Cum modelează NLP căutarea în Google și AI: entități, salience, embeddinguri, audit de pagină în 6 pași cu cod, reguli de scris și greșeli de evitat.

Pe această pagină
Pe scurt
NLP SEO înseamnă să scrii și să structurezi paginile astfel încât modelele de limbaj folosite de Google și de asistenții AI să înțeleagă exact despre ce este pagina ta: ce entități acoperă, la ce întrebare răspunde fiecare pasaj și cum se leagă de restul site-ului. În practică, îți treci textul prin aceleași tipuri de instrumente (extragere de entități, clasificare, embeddinguri), corectezi ce citește greșit mașina și rescrii frazele astfel încât subiectul principal, atributele lui și răspunsurile să fie explicite. Nu este un truc nou pentru poziții: este o metodă de a elimina ambiguitatea, iar ambiguitatea este cea care te costă poziții și citări în AI.
Vrei să afli mai mult? Întreabă
Test rapid
Ți se potrivește SEO și cum ar trebui să începi?
Sorank se potrivește răspunsurilor tale
Testează-l 3 zile pe propriul site și vezi unde te afli pe Google, ChatGPT și pe celelalte IA.
Începe perioada de test gratuită de 3 zile3 zile gratuit, apoi renunți oricând vrei. Garanție de rezultate de 90 de zile, se aplică condiții.
Procesarea limbajului natural (NLP) este ramura AI care transformă textul uman în date cu care o mașină poate raționa: cuvinte, propoziții, entități, relații și sens. Dacă vrei mai întâi definiția generală, citește intrarea din glosarul nostru despre procesarea limbajului natural. Pentru SEO, definiția care contează este mai restrânsă: NLP este felul în care un motor de căutare decide ce înseamnă pagina ta înainte să decidă unde o poziționează.
NLP SEO are deci trei straturi. Ai nevoie de toate trei ca să obții rezultate.
Ce nu este NLP SEO: nu este îndesarea unei liste de „cuvinte cheie NLP” într-o pagină și nu este goana după un scor într-un instrument de conținut. Google o spune clar în ghidul său despre crearea de conținut util, de încredere, axat pe oameni: dacă scrii după un număr de cuvinte pentru că ai auzit că Google preferă unul anume, răspunsul este „No, we don't.” Aceeași logică se aplică listelor de termeni. Scopul este să fii înțeles, nu să pari optimizat.
De ce înțelegerea limbajului a schimbat SEO
Surse: Google, Pandu Nayak, „Understanding searches better than ever before” (2019) și „MUM: A new AI milestone for understanding information” (2021)
Când Google a introdus BERT, Pandu Nayak (Google Fellow și vicepreședinte Search) a explicat în anunțul oficial din 25 octombrie 2019 că modelul va ajuta Search să înțeleagă mai bine una din 10 căutări în engleză din SUA. Exemplul lui a fost interogarea „2019 brazil traveler to usa need a visa”: înainte de BERT, cuvântul „to” era în mare parte ignorat, iar Google afișa rezultate despre cetățeni americani care călătoresc în Brazilia. După BERT, direcția călătoriei a fost înțeleasă. Această singură prepoziție rezumă NLP SEO: cuvintele mici poartă sens, iar modelele le citesc acum. Pagina din glosarul nostru despre algoritmul BERT intră mai în detaliu în modelul propriu-zis.
Doi ani mai târziu, Google a prezentat MUM într-un articol din 18 mai 2021, descriindu-l ca fiind de 1000 de ori mai puternic decât BERT și antrenat pe 75 de limbi. Interogarea exemplu era a unui drumeț care a urcat pe Mt. Adams și vrea să se pregătească pentru Mt. Fuji toamna următoare: o întrebare care cere compararea a două entități și deducerea sensului lui „a se pregăti”. Astăzi AI Overviews, ChatGPT, Perplexity și Gemini funcționează pe același principiu: citesc pasaje, identifică entități și asamblează răspunsuri. Pagina ta este materia primă pentru acest proces.
