Ismerd meg, hogyan működik az NLP a Google és az AI keresőiben: entitások, salience, embeddingek, 6 lépéses oldalaudit kóddal, írási szabályok és hibák.

Ezen az oldalon
Röviden
az NLP SEO azt jelenti, hogy úgy írod és strukturálod az oldalaidat, hogy a Google és az AI-asszisztensek nyelvi modelljei pontosan értsék, miről szól az oldal: milyen entitásokat fed le, melyik kérdésre felelnek az egyes szövegrészek, és hogyan kapcsolódik a webhely többi részéhez. A gyakorlatban a szövegedet ugyanolyan típusú eszközökön futtatod át (entitáskinyerés, osztályozás, embeddingek), kijavítod, amit a gép félreolvas, és átírod a mondatokat úgy, hogy a fő téma, a tulajdonságai és a válaszok egyértelműek legyenek. Ez nem új rangsorolási trükk: a kétértelműség megszüntetésének módja, és éppen a kétértelműség miatt veszítesz helyezéseket és AI-hivatkozásokat.
Szeretnél többet megtudni? Kérdezd meg
Gyors kvíz
Neked való a SEO, és hogyan kezdd el?
A Sorank illeszkedik a válaszaidra
Próbáld ki 3 napig a saját weboldaladon, és nézd meg, hol állsz a Google-ben, a ChatGPT-ben és a többi MI-ben.
Indítsd el a 3 napos ingyenes próbát3 nap ingyen, utána bármikor leállhatsz. 90 napos eredménygarancia, feltételekhez kötve.
A természetesnyelv-feldolgozás (natural language processing, NLP) az AI azon ága, amely az emberi szöveget olyan adattá alakítja, amellyel a gép érvelni tud: szavakká, mondatokká, entitásokká, kapcsolatokká és jelentéssé. Ha előbb az általános definíciót szeretnéd, olvasd el a natural language processing szócikkünket. A SEO szempontjából fontos definíció szűkebb: az NLP az, ahogyan a keresőmotor eldönti, mit jelent az oldalad, mielőtt eldönti, hová rangsorolja.
Az NLP SEO-nak ezért három rétege van. Mindháromra szükséged van az eredményhez.
Ami az NLP SEO nem: nem arról szól, hogy „NLP-kulcsszavak” listáját zsúfolod egy oldalra, és nem arról, hogy egy tartalomeszköz pontszámát hajszolod. A Google nyíltan kimondja a hasznos, megbízható, embereknek szóló tartalom készítéséről szóló útmutatójában: ha egy bizonyos szószámra írsz, mert hallottad, hogy a Google azt kedveli, a válasz: „Nem, nem kedveljük.” Ugyanez a logika érvényes a kifejezéslistákra. A cél az, hogy megértsenek, nem az, hogy optimalizáltnak tűnj.
Miért változtatta meg a nyelvértés a SEO-t
Források: Google, Pandu Nayak, „Understanding searches better than ever before” (2019) és „MUM: A new AI milestone for understanding information” (2021)
Amikor a Google bemutatta a BERT-et, Pandu Nayak (Google Fellow és a Keresés alelnöke) a 2019. október 25-i hivatalos bejelentésben elmagyarázta, hogy a modell segít a Keresésnek jobban megérteni minden tizedik angol nyelvű amerikai keresést. A példája a „2019 brazil traveler to usa need a visa” keresés volt: a BERT előtt a „to” szót a rendszer nagyrészt figyelmen kívül hagyta, és a Google Brazíliába utazó amerikaiakról adott találatokat. A BERT után az utazás iránya érthetővé vált. Ez az egyetlen elöljárószó az NLP SEO dióhéjban: a kis szavak jelentést hordoznak, és a modellek ma már elolvassák őket. A BERT-algoritmusról szóló szócikkünk mélyebben bemutatja magát a modellt.
Két évvel később a Google egy 2021. május 18-i bejegyzésben mutatta be a MUM-ot, amelyet a BERT-nél 1000-szer erősebbnek írt le, 75 nyelven tanítva. A példa egy túrázó volt, aki megmászta a Mt. Adamst, és a következő ősszel a Mt. Fujira készülne: olyan kérdés, amelyhez két entitást kell összevetni, és ki kell következtetni, mit jelent a „felkészülni”. Ma az AI Overviews, a ChatGPT, a Perplexity és a Gemini ugyanezen az elven működik: szövegrészeket olvas, entitásokat azonosít, és válaszokat állít össze. Az oldalad ennek a folyamatnak a nyersanyaga.
Nem kell ismerned a matematikát. A lépéseket kell ismerned, mert minden lépés egy pont, ahol az oldaladat félreolvashatják. Íme a folyamat abban a sorrendben, ahogyan egy tipikus rendszer lefuttatja.
