Pelajari cara NLP membentuk pencarian Google dan AI: entitas, salience, embedding, audit halaman 6 langkah dengan kode, aturan menulis, dan kesalahan yang dihindari.

Di halaman ini
Singkatnya
NLP SEO berarti menulis dan menyusun halaman agar model bahasa yang dipakai Google dan asisten AI memahami dengan tepat isi halaman Anda: entitas apa yang dibahas, pertanyaan apa yang dijawab setiap bagian, dan bagaimana halaman itu terhubung dengan bagian lain situs Anda. Dalam praktiknya, Anda menjalankan teks melalui jenis alat yang sama (ekstraksi entitas, klasifikasi, embedding), memperbaiki apa yang salah dibaca mesin, lalu menulis ulang kalimat agar subjek utama, atributnya, dan jawabannya dinyatakan secara eksplisit. Ini bukan trik baru untuk naik peringkat: ini cara menghilangkan ambiguitas, dan ambiguitas itulah yang membuat Anda kehilangan peringkat serta kutipan dari AI.
Ingin tahu lebih banyak? Tanyakan kepada
Kuis singkat
Apakah SEO cocok untuk Anda, dan bagaimana memulainya?
Sorank cocok dengan jawaban Anda
Coba selama 3 hari di situs Anda sendiri dan lihat posisi Anda di Google, ChatGPT, dan AI lainnya.
Mulai uji coba gratis 3 hari3 hari gratis, lalu berhenti kapan saja. Garansi hasil 90 hari, syarat dan ketentuan berlaku.
Pemrosesan bahasa alami (NLP) adalah cabang AI yang mengubah teks manusia menjadi data yang bisa diolah mesin: kata, kalimat, entitas, relasi, dan makna. Jika ingin definisi umumnya lebih dulu, baca entri glosarium kami tentang pemrosesan bahasa alami. Untuk SEO, definisi yang penting lebih sempit: NLP adalah cara mesin pencari memutuskan arti halaman Anda sebelum memutuskan di posisi mana halaman itu ditampilkan.
Karena itu NLP SEO punya tiga lapisan. Anda membutuhkan ketiganya untuk mendapatkan hasil.
Apa yang bukan NLP SEO: bukan menjejalkan daftar "kata kunci NLP" ke halaman, dan bukan mengejar skor dari alat konten. Google menyatakannya dengan jelas dalam panduannya tentang membuat konten yang bermanfaat, andal, dan mengutamakan manusia: jika Anda menulis mengikuti jumlah kata tertentu karena mendengar Google menyukainya, jawabannya adalah "No, we don't." Logika yang sama berlaku untuk daftar istilah. Tujuannya adalah dipahami, bukan terlihat teroptimasi.
Mengapa pemahaman bahasa mengubah SEO
Sumber: Google, Pandu Nayak, "Understanding searches better than ever before" (2019) dan "MUM: A new AI milestone for understanding information" (2021)
Saat Google memperkenalkan BERT, Pandu Nayak (Google Fellow dan Wakil Presiden Search) menjelaskan dalam pengumuman resmi tanggal 25 Oktober 2019 bahwa model ini akan membantu Search lebih memahami satu dari 10 pencarian berbahasa Inggris di AS. Contohnya adalah kueri "2019 brazil traveler to usa need a visa": sebelum BERT, kata "to" sebagian besar diabaikan dan Google menampilkan hasil tentang warga AS yang bepergian ke Brasil. Setelah BERT, arah perjalanan dipahami. Satu kata depan itu adalah inti NLP SEO: kata kecil membawa makna, dan model kini membacanya. Halaman glosarium kami tentang algoritma BERT membahas model itu lebih dalam.
Dua tahun kemudian, Google memperkenalkan MUM dalam tulisan tertanggal 18 Mei 2021, menyebutnya 1000 kali lebih kuat dari BERT dan dilatih dalam 75 bahasa. Contoh kuerinya adalah pendaki yang sudah mendaki Mt. Adams dan ingin bersiap untuk Mt. Fuji musim gugur berikutnya: pertanyaan yang menuntut perbandingan dua entitas dan penyimpulan arti "bersiap". Kini AI Overviews, ChatGPT, Perplexity, dan Gemini bekerja dengan prinsip yang sama: membaca bagian teks, mengenali entitas, dan merangkai jawaban. Halaman Anda adalah bahan mentah bagi proses itu.