Nu trebuie să știi matematica. Trebuie să știi etapele, pentru că fiecare etapă este un loc în care pagina ta poate fi citită greșit. Iată pipeline-ul în ordinea în care îl rulează un sistem tipic.
Cele 7 etape prin care trece o mașină ca să-ți citească pagina
Tabelul de mai jos asociază fiecărei sarcini NLP riscul concret de pe pagină și corecția pe care o controlezi.
| Sarcina NLP | Ce face mașina | Problema tipică pe pagină | Ce schimbi |
|---|---|---|---|
| Eliminarea șablonului | Separă conținutul principal de șablon | Introducerea este îngropată sub 600 de cuvinte de meniuri și widgeturi | Pune răspunsul în primul paragraf al conținutului principal, în HTML simplu |
| Împărțirea în propoziții | Taie textul în propoziții | Fragmente de listă fără verb, propoziții de 60 de cuvinte | O idee pe propoziție, propoziții complete în listele care conțin fapte |
| Analiza dependențelor | Găsește subiectul, predicatul, complementul | Subiectul este „acesta” sau „asta”, la trei propoziții de substantivul său | Repetă substantivul, ține subiectul aproape de predicat |
| Recunoașterea entităților numite | Detectează și tipizează nume | Produsul tău este scris în cinci feluri diferite | Alege un singur nume canonic, folosește variantele doar după ce le-ai introdus |
| Legarea entităților | Asociază nume cu concepte cunoscute | Nume de marcă ambiguu, fără context | Adaugă categoria lângă nume („Sorank, software-ul SEO...”) și schema cu sameAs |
| Embeddinguri | Compară sensul interogării cu al pasajului | Pasajul care ar trebui să răspundă este generic și s-ar potrivi oricărei pagini | Scrie pasaje care reiau termenii întrebării și dau un răspuns concret |
| Clasificare | Atribuie teme și intenție | O pagină de produs plină de digresiuni în stil blog | O intenție dominantă per URL, celelalte intenții mutate pe alte pagini |
Notă
Nimeni din afara Google nu cunoaște exact modelele folosite în clasament. Instrumentele din acest ghid sunt aproximări: citesc textul așa cum îl citesc modelele de limbaj moderne, nu așa cum îl citește sistemul de clasare al Google. Folosește-le ca să găsești ambiguitatea, nu ca să prezici poziții.

Cinci semnale pot fi măsurate cu instrumente gratuite sau ieftine. Fiecare îți spune altceva și niciunul nu este, singur, un factor de clasare.
O entitate este un „lucru” numit: o marcă, un produs, o persoană, un loc, un concept precum „canibalizarea cuvintelor cheie”. Cloud Natural Language API de la Google returnează pentru fiecare entitate un tip, aparițiile ei și, în versiunea 1 a API-ului, un scor de salience. Referința obiectului Entity din v1 îl descrie ca „the salience score associated with the entity in the [0, 1.0] range”. Tipurile de entități sunt UNKNOWN, PERSON, LOCATION, ORGANIZATION, EVENT, WORK_OF_ART, CONSUMER_GOOD, OTHER, PHONE_NUMBER, ADDRESS, DATE, NUMBER și PRICE.
Salience este relativ la document: scorurile tuturor entităților dintr-un text concurează între ele. Așadar, lectura utilă este ordinea, nu numărul. Dacă pagina ta țintește „NLP SEO” și entitatea de pe primul loc este „Google”, pentru o mașină pagina este în principal despre Google. Detaliile se află în intrarea din glosarul nostru despre salience-ul entităților.
Atenție: v1 față de v2
Obiectul Entity din v2 a Natural Language API conține doar name, type, metadata, mentions și sentiment: nu are câmp salience. Dacă un tutorial afișează scoruri de salience, apelează v1. Dacă scrii un script astăzi, apelează explicit endpointul v1 pentru salience și verifică documentația înainte să te bazezi pe el.

