи с контентом.

Эти новые ранние системы использовали работающий, но ограниченный метод ранжирования наиболее релевантных результатов поиска для пользователей. Они основывали свой рейтинг релевантности на количестве раз, когда ключевые слова появлялись на веб-страницах, однако они не учитывали никаких других критериев для оценки качества веб-страниц.

Затем на сцену вышла революционная поисковая система Google. Компания Google, основанная 4 сентября 1998 года в Менло-Парке, штат Калифорния, значительно повысила релевантность поиска, создав свою передовую технологию поиска. В 2000-х Google усовершенствовал свои поисковые алгоритмы, используя новые и более мощные модели машинного обучения, которые предлагали еще более релевантные и прогнозирующие функции поиска, такие как автозаполнение и мгновенный поиск.

Измерение релевантного поиска документов   

По мере увеличения количества сайтов росла и потребность в поиске релевантных документов на определенных сайтах и ​​в базах данных. Поиск документов был важным предшественником того, как мы сегодня ищем на сайтах.

Традиционные системы ранжирования часто рассматривают частоту ключевых слов в документах, чтобы предсказать их релевантность. Например, классический алгоритм, известный как TF-IDF, будет проверять, сколько раз ключевые слова появлялись в соответствующих документах (частота терминов) и сколько раз ключевые слова появлялись во всех других документах в репозитории (обратная частота документов). Последний анализ помогает отфильтровать общие слова, которые обычно являются шумом, такие как предлоги.

Хотя TF-IDF и другие подобные ранние подходы к релевантности были хороши при поиске документов общего назначения, они не смогли воспользоваться преимуществами дополнительной структуры и метаданных, которые содержит большинство веб-сайтов. Современный контент имеет заголовки, описания, категории, теги и другую информацию на основе ключевых слов, которую можно использовать для интерпретации контента сайта и повышения релевантности поиска.

Со временем поисковые компании разработали альтернативы TF-IDF, например, больше полагаясь на алгоритмы ключевых слов, чем на статистику. Для нашей собственной поисковой системы мы разработали индивидуальную систему ранжирования, позволяющую компаниям лучше видеть, что происходит под капотом, что позволяет им адаптировать релевантность к своим потребностям.

С появлением новых возможностей семантического поиска появились и более сложные модели качества ранжирования для оценки релевантности поиска, включая nDCG, нормализованный дисконтированный кумулятивный выигрыш, который может определять сходство между тем, насколько хорошо набор результатов запроса упорядочен для конкретного запрос. Чем выше балл, тем выше релевантность. Мы добавили оценку с помощью нейронных технологий и векторного поиска, чтобы расширить релевантность нашего поиска по ключевым словам для большего количества вариантов использования. Существуют и другие методы, такие как MRR (средний обратный ранг) и MAP (средняя средняя точность), каждый из которых имеет свои плюсы и минусы.

Для большей релевантности важно качество записей в поисковом индексе. Качество поиска по ключевым словам и семантика зависит от качества ваших данных, поэтому очистка данных для обработки отсутствующих значений или зашумленных данных, структурирование наборов данных из разных источников для лучшего анализа и улучшение контента, такого как заголовки, описания, теги , заголовки и метаданные могут сильно повлиять на показатель качества поиска.

Внедрение повышения и оптимизации результатов поиска

Сегодня, когда веб-сайты расширили свой контент и предлагаемые продукты, оптимизация релевантности поиска является основным фактором для поисковых систем отдельных сайтов. Компании, производящие собственную релевантность, должны учитывать свои конкретные бизнес-потребности, чтобы сделать поиск полезным.

Например, бренд электронной коммерции может иметь тысячи разнообразных продуктов и клиентов с очень разными демографическими данными. Таким образом, когда клиент ищет продукт, внутренняя поисковая система должна иметь возможность предоставлять результаты, которые не только связаны с запросом, но и контекстуально релевантны конкретному пользователю.

Современные поисковые системы также должны уметь обрабатывать синонимы, опечатки, многословные запросы и даже вопросы. Обработка естественного языка (NLP) используется поисковыми системами, чтобы помочь читать, понимать и понимать человеческий язык.

Кроме того, маркетологи могут захотеть продвигать сезонные товары, аналогичные мерчандайзингу в магазине, или бизнес-операторы могут захотеть продвигать товары с более высокой маржой. Следовательно, релевантная поисковая система также должна учитывать эти факторы и обеспечивать настраиваемое ранжирование, которое можно скорректировать в соответствии с этими потребностями с течением времени.