Anda tidak perlu memahami matematikanya. Anda perlu memahami langkah-langkahnya, karena setiap langkah adalah titik di mana halaman Anda bisa salah dibaca. Berikut pipeline-nya sesuai urutan yang dijalankan sistem pada umumnya.
7 langkah yang dilalui mesin untuk membaca halaman Anda
Tabel di bawah memetakan setiap tugas NLP ke risiko nyata di halaman dan perbaikan yang bisa Anda kendalikan.
| Tugas NLP | Apa yang dilakukan mesin | Masalah umum di halaman | Apa yang Anda ubah |
|---|---|---|---|
| Pembuangan elemen template | Memisahkan konten utama dari template | Pembuka tenggelam di bawah 600 kata menu dan widget | Letakkan jawaban di paragraf pertama konten utama, dalam HTML sederhana |
| Pemecahan kalimat | Memotong teks menjadi kalimat | Potongan poin tanpa kata kerja, kalimat 60 kata | Satu gagasan per kalimat, kalimat lengkap dalam daftar yang memuat fakta |
| Penguraian dependensi | Menemukan subjek, predikat, objek | Subjeknya "ini" atau "hal tersebut", tiga kalimat jauhnya dari kata bendanya | Ulangi kata benda, dekatkan subjek dan predikat |
| Pengenalan entitas bernama | Mendeteksi dan memberi jenis pada nama | Produk Anda ditulis dengan lima cara berbeda | Pilih satu nama kanonis, pakai variasi hanya setelah diperkenalkan |
| Penautan entitas | Memetakan nama ke konsep yang dikenal | Nama merek ambigu tanpa konteks | Tambahkan kategori di samping nama ("Sorank, perangkat lunak SEO...") dan schema dengan sameAs |
| Embedding | Membandingkan makna kueri dan bagian teks | Bagian yang seharusnya menjawab terlalu umum dan cocok untuk halaman mana pun | Tulis bagian yang mengulang istilah dalam pertanyaan dan memberi jawaban spesifik |
| Klasifikasi | Menetapkan topik dan intensi | Halaman produk penuh dengan selingan gaya blog | Satu intensi dominan per URL, intensi lain dipindah ke halaman lain |
Catatan
Tidak ada pihak di luar Google yang tahu persis model yang dipakai dalam pemeringkatan. Alat dalam panduan ini adalah pendekatan: alat itu membaca teks seperti model bahasa modern, bukan seperti sistem peringkat Google. Gunakan untuk menemukan ambiguitas, bukan untuk memprediksi posisi.

Lima sinyal bisa diukur dengan alat gratis atau murah. Masing-masing memberi tahu hal yang berbeda, dan tidak satu pun merupakan faktor peringkat dengan sendirinya.
Entitas adalah "sesuatu" yang bernama: merek, produk, orang, tempat, konsep seperti "kanibalisasi kata kunci". Cloud Natural Language API dari Google mengembalikan, untuk setiap entitas, jenisnya, kemunculannya, dan pada versi 1 API, skor salience. Referensi Entity v1 menggambarkannya sebagai "the salience score associated with the entity in the [0, 1.0] range". Jenis entitasnya adalah UNKNOWN, PERSON, LOCATION, ORGANIZATION, EVENT, WORK_OF_ART, CONSUMER_GOOD, OTHER, PHONE_NUMBER, ADDRESS, DATE, NUMBER, dan PRICE.
Salience bersifat relatif terhadap dokumen: skor semua entitas dalam satu teks saling bersaing. Jadi yang berguna adalah urutannya, bukan angkanya. Jika halaman Anda menargetkan "NLP SEO" dan entitas teratas adalah "Google", maka bagi mesin halaman itu sebagian besar tentang Google. Rinciannya ada di entri glosarium kami tentang salience entitas.
Peringatan: v1 dan v2
Objek Entity v2 dari Natural Language API hanya memuat name, type, metadata, mentions, dan sentiment: tidak ada kolom salience. Jika sebuah tutorial menampilkan skor salience, tutorial itu memanggil v1. Jika Anda membuat skrip hari ini, panggil endpoint v1 secara eksplisit untuk salience dan periksa dokumentasinya sebelum mengandalkannya.

Metode classifyText mengembalikan kategori dari taksonomi tetap (misalnya jalur seperti /Internet & Telecom/Web Services). Dokumentasi Google tentang dasar-dasar Natural Language mencatat bahwa klasifikasi membutuhkan teks minimal dua puluh token. Gunanya untuk SEO: jika halaman yang ditujukan untuk "perangkat lunak SEO" diklasifikasikan ke kategori pemasaran umum, kosakatanya terlalu umum.