Metoda classifyText returnează categorii dintr-o taxonomie fixă (de exemplu o cale de tipul /Internet & Telecom/Web Services). Documentația Google despre noțiunile de bază Natural Language precizează că clasificarea are nevoie de un text de cel puțin douăzeci de tokeni. Utilitatea pentru SEO: dacă o pagină destinată „software-ului SEO” este clasificată într-o categorie generică de marketing, vocabularul ei este prea general.
Analiza de sentiment returnează un scor de la -1.0 (negativ) la 1.0 (pozitiv) și o magnitude care măsoară câtă emoție poartă textul. La nivel de document, magnitude pornește de la 0.0 și nu este normalizată, deci un text lung cu opinii amestecate poate avea un scor neutru și o magnitude ridicată. În SEO, sentimentul contează mai ales pe paginile de recenzii, comparații și liste „cele mai bune X”, unde un text plat, fără opinie, răspunde unei întrebări care cere o opinie.
Analiza sintactică returnează pentru fiecare token partea de vorbire, lema și dependența. Merită făcute două verificări: cât de des este entitatea ta principală subiectul gramatical al unei propoziții și câte propoziții încep cu un pronume („Acesta”, „Asta”, „Ei”). O pagină în care entitatea principală este subiectul multor propoziții este o pagină care vorbește despre ea, nu pe lângă ea.
Embeddingurile transformă un pasaj într-un vector. Compararea vectorului unei interogări cu vectorii pasajelor tale (similaritate cosinus) arată ce pasaj ar alege un sistem de regăsire pentru acea interogare. Este cea mai apropiată aproximare publică a modului în care asistenții AI aleg fragmentul pe care îl citează. Este și cel mai bun test pentru întrebarea „pagina asta chiar răspunde la întrebare sau doar o menționează”.
„NLP SEO” acoperă șase metode diferite. Furnizorii vând de obicei una dintre ele ca și cum ar fi întregul domeniu. Iată fiecare metodă, când s-o folosești și unde încetează să funcționeze.
Principiu: identifică entitățile pe care trebuie să le conțină un răspuns complet (entitatea principală, atributele ei, entitățile asociate), verifică dacă pagina le numește clar și dacă entitatea principală domină. Când o folosești: pe pagini despre un produs, o marcă, o persoană, un loc sau un concept bine definit. Avantaje: se potrivește cu felul în care sunt construite grafurile de cunoștințe și răspunsurile AI și elimină ambiguitatea de la rădăcină. Limite: extragerea entităților ratează jargonul de domeniu și conceptele noi; salience nu este disponibil în v2 a API-ului Google. Exemplu: o pagină despre „Shopify SEO” în care „WordPress” iese ca entitate de top din cauza unui paragraf lung de comparație: paragraful este mutat pe o pagină proprie, iar pagina despre Shopify câștigă focus. Ghidul nostru despre entity SEO acoperă partea de strategie.
Principiu: compară termenii folosiți de paginile din top cu ai tăi, ponderați după cât de specifici sunt (TF-IDF), și completează golurile. Asta fac majoritatea instrumentelor de scor pentru conținut. Când o folosești: ca să descoperi subteme uitate pe o pagină informațională. Avantaje: rapidă, ușor de explicat unui redactor. Limite: copiază media SERP, recompensează repetiția și nu spune nimic despre faptul că răspunzi sau nu la întrebare. O listă de termeni este o listă de verificare a subtemelor, nu o cotă de cuvinte. Exemplu: paginile din top pentru „audit SEO tehnic” menționează toate „crawl budget” și „canonical”, a ta nu: lipsesc două secțiuni, nu două cuvinte.
Principiu: codifică interogările și pasajele ca vectori și măsoară cât de apropiate sunt. Când o folosești: ca să verifici că fiecare întrebare țintă are un pasaj care îi răspunde clar, ca să detectezi două pagini care concurează pentru același sens și ca să cartografiezi linkurile interne după sens. Avantaje: funcționează fără cuvinte comune, aproape de felul în care funcționează regăsirea pentru răspunsurile AI. Limite: scorurile depind de model; un scor mare înseamnă „pe subiect”, nu „corect” sau „util”. Exemplu: pasajul care răspunde la „cât durează SEO” are un scor mai mic decât un paragraf introductiv fără legătură: pasajul de răspuns este prea vag și este rescris cu termenul de timp precizat la început.
