SEO狀態:接下來12個月的最大機會與風險
你應該做什麼
SEO</a>行業健康且充滿機會,作為一名SEO</a>專業人員,你現在應該專注於什麼?我們問過觀眾去年在排名中最重要的因素是什麼。這些結果突顯了SEO</a>的核心。由於SEO</a>是由許多部分組成的成功排名的總和,Walsh建議確保所有基本知識和最佳實踐都井然有序。<br/><br/>優化頁面</a>元數據</a>、內容</a>符合用戶意圖</a>、連結到可靠來源(如果需要)、站點頁面加載速度</a>快、在線建立品牌形象</a>、優化移動端體驗以及優化內部連接等。 在接下來的調查中,我們問了關於未來兩年對SEO</a>最大威脅是什麼。 SEO</a>在很大程度上依賴Google的有機搜索和付費搜索。<br/><br/>
優勢 | 劣勢 | |
---|---|---|
機會 |
|
|
威脅 |
|
|
用戶對於廣告的接受程度降低,影響了可行的廣告收入。
穀歌搜索結果中沒有點擊的情況並不是衡量機會流失的準確指標,儘管有些人可能這樣認為。但無論如何</a>,我們需要關注零點擊搜尋引擎結果頁</a>面(SERPs),因為它們過分依賴於一個我們無法控制的實體,這是一個重大風險。那麼我們將採取什麼措施來管理和應對穀歌帶來的威脅呢?不是問:我如何</a>操縱系統?而是問:我如何</a>最好地幫助我的受眾?提供穀歌想要的內容</a>。<br/><br/>這是一種複雜的共生關係。穀歌需要發佈者,就像發佈者使得谷歌現在成為了什麼它是。穀歌的業務實際上是提供高品質資料,並且它只想確保用戶會回來使用。<br/><br/>因此,這意味著他們提供給用戶的結果將是對用戶查詢最佳的答案。穀歌將用戶置於核心位置,並通過進入這種思維方式,您可以開始構建更可持續的戰略和網站。
核心網路指標
近來關於核心網頁要素(Core Web Vitals)的重要性</a>和對排名的貢獻引起了許多討論。Google希望能夠快速提供結果給用戶,因此他們需要一個沒有障礙的快速頁面。他們希望通過將用戶引導到兌現承諾且具有價值的頁面來提供最佳結果,而實現這一目標需要大量的用戶反饋。<br/><br/>為了使你的核心網頁要素在技術上完美無缺,你需要確保以下需求:可取、可信、可存取、易尋找、易使用和有用。追求滿足用戶需求而非追求演算法。
結構化數據
穀歌越來越多地使用結構化資料來理解網站的內容</a>,並向使用者呈現更好的網路結果。這可以通過應用架構來獲得豐富的結果,在某些列表中顯著提升。如果你在這裡看,你會發現</a>BBC網站上的圖片吸引了眼球。<br/><br/>星級評價也讓你注意到它。此外,還有烹飪時間和卡路里等額外資料,這也有助於獲得大量流量。
知識圖譜
以下是Walsh提到的不在前四名中但仍然需要關注的結果。穀歌正在通過傳遞結構化數據</a>來識別實體。如果你看一下右側的這張圖表,你就會知道它正在突出顯示實體,例如:人物、職業、專輯、性別和年齡。<br/><br/>這些都在為知識圖譜提供資料,而知識圖譜可能是當前搜尋引擎優化</a>中最重要的因素之一。它連接了頁面上的信息並向穀歌發送了許多信號。該圖表從各種來源獲取資訊,以便為您提供最佳解決方案</a>,而不依賴於單一基礎。<br/><br/>維基百科</a>和維琪資料庫新的知識圖譜還從可信賴的來源(如維基百科</a>和維琪資料庫)中提取數據,因此您可以通過在這些地方列出資訊來控制自己的知識面板。知識面板與知識圖譜是兩個不同的東西。有些人混用這些術語,但它們是不同的。<br/><br/>知識面板代表了知識圖譜中的一部分資料。除了知識面板之外,使用知識圖譜也對於構建有關主題相關</a>性的完整圖片至關重要。要使用知識圖譜,請確保:在頁面上使用正確形式的結構化數據</a>檢查模式是否有效。<br/><br/>在Schema.org上找到完整的標記清單</a>。