Analisis sentimen mengembalikan skor dari -1.0 (negatif) hingga 1.0 (positif) serta magnitude yang mengukur seberapa banyak emosi dalam teks. Di tingkat dokumen, magnitude dimulai dari 0.0 dan tidak dinormalisasi, sehingga teks panjang dengan opini campuran bisa menunjukkan skor netral dan magnitude tinggi. Untuk SEO, sentimen terutama penting di halaman ulasan, perbandingan, dan daftar "X terbaik", di mana teks datar tanpa opini menjawab pertanyaan yang justru meminta opini.
Analisis sintaksis mengembalikan kelas kata, lema, dan dependensi setiap token. Ada dua pemeriksaan yang layak dilakukan: seberapa sering entitas utama Anda menjadi subjek gramatikal kalimat, dan berapa banyak kalimat yang dimulai dengan kata ganti ("Ini", "Hal ini", "Mereka"). Halaman di mana entitas utama menjadi subjek banyak kalimat adalah halaman yang membahasnya, bukan berputar di sekitarnya.
Embedding mengubah sebuah bagian teks menjadi vektor. Membandingkan vektor kueri dengan vektor bagian-bagian halaman Anda (cosine similarity) menunjukkan bagian mana yang akan dipilih sistem pencarian untuk kueri tersebut. Inilah pendekatan publik yang paling dekat dengan cara asisten AI memilih potongan yang mereka kutip. Ini juga uji terbaik untuk pertanyaan "apakah halaman ini benar-benar menjawab pertanyaannya, atau hanya menyebutnya".
"NLP SEO" mencakup enam metode berbeda. Vendor biasanya menjual salah satunya seolah-olah itu seluruh bidang. Berikut masing-masing, kapan dipakai, dan di mana metode itu berhenti bekerja.
Prinsip: identifikasi entitas yang harus ada dalam jawaban lengkap (entitas utama, atributnya, entitas terkait), periksa apakah halaman Anda menamainya dengan jelas dan entitas utama mendominasi. Kapan dipakai: pada halaman tentang produk, merek, orang, tempat, atau konsep yang terdefinisi baik. Kelebihan: sesuai dengan cara grafik pengetahuan dan jawaban AI dibangun, dan menghilangkan ambiguitas dari akarnya. Keterbatasan: ekstraksi entitas melewatkan jargon bidang tertentu dan konsep baru; salience tidak tersedia di v2 API Google. Contoh: halaman "Shopify SEO" di mana "WordPress" muncul sebagai entitas teratas karena paragraf perbandingan yang panjang: paragraf itu dipindah ke halamannya sendiri dan halaman Shopify menjadi lebih fokus. Panduan kami tentang entity SEO membahas sisi strateginya.
Prinsip: bandingkan istilah yang dipakai halaman peringkat atas dengan istilah Anda, diberi bobot menurut kekhususannya (TF-IDF), lalu isi kekosongannya. Inilah yang dilakukan sebagian besar alat penilai konten. Kapan dipakai: untuk menemukan subtopik yang terlewat di halaman informasional. Kelebihan: cepat, mudah dijelaskan kepada penulis. Keterbatasan: menyalin rata-rata SERP, memberi imbalan pada pengulangan, dan tidak mengatakan apa pun tentang apakah Anda menjawab pertanyaannya. Daftar istilah adalah daftar periksa subtopik, bukan kuota kata. Contoh: semua halaman teratas untuk "audit SEO teknis" menyebut "crawl budget" dan "canonical", sedangkan halaman Anda tidak: yang kurang adalah dua bagian, bukan dua kata.
Prinsip: enkode kueri dan bagian teks sebagai vektor dan ukur seberapa dekat keduanya. Kapan dipakai: untuk memastikan setiap pertanyaan target punya satu bagian yang jelas menjawabnya, untuk mendeteksi dua halaman yang bersaing untuk makna yang sama, dan untuk memetakan tautan internal berdasarkan makna. Kelebihan: bekerja tanpa kata yang sama, dekat dengan cara kerja pencarian untuk jawaban AI. Keterbatasan: skor bergantung pada model; skor tinggi berarti "sesuai topik", bukan "benar" atau "berguna". Contoh: bagian yang menjawab "berapa lama SEO bekerja" mendapat skor lebih rendah daripada paragraf pembuka yang tidak berkaitan: bagian jawaban terlalu kabur dan ditulis ulang dengan menyebut lini waktu di awal.