Однако многие из этих алгоритмов все еще неуклюжи. Чтобы улучшить это, некоторые алгоритмы учитывают важность атрибута соответствия и близости ключевых слов. Таким образом, результаты поиска с гораздо большей вероятностью будут релевантны пользователям, чем алгоритмы поиска общего назначения.

В последнее время, чтобы повысить релевантность, дизайнеры поисковых систем работают над созданием большей персонализации и контекстуализации. Сюда входят такие технологии, как машинное обучение и обработка естественного языка, обеспечивающие более разговорный поиск, отслеживание пользовательского поиска и истории посещенных страниц, позволяющие настраивать интерпретацию запросов, а также автоматическая маркировка и категоризация веб-страниц для понимания контента на более высоком уровне, чем просто текстовые ключевые слова.

Точная настройка релевантности поиска с помощью Algolia 

Оптимизация релевантности веб-сайта для поиска — сложный и непрерывный процесс. Это требует не только предоставления результатов, соответствующих запросам пользователей, но и предоставления им персонализированных результатов, а также удовлетворения ваших конкретных бизнес-потребностей. Кроме того, поскольку пользователи все больше переходят на голосовые устройства и цифровых помощников, компаниям придется выяснить, как предоставить новый тип интерфейса, который может естественно общаться с пользователями.

Чтобы предоставить своим клиентам все эти функции, вам понадобится партнер, предлагающий поиск как услугу, который предлагает все лучшие отраслевые практики и самые современные возможности прямо из коробки. Более высокая релевантность имеет огромное значение в том, уйдет ли клиент — на веб-сайте или в интранете — с хорошим результатом поиска или с плохим опытом поиска.

Что означает релевантность поиска?

Окно поиска стало первой точкой взаимодействия на веб-сайтах, и то, как оно работает, отражается на вашем бренде и бизнесе. Исследование Forrester показало, что 43% посетителей сразу же переходят к окну поиска. В то же время у искателей вероятность конверсии в 2-3 раза выше, чем у тех, кто не ищет. Если вы не практикуете оптимизацию релевантности поиска на своем веб-сайте, вы рискуете навсегда потерять потенциальных клиентов.

Содержание

Что такое релевантность поиска?

Релевантность поиска, по словам Дуга Тернбулла, «это практика улучшения результатов поиска для пользователей путем удовлетворения их информационных потребностей в контексте конкретного пользовательского опыта, при этом балансируя то, как ранжирование влияет на потребности нашего бизнеса».

Так что же это означает в простой речи? Давайте посмотрим на это так: когда пользователь делает поисковый запрос, поисковая система начинает работать, расшифровывая поисковое намерение пользователя и решая, какой контент представить в качестве результатов. Релевантный поиск по сайту относится к качеству результатов, возвращаемых поисковой системой.

Качество определяется несколькими факторами, в том числе терминами, используемыми в поиске, популярностью результатов, местоположением, прошлой историей поиска и покупок, а также поведением при просмотре.

Давайте рассмотрим пример. Скажем, любитель мексиканской кухни, чувствуя себя немного проголодавшимся, решает найти приложение ресторана для доставки еды. Поисковая система сразу же начинает действовать и перечисляет самые популярные мексиканские рестораны с доставкой, расположенные в радиусе 5 миль. У этого пользователя отличная релевантность для поиска. Алгоритмы поиска адаптировали результаты специально для этого пользователя, анализируя его поведение, местоположение и популярность результатов.

Почему релевантность поиска важна?

Пользователи многого ожидают от поисковых приложений. В мгновение ока пользователи надеются, что ваше поисковое приложение поймет, какую информацию они хотят получить, основываясь на нескольких наспех введенных условиях поиска. Если результаты поиска не кажутся релевантными сразу, пользователи быстро разочаровываются и уходят. Исследования показывают, что до 68% пользователей не вернутся на сайт с плохим поиском.

Окно для привлечения посетителей сайта постоянно сокращается; Прошли те времена, когда пользователи терпеливо просматривали результаты поиска, чтобы найти то, что им нужно. Обеспечение того, чтобы вы практиковали оптимизацию релевантности поиска, больше не является роскошью; это важно.

Как повысить релевантность поиска?