機器學習
理解機器學習</a>是非常重要的,因為它涵蓋了Google演算法、演進和搜索方向的一切。機器學習</a>、RankBrain和Hummingbird之間的聯繫如下:Google在2015年推出了RankBrain,這是一個系統,旨在更好地理解用戶對搜索查詢的意圖。 RankBrain的主要焦點是處理以前從未見過的查詢,因此它試圖開發猜測具有相似含義的單詞和短語</a>能力。<br/><br/>另一方面,Hummingbird則是目前Google使用的演算法。RankBrain提供數據給Hummingbird使用。這裡沒有一個特殊演算法,而機器學習</a>由許多部分組成,其中RankBrain強調知識圖和Google如何</a>連接實體和資訊。<br/><br/>Google努力讓搜索更像人類使用自然語言提出查詢,而不僅僅是像機器人那樣孤立地看待查詢中的關鍵字。 在2018年我們介紹了Bidirectional Encoder Representations from Transformers(BERT),當時它是自然語言處理</a>中的一種機器學習</a>技術。這是Google在解讀查詢方面的重大突破,它努力連接個別單詞以及它們之間關係如何</a>改變含義,以提供更好的結果。<br/><br/>BERT現在即將被MUM取代。它打算成為RankBrain的語言建模代碼的一部分。舉例來說,當我們查詢“如何</a>在沒有作弊的情況下通過馬裡奧賽車”時,返回的結果完全相反於我們想要的。<br/><br/>相反地,它顯示了十個有關馬裡奧賽車作弊方法的結果,這就是Google失敗之處 - 使用停用詞傳遞查詢。MUM正在努力解決這個問題。MUM通過查看關鍵字周圍的單詞來確保準確性,從而更好地理解查詢。<br/><br/> 以下是你可以採取的措施來應用機器學習</a>: 1. 採用自然語言查詢 2. 更靈活地使用關鍵字短語</a> 3</a>. 遠離“固定”的關鍵字 4. 將核心主題與相關的查詢/主題結合在一起。
相關數據:
- 全球每天進行的搜索次數超過600億次 來源: internet live stats
- 美國每月進行的google搜索次數超過90億次 來源: statista
- 英國超過90%的消費者在購買之前使用搜索引擎研究商品 來源: smart insights
- 日本有超過70%的企業將seo視為網絡營銷策略的重要一環 來源: webcertain
- 法國超過60%的網絡流量來自搜索引擎 來源: statcounter
- 台灣網站每月平均進行的有機搜索量約為3000次 來源: google search console
專家、權威與信任度
Google非常注重阻止虛假資訊的傳播。他們表示:「我們對使用者和我們所運營的社會負有重要責任,要制止那些試圖在我們的平臺上散佈虛假資訊的人的努力。」 Google一直在推動出版商強調其內容</a>具有專業性、權威性和可信度,並經常參考搜索品質指南。<br/><br/>E-A-T</a>(專業性、權威性和可信度)不是排名因素</a>,但它影響了頁面上內容</a>的質量和深度。這本身就代表了很多信號。E-A-T</a>對於YMYL(你生命中可能遇到的)內容</a>至關重要。<br/><br/> John Mu, Google表示:「找專家來撰寫或審查你所寫的內容</a>是有意義的,這樣可以確保內容</a>『正確且值得信賴』。你希望自己能夠放心地分享給朋友,讓他們也能與其他人分享。」 請牢記以下事項以提升E-A-T</a>: 1. 專業領域的作家變得越來越有價值。<br/><br/> 2. 注意你的作家在網絡上的足跡。 3</a>. 使用內部作家,他們具有權威性並創建作者頁面。 4. 寫大量內容</a>時可以找人代筆。<br/><br/>