Synodiance > SEO, vocal et sémantique - Performance Digitale Expo - 06/11/2014
•
8 likes•3,756 views
Poussé par des objets de plus en plus connectés (smartphones, montres connectées, Google Glass…), l’usage de recherche se transforme peu à peu, se dirigeant vers un mode de plus en plus vocal et conversationnel. Google est partie prenante dans cette évolution et façonne ces nouveaux usages en faisant constamment évoluer son algorithme. Objectif : une meilleure compréhension de ces nouvelles formes de recherche. Sémantique, balisage schema.org, sujet-predicat-objet, les notions de sémantique envahissent le champ du SEO et modifient profondément les règles d’optimisation. Comment anticiper et s’adapter à ces changements de fond dès à présent ? Conférence animée par Yann SAUVAGEON - https://twitter.com/yahn
Recommended
Recommended
More Related Content
Viewers also liked
Viewers also liked (20)
Similar to Synodiance > SEO, vocal et sémantique - Performance Digitale Expo - 06/11/2014
Similar to Synodiance > SEO, vocal et sémantique - Performance Digitale Expo - 06/11/2014 (20)
More from Search Foresight
More from Search Foresight (20)
Synodiance > SEO, vocal et sémantique - Performance Digitale Expo - 06/11/2014
- 1. SEO, Vocal et Sémantique Performance DIGITALE Expo > 06/11/2014
- 2. Sommaire Les nouveaux usages de recherche Comment Google façonne ces nouveaux usages Comment s’adapter à ces changements de fond
- 3. 1. Les nouveaux usages du search
- 8. Qui est Barack Obama ? 8 – 12 sec 3 – 5 sec
- 10. "I wouldn’t be surprised" if mobile search exceeded desktop queries this year. Matt Cutts Head of the webspam team Google – Mars 2014
- 11. +93%
- 12. 4,7% 14,4% 15,0% 16,4% 16,7% 18,9% 19,0% 23,0% 25,5% 30,0% 32,2% 36,0% 42,9% 51,6% 59,5% 64,1% 67,2% 82,6% 87,9% 93,3% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% assurance retraite ouvrir livret assurance auto billet avion mode femme jeans homme hotel paris restaurant paris concert paris beyoncé serrurier starbucks franprix paris 16 serrurier lyon starbucks paris restaurant à proximité station service paris où suis je macdo le plus proche boulangerie à proximité Part des requêtes mobiles – Mars 2014
- 15. 1/ Les nouveaux usages de recherche
- 17. 1/ Les nouveaux usages de recherche
- 19. 25 juin 2014
- 25. Source : http://www.businessinsider.com/the-internet-of-everything-2014-slide-deck-sai-2014-2?op=1
- 26. 1/ Les nouveaux usages de recherche De nouvelles typologies de recherches Recherches de plus de 3 mots En langage naturel Des questions De plus en plus pointues
- 27. 2/ Comment Google façonne ces nouveaux usages
- 28. 2/ Comment Google façonne ces nouveaux usages Trouver le mot clé dans le contenu Apporter une réponse à l’internaute
- 29. Freebase (juillet 2010) Schema.org (juin 2011) Knowledge Graph (2012) Hummingbird (Sept. 2013) Google et la montée du web sémantique 2/ Comment Google façonne ces nouveaux usages
- 30. Knowledge graph
- 31. Knowledge graph
- 33. 2/ Comment Google façonne ces nouveaux usages Recherche vocale et conversationnelle
- 39. Reconnaissance vocale Interprétation de la recherche Livraison de la réponse
- 42. Pas encore tout à fait au point !
- 43. Pas encore tout à fait au point !
- 44. Pas encore tout à fait au point !
- 45. Pas encore tout à fait au point !
- 46. 17 Juin 2014
- 47. When was michael jackson's thriller released ? Yard to KM When was general motors founded ? Interprétation de la recherche Quel temps demain ? Analyse de la requête How tall is beyonce ?
- 48. When was michael jackson's thriller released ? How tall is beyonce ? Yard to KM When was general motors founded ? Interprétation de la recherche Quel temps demain ? Détection des entités
- 49. When was michael jackson's thriller released ? How tall is beyonce ? Yard to KM When was general motors founded ? Interprétation de la recherche Quel temps demain ? Récupération du contexte
- 50. When was michael jackson's thriller released ? How tall is beyonce ? Yard to KM When was general motors founded ? Interprétation de la recherche Quel temps demain ? Analyse de la requête Détection des entités Récupération du contexte
- 51. Interprétation de la recherche When Where Who What How to
- 52. 70% des requêtes contiennent des entités. Source : http://research.microsoft.com/en-us/people/hangli/guo-etal-sigir2009.pdf
- 53. Interprétation de la recherche Détection des entités Objets textuels qui désignent une chose unique et précise du « monde réel » / Personnes, lieux, dates, valeurs, quantités, distances, entreprises …
- 54. Interprétation de la recherche http://www.freebase.com/
- 55. Interprétation de la recherche http://www.freebase.com/
- 56. Interprétation de la recherche http://dbpedia.org/fct/
- 57. Interprétation de la recherche Vous pouvez retrouver les entités dans Google Trends.
- 58. Interprétation de la recherche
- 59. Interprétation de la recherche
- 60. Livraison de la réponse Données structurées • Bases de données • Schema.org Données non structurées • Sujet – Predicat – Objet • Entités • … Contexte • Lieu • Moment • …
- 61. Livraison de la réponse Base d’entités + Partenaires
- 63. Livraison de la réponse > Données structurées
- 64. Livraison de la réponse > Données structurées
- 65. Livraison de la réponse > Données structurées
- 66. Livraison de la réponse > Données structurées
- 67. Livraison de la réponse > Données structurées
- 68. Livraison de la réponse > Données structurées Entités + Popularité
- 69. Livraison de la réponse > Données structurées
- 72. 4/ La sémantique Vous pouvez retrouver les entités dans Google Trends.