A 7 lépés, amelyen egy gép végigmegy az oldalad olvasásakor
Az alábbi táblázat minden NLP-feladathoz hozzárendeli az oldalon jelentkező konkrét kockázatot és a javítást, amely a te kezedben van.
| NLP-feladat | Mit csinál a gép | Tipikus probléma az oldalon | Mit változtatsz |
|---|---|---|---|
| Sablontartalom eltávolítása | Elválasztja a fő tartalmat a sablontól | A bevezető 600 szónyi menü és widget mögé van temetve | Tedd a választ a fő tartalom első bekezdésébe, egyszerű HTML-ben |
| Mondatokra bontás | Mondatokra vágja a szöveget | Állítmány nélküli felsoroláselemek, 60 szavas mondatok | Mondatonként egy gondolat, teljes mondatok a tényeket hordozó listákban |
| Függőségi elemzés | Megkeresi az alanyt, az állítmányt és a tárgyat | Az alany „ez” vagy „az”, három mondatnyira a főnevétől | Ismételd meg a főnevet, tartsd közel egymáshoz az alanyt és az állítmányt |
| Névelem-felismerés | Felismeri és típusba sorolja a neveket | A termékedet ötféleképpen írják | Válassz egy kanonikus nevet, a változatokat csak bemutatásuk után használd |
| Entitás-összekapcsolás | A neveket ismert fogalmakhoz rendeli | Kétértelmű márkanév, kontextus nélkül | Írd a kategóriát a név mellé („a Sorank, a SEO-szoftver...”), és használj sémát sameAs-szal |
| Embeddingek | Összeveti a keresés és a szövegrész jelentését | A válaszként szánt szövegrész általános, bármelyik oldalon szerepelhetne | Írj olyan szövegrészeket, amelyek visszaadják a kérdés kifejezéseit, és konkrét választ adnak |
| Osztályozás | Témákat és szándékot rendel hozzá | Blogszerű kitérőkkel teli termékoldal | URL-enként egy domináns szándék, a többi szándék más oldalakra kerül |
Megjegyzés
A Google-on kívül senki sem ismeri a rangsorolásban használt pontos modelleket. Az útmutatóban szereplő eszközök helyettesítők: úgy olvassák a szöveget, ahogy a modern nyelvi modellek, nem úgy, ahogy a Google rangsorolási rendszere. Arra használd őket, hogy megtaláld a kétértelműséget, ne arra, hogy helyezéseket jósolj.

Öt jel mérhető ingyenes vagy olcsó eszközökkel. Mindegyik mást árul el, és önmagában egyik sem rangsorolási tényező.
Az entitás egy megnevezett „dolog”: márka, termék, személy, hely, vagy olyan fogalom, mint a „kulcsszó-kannibalizáció”. A Google Cloud Natural Language API minden entitáshoz visszaad egy típust, az előfordulásait, és az API 1-es verziójában egy salience-pontszámot (mennyire központi az entitás). A v1 Entity referencia így írja le: „the salience score associated with the entity in the [0, 1.0] range”. Az entitástípusok: UNKNOWN, PERSON, LOCATION, ORGANIZATION, EVENT, WORK_OF_ART, CONSUMER_GOOD, OTHER, PHONE_NUMBER, ADDRESS, DATE, NUMBER és PRICE.
A salience a dokumentumhoz viszonyított érték: egy szöveg összes entitásának pontszáma versenyez egymással. A hasznos olvasat tehát a sorrend, nem a szám. Ha az oldalad az „NLP SEO” kifejezést célozza, és a legfelső entitás a „Google”, akkor a gép számára az oldal főleg a Google-ről szól. A részleteket az entity salience szócikkünkben találod.
Figyelem: v1 és v2
A Natural Language API v2-es Entity objektuma csak a name, type, metadata, mentions és sentiment mezőket tartalmazza: nincs salience mező. Ha egy útmutató salience-pontszámokat mutat, akkor a v1-et hívja. Ha ma írsz szkriptet, a salience-hez kifejezetten a v1 végpontot hívd, és ellenőrizd a dokumentációt, mielőtt támaszkodsz rá.

A classifyText metódus egy rögzített taxonómia kategóriáit adja vissza (például egy /Internet & Telecom/Web Services típusú útvonalat). A Google Natural Language alapjairól szóló dokumentációja szerint az osztályozáshoz legalább húsz tokenből álló szöveg kell. A haszna a SEO-ban: ha egy „SEO-szoftverre” szánt oldal egy általános marketingkategóriába kerül, a szókincse túl általános.
A hangulatelemzés -1,0 (negatív) és 1,0 (pozitív) közötti pontszámot ad vissza, valamint egy magnitúdót, amely azt méri, mennyi érzelmet hordoz a szöveg. Dokumentumszinten a magnitúdó 0,0-ról indul, és nincs normalizálva, így egy vegyes véleményeket tartalmazó hosszú szöveg semleges pontszámot és magas magnitúdót is mutathat. A SEO-ban a hangulat leginkább értékelő oldalakon, összehasonlításokban és „legjobb X” listákon számít, ahol egy lapos, vélemény nélküli szöveg olyan kérdésre felel, amely véleményt kér.