Principiu: clasifică interogarea (informațională, comercială, tranzacțională, de navigare) și formatul pe care îl recompensează Google (ghid, listă, instrument, pagină de produs), apoi aliniază-te. Când o folosești: înainte de a scrie și când o pagină bună nu se clasează deloc. Avantaje: corectează cea mai costisitoare greșeală, formatul greșit. Limite: există SERP-uri mixte; intenția se schimbă în timp. Vezi intrarea din glosarul nostru despre intenția de căutare.
Principiu: extrage întrebările pe care le pun oamenii (People Also Ask, forumuri, prompturi AI, tichetele tale de suport) și dă-i fiecăreia un pasaj de sine stătător. Când o folosești: pentru vizibilitate în AI și featured snippets. Avantaje: produce direct pasaje care pot fi citate. Limite: poate fragmenta o pagină într-un FAQ fără profunzime dacă nu grupezi întrebările pe subteme.
Principiu: grupează cuvintele cheie și paginile după sens ca să decizi ce pagină acoperă ce, apoi leagă-le. Când o folosești: la nivel de site, înainte de a produce conținut și când paginile se canibalizează între ele. Avantaje: construiește autoritate tematică și o arhitectură curată. Limite: clusteringul după suprapunerea SERP și clusteringul după embeddinguri dau grupuri diferite; ai nevoie de o regulă de arbitraj. Ghidul nostru despre clusteringul cuvintelor cheie detaliază ambele abordări, iar intrarea despre harta tematică explică cum transformi clusterele într-un plan.
| Metodă | Nivel | Potrivită pentru | Riscul principal | Instrumente |
|---|---|---|---|---|
| Optimizarea entităților | Pagină | Pagini de produs, marcă și concept | A trata salience ca factor de clasare | Google Cloud Natural Language (v1), spaCy |
| Acoperirea termenilor (TF-IDF) | Pagină | Găsirea subtemelor lipsă | Scrierea mediei SERP, supraîncărcarea | Instrumente de scor pentru conținut, Python scikit-learn |
| Similaritatea embeddingurilor | Pasaj și site | Calitatea răspunsurilor, canibalizare, linkuri interne | A confunda „pe subiect” cu „bun” | Sentence Transformers, baze de date vectoriale |
| Clasificarea intenției | Interogare și pagină | Alegerea formatului potrivit | Ignorarea SERP-urilor mixte | Analiză manuală a SERP, clasificatoare |
| Extragerea întrebărilor | Pasaj | Citări în AI, snippeturi | Pagini FAQ superficiale | People Also Ask, cercetarea prompturilor |
| Clustering tematic | Site | Arhitectură, autoritate tematică | Reguli de cluster inconsecvente | Instrumente de clustering, embeddinguri |
Optimizarea după lista de termeni vs optimizarea entităților și a pasajelor
Aceasta este metoda pe care o recomandăm pentru început: o pagină importantă, o după-amiază. Ai nevoie de textul paginii, de trei până la cinci pagini concurente și fie de instrumentele online gratuite, fie de câteva linii de Python.
Auditul NLP al unei pagini în 6 pași
spaCy este o bibliotecă Python gratuită, open source. Modelul ei mic pentru engleză rulează pe un laptop în câteva secunde. Scriptul de mai jos listează cele mai frecvente entități și cele mai frecvente subiecte gramaticale ale paginii tale: a doua listă spune adesea mai mult decât prima.
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")
Citește atent lista de subiecte. Pe o pagină despre un produs software, dacă „you” și „it” domină, iar numele produsului nu apare niciodată ca subiect, pagina descrie acțiuni fără să spună cine le face. Se poate corecta într-o oră.

