左にユーザーニーズ、右にSEO

今日でも、SEO の関連性や Web ページのランキングの文脈で「頻度や密度」という言葉をよく耳にしますが、それは過去のこととしておこうと思います。

まず、この記事の最初の内容として、キーワードの頻度と密度についてお話ししましょう。

キーワードの頻度と密度

ユーザーがキーワードを検索するとき、そのキーワードがウェブページに表示される頻度や密度が高ければ高いほど良いと、私たちはずっと信じてきたようです。もちろん、この値は3％～5％に抑えるべきだという意見もあります。しかし、この数字がどこから来ているのかご存知ですか？

私の記憶が正しければ、この数字は2006年から2007年にかけてアメリカのSEO専門家が書いた本に載っていました。この本は中国語に翻訳されてから人気が出ました。「人気」って本当に怖い言葉ですね。

たとえこれが正しいとしても、それは過去の話です。この本が 2007 年に書かれたとしたら、執筆には 1 年はかかるのではないでしょうか。言い換えれば、その概念は 2006 年にはすでにあったということです。それを実践で証明するには、少なくとも 1 年はかかるのではないでしょうか。最も古い実践は 2005 年に始まったかもしれません。今では 7 年が経過しています。検索エンジン開発者の IQ をまだ疑っていますか?

たとえ上記の内容が偽造されたとしても、キーワードの頻度と密度の現象について例を使って考えてみましょう。キーワード「臨沂89時人材ネットワーク」を検索するとします。頻度と密度の観点から問題を考えると、「臨沂人材ネットワーク」と「89時」で表示されるウェブページが最も関連性が高くなります。

では、ユーザーとして、「Linyi 89.com」を検索するとき、ワンクリックで情報を取得したいですか、それともキーワードがいっぱいの記事の束を取得したいですか？（小説を読む方が良いです）

それでも理解できない場合は、この記事の右上隅にある [X] ボタンをクリックするか、Alt + F4 を押してください。

私は常に、SEO や検索エンジンをユーザーの視点から考えてもらいたいと考えています。しかし、多くの友人が私にメッセージを送ってきて、いつもどう答えてよいかわからないような的外れの質問をします。

皆さんにひとつだけ理解していただきたいことがあります。それは、ユーザーのニーズを満たすことが企業の存続の基盤であるということです。Baidu は単なる企業であり、それ以上のものではありません。Baidu の顧客はユーザーであり、つまりあなたや私、そしてあなたや私の周りの人々です。

SEO では、業界のリーダーになるためには、ユーザーのニーズを満たし、業界内でより多くのトラフィックを獲得する必要があります。これは SEO の 1 つの側面であり、私が得意とする分野です。XXX マーケティングや XXX プロモーションの概念について話をし続けるのであれば、申し訳ありませんが、よくわかりません。 SEO については、ユーザーと技術の観点からのみ説明できます。

さて、検索エンジンがキーワードとページの関連性を技術的な観点からどのように計算するかについてお話ししましょう。

ユーザーは、前述の「臨沂89ポイント人材ネットワーク」など、検索する必要がある情報を照会するために、検索エンジンに1つ以上のフレーズを入力する必要があります。このとき、検索エンジンは1秒以内に大量の結果を返します。では、これらの上位の結果が検索ユーザーにとって有用であるとどのように判断するのでしょうか。また、ユーザーが入力したキーワードが返された結果と密接に関連していることをどのように計算するのでしょうか。以下は技術的な観点からの回答ですが、ユーザーのニーズを満たすという基本的な前提から始まります。

検索エンジンにフレーズを送信すると、検索エンジンはそれをセグメント化します。ご存知のとおり、Baidu の初期のアウトソーシングサービスの 1 つは、現在の Haier Technology と同様に、中国語の単語のセグメント化でした。

単語分割の機能は、ユーザーの単語グループを独立した意味を表すコアキーワードに分割することです。なぜこのステップを実行する必要があるのでしょうか。その答えは、検索エンジンがユーザーが入力したキーワードを分割し、独立したキーワードのニーズを一致させ、最終的にそれらを統合して、ユーザーが入力したキーワードが表す意味を計算する必要があるためです。（内容の紹介は後ほど行いますが、ここではプリセットのみとなります）

ここでは、入力したキーワードがクエリであると仮定します。単語の分割後、q1、q2...qn が得られます。検索エンジンでは、需要タイプがユーザーが入力したフレーズと直接照合されます。

ここで関係する別の概念は、クエリまたは q1 が、中国語の文字の多音や英語の単語が異なる意味を表すのと同じように、異なるニーズを表す可能性があるということです。

検索エンジンには、キーワード需要を計算するためのアルゴリズムがあります (検索エンジン開発に詳しい友人なら、私が何を言っているのか理解できるはずです)。それは、「単語需要確率モデル」です。