A szintaktikai elemzés minden token szófaját, szótövét (lemma) és függőségi viszonyát adja vissza. Két ellenőrzést érdemes lefuttatni: milyen gyakran nyelvtani alany a fő entitásod egy mondatban, és hány mondat kezdődik névmással („Ez”, „Az”, „Ők”). Az az oldal, ahol a fő entitás sok mondat alanya, róla beszél, nem körülötte.
Az embeddingek egy szövegrészt vektorrá alakítanak. Ha egy keresés vektorát összeveted a szövegrészeid vektoraival (koszinusz-hasonlóság), látod, melyik szövegrészt választaná egy visszakereső rendszer az adott keresésre. Ez a legközelebbi nyilvános helyettesítője annak, ahogyan az AI-asszisztensek kiválasztják az idézett részletet. Ez egyben a legjobb próba arra, hogy az oldal valóban megválaszolja-e a kérdést, vagy csak megemlíti.
Az „NLP SEO” hat különböző módszert takar. A szolgáltatók általában egyet árulnak közülük, mintha az lenne az egész terület. Íme mindegyik, azzal együtt, mikor érdemes használni, és hol nem működik már.
Elv: azonosítsd azokat az entitásokat, amelyeket egy teljes válasznak tartalmaznia kell (a fő entitás, a tulajdonságai, a kapcsolódó entitások), és ellenőrizd, hogy az oldalad egyértelműen megnevezi-e őket, és a fő entitás dominál-e. Mikor használd: termékről, márkáról, személyről, helyről vagy jól körülhatárolt fogalomról szóló oldalakon. Erősségek: megfelel annak, ahogyan a tudásgráfok és az AI-válaszok épülnek, és a gyökerénél szünteti meg a kétértelműséget. Korlátok: az entitáskinyerés kihagyja a szakzsargont és az új fogalmakat; a Google API v2-ben nincs salience. Példa: egy „Shopify SEO” oldal, ahol a „WordPress” egy hosszú összehasonlító bekezdés miatt a legfelső entitások közé kerül: a bekezdés külön oldalra költözik, és a Shopify-oldal fókuszt nyer. Az entitás-SEO-ról szóló útmutatónk a stratégiai oldalt tárgyalja.
Elv: hasonlítsd össze a legjobban rangsorolt oldalak kifejezéseit a sajátjaiddal, specifikusságuk szerint súlyozva (TF-IDF), és töltsd ki a hiányokat. A legtöbb tartalompontozó eszköz ezt teszi. Mikor használd: egy informatív oldalon elfelejtett altémák megtalálására. Erősségek: gyors, és könnyű elmagyarázni egy szövegírónak. Korlátok: a találati oldal átlagát másolja, jutalmazza az ismétlést, és semmit sem mond arról, hogy megválaszolod-e a kérdést. A kifejezéslista az altémák ellenőrzőlistája, nem szókvóta. Példa: a „technikai SEO audit” legjobb oldalai mind említik a „crawl budget” és a „canonical” kifejezést, a tiéd nem: két hiányzó szakasz, nem két hiányzó szó.
Elv: a kereséseket és a szövegrészeket vektorként kódolod, és méred, mennyire közel vannak egymáshoz. Mikor használd: annak ellenőrzésére, hogy minden célkérdéshez legyen egy szövegrész, amely egyértelműen megválaszolja, két ugyanarra a jelentésre versengő oldal felderítésére, és a belső linkek jelentés szerinti feltérképezésére. Erősségek: közös szavak nélkül is működik, és közel áll ahhoz, ahogyan az AI-válaszok visszakeresése zajlik. Korlátok: a pontszámok a modelltől függenek; a magas pontszám azt jelenti, hogy „témába vág”, nem azt, hogy „helyes” vagy „hasznos”. Példa: a „mennyi idő alatt hat a SEO” kérdésre válaszoló szövegrész alacsonyabb pontot kap, mint egy nem kapcsolódó bevezető bekezdés: a válasz túl homályos, ezért átírják, és az időtáv kerül előre.
Elv: osztályozd a keresést (információs, kereskedelmi, tranzakciós, navigációs) és a formátumot, amelyet a Google jutalmaz (útmutató, lista, eszköz, termékoldal), majd igazodj hozzá. Mikor használd: írás előtt, és amikor egy jó oldal egyáltalán nem rangsorol. Erősségek: a legdrágább hibát javítja: a rossz formátumot. Korlátok: léteznek vegyes találati oldalak; a szándék idővel változik. Lásd a keresési szándékról szóló szócikkünket.
Elv: gyűjtsd össze, milyen kérdéseket tesznek fel az emberek („Mások ezeket kérdezték még”, fórumok, AI-promptok, ügyfélszolgálati jegyeid), és adj mindegyiknek önálló szövegrészt. Mikor használd: AI-láthatósághoz és kiemelt részletekhez. Erősségek: közvetlenül idézhető szövegrészeket eredményez. Korlátok: mélység nélküli GYIK-re darabolhatja az oldalt, ha nem csoportosítod a kérdéseket altémák szerint.