Modelele generale spaCy nu calculează salience. Pentru asta, apelează endpointul v1 analyzeEntities din Google Cloud Natural Language. Creează un proiect, activează API-ul, autentifică-te prin linia de comandă gcloud, apoi trimite textul. Salvează acest corp al cererii ca request.json:
{
"document": {
"type": "PLAIN_TEXT",
"language": "en",
"content": "Paste the clean main text of your page here."
},
"encodingType": "UTF8"
}
Apoi apelează endpointul:
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"
Răspunsul listează entitățile cu type, salience, mentions și, când entitatea este legată, un obiect metadata care poate conține un wikipedia_url și un mid (un identificator Knowledge Graph). O entitate cu un URL Wikipedia în metadate a fost legată de un concept cunoscut; o entitate importantă fără el poate fi ambiguă sau prea nouă. Înlocuiește analyzeEntities cu classifyText ca să obții categoriile de conținut. Verifică prețurile și cotele actuale în Google Cloud înainte să-l rulezi pe sute de pagini.
Biblioteca Sentence Transformers compară sensul unei întrebări cu fiecare pasaj al paginii tale. Modelul all-MiniLM-L6-v2 este mic și suficient de bun pentru această verificare.
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")
Două rezultate cer acțiune. Dacă cel mai bun pasaj pentru o întrebare nu este cel pe care l-ai scris ca s-o răspundă, pasajul tău de răspuns este prea generic. Dacă cel mai bun scor pentru o întrebare este mult sub celelalte, pagina nu răspunde de fapt la ea. Compară scorurile între întrebările de pe aceeași pagină, nu cu un prag absolut: valorile depind de model.

Sfat
Nu folosești Python? Instrumentul nostru gratuit LLM Readability Checker evaluează o pagină din perspectiva extragerii de către AI, iar Heading Structure Analyzer arată dacă H2 și H3 ale tale anunță întrebările la care răspund pasajele.
Majoritatea problemelor NLP se rezolvă în scris, nu într-un instrument. Aceste reguli vin direct din pipeline-ul de mai sus: fiecare elimină o etapă în care mașina poate greși.
Folosește numele complet al entității principale ca subiect al primei propoziții din fiecare secțiune. Evită să începi un paragraf cu „Acesta” sau „Asta”. Pronumele sunt în regulă în interiorul unui paragraf, atâta timp cât substantivul este aproape.
O definiție care precizează categoria (Y) și trăsătura distinctivă (Z) este structura cel mai ușor de extras pentru un model și de citat pentru un asistent AI. „Salience-ul unei entități este un scor de la 0 la 1 care măsoară cât de centrală este entitatea într-un text” bate trei fraze de context.
Prețurile, datele, dimensiunile, compatibilitățile și limitele trebuie să stea lângă entitatea pe care o descriu. „Sorank urmărește vizibilitatea în ChatGPT, Gemini, Claude și Perplexity” este un singur fapt extractibil. Aceeași informație împărțită între un titlu, un punct de listă și o notă de subsol înseamnă trei fragmente.
Alege un nume pentru fiecare produs, funcționalitate și concept. Introdu un sinonim o singură dată („query fan-out, adică felul în care asistenții AI împart o întrebare în mai multe căutări”), apoi rămâi la o singură formă.
Sub un titlu care pune o întrebare, prima frază dă răspunsul. Restul pasajului dă condițiile, exemplul și excepțiile. Asta face un pasaj de sine stătător.
Un paragraf, înainte și după o rescriere pentru NLP
Fraza „după” ilustrează structura, nu descrie un produs real: adaptează atributele la ce oferă cu adevărat pagina ta.
Python NLP pentru SEO semantic înseamnă să rulezi același tip de model de embeddinguri ca testul de pasaje de mai sus, dar pe liste întregi: cuvintele tale cheie și paginile site-ului. Două scripturi scurte răspund la întrebări la care verificarea unei singure pagini nu ajunge. Ce cuvinte cheie ar trebui să intre pe aceeași pagină? Care dintre paginile tale concurează pentru același sens? Ambele rulează gratuit pe calculatorul tău și produc candidați pe care îi analizezi tu, nu verdicte.