Итак, как определить релевантность поиска? Как вы помогаете пользователям получать релевантные результаты поиска по сайту? Давайте посмотрим на некоторые вещи, которые вы должны рассмотреть и принять во внимание.

1. Знай свою аудиторию

Как бизнес, вы не должны тратить время на то, чтобы угодить всем; вместо этого вы должны сосредоточить свои усилия на том, чтобы удовлетворить вашу целевую аудиторию. На первый взгляд может показаться, что это не проблема. Тем не менее, одна из основных причин, по которой люди неправильно понимают релевантность поиска, заключается в том, что они смотрят на поиск с общей точки зрения, а не с точки зрения целевой аудитории.

В следующий раз, когда вы оптимизируете свою поисковую систему, постарайтесь не использовать универсальный подход; вместо этого начните с рассмотрения ваших клиентов и их мотивов, желаний, потребностей, проблем и опасений. Релевантность может начаться только тогда, когда вы поймете, кому вы обслуживаете свой контент.

Профессиональный совет . Используйте аналитику поиска, чтобы получить представление о том, как ваши пользователи используют поиск. Это может помочь вам узнать, как часто ваши пользователи ищут, что они ищут и находят ли они это или нет. Эта информация может быть использована для оптимизации релевантности поиска и поможет вам улучшить UX вашего сайта.

2. Используйте релевантные фильтры

Поисковые фильтры помогают пользователям сузить результаты поиска, но это может произойти только в том случае, если они релевантны и соответствуют целям поиска пользователя. Исследователи из Baymard Institute обнаружили, что колоссальные 34% веб-сайтов имеют плохую фильтрацию и что они серьезно ограничивают возможности своих пользователей просматривать продукты.

Предоставляя соответствующие фильтры, вы не только помогаете активным браузерам сузить результаты поиска до нужного им результата, но и повышаете коэффициент конверсии вашего сайта!

eBay — отличный пример релевантных фильтров, помогающих ускорить путь покупателя. Взгляните на приведенный ниже пример –

. На этой странице показаны результаты поиска для iPhone. eBay предоставляет несколько очень релевантных фильтров над списком товаров, чтобы повысить общую вероятность того, что пользователь найдет то, что ему нужно.

Мы можем сузить область поиска с 89 000+ до десяти наиболее релевантных результатов, уточнив поиск с помощью предложенных фильтров.

Чтобы повысить уровень своих навыков работы с фильтрами, обязательно прочитайте запись в нашем блоге, посвященную многогранному поиску.

Совет от профессионалов: Фильтры могут не только помочь активным браузерам вашего сайта; на самом деле, вы также можете использовать их, чтобы помочь пассивным браузерам находить контент и продукты на вашем сайте, о которых они, возможно, не знали.

3. Используйте возможности персонализации

74% клиентов расстраиваются, когда контент веб-сайта не персонализирован. Однако, когда поиск становится персонализированным, пользователи начинают видеть более релевантные результаты поиска по сайту, что приводит к более высоким коэффициентам конверсии, более низким показателям отказов и улучшению репутации бренда.

Персонализация происходит, когда поисковая система изучает пользовательские сигналы, чтобы предоставить набор индивидуальных результатов поиска и рекомендаций.

Пользовательские сигналы могут быть основаны на таких переменных, как демографические данные, симпатии, антипатии, отслеживание прошлого поведения и т. д. Чем больше у вас данных о ваших пользователях, тем более сложной становится ваша персонализация.

Amazon — отличный пример предоставления более релевантных результатов поиска по сайту посредством персонализации.

Это страница результатов поиска кофе на Amazon. Поисковая система проанализировала детали предыдущей покупки и сделала правильный вывод о том, что пользователь предпочитает молотый кофе растворимому или цельному кофе, а также любит ароматизированный кофе. Поисковая система персонализировала результаты с помощью этой информации, выделяя предыдущую покупку и продвигая определенные типы результатов в топ.

Чтобы получить дополнительные практические советы по персонализации, ознакомьтесь с записью в нашем блоге «Зачем вам нужна персонализация поиска по сайту».

Совет профессионала  – автоматические подсказки в поиске – это отличный способ направлять, обучать и продвигать контент и продукты с помощью внутреннего поиска вашего веб-сайта. Его также можно персонализировать, чтобы предлагать результаты на основе текущего местоположения посетителя или на основе его основного языка. Кроме того, вы можете отображать релевантные условия поиска и контент на основе прошлой истории просмотров. Вы можете узнать больше на эту тему, прочитав наш пост в блоге об автозаполнении и автозаполнении.