Elv: csoportosítsd a kulcsszavakat és az oldalakat jelentés szerint, hogy eldöntsd, melyik oldal mit fed le, majd linkeld őket. Mikor használd: webhelyszinten, tartalomgyártás előtt, és amikor az oldalak kannibalizálják egymást. Erősségek: témaautoritást és tiszta architektúrát épít. Korlátok: a találati átfedés szerinti és az embedding szerinti klaszterezés eltérő csoportokat ad; kell egy szabály a döntéshez. A kulcsszó-klaszterezésről szóló útmutatónk mindkét megközelítést részletezi, a topical map szócikk pedig elmagyarázza, hogyan lesz a klaszterekből terv.
| Módszer | Szint | Mire a legjobb | Fő kockázat | Eszközök |
|---|---|---|---|---|
| Entitásoptimalizálás | Oldal | Termék-, márka- és fogalomoldalak | A salience-t rangsorolási tényezőként kezelni | Google Cloud Natural Language (v1), spaCy |
| Kifejezéslefedettség (TF-IDF) | Oldal | Hiányzó altémák megtalálása | A találati oldal átlagát megírni, túltömés | Tartalompontozó eszközök, Python scikit-learn |
| Embedding-hasonlóság | Szövegrész és webhely | Válaszminőség, kannibalizáció, belső linkek | Összekeverni a „témába vág” és a „jó” fogalmát | Sentence Transformers, vektoradatbázisok |
| Szándékosztályozás | Keresés és oldal | A megfelelő formátum kiválasztása | A vegyes találati oldalak figyelmen kívül hagyása | Találati oldalak kézi átnézése, osztályozók |
| Kérdésbányászat | Szövegrész | AI-hivatkozások, kiemelt részletek | Felszínes GYIK-oldalak | „Mások ezeket kérdezték még”, promptkutatás |
| Témaklaszterezés | Webhely | Architektúra, témaautoritás | Következetlen klaszterszabályok | Klaszterező eszközök, embeddingek |
Kifejezéslistás optimalizálás kontra entitások és szövegrészek
Ezt a módszert javasoljuk kezdésnek: egy fontos oldal, egy délután. Kell hozzá az oldal szövege, három-öt versenytárs oldal, és vagy az ingyenes online eszközök, vagy néhány sor Python.
Az oldal NLP-auditja 6 lépésben
A spaCy ingyenes, nyílt forráskódú Python-könyvtár. A kis angol modellje néhány másodperc alatt fut egy laptopon. Az alábbi szkript kilistázza az oldalad leggyakoribb entitásait és leggyakoribb nyelvtani alanyait: a második lista gyakran többet árul el, mint az első.
import spacy
from collections import Counter
nlp = spacy.load("en_core_web_sm") # pip install spacy, majd: python -m spacy download en_core_web_sm
text = open("page.txt", encoding="utf-8").read()
doc = nlp(text)
entities = Counter((e.text.lower(), e.label_) for e in doc.ents)
for (name, label), n in entities.most_common(20):
print(f"{n:>3} {label:<12} {name}")
# Ki az alany a mondataidban?
subjects = Counter(t.lemma_.lower() for t in doc if t.dep_ in ("nsubj", "nsubjpass"))
print(subjects.most_common(15))
# Hány mondat kezdődik homályos névmással?
vague = [s.text for s in doc.sents if s[0].lower_ in ("it", "this", "that", "they")]
print(len(vague), "mondat kezdődik névmással")
Olvasd el figyelmesen az alanyok listáját. Egy szoftvertermékről szóló oldalon, ha a „te” és az „ez” dominál, és a termék neve soha nem jelenik meg alanyként, az oldal cselekvéseket ír le anélkül, hogy megmondaná, ki végzi őket. Ez egy óra alatt javítható.

A spaCy általános modelljei nem számolnak salience-t. Ehhez a Google Cloud Natural Language v1-es analyzeEntities végpontját kell hívnod. Hozz létre egy projektet, engedélyezd az API-t, hitelesíts a gcloud parancssorral, majd küldd el a szövegedet. Mentsd el ezt a kéréstörzset request.json néven:
{
"document": {
"type": "PLAIN_TEXT",
"language": "en",
"content": "Ide illeszd be az oldalad tiszta fő szövegét."
},
"encodingType": "UTF8"
}
Ezután hívd meg a végpontot:
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
"https://language.googleapis.com/v1/documents:analyzeEntities"
A válasz felsorolja az entitásokat a type, salience és mentions mezőkkel, és ha az entitás össze van kapcsolva, egy metadata objektummal, amely tartalmazhat egy wikipedia_url és egy mid (Knowledge Graph-azonosító) mezőt. Az az entitás, amelynek metaadataiban Wikipedia-URL szerepel, ismert fogalomhoz kapcsolódik; egy fontos entitás ennek hiányában kétértelmű vagy túl új lehet. Cseréld az analyzeEntities részt classifyText-re, hogy megkapd a tartalomkategóriákat. Mielőtt több száz oldalon futtatod, nézd meg az aktuális árakat és kvótákat a Google Cloudban.