Prinsip: klasifikasikan kueri (informasional, komersial, transaksional, navigasional) dan format yang diganjar Google (panduan, daftar, alat, halaman produk), lalu sesuaikan. Kapan dipakai: sebelum menulis, dan ketika halaman yang bagus sama sekali tidak mendapat peringkat. Kelebihan: memperbaiki kesalahan paling mahal, yaitu format yang salah. Keterbatasan: SERP campuran itu ada; intensi bergeser seiring waktu. Lihat entri glosarium kami tentang intensi pencarian.
Prinsip: kumpulkan pertanyaan yang diajukan orang (People Also Ask, forum, prompt AI, tiket dukungan Anda) dan berikan satu bagian mandiri untuk tiap pertanyaan. Kapan dipakai: untuk visibilitas di AI dan featured snippet. Kelebihan: langsung menghasilkan bagian yang bisa dikutip. Keterbatasan: bisa memecah halaman menjadi FAQ tanpa kedalaman jika Anda tidak mengelompokkan pertanyaan per subtopik.
Prinsip: kelompokkan kata kunci dan halaman berdasarkan makna untuk memutuskan halaman mana membahas apa, lalu tautkan. Kapan dipakai: di tingkat situs, sebelum membuat konten, dan ketika halaman saling mengkanibal. Kelebihan: membangun otoritas topikal dan arsitektur yang rapi. Keterbatasan: klasterisasi berdasarkan tumpang tindih SERP dan berdasarkan embedding menghasilkan kelompok berbeda; Anda butuh aturan untuk memutuskan. Panduan kami tentang klasterisasi kata kunci merinci kedua pendekatan, dan entri peta topikal menjelaskan cara mengubah klaster menjadi rencana.
| Metode | Tingkat | Paling cocok untuk | Risiko utama | Alat |
|---|---|---|---|---|
| Optimasi entitas | Halaman | Halaman produk, merek, dan konsep | Menganggap salience sebagai faktor peringkat | Google Cloud Natural Language (v1), spaCy |
| Cakupan istilah (TF-IDF) | Halaman | Menemukan subtopik yang hilang | Menulis rata-rata SERP, penjejalan kata | Alat penilai konten, Python scikit-learn |
| Kemiripan embedding | Bagian teks dan situs | Kualitas jawaban, kanibalisasi, tautan internal | Menyamakan "sesuai topik" dengan "bagus" | Sentence Transformers, basis data vektor |
| Klasifikasi intensi | Kueri dan halaman | Memilih format yang tepat | Mengabaikan SERP campuran | Tinjauan SERP manual, classifier |
| Penggalian pertanyaan | Bagian teks | Kutipan AI, snippet | Halaman FAQ yang dangkal | People Also Ask, riset prompt |
| Klasterisasi topik | Situs | Arsitektur, otoritas topikal | Aturan klaster yang tidak konsisten | Alat klasterisasi, embedding |
Optimasi daftar istilah vs optimasi entitas dan bagian teks
Ini metode yang kami sarankan untuk memulai: satu halaman penting, satu sore. Anda membutuhkan teks halaman, tiga sampai lima halaman pesaing, dan alat online gratis atau beberapa baris Python.
Audit NLP halaman dalam 6 langkah
spaCy adalah pustaka Python gratis dan open source. Model bahasa Inggris kecilnya berjalan di laptop dalam hitungan detik. Skrip di bawah mencantumkan entitas yang paling sering muncul dan subjek gramatikal yang paling sering di halaman Anda: daftar kedua sering lebih mengungkap daripada yang pertama.
import spacy
from collections import Counter
nlp = spacy.load("en_core_web_sm") # pip install spacy, then: 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}")
# Who is the subject of your sentences?
subjects = Counter(t.lemma_.lower() for t in doc if t.dep_ in ("nsubj", "nsubjpass"))
print(subjects.most_common(15))
# How many sentences start with a vague pronoun?
vague = [s.text for s in doc.sents if s[0].lower_ in ("it", "this", "that", "they")]
print(len(vague), "sentences start with a pronoun")
Baca daftar subjek dengan saksama. Pada halaman tentang produk perangkat lunak, jika "you" dan "it" mendominasi dan nama produk tidak pernah muncul sebagai subjek, halaman itu menggambarkan tindakan tanpa menyebut siapa pelakunya. Ini bisa diperbaiki dalam satu jam.

