LSI چیست؟ تاثیر استفاده از LSI در سئو 2021
سطح = متوسط
پیش نیاز = تسلط بر تولید محتوا
LSI مخفف عبارت Latent Semantic Indexing است و یکی از چالش برانگیزترین نظریات سئو به شمار می رود ، بسیاری از افراد تاثیرگذار در حوزه سئو استفاده از کلمات کلیدی LSI را پیشنهاد می کنند. اما اول باید ببینیم که Latent Semantic Indexing چیست؟
LSI چیست؟
Latent Semantic Indexing به معنای تجزیه و تحلیل معنایی نهفته است که بعنوان یک روش ریاضی برای بهبود صحت بازیابی اطلاعات در اواخر دهه 1980 توسعه یافت. این روش برای بررسی داده های بدون ساختار محتوا و شناسایی روابط بین مفاهیم موجود در آن از تکنیکی به نام تجزیه ارزش واحد استفاده می کند.
در LSI
روابط پنهان (Latent)
بین کلمات (Semanics)
برای
درک اطلاعات (Indexing)
به کار می رود.
فرض کنید محتوای شما یک عبارت کلیدی (آشپزی) واحد دارد ، اگر بخواهید محتوای شما در موتور جستجو در عبارت های کلیدی مشابه (پخت و پز) نیز نمایش داده شود ، می توانید از متد LSI بهره بگیرید و از عبارت های هم خانواده با عبارت اصلی تان در محتوا استفاده کنید تا این متد بتواند تمامی آن ها را شناسایی کند. همچنین LSI علاوه بر تحلیل عبارت ها در یک سند ، نقاط مشترک بین اسناد مختلف را نیز بررسی می کند. اما نقطه عطف LSI در مواردی است که ساختار و اصطلاحات مختلف را در زبان های مختلف بررسی می کند. عبارت HOT و DOG به تنهایی معنای خودشان را دارند اما وقتی در کنار یکدیگر قرار می گیرند (HOTDOG) معنی کاملا متفاوتی ایجاد می شود که LSI در این مواقع برای درک اصطلاحات به کمک ما می آید.
LSI در مورد محتوای استاتیک و مجموعه های کوچکی از اسناد بهترین عملکرد را دارد که قبلا مفید بود. LSI همچنین اجازه می دهد تا اسناد بر اساس اشتراکات موضوعی آنها جمع اوری شوند ، که یک ابزار بسیار مفید برای موتورهای جستجو در سال های قبل بود.
اما آیا با توجه به بحث یادگیری ماشینی گوگل و پیشرفت الگوریتم ها ، استفاده از LSI منطقی به نظر می رسد؟
در جواب باید بگوییم خیر ، استفاده از LSI منطقی نیست! در ادامه به شما خواهیم گفت که چرا و روش های مفید و به روزتری را معرفی می کنیم.
LSI و تاثیر آن در سئو
اگر فرض کنیم که LSI به موتور جستجو اجازه می دهد که کلمات مترادف را درک کند ، بنابراین منطقی است که بگوییم استفاده از مترادف در محتوا ، در واقع می تواند به موتور جستجو در درک محتوا کمک کند. و اگر موتور جستجو بتواند محتوا را درک کند می توان آن را به صورت مناسبی در نتایج سرچ ، فهرست بندی کند. علاوه بر این ، استفاده از مترادف ممکن است ارتباط موضوعی محتوای کلی را تقویت کند ، که می تواند برای سئو مناسب باشد ، درست است؟ در نهایت می توانیم نتیجه بگیریم که استفاده از “کلمات کلیدی LSI” به سئو کمک می کند.
حالا باید به شما بگوییم که نظریه بالا صحیح نیست! دلایل زیر این گفته را ثابت می کند:
در حال حاضر هیچ مدرکی دال بر استفاده موتورهای جستجو از LSI وجود ندارد.
LSI به طور بالقوه در توسعه موتورهای جستجوی اولیه نقشی داشته است ، اما حالا اوضاع طور دیگری است.
اگر گوگل از LSI برای درک محتوا استفاده نمی کند ، پس چه ابزار دیگری را در اختیار دارد؟
بدون شک ، گوگل می خواهد معنای کلی هر محتوا را درک کند. رشته معناشناسی (مطالعه معنا در زبان) بخشی اساسی از این رویکرد است. دلیل موجهی وجود دارد که نشان می دهد گوگل بسیار فراتر از LSI پیشرفت کرده و از فناوری پیشرفته تر و با هدایت یادگیری ماشینی برای نمایه سازی اسناد و بازیابی اطلاعات استفاده می کند.
semantic search یا همان سرچ معنایی بوسیله فناوری های جدید گوگل توسعه داده می شود تا موتور جستجو بتواند معنای بین سندها و همچنین ارتباط بین کلمات ، مترادف ها و اصطلاحات را در زبان های مختلف درک کند.
به جای LSI باید روی چه چیزهای تمرکز کنیم؟
بهینه سازی محتوا برای موتور جستجو به مرور زمان تکامل پیدا کرده اما موتور جستجو همچنان هنگام درک محتوا با چالش هایی روبرو است ، اما به جای استفاده از LSI برای کمک به درک بهتر موتور جستجو می توانیم از روش های مفید دیگری استفاده کنیم که یکی از آن ها داده های ساختار یافته است که علاوه بر درک بهتر محتوا ، به بهبود نوع نمایش در SERP هم تاثیر می گذارد.
مفهوم همزمانی (co-occurrence) نیز به طور موثری به درک محتوا کمک می کند ، زیرا موتورهای جستجو کلماتی را که معمولاً با هم استفاده می شوند برای درک چگونگی ارتباط و تعامل آنها با یکدیگر برای درک معنای آن ها شناسایی می کنند.