A Sentence Transformers könyvtár összeveti egy kérdés jelentését az oldalad minden szövegrészével. Az all-MiniLM-L6-v2 modell kicsi, és elég jó ehhez az ellenőrzéshez.
from sentence_transformers import SentenceTransformer, util
model = SentenceTransformer("all-MiniLM-L6-v2")
text = open("page.txt", encoding="utf-8").read()
passages = [p.strip() for p in text.split("\n\n") if len(p.split()) > 25]
questions = [
"what is nlp seo",
"how do I find the entities of my page",
"is entity salience a ranking factor",
]
p_vecs = model.encode(passages, convert_to_tensor=True)
for q in questions:
scores = util.cos_sim(model.encode(q, convert_to_tensor=True), p_vecs)[0]
best = int(scores.argmax())
print(f"{q}\n legjobb pontszám {scores[best]:.2f}: {passages[best][:100]}\n")
Két eredmény igényel beavatkozást. Ha egy kérdéshez nem az a legjobb szövegrész, amelyet a megválaszolására írtál, a válaszrészed túl általános. Ha egy kérdés legjobb pontszáma messze elmarad a többitől, az oldal valójában nem válaszolja meg. Ugyanazon az oldalon a kérdések pontszámait egymáshoz hasonlítsd, ne egy abszolút küszöbhöz: az értékek a modelltől függenek.

Tipp
Nincs Python? Az ingyenes LLM Readability Checker eszközünk pontozza, mennyire nyerhető ki egy oldal az AI számára, a Heading Structure Analyzer pedig megmutatja, hogy a H2 és H3 címsoraid jelzik-e a kérdéseket, amelyekre a szövegrészeid felelnek.
A legtöbb NLP-probléma az írásban oldódik meg, nem egy eszközben. Ezek a szabályok egyenesen a fenti folyamatból következnek: mindegyik megszüntet egy lépést, ahol a gép tévedhet.
Minden szakasz első mondatában a fő entitás teljes nevét használd alanyként. Ne kezdj bekezdést „Ez” vagy „Az” szóval. A névmások rendben vannak egy bekezdésen belül, ha a főnév a közelben áll.
Az a definíció, amely megadja a kategóriát (Y) és a megkülönböztető jegyet (Z), a modell számára a legkönnyebben kinyerhető, az AI-asszisztens számára a legkönnyebben idézhető szerkezet. „Az entity salience egy 0 és 1 közötti pontszám, amely azt méri, mennyire központi egy entitás egy szövegben” többet ér három mondatnyi kontextusnál.
Az árak, dátumok, méretek, kompatibilitások és korlátok az általuk leírt entitás mellett álljanak. „A Sorank követi a láthatóságot a ChatGPT-ben, a Geminiben, a Claude-ban és a Perplexityben” egyetlen kinyerhető tény. Ugyanez az információ egy címsorra, egy felsoroláselemre és egy lábjegyzetre szétosztva három töredék.
Válassz egy nevet minden termékhez, funkcióhoz és fogalomhoz. Egy szinonimát egyszer vezess be („query fan-out, vagyis az, ahogyan az AI-asszisztensek egy kérdést több keresésre bontanak”), utána tarts ki egyetlen alak mellett.
Egy kérdést feltevő címsor alatt az első mondat adja meg a választ. A szövegrész többi része a feltételeket, a példát és a kivételeket. Ettől lesz egy szövegrész önálló.
Egy bekezdés NLP-átírás előtt és után
Az „utána” mondat a szerkezetet szemlélteti, nem egy valódi terméket ír le: igazítsd a tulajdonságokat ahhoz, amit az oldalad ténylegesen kínál.
A szemantikus SEO-hoz használt Python NLP ugyanazt a beágyazómodellt futtatja, mint a fenti szövegrész-teszt, csak teljes listákon: a kulcsszavaidon és a webhelyed oldalain. Két rövid szkript olyan kérdésekre válaszol, amelyekre egyetlen oldal ellenőrzése nem tud. Mely kulcsszavak tartoznak ugyanarra az oldalra? Melyik oldalaid versengenek ugyanazért a jelentésért? Mindkettő ingyen fut a saját gépeden, és mindkettő jelölteket ad, amelyeket neked kell átnézned, nem ítéleteket.
Telepítsd a könyvtárakat virtuális környezetbe, hogy ne ütközzenek más Python-projektekkel:
python3 -m venv nlp-seo
source nlp-seo/bin/activate
pip install sentence-transformers scikit-learn
Az első futtatáskor egyszer letöltődik az all-MiniLM-L6-v2 modell. Utána mindkét szkript offline fut.