Instalează bibliotecile într-un mediu virtual, ca să nu intre în conflict cu alte proiecte Python:
python3 -m venv nlp-seo
source nlp-seo/bin/activate
pip install sentence-transformers scikit-learn
Modelul all-MiniLM-L6-v2 se descarcă o singură dată, la prima rulare. După aceea, ambele scripturi merg offline.
Clusterizarea transformă o listă plată de cuvinte cheie în grupuri pe care le-ar putea acoperi o singură pagină. Fiecare cuvânt cheie devine un vector, iar cuvintele cu vectori apropiați în distanța cosinus ajung în același grup. Ține cuvintele cheie într-un fișier text, câte unul pe rând, și rulează acest script:
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, # distanța cosinus: valorile mici dau grupuri mai strânse
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)
Parametrul care contează cel mai mult este pragul. Începe de la 0,35 și citește rezultatul. Dacă cuvinte fără legătură ajung în același grup, coboară pragul. Dacă tema unei pagini se împarte în mai multe grupuri, ridică-l. Average linkage reduce efectul de înlănțuire, adică situația în care un șir de cuvinte vag legate unește două grupuri fără legătură.
Al doilea script compară paginile tale între ele. Pune câte un rând pentru fiecare pagină într-un fișier cu valori separate prin tab, cu un rând de antet și coloanele url și title. Titlurile sunt o aproximare grosieră, așa că pentru un test mai precis lipește în coloana title primul paragraf al fiecărei pagini.
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: # punct de plecare: ajustează după ce citești rezultatele
print(f"{score:.2f} {rows[i][0]} vs {rows[j][0]}")
Fiecare pereche afișată este un candidat, nu un verdict. Deschide ambele adrese și întreabă-te dacă un cititor ar aștepta ca una dintre pagini să răspundă la întrebarea celeilalte. Dacă da, unește cele două pagini sau păstrează una ca pagină principală și restrânge focusul celeilalte. Intrarea din glosar canibalizarea cuvintelor cheie explică cum să alegi.
| Script | Date de intrare | Rezultat | Ce decizi |
|---|---|---|---|
| Grupuri de cuvinte cheie | Un cuvânt cheie pe rând | Grupuri de cuvinte cu același sens | Dacă fiecare grup are nevoie de una sau de mai multe pagini |
| Pagini concurente | URL și titlu, sau primul paragraf, pentru fiecare pagină | Perechi de pagini peste pragul tău | Dacă unești, restrângi tema sau păstrezi ambele pagini |
Trei limite contează:
Aceste scripturi sunt echivalentul la nivel de site al testului de pasaje de mai sus: unul arată ce aparține împreună, celălalt unde se suprapun paginile tale. Dacă nu vrei să întreții scripturile, Topic Cluster Generator de la Sorank rulează pasul de grupare cu o verificare anti-canibalizare integrată.
Modelele de limbaj citesc mai mult decât paragrafele tale. Trei elemente din jurul textului poartă semnale puternice.
Marcajul Schema.org nu face singur o pagină să se claseze, dar spune într-un format pentru mașini despre ce este pagina și la ce concepte cunoscute se referă. Proprietățile about și mentions, cu linkuri sameAs către pagini de referință, elimină ambiguitatea la legarea entităților.
<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>
Generează și testează-ți marcajul cu instrumentele noastre gratuite Schema Markup Generator și Structured Data Validator.
Titlurile sunt primul lucru pe care un model îl folosește ca să-ți împartă pagina în pasaje. Un titlu care numește entitatea și întrebarea („Cum se calculează salience-ul unei entități”) produce un fragment mai curat decât unul ingenios („Sub capotă”). Păstrează ierarhia H2 și H3 strictă: niciun H3 fără un H2 părinte, niciun nivel sărit.
Textul ancoră este unul dintre cele mai vechi semnale NLP din căutare: îi spune motorului, din exterior, despre ce este pagina țintă. Folosește ancore descriptive care numesc entitatea țintă, leagă pagini apropiate ca sens și evită să trimiți aceeași ancoră către două pagini diferite. Un cocon semantic este cea mai structurată metodă de organizare, iar ghidul nostru despre linkingul intern automatizat explică cum îl scalezi fără să creezi zgomot.