Model umum spaCy tidak menghitung salience. Untuk itu, panggil endpoint v1 analyzeEntities dari Google Cloud Natural Language. Buat proyek, aktifkan API, lakukan autentikasi dengan command line gcloud, lalu kirim teks Anda. Simpan body permintaan ini sebagai request.json:
{
"document": {
"type": "PLAIN_TEXT",
"language": "en",
"content": "Paste the clean main text of your page here."
},
"encodingType": "UTF8"
}
Lalu panggil endpoint-nya:
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"
Respons mencantumkan entitas dengan type, salience, mentions, dan, jika entitas tertaut, objek metadata yang bisa berisi wikipedia_url dan mid (pengenal Knowledge Graph). Entitas dengan URL Wikipedia di metadata telah ditautkan ke konsep yang dikenal; entitas penting tanpa URL itu mungkin ambigu atau terlalu baru. Ganti analyzeEntities dengan classifyText untuk mendapatkan kategori konten. Periksa harga dan kuota terbaru di Google Cloud sebelum menjalankannya pada ratusan halaman.
Pustaka Sentence Transformers membandingkan makna sebuah pertanyaan dengan setiap bagian halaman Anda. Model all-MiniLM-L6-v2 kecil dan cukup baik untuk pemeriksaan ini.
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 best score {scores[best]:.2f}: {passages[best][:100]}\n")
Dua hasil perlu ditindaklanjuti. Jika bagian terbaik untuk sebuah pertanyaan bukan bagian yang Anda tulis untuk menjawabnya, bagian jawaban Anda terlalu umum. Jika skor terbaik untuk sebuah pertanyaan jauh di bawah pertanyaan lain, halaman itu sebenarnya tidak menjawabnya. Bandingkan skor antar pertanyaan di halaman yang sama, bukan dengan ambang mutlak: nilainya bergantung pada model.

Tips
Tidak memakai Python? LLM Readability Checker gratis dari kami menilai sebuah halaman untuk ekstraksi oleh AI, dan Heading Structure Analyzer menunjukkan apakah H2 dan H3 Anda mengumumkan pertanyaan yang dijawab bagian-bagian teks Anda.
Sebagian besar masalah NLP diperbaiki saat menulis, bukan dengan alat. Aturan ini berasal langsung dari pipeline di atas: masing-masing menghilangkan satu langkah di mana mesin bisa keliru.
Gunakan nama lengkap entitas utama sebagai subjek kalimat pertama setiap bagian. Hindari membuka paragraf dengan "Ini" atau "Hal ini". Kata ganti boleh dipakai di dalam paragraf, selama kata bendanya dekat.
Definisi yang menyebut kategori (Y) dan ciri pembeda (Z) adalah struktur yang paling mudah diekstrak model dan dikutip asisten AI. "Salience entitas adalah skor dari 0 sampai 1 yang mengukur seberapa sentral sebuah entitas dalam teks" lebih unggul daripada tiga kalimat konteks.
Harga, tanggal, ukuran, kompatibilitas, dan batasan harus berada di samping entitas yang dijelaskannya. "Sorank memantau visibilitas di ChatGPT, Gemini, Claude, dan Perplexity" adalah satu fakta yang bisa diekstrak. Informasi yang sama yang tersebar di judul, poin, dan catatan kaki menjadi tiga potongan.
Pilih satu nama untuk setiap produk, fitur, dan konsep. Perkenalkan sinonim satu kali ("query fan-out, yaitu cara asisten AI memecah pertanyaan menjadi beberapa pencarian") lalu tetap gunakan satu bentuk.
Di bawah judul yang berbentuk pertanyaan, kalimat pertama memberi jawabannya. Sisa bagian memberi syarat, contoh, dan pengecualian. Inilah yang membuat sebuah bagian berdiri sendiri.
Satu paragraf, sebelum dan sesudah ditulis ulang untuk NLP
Kalimat "sesudah" adalah ilustrasi struktur, bukan deskripsi produk nyata: sesuaikan atributnya dengan apa yang benar-benar ditawarkan halaman Anda.
Python NLP untuk SEO semantik berarti menjalankan jenis model embedding yang sama seperti tes passage di atas, tetapi pada seluruh daftar: kata kunci Anda dan halaman-halaman di situs Anda. Dua skrip pendek menjawab pertanyaan yang tidak bisa dijawab oleh pemeriksaan satu halaman. Kata kunci mana yang seharusnya masuk ke halaman yang sama? Halaman mana di situs Anda yang bersaing untuk makna yang sama? Keduanya berjalan gratis di komputer Anda sendiri, dan keduanya menghasilkan kandidat untuk Anda tinjau, bukan vonis.