A klaszterezés a lapos kulcsszólistából olyan csoportokat képez, amelyekre egy oldal válaszolhat. Minden kulcsszó vektorrá alakul, és azok a kulcsszavak, amelyek vektorai koszinusz-távolságban közel vannak egymáshoz, ugyanabba a csoportba kerülnek. Tartsd a kulcsszavakat szövegfájlban, soronként egyet, és futtasd ezt a szkriptet:
from sentence_transformers import SentenceTransformer
from sklearn.cluster import AgglomerativeClustering
from collections import defaultdict
keywords = [line.strip() for line in open("keywords.txt", encoding="utf-8") if line.strip()]
model = SentenceTransformer("all-MiniLM-L6-v2")
vectors = model.encode(keywords, normalize_embeddings=True)
labels = AgglomerativeClustering(
n_clusters=None,
distance_threshold=0.35, # koszinusz-távolság: az alacsonyabb érték szigorúbb csoportokat ad
metric="cosine",
linkage="average",
).fit_predict(vectors)
groups = defaultdict(list)
for label, keyword in zip(labels, keywords):
groups[label].append(keyword)
for label, members in sorted(groups.items(), key=lambda g: -len(g[1])):
print(f"Group {label} ({len(members)} keywords)")
for keyword in members:
print(" ", keyword)
A küszöbérték a lényeges beállítás. Kezdd 0.35-tel, és olvasd el a kimenetet. Ha nem összefüggő kulcsszavak kerülnek egy csoportba, csökkentsd. Ha egy oldal témája több csoportra oszlik, emeld. Az average linkage csökkenti a láncolódást, vagyis azt a jelenséget, amikor a lazán összefüggő kulcsszavak sora két össze nem tartozó csoportot köt össze.
A második szkript az oldalaidat hasonlítja össze egymással. Tegyél oldalanként egy sort egy tabulátorral tagolt fájlba, fejlécsorral, a url és a title oszlopokkal. A címek durva közelítések, ezért pontosabb teszthez illeszd be minden oldal első bekezdését a title oszlopba.
import csv
from sentence_transformers import SentenceTransformer, util
with open("pages.tsv", encoding="utf-8") as f:
rows = [(r["url"], r["title"]) for r in csv.DictReader(f, delimiter="\t")]
model = SentenceTransformer("all-MiniLM-L6-v2")
vectors = model.encode([title for _, title in rows], convert_to_tensor=True)
sims = util.cos_sim(vectors, vectors)
for i in range(len(rows)):
for j in range(i + 1, len(rows)):
score = float(sims[i][j])
if score > 0.8: # kiindulási érték: az eredmények elolvasása után állítsd be
print(f"{score:.2f} {rows[i][0]} vs {rows[j][0]}")
Minden kiírt pár jelölt, nem ítélet. Nyisd meg mindkét URL-t, és kérdezd meg, várna-e egy olvasó, hogy valamelyik oldal a másik kérdésére válaszol. Ha igen, vond össze a két oldalt, vagy tartsd az egyiket fő oldalnak, a másikat pedig szűkítsd le. A kulcsszó-kannibalizáció szócikk elmagyarázza, hogyan válassz.
| Szkript | Bemenet | Kimenet | Amiről te döntesz |
|---|---|---|---|
| Kulcsszócsoportok | Egy kulcsszó soronként | Jelentésükben egyező kulcsszavak csoportjai | Hogy minden csoporthoz egy vagy több oldal kell-e |
| Versengő oldalak | URL és cím, vagy első bekezdés oldalanként | A küszöbödet meghaladó oldalpárok | Hogy összevonod, újrafókuszálod vagy mindkét oldalt megtartod-e |
Három korlátnak van jelentősége:
A szkriptek az oldalszintű párjai a fenti szövegrész-tesztnek: az egyik megmutatja, mi tartozik össze, a másik, hol fedik egymást az oldalaid. Ha nem szeretnéd karbantartani a szkripteket, a Topic Cluster Generator beépített kannibalizáció-ellenőrzéssel végzi el a csoportosítást.
A nyelvi modellek többet olvasnak a bekezdéseidnél. A szöveg körüli három elem erős jeleket hordoz.
A Schema.org jelölés önmagában nem rangsorolja az oldalt, de géppel olvasható formában közli, miről szól az oldal, és milyen ismert fogalmakra hivatkozik. Az about és a mentions tulajdonság, referenciaoldalakra mutató sameAs linkekkel, megszünteti a kétértelműséget az entitás-összekapcsolásnál.
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Article",
"headline": "NLP SEO: How Search Engines Read Your Content",
"about": {
"@type": "Thing",
"name": "Natural language processing",
"sameAs": "https://en.wikipedia.org/wiki/Natural_language_processing"
},
"mentions": [
{
"@type": "Thing",
"name": "Search engine optimization",
"sameAs": "https://en.wikipedia.org/wiki/Search_engine_optimization"
}
]
}
</script>
Készítsd el és teszteld a sajátodat az ingyenes Schema Markup Generator és Structured Data Validator eszközeinkkel.