このモデルは比較的複雑な計算式で表現されており、洞察力や数学力に優れた人しかそのロジックを理解できません。ここでは平易な言葉で紹介します。

いわゆる単語需要確率モデルは、分詞の前後の単語を 3 つのカテゴリに分類します。

1. 言葉（言葉そのもの）

2. 単語に対応する需要タイプ（例えば、英語の単語は異なる意味を表し、意味 1、意味 2 などがある場合があります）

3. 単語に対応する需要タイプの確率（意味1に一致する単語の確率と意味2を伴う単語の確率など）

以下の内容は少しわかりにくいですが、私の言語スキルのなさを活かして、できるだけわかりやすく表現したいと思います。

単語の分割前または分割後の単語要件の種類を決定するために、次のアルゴリズムが検索エンジンでよく使用されます。

1. 既存の検索ログから各単語の需要タイプを判断する

2. 手動で注釈を付けて各単語の需要タイプを決定する

上記の 2 つの方法 (2 番目は古い) を使用すると、クエリ分割後の q1-qn を、一致する需要タイプのセットにマッピングできます。

前の文についていくつか疑問があるかもしれません。一致する需要タイプのセットに対応するクエリセグメンテーション後の q1-qn は何ですか?

たとえば、「Linyi 89:00 Talent Network」の単語分割後、「Linyi Talent Network」と「89:00」が取得されます。「Linyi Talent Network」に一致する可能性のある需要タイプは次のとおりです。

1. ビデオ

2. 写真

3. 商品

4. ブログ

5. フォーラム

6. 小説

上記の 6 つのポイントとさらに多くの種類の需要を合わせると、「臨沂人材ネットワーク」という単語に対応する需要タイプのセットになります。

3点目については、需要セット内の各項目に対応するクエリの確率が「単語に対応する需要タイプの確率」であることがわかります。

では、検索エンジンは検索ログからクエリ要件をどのように判断するのでしょうか?

検索ログには、ユーザーの検索時間、ユーザーのブラウザCookie（ユーザーID）、検索キーワード、検索結果における検索結果URLの順位、ユーザーが検索結果をクリックした順番、検索結果URLアドレスなどが記録されます。

言い換えれば、過去のユーザー行動を使用して、ほとんどのユーザークエリに対応する需要タイプと需要タイプの確率を一致させることができます。

（注1：ここで1つ言っておきます。例えば、「臨沂タレントネットワーク」を検索すると、動画需要型の確率は0.5、小説需要型の確率は0.3、漫画需要型の確率は0.1です。これら3種類の検索結果は、10件の検索結果に表示されます。需要タイプの確率で並べ替えると、キーワードのランキングが変動する理由の1つも説明できます。時間に敏感なユーザー需要タイプの確率も、ランキングの位置に影響します。）

上記の内容を理解すると、ユーザークエリ分割後の q1-qn 需要マッチングと需要タイプ確率計算を統合した後の需要マッチング度が、クエリ分割前のユーザー需要であることも理解できるはずです。

これは、クエリタイプを一致させるための要件にすぎません。では、クエリの需要タイプの確率をどのように計算するのでしょうか?

ここで、単語を分割する前に、クエリの需要タイプの確率を計算するための導入も導入する必要があります。需要タイプの確率を決定することで、需要タイプの確率に応じて、需要タイプを満たし、ユーザーのニーズに一致するすべてのページを決定することもできます。

通常、クエリを検索してセグメント化すると、1 つ以上のサブワードが生成されます。 N 種類の要件を含めることができます。この値が 2 であると仮定すると、「The Walking Dead」を検索すると、ユーザーに返される検索結果は、ビデオタイプの検索結果と小説タイプの検索結果になります (注 1 を参照)。

上記の内容は、検索エンジンがユーザークエリのニーズをどのように判断するかを表していますが、クエリの関連性と可能なランキングページをどのように計算するのでしょうか。

検索エンジンがユーザーのニーズを解決すると、ユーザーの検索ニーズを理解するという核心的な問題が解決されます。

たとえば、「Linyi 89.com」を検索するユーザーは、ビデオや小説に関する情報を探している可能性が高いことがわかっています。そのため、ビデオ情報に基づいてページの意味分析が実行されます。一般に、検索エンジンのセマンティックセグメンテーションには、次のものが含まれますが、これらに限定されません。

1. 文字列に基づく意味解析

2. コンピュータ理解に基づく意味解析

3. 統計的意味解析

4. セマンティックセグメンテーションに基づく

上記の 4 つのポイントは理解するのが難しくありません。もう 1 つ注意すべき点があります。それは、検索エンジンも一部のコンテンツをフィルタリングすることです。たとえば、誰もが知っているように、検索エンジンは「的、地」などの一部の単語をフィルタリングします。検索エンジンは一般的に次のものをフィルタリングします。

1. ストップワードセット内のすべての単語

2. 独立した意味を表さない単語

注 2: 検索エンジンは、ユーザーのニーズを理解するために別の手法も使用します。一般的に、ユーザーがキーワードを入力すると、より重要な単語やクエリの核心的な意味を表現できる単語が先頭または末尾に配置されます。そのため、検索エンジンは、ユーザーの検索キーワードの先頭または末尾を、ユーザー需要タイプの確率セットに直接組み込むことがあります。

ユーザーの需要がビデオであることが判明したので、解決する必要がある最後の問題は、ビデオに関連するページをどのように一致させるかということです。

一般的に言えば、要件には 2 つの種類があります。

1. テキスト

2. 非テキスト