Pasang pustaka di dalam virtual environment, agar tidak bentrok dengan proyek Python lain:
python3 -m venv nlp-seo
source nlp-seo/bin/activate
pip install sentence-transformers scikit-learn
Model all-MiniLM-L6-v2 diunduh sekali pada eksekusi pertama. Setelah itu, kedua skrip berjalan offline.
Klasterisasi mengubah daftar kata kunci datar menjadi kelompok yang bisa dijawab oleh satu halaman. Setiap kata kunci menjadi vektor, dan kata kunci dengan vektor yang berdekatan dalam jarak kosinus akan masuk ke grup yang sama. Simpan kata kunci dalam file teks, satu per baris, lalu jalankan skrip ini:
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, # jarak kosinus: nilai lebih rendah menghasilkan grup yang lebih ketat
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)
Pengaturan yang paling menentukan adalah ambang batas. Mulailah dari 0,35 lalu baca hasilnya. Jika kata kunci yang tidak berhubungan berada dalam grup yang sama, turunkan nilainya. Jika topik satu halaman terpecah ke beberapa grup, naikkan nilainya. Average linkage mengurangi efek rantai, yaitu ketika deret kata kunci yang berhubungan longgar menggabungkan dua grup yang tidak berkaitan.
Skrip kedua membandingkan halaman Anda satu sama lain. Buat satu baris per halaman dalam file yang dipisahkan tab, dengan baris header dan kolom url serta title. Judul hanyalah perkiraan kasar, jadi untuk tes yang lebih tajam, tempelkan paragraf pertama setiap halaman ke kolom title.
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: # titik awal: sesuaikan setelah membaca hasilnya
print(f"{score:.2f} {rows[i][0]} vs {rows[j][0]}")
Setiap pasangan yang tercetak adalah kandidat, bukan vonis. Buka kedua URL dan tanyakan apakah pembaca akan mengharapkan salah satu halaman menjawab pertanyaan halaman lainnya. Jika ya, gabungkan kedua halaman, atau pertahankan salah satunya sebagai halaman utama dan persempit fokus halaman yang lain. Entri glosarium kanibalisasi kata kunci menjelaskan cara memilihnya.
| Skrip | Input | Output | Yang Anda putuskan |
|---|---|---|---|
| Grup kata kunci | Satu kata kunci per baris | Grup kata kunci yang memiliki makna sama | Apakah setiap grup butuh satu halaman atau beberapa |
| Halaman yang bersaing | URL dan judul, atau paragraf pertama, per halaman | Pasangan halaman di atas ambang batas Anda | Apakah digabung, dipersempit fokusnya, atau kedua halaman dipertahankan |
Tiga batasan ini penting:
Skrip-skrip ini adalah padanan tingkat situs dari tes passage di atas: yang satu memberi tahu apa yang seharusnya berada bersama, yang lain memberi tahu di mana halaman Anda tumpang tindih. Jika Anda tidak ingin memelihara skrip, Topic Cluster Generator dari Sorank menjalankan langkah pengelompokan dengan pemeriksaan anti-kanibalisasi bawaan.
Model bahasa membaca lebih dari paragraf Anda. Tiga elemen di sekitar teks membawa sinyal kuat.
Markup Schema.org tidak membuat halaman naik peringkat dengan sendirinya, tetapi menyatakan dalam format mesin tentang apa halaman itu dan konsep dikenal mana yang dirujuknya. Properti about dan mentions, dengan tautan sameAs ke halaman rujukan, menghilangkan ambiguitas dalam penautan entitas.
<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>
Buat dan uji markup Anda dengan Schema Markup Generator dan Structured Data Validator gratis dari kami.
Judul adalah hal pertama yang dipakai model untuk memecah halaman Anda menjadi bagian-bagian. Judul yang menyebut entitas dan pertanyaannya ("Cara menghitung salience entitas") menghasilkan potongan yang lebih rapi daripada judul yang sekadar cerdik ("Di balik layar"). Jaga hierarki H2 dan H3 tetap ketat: tidak ada H3 tanpa H2 induk, tidak ada tingkat yang dilompati.
Anchor text adalah salah satu sinyal NLP tertua dalam pencarian: memberi tahu mesin tentang isi halaman tujuan, dari luar. Gunakan anchor deskriptif yang menyebut entitas tujuan, tautkan halaman yang maknanya berdekatan, dan hindari mengirim anchor yang sama ke dua halaman berbeda. Kokon semantik adalah cara paling terstruktur untuk mengaturnya, dan panduan kami tentang tautan internal otomatis menjelaskan cara menskalakannya tanpa menimbulkan kebisingan.