A címsorok az elsők, amelyek alapján egy modell szövegrészekre bontja az oldaladat. Az entitást és a kérdést megnevező címsor („Hogyan számítják az entity salience-t”) tisztább részletet ad, mint egy szellemes („A motorháztető alatt”). Tartsd szigorúan a H2 és H3 hierarchiát: nincs H3 szülő H2 nélkül, nincs kihagyott szint.
A horgonyszöveg a keresés egyik legrégebbi NLP-jele: kívülről mondja meg a motornak, miről szól a céloldal. Használj leíró horgonyszövegeket, amelyek megnevezik a célentitást, linkeld a jelentésben közeli oldalakat, és ne küldd ugyanazt a horgonyszöveget két különböző oldalra. A szemantikus kokon ennek a legstrukturáltabb módja, az automatizált belső linkelésről szóló útmutatónk pedig elmagyarázza, hogyan skálázd zaj nélkül.
Az AI-asszisztensek a végletekig viszik az NLP logikáját. Nem egész oldalakat rangsorolnak: szövegrészeket keresnek vissza, jelentés szerint összevetik őket részkeresésekkel, és olyan választ állítanak össze, amely néha megnevezi a forrást. Ebből három következmény adódik.
Az AI-válaszokra alkalmazott teljes módszerhez lásd az LLM-tartalomoptimalizálásról szóló útmutatónkat.
Ezeket a hibákat látjuk a leggyakrabban az auditált webhelyeken. Mindegyiknek van felismerhető tünete és ma elvégezhető javítása.
Mi ez: addig írod át a szöveget, amíg az API magas salience-t nem ad a kulcsszavadnak, vagy amíg egy eszköz zöld pontszámot nem mutat. Hogyan veszed észre: az optimalizálás után rosszabbul olvasható az oldal; ugyanaz a kifejezés minden bekezdésben felbukkan. Hogyan javítsd: a salience-t csak az entitások sorrendjének ellenőrzésére használd, az oldalt pedig a válaszok és a Search Console adatai alapján ítéld meg. A Google soha nem mondta, hogy ennek az API-nak a pontszámait használja a rangsorolásban.
Mi ez: beírod egy mondatba, hogy „crawl budget”, mert öt versenytárs említi. Hogyan veszed észre: a kifejezések egyszer fordulnak elő, kontextus és magyarázat nélkül. Hogyan javítsd: minden hiányzó entitásból kérdés lesz: szüksége van erre az olvasómnak? Ha igen, írj róla szövegrészt; ha nem, hagyd figyelmen kívül.
Mi ez: a teljes oldalt, menüvel és lábléccel együtt, bemásolod egy NLP-eszközbe. Hogyan veszed észre: a legfontosabb entitásaid a márkaneved, a „sütik”, a „kapcsolat” vagy a lábléc kategóriái. Hogyan javítsd: bármilyen elemzés előtt csak a cikk törzsszövegét nyerd ki.
Mi ez: egy régi útmutatót követsz a jelenlegi végponttal. Hogyan veszed észre: a JSON-válaszban vannak entities és mentions mezők, de salience nincs. Hogyan javítsd: a salience-hez a /v1/documents:analyzeEntities végpontot hívd, és ne feledd, hogy a v1 változhat.
Mi ez: olyan bekezdések, ahol az „ez”, „az” és „ők” több mondattal korábbi főnevekre utal. Hogyan veszed észre: a fenti spaCy-szkript megszámolja a névmással kezdődő mondatokat; egy kulcsoldalon minden ötödiknél több vészjel. Hogyan javítsd: ismételd meg a főnevet minden bekezdés elején és minden címsor után.
Mi ez: egyetlen URL, amely egyszerre próbál definiálni egy fogalmat, eszközöket összehasonlítani és terméket eladni. Hogyan veszed észre: az oldal sok keresésre rangsorol a 15-40. helyen, de egyikre sem az első 5-ben. Hogyan javítsd: tartsd meg a domináns szándékot, a többit vidd külön oldalakra, és linkeld őket.
Mi ez: egy oldal feltöltése, hogy elérjen egy célszószámot vagy kulcsszósűrűséget. Hogyan veszed észre: ismétlődő bevezetők, bármelyik oldalra illő általános bekezdések. Hogyan javítsd: húzz ki minden szövegrészt, amely nem felel egy olvasó által feltehető kérdésre. A Keyword Density Calculator eszközünk fordítva hasznos: megmutatja, hol ismétled magad túl sokat.
Mi ez: olyan márka- vagy terméknevet használsz, amelyet a gép nem tud megkülönböztetni egy köznévtől vagy egy másik cégtől. Hogyan veszed észre: az API a márkádat OTHER vagy CONSUMER_GOOD típusként adja vissza metaadatok nélkül, vagy rossz fogalomhoz kapcsolja. Hogyan javítsd: írd a kategóriát a név mellé, használj Organization vagy Product sémát a hivatalos profiljaidra mutató sameAs-szal, és mindenhol ugyanazt a nevet használd.