4. Продвижение областей сайта

Благодаря продвижению вы можете дать определенным областям вашего сайта более высокий приоритет по сравнению с другими в поиске по сайту. Например, допустим, вы запускаете веб-сайт камеры. Путем повышения вы можете убедиться, что когда пользователи ищут DSLR начального уровня, они в конечном итоге находят продукты, помеченные как DSLR начального уровня, и не переходят сразу к вашему сообщению в блоге под названием «Руководство для начинающих по DSLR начального уровня».

Совет для профессионалов: Поиск по вашему сайту может существенно повлиять на удовлетворенность ваших пользователей вашим брендом и услугами, поэтому убедитесь, что вы спланировали свой поиск так, чтобы он был успешным.

5. Понимание поискового запроса

Поисковые системы часто сталкиваются с двусмысленными и нечеткими запросами от пользователей, которым не всегда ясно, что они ищут. Поисковая система должна понимать разные слова в запросе, чтобы возвращать релевантные результаты поиска.

Вот несколько способов, которыми поисковые системы могут устранить неоднозначность информации.

Устойчивость к опечаткам — Устойчивость к опечаткам работает путем сопоставления слов, близких по написанию, позволяя пользователям делать опечатки и по-прежнему находить то, что они ищут.

Синонимы – Это гарантирует, что разные ключевые слова с одинаковым значением приводят к одним и тем же релевантным результатам поиска.

Stemming – Stemming – это процесс удаления суффиксов из слов таким образом, чтобы слова с одним корнем соответствовали друг другу. Стемминг зависит от языка.

Частичное совпадение – Возвращает релевантные результаты поиска для частичного поискового запроса, например. «авто» соответствует «автомат».

Автоматическое определение языка – Уменьшает нерелевантность, ограничивая результаты поиска определенным языком.

6. Очистите свой сайт 

Сообщения в блогах, страницы продуктов, списки электронной коммерции, страницы контактов — все это накапливается со временем, поэтому крайне важно регулярно очищать содержимое вашего сайта. Очистка содержимого может показаться утомительной, но она необходима для краткой индексации поиска и предоставления наиболее релевантных результатов поиска.

Вот несколько областей, на которые вы можете обратить внимание – 

— Дублированный или перекрывающийся контент

— Устаревший контент

— Ключевые слова, которые больше не работают

— Неиспользуемые категории

— Неработающие ссылки

Теперь вы понимаете основы релевантности поиска. Тем не менее, также важно понимать, что оптимизация релевантности поиска — это непрерывный процесс, включающий удовлетворение потребностей пользователей и бизнес-требований. Это также требует предоставления персонализированных релевантных результатов поиска, адаптируясь к изменяющимся предпочтениям пользователя. Усилия, которые вы приложите, чтобы сделать ваш контент релевантным для поиска, станут важным шагом на пути к успеху вашего бизнеса.

Совет от профессионала: Не отставайте, будьте в курсе всех тенденций веб-дизайна и UX, чтобы ваши пользователи получали лучший и более удобный цифровой опыт.

Подводя итоги

Что такое релевантность поиска?

— Релевантность поиска — это мера того, насколько близко и точно сгенерированные результаты поиска соотносятся с поисковым запросом пользователя.

Высокая релевантность поиска улучшает взаимодействие с пользователем, а низкая релевантность поиска имеет противоположный эффект.

Почему релевантность поиска важна?

– Облегчает клиентам поиск необходимого контента

– Обеспечивает хорошее взаимодействие с пользователем

– Создает положительное первое впечатление

– Помогает привлечь и удержать клиентов

Как вы можете повысить релевантность поиска?

– Знай свою аудиторию: Пойми свою целевую аудиторию, ее поисковое поведение, предпочтения и болевые точки. Это поможет вам предоставлять более релевантные и персонализированные результаты поиска.

-Используйте релевантные фильтры: Разрешите пользователям фильтровать результаты поиска на основе соответствующих атрибутов, таких как цена, местоположение, категория и т. д. Это поможет им быстро и легко находить наиболее релевантные результаты.

-Используйте возможности персонализации: Используйте алгоритмы машинного обучения для персонализации результатов поиска на основе пользовательских предпочтений, истории поиска и поведения.

This entry was posted in Популярное