Asistenții AI duc logica NLP până la capăt. Nu clasează pagini întregi: regăsesc pasaje, le compară ca sens cu subinterogări și asamblează un răspuns care uneori citează sursa. De aici decurg trei consecințe.
Pentru metoda completă aplicată răspunsurilor AI, vezi ghidul nostru despre optimizarea conținutului pentru LLM.
Acestea sunt erorile pe care le vedem cel mai des pe site-urile auditate. Fiecare are un simptom pe care îl poți observa și o corecție pe care o poți aplica azi.
Ce este: rescrierea până când API-ul dă cuvântului tău cheie un salience mare sau până când un instrument afișează un scor verde. Cum o recunoști: pagina se citește mai prost după optimizare; aceeași expresie apare în fiecare paragraf. Cum o corectezi: folosește salience doar pentru a verifica ordinea entităților, apoi judecă pagina după răspunsuri și după datele din Search Console. Google nu a spus niciodată că folosește scorurile acestui API în clasament.
Ce este: adăugarea lui „crawl budget” într-o frază pentru că cinci concurenți îl menționează. Cum o recunoști: termenii apar o singură dată, scoși din context, fără explicație. Cum o corectezi: fiecare entitate lipsă devine o întrebare: are cititorul meu nevoie de asta? Dacă da, scrie un pasaj; dacă nu, ignor-o.
Ce este: lipirea întregii pagini, cu meniu și footer, într-un instrument NLP. Cum o recunoști: entitățile tale de top sunt numele mărcii, „cookies”, „contact” sau categoriile din footer. Cum o corectezi: extrage doar corpul articolului înainte de orice analiză.
Ce este: urmarea unui tutorial vechi cu endpointul actual. Cum o recunoști: răspunsul JSON are entități și apariții, dar niciun salience. Cum o corectezi: apelează /v1/documents:analyzeEntities pentru salience și ține minte că v1 se poate schimba.
Ce este: paragrafe în care „acesta”, „asta” și „ei” se referă la substantive aflate cu câteva propoziții mai sus. Cum o recunoști: scriptul spaCy de mai sus numără propozițiile care încep cu un pronume; mai mult de una din cinci pe o pagină cheie este un semnal de alarmă. Cum o corectezi: repetă substantivul la începutul fiecărui paragraf și după fiecare titlu.
Ce este: un singur URL care încearcă să definească un concept, să compare instrumente și să vândă un produs. Cum o recunoști: pagina se clasează pentru multe interogări pe pozițiile 15 până la 40 și pentru niciuna în top 5. Cum o corectezi: păstrează intenția dominantă, mută-le pe celelalte pe pagini dedicate și leagă-le.
Ce este: umflarea unei pagini ca să atingă un număr țintă de cuvinte sau o densitate a cuvântului cheie. Cum o recunoști: introduceri repetate, paragrafe generice care s-ar potrivi oricărei pagini. Cum o corectezi: taie fiecare pasaj care nu răspunde unei întrebări pe care ar pune-o un cititor. Keyword Density Calculator al nostru este util invers: ca să găsești unde te repeți prea mult.
Ce este: folosirea unui nume de marcă sau de produs pe care o mașină nu îl poate deosebi de un cuvânt obișnuit sau de altă companie. Cum o recunoști: API-ul îți returnează marca drept OTHER sau CONSUMER_GOOD fără metadate, sau o leagă de conceptul greșit. Cum o corectezi: adaugă categoria lângă nume, folosește schema Organization sau Product cu sameAs către profilurile tale oficiale și păstrează numele identic peste tot.