Asisten AI membawa logika NLP sampai ujungnya. Mereka tidak memeringkat halaman utuh: mereka mengambil bagian teks, membandingkannya secara makna dengan subkueri, lalu menyusun jawaban yang terkadang mengutip sumbernya. Ada tiga konsekuensinya.
Untuk metode lengkap yang diterapkan pada jawaban AI, lihat panduan kami tentang optimasi konten untuk LLM.
Ini kesalahan yang paling sering kami lihat di situs yang diaudit. Masing-masing punya gejala yang bisa Anda kenali dan perbaikan yang bisa Anda terapkan hari ini.
Apa itu: menulis ulang sampai API memberi kata kunci Anda salience tinggi, atau sampai alat menampilkan skor hijau. Cara mengenalinya: halaman terbaca lebih buruk setelah optimasi; frasa yang sama muncul di setiap paragraf. Cara memperbaikinya: gunakan salience hanya untuk memeriksa urutan entitas, lalu nilai halaman berdasarkan jawaban dan data Search Console. Google tidak pernah mengatakan memakai skor API ini dalam pemeringkatan.
Apa itu: menambahkan "crawl budget" ke sebuah kalimat karena lima pesaing menyebutnya. Cara mengenalinya: istilah muncul sekali, di luar konteks, tanpa penjelasan. Cara memperbaikinya: setiap entitas yang hilang menjadi pertanyaan: apakah pembaca saya membutuhkannya? Jika ya, tulis satu bagian; jika tidak, abaikan.
Apa itu: menempelkan seluruh halaman, termasuk menu dan footer, ke alat NLP. Cara mengenalinya: entitas teratas Anda adalah nama merek, "cookies", "kontak", atau kategori footer. Cara memperbaikinya: ambil hanya isi artikel sebelum menjalankan analisis apa pun.
Apa itu: mengikuti tutorial lama dengan endpoint saat ini. Cara mengenalinya: respons JSON memuat entitas dan kemunculan, tetapi tidak ada salience. Cara memperbaikinya: panggil /v1/documents:analyzeEntities untuk salience, dan ingat bahwa v1 bisa berubah.
Apa itu: paragraf di mana "ini", "hal tersebut", dan "mereka" merujuk ke kata benda beberapa kalimat sebelumnya. Cara mengenalinya: skrip spaCy di atas menghitung kalimat yang dimulai dengan kata ganti; lebih dari satu dari lima pada halaman penting adalah tanda bahaya. Cara memperbaikinya: sebut ulang kata bendanya di awal setiap paragraf dan setelah setiap judul.
Apa itu: satu URL yang mencoba mendefinisikan konsep, membandingkan alat, dan menjual produk. Cara mengenalinya: halaman mendapat peringkat untuk banyak kueri di posisi 15 sampai 40 dan tidak satu pun di 5 besar. Cara memperbaikinya: pertahankan intensi dominan, pindahkan yang lain ke halaman khusus, lalu tautkan.
Apa itu: menggembungkan halaman agar mencapai target jumlah kata atau kepadatan kata kunci. Cara mengenalinya: pembuka yang berulang, paragraf umum yang cocok untuk halaman mana pun. Cara memperbaikinya: buang setiap bagian yang tidak menjawab pertanyaan yang akan diajukan pembaca. Keyword Density Calculator kami berguna secara terbalik: untuk menemukan di mana Anda terlalu banyak mengulang.
Apa itu: memakai nama merek atau produk yang tidak bisa dibedakan mesin dari kata umum atau perusahaan lain. Cara mengenalinya: API mengembalikan merek Anda sebagai OTHER atau CONSUMER_GOOD tanpa metadata, atau menautkannya ke konsep yang salah. Cara memperbaikinya: tambahkan kategori di samping nama, gunakan schema Organization atau Product dengan sameAs ke profil resmi Anda, dan pertahankan nama yang identik di mana pun.