- 75. Livraison de la réponse > Données structurées
- 76. Schema.org Annonce officielle sur Google Webmaster Central Blog Les BIG 3 en juin 2011 Nov. 2011Oct. 2011
- 78. Qui suis-je ?
- 79. Qui suis-je ? (pour les robots) <div itemscope itemtype="http://schema.org/Person"> <div itemprop="name"><strong>Yann Sauvageon</strong></div> <div itemscope itemtype="http://schema.org/Organization"> <span itemprop="name">Synodiance</span></div> <div itemprop="jobtitle">Directeur Associé</div> <div itemprop="email">yann.sauvageon@synodiance.com</div> <div itemprop="telephone">0620119258</div> </div>
- 80. Sujet Prédicat Objet Livraison de la réponse > Données non structurées est né
- 81. Jimmy Hendrix Seattle, Washington 27 novembre 1942 birthdate birthplace Guitariste type
- 83. Le problème des ambiguïtés Coreference David Robert Jones Ziggy StardustAladdin Sane ?
- 84. Le problème des ambiguïtés Coreference David Robert Jones Ziggy StardustAladdin Sane
- 86. Le problème des ambiguïtés Entity Salience David Robert Jones Ziggy StardustAladdin Sane
- 87. Le problème des ambiguïtés Entity Salience David Robert Jones Ziggy StardustAladdin Sane Iggy Pop Tony Visconti1977
- 88. Le problème des ambiguïtés Entity Salience David Robert Jones Ziggy StardustAladdin Sane Iggy Pop Tony Visconti1977
- 89. Le problème des ambiguïtés
- 90. Le problème des ambiguïtés
- 91. Le problème des ambiguïtés « Mercury »
- 92. Remontée des entités sur la recherche Images EN
- 93. Remontée des entités sur la recherche Images EN
- 94. Remontée des entités sur la recherche Images EN
- 97. 2/ Comment Google façonne ces nouveaux usages Web de documents Web d’entités
- 98. 2/ Comment Google façonne ces nouveaux usages Web de pages HTML Web de connaissances
- 99. 2/ Comment Google façonne ces nouveaux usages Renvoyer vers la page web portant la meilleure réponse Donner la réponse la plus adaptée Reconstituer la réponse à partir de plusieurs pages Large-Scale Cross-Document Coreference
- 101. Source : http://www.abondance.com/actualites/20140114-13550-le-knowledge-graph-de-google-ferait-baisser-le-trafic-de-wikipedia.html 5 décembre 2012 > Lancement du knowledge graph en France > Chute du trafic Wikipedia Cannibalisation du trafic Wikipedia par Google France ?
- 102. Absence de source indiquée par Google
- 103. Absence de source indiquée par Google
- 105. Les sources des Answer Boxes apparaissent de + en + en particulier sur GG EN-US … et ce n’est pas tout le temps Wikipedia.
- 116. We built Google for users, not websites. Eric Schmidt – Septembre 2014
- 117. 3/ Comment s’adapter à ces changements de fond ?
- 118. S’adapter Aidez Google à mieux comprendre vos contenus.
- 123. • Born • DateHow old • Height • TallHow tall • Size • DimensionHow big
- 124. 3/ S’adapter Contenu On-Page Objectif : Créer des contenus dans le champ lexical de vos mots clés cibles Optimisez pour une thématique.
- 125. Mot clé cible Synonym es Mots clés associés (hyperony mes…) Co- occurrenc e Phrases usuelles N-grams Proximité / Distance entre KWs Entités Mots clés distinctifs (hyponym es - tfidf)
- 131. 3/ S’adapter > Schema.org Que peut-on décrire ? ~ 100 catégories au départ + 1 200 aujourd’hui
- 132. 3/ S’adapter > Schema.org Le vocabulaire évolue rapidement Sept. 2011 News Nov. 2011 Annonces d’emploi Novembre 2012 Ecommerce Juin 2012 Santé et Medical Publications Techniques Août 2013 Service civil Décembre 2013 Extension TV / Radio Février 2014 Sports Avril 2014 Actions 2011 2012 2013 2014
- 133. Rich Snippets > Events
- 134. 3/ S’adapter > Schema.org Thing > Place > TouristAttraction Thing > Place > LandmarksOrHistoricalBuildings
- 135. 3/ S’adapter > Schema.org Thing > CreativeWork > Series > Actors
- 136. 3/ S’adapter > Schema.org Balise sameAs – Juillet 2014 « disambiguating entities »
- 137. 3/ S’adapter > Schema.org « disambiguating entities »
- 142. De la 4ème place à « l’answer box »
- 144. 3/ S’adapter Moteur de recherche Moteur de réponses
- 145. 3/ S’adapter Demain Mobile / Voice / Conversationnel Thématique Être reconnu comme une réponse Balisage Schema.org / Code ordonné Avant Desktop Mot Clé Répétition « simpliste » Balises Méta
- 146. Conclusion
- 147. Les points à retenir Changement des usages de recherches > Mobile, vocal, conversationnel Meilleure compréhension de la requête > sens des mots + entités nommées + contexte Recherche de la réponse > formulations, champ sémantique, schema.org
- 151. Conclusion
- 154. MERCI ! Questions / Réponses Lien de téléchargement www.synodiance.com/perfexpo Yann SAUVAGEON @yahn yann.sauvageon@synodiance.com