NLP SEO ellenőrzőlista egy oldalhoz
Nincs szükséged nagy eszköztárra. Az eszközöket aszerint válaszd, milyen kérdésre kell választ kapnod.
| Eszköz | Típus | Mit mond el | Szükséges tudás | Legjobb felhasználás |
|---|---|---|---|---|
| Google Cloud Natural Language | Felhős API (lásd a Google Cloud árait) | Entitások, salience (v1), kategóriák, hangulat, szintaxis | Közepes: egy Google Cloud-projekt és néhány parancs | Ellenőrizni, hogyan olvassa egy Google-modell a kulcsoldalaidat |
| spaCy | Nyílt forráskódú Python-könyvtár | Entitások, mondatszerkezet, alanyok, szótövek | Alapszintű Python | Sok oldal helyi, ingyenes auditálása |
| Sentence Transformers | Nyílt forráskódú Python-könyvtár | Jelentésbeli hasonlóság keresések és szövegrészek között | Alapszintű Python | Válaszellenőrzés, kannibalizáció, belső linkek feltérképezése |
| Google Search Console | Ingyenes Google-eszköz | A keresések, amelyekre az egyes URL-ek valóban megjelennek | Nincs | Egy átírás hatásának mérése |
| Tartalomoptimalizáló eszközök | SaaS | Kifejezés- és entitáshiányok a legjobb oldalakhoz képest | Nincs | Gyors altéma-ellenőrzés írás előtt |
| Sorank | SEO- és GEO-szoftver autopilot üzemmódban | Átírások, témaklaszterek, AI-láthatóság követése | Nincs | A módszer alkalmazása egy teljes webhelyen |
A kereskedelmi lehetőségek összehasonlításához olvasd el a legjobb tartalomoptimalizáló eszközökről szóló összevetésünket. Ha több tucat régebbi oldalt kell javítanod, a Sorank Content Optimization funkciója autopilot üzemmódban auditálja és átírja a meglévő oldalakat, a Topic Cluster Generator pedig írás előtt jelentés szerint csoportosítja a kulcsszavaidat, beépített kannibalizáció-ellenőrzéssel.
Az NLP-változtatások a megértésről szólnak, ezért előbb a megértést mérd, aztán a forgalmat.
A Google Search Console Teljesítmény jelentésében szűrj az átírt URL-re, és számold meg a megjelenéssel rendelkező különböző kereséseket 28 napra, előtte és utána. A jobban értett oldal általában néhány héten belül több long tail változatra is megjelenik, gyakran még azelőtt, hogy a kattintások megmozdulnának.
Kövesd azt az 5-10 kérdést, amelyet a szövegrész-tesztben használtál. Ha a megjelenések nőnek, de a helyezés nem, az oldalt értik, de nem részesítik előnyben: dolgozz a mélységen, a példákon és a linkeken.
Tedd fel ugyanazokat a promptokat a ChatGPT-ben, a Geminiben, a Claude-ban és a Perplexityben előtte és utána, és jegyezd fel, idézik-e az oldaladat. Ismételd meg havonta: az AI-válaszok futásról futásra változnak, így egyetlen teszt semmit sem bizonyít. Ennek az ellenőrzésnek a strukturált változatához végezz szemantikus SEO-auditot a teljes klaszteren, ne egyetlen oldalon.
Válaszd ki azt az oldalt, amely a legtöbb üzletet hozza, és futtasd le rajta a hatlépéses auditot. Javítsd az első két problémát, amelyet találsz, ez általában egy nem domináns fő entitás és egy túl homályos válaszrész. Aztán jegyezd fel a dátumot, és négy hét múlva nézd meg a keresési adatait a Search Console-ban.
Az NLP a SEO-ban azt jelenti, hogy a tartalmadat könnyen érthetővé teszed a nyelvi modellek számára: milyen entitásokat fed le egy oldal, mely kérdésekre felelnek az egyes szövegrészek, és hogyan kapcsolódik az oldal a webhely többi részéhez. A Google 2019 óta használ a Keresésben olyan nyelvi modelleket, mint a BERT, az AI-asszisztensek pedig teljesen ezekre épülnek, így a világos, egyértelmű írás a gyakorlatban rangsorolási és hivatkozási tényezővé vált.
A Google egyetlen nyilvános közleménye sem mondja, hogy a Cloud Natural Language API salience-pontszámát használná a rangsorolásban. A pontszám hasznos eszköz annak ellenőrzésére, hogy a fő témád dominál-e az oldalon, de az entitások sorrendjét figyeld, ne egy számot hajszolj. A salience-t csak az API 1-es verziója adja vissza.
A spaCy és a Sentence Transformers ingyenes, nyílt forráskódú Python-könyvtárak entitáskinyeréshez és szövegrész-hasonlósághoz. Az ugyancsak ingyenes Google Search Console ezután megmutatja, hogy egy átírt oldal több keresésre jelenik-e meg. A Google Cloud Natural Language salience-t és kategóriákat ad hozzá, a használatot a Google Cloud árai szerint számlázzák.