Daftar periksa NLP SEO untuk satu halaman
Anda tidak membutuhkan banyak alat. Pilih alat berdasarkan pertanyaan yang perlu Anda jawab.
| Alat | Jenis | Apa yang diberitahukan | Keahlian yang dibutuhkan | Penggunaan terbaik |
|---|---|---|---|---|
| Google Cloud Natural Language | API cloud (lihat harga Google Cloud) | Entitas, salience (v1), kategori, sentimen, sintaksis | Menengah: proyek Google Cloud dan beberapa perintah | Memeriksa cara model Google membaca halaman kunci Anda |
| spaCy | Pustaka Python open source | Entitas, struktur kalimat, subjek, lema | Python dasar | Mengaudit banyak halaman secara lokal, tanpa biaya |
| Sentence Transformers | Pustaka Python open source | Kemiripan makna antara kueri dan bagian teks | Python dasar | Pemeriksaan jawaban, kanibalisasi, pemetaan tautan internal |
| Google Search Console | Alat Google gratis | Kueri yang benar-benar memunculkan setiap URL | Tidak ada | Mengukur efek penulisan ulang |
| Alat optimasi konten | SaaS | Celah istilah dan entitas dibanding halaman teratas | Tidak ada | Pemeriksaan subtopik cepat sebelum menulis |
| Sorank | Perangkat lunak SEO dan GEO secara autopilot | Penulisan ulang, klaster topik, pemantauan visibilitas AI | Tidak ada | Menerapkan metode ini di seluruh situs |
Untuk perbandingan opsi komersial secara berdampingan, baca ulasan kami tentang alat optimasi konten terbaik. Jika Anda punya puluhan halaman lama yang perlu diperbaiki, fitur Content Optimization dari Sorank mengaudit dan menulis ulang halaman yang ada secara autopilot, dan Topic Cluster Generator mengelompokkan kata kunci Anda berdasarkan makna sebelum Anda menulis, dengan pemeriksaan kanibalisasi bawaan.
Perubahan NLP berkaitan dengan pemahaman, jadi ukur pemahaman lebih dulu, baru lalu lintas.
Di Google Search Console, filter laporan Performa pada URL yang ditulis ulang dan hitung kueri berbeda yang mendapat tayangan selama 28 hari, sebelum dan sesudah. Halaman yang lebih dipahami biasanya muncul untuk lebih banyak varian long-tail dalam beberapa minggu, sering kali sebelum klik berubah.
Pantau 5 sampai 10 pertanyaan yang Anda pakai dalam uji bagian teks. Jika tayangan naik tetapi posisi tidak, halaman itu dipahami tetapi tidak diutamakan: perbaiki kedalaman, contoh, dan tautan.
Ajukan prompt yang sama di ChatGPT, Gemini, Claude, dan Perplexity sebelum dan sesudah, lalu catat apakah halaman Anda dikutip. Ulangi setiap bulan: jawaban AI berbeda dari satu percobaan ke percobaan berikutnya, jadi satu uji tidak membuktikan apa pun. Untuk versi terstruktur dari pemeriksaan ini, jalankan audit SEO semantik pada seluruh klaster, bukan pada satu halaman.
Pilih halaman yang paling banyak mendatangkan bisnis bagi Anda dan jalankan audit enam langkah di sana. Perbaiki dua masalah pertama yang Anda temukan, biasanya entitas utama yang tidak dominan dan bagian jawaban yang terlalu kabur. Lalu catat tanggalnya, dan periksa kueri halaman itu di Search Console empat minggu kemudian.
NLP dalam SEO berarti membuat konten Anda mudah dipahami model bahasa: entitas apa yang dibahas halaman, pertanyaan apa yang dijawab setiap bagian, dan bagaimana halaman itu terhubung dengan bagian lain situs. Google memakai model bahasa seperti BERT di Search sejak 2019, dan asisten AI sepenuhnya bergantung padanya, sehingga tulisan yang jelas dan tidak ambigu kini dalam praktiknya menjadi faktor peringkat dan kutipan.
Tidak ada pernyataan publik dari Google yang menyebut skor salience dari Cloud Natural Language API dipakai dalam pemeringkatan. Skor ini berguna sebagai pendekatan untuk memeriksa apakah topik utama mendominasi halaman, tetapi sebaiknya baca urutan entitasnya alih-alih mengejar angka. Perlu dicatat bahwa salience hanya dikembalikan oleh API versi 1.
spaCy dan Sentence Transformers adalah pustaka Python gratis dan open source untuk ekstraksi entitas dan kemiripan bagian teks. Google Search Console, yang juga gratis, kemudian menunjukkan apakah halaman yang ditulis ulang muncul untuk lebih banyak kueri. Google Cloud Natural Language menambahkan salience dan kategori, dengan biaya pemakaian sesuai harga Google Cloud.