Lista de verificare NLP SEO pentru o pagină
Nu ai nevoie de un set mare de instrumente. Alege-le după întrebarea la care ai nevoie de răspuns.
| Instrument | Tip | Ce îți spune | Competențe necesare | Cea mai bună utilizare |
|---|---|---|---|---|
| Google Cloud Natural Language | API în cloud (vezi prețurile Google Cloud) | Entități, salience (v1), categorii, sentiment, sintaxă | Medii: un proiect Google Cloud și câteva comenzi | Verificarea felului în care un model Google îți citește paginile cheie |
| spaCy | Bibliotecă Python open source | Entități, structura frazelor, subiecte, leme | Python de bază | Auditul local al multor pagini, fără cost |
| Sentence Transformers | Bibliotecă Python open source | Similaritatea de sens între interogări și pasaje | Python de bază | Verificarea răspunsurilor, canibalizare, cartografierea linkurilor interne |
| Google Search Console | Instrument Google gratuit | Interogările pentru care apare efectiv fiecare URL | Niciuna | Măsurarea efectului unei rescrieri |
| Instrumente de optimizare a conținutului | SaaS | Goluri de termeni și entități față de paginile din top | Niciuna | Verificare rapidă a subtemelor înainte de scris |
| Sorank | Software SEO și GEO pe autopilot | Rescrieri, clustere tematice, monitorizarea vizibilității în AI | Niciuna | Aplicarea metodei pe întregul site |
Pentru o comparație alăturată a opțiunilor comerciale, citește analiza noastră despre cele mai bune instrumente de optimizare a conținutului. Dacă ai zeci de pagini vechi de corectat, funcționalitatea Content Optimization din Sorank auditează și rescrie paginile existente pe autopilot, iar Topic Cluster Generator îți grupează cuvintele cheie după sens înainte să scrii, cu o verificare integrată a canibalizării.
Schimbările NLP țin de înțelegere, așa că măsoară mai întâi înțelegerea, apoi traficul.
În Google Search Console, filtrează raportul Performanță pe URL-ul rescris și numără interogările distincte cu afișări pe 28 de zile, înainte și după. O pagină înțeleasă mai bine apare de obicei pentru mai multe variante long-tail în câteva săptămâni, adesea înainte să se miște clicurile.
Urmărește cele 5 până la 10 întrebări pe care le-ai folosit în testul pasajelor. Dacă afișările cresc, dar poziția nu, pagina este înțeleasă, dar nu preferată: lucrează la profunzime, exemple și linkuri.
Pune aceleași prompturi în ChatGPT, Gemini, Claude și Perplexity înainte și după și notează dacă pagina ta este citată. Repetă lunar: răspunsurile AI variază de la o rulare la alta, deci un singur test nu dovedește nimic. Pentru o versiune structurată a acestei verificări, rulează un audit SEO semantic pe întregul cluster, nu pe o singură pagină.
Alege pagina care îți aduce cel mai mult business și rulează pe ea auditul în șase pași. Corectează primele două probleme pe care le găsești, de obicei o entitate principală care nu domină și un pasaj de răspuns prea vag. Apoi notează data și verifică interogările paginii în Search Console peste patru săptămâni.
NLP în SEO înseamnă să faci conținutul ușor de înțeles pentru modelele de limbaj: ce entități acoperă pagina, la ce întrebări răspunde fiecare pasaj și cum se leagă pagina de restul site-ului. Google folosește modele de limbaj precum BERT în Search din 2019, iar asistenții AI se bazează în întregime pe ele, așa că scrisul clar și fără ambiguitate a devenit în practică un factor de clasare și de citare.
Nicio declarație publică a Google nu spune că scorul de salience din Cloud Natural Language API este folosit în clasament. Scorul este o aproximare utilă pentru a verifica dacă subiectul principal domină pagina, dar e mai bine să citești ordinea entităților decât să urmărești un număr. Reține că salience este returnat doar de versiunea 1 a API-ului.
spaCy și Sentence Transformers sunt biblioteci Python gratuite, open source, pentru extragerea entităților și similaritatea pasajelor. Google Search Console, tot gratuit, arată apoi dacă o pagină rescrisă apare pentru mai multe interogări. Google Cloud Natural Language adaugă salience și categorii, cu utilizarea facturată conform prețurilor Google Cloud.
