Tìm hiểu cách NLP định hình tìm kiếm Google và AI: thực thể, salience, embedding, audit trang 6 bước kèm code, quy tắc viết và những lỗi cần tránh.

Trên trang này
Tóm tắt
NLP SEO là cách viết và cấu trúc trang để các mô hình ngôn ngữ mà Google và trợ lý AI sử dụng hiểu chính xác trang của bạn nói về điều gì: trang bao quát những thực thể nào, mỗi đoạn trả lời câu hỏi nào và trang liên quan thế nào với phần còn lại của website. Trên thực tế, bạn đưa văn bản qua chính những loại công cụ đó (trích xuất thực thể, phân loại, embedding), sửa những chỗ máy đọc sai và viết lại câu để chủ đề chính, thuộc tính và câu trả lời của nó được nêu rõ ràng. Đây không phải mẹo mới để lên top: đây là cách loại bỏ sự mơ hồ, và chính sự mơ hồ khiến bạn mất thứ hạng lẫn lượt trích dẫn từ AI.
Muốn tìm hiểu sâu hơn? Hãy hỏi
Bài trắc nghiệm nhanh
SEO có phù hợp với bạn không, và nên bắt đầu như thế nào?
Sorank phù hợp với câu trả lời của bạn
Thử nghiệm trong 3 ngày trên chính website của bạn và xem vị trí của bạn trên Google, ChatGPT và các AI khác.
Bắt đầu dùng thử miễn phí 3 ngày3 ngày miễn phí, sau đó bạn có thể dừng bất cứ lúc nào. Cam kết kết quả trong 90 ngày, có điều kiện.
Xử lý ngôn ngữ tự nhiên (NLP) là nhánh AI biến văn bản của con người thành dữ liệu mà máy có thể suy luận: từ, câu, thực thể, quan hệ và ý nghĩa. Nếu muốn đọc định nghĩa chung trước, hãy xem mục từ điển của chúng tôi về xử lý ngôn ngữ tự nhiên. Với SEO, định nghĩa quan trọng hẹp hơn: NLP là cách công cụ tìm kiếm quyết định trang của bạn mang ý nghĩa gì trước khi quyết định xếp hạng nó ở đâu.
Vì vậy NLP SEO có ba lớp. Bạn cần cả ba để có kết quả.
NLP SEO không phải là: nhồi một danh sách "từ khóa NLP" vào trang, cũng không phải chạy theo điểm số của một công cụ nội dung. Google nói rõ điều này trong hướng dẫn tạo nội dung hữu ích, đáng tin cậy và lấy con người làm trọng tâm: nếu bạn viết theo một số lượng từ vì nghe nói Google ưa thích con số đó, câu trả lời là "No, we don't." Logic tương tự áp dụng cho danh sách thuật ngữ. Mục tiêu là được hiểu, không phải trông có vẻ đã tối ưu.
Vì sao khả năng hiểu ngôn ngữ đã thay đổi SEO
Nguồn: Google, Pandu Nayak, "Understanding searches better than ever before" (2019) và "MUM: A new AI milestone for understanding information" (2021)
Khi Google giới thiệu BERT, Pandu Nayak (Google Fellow và Phó chủ tịch mảng Search) giải thích trong thông báo chính thức ngày 25 tháng 10 năm 2019 rằng mô hình này sẽ giúp Search hiểu tốt hơn một trong 10 lượt tìm kiếm tiếng Anh tại Mỹ. Ví dụ của ông là truy vấn "2019 brazil traveler to usa need a visa": trước BERT, từ "to" gần như bị bỏ qua và Google trả về kết quả về công dân Mỹ đi Brazil. Sau BERT, chiều của chuyến đi đã được hiểu đúng. Một giới từ đó chính là tinh thần của NLP SEO: từ nhỏ mang ý nghĩa, và mô hình giờ đã đọc được chúng. Trang từ điển của chúng tôi về thuật toán BERT đi sâu hơn vào bản thân mô hình.
Hai năm sau, Google giới thiệu MUM trong bài viết ngày 18 tháng 5 năm 2021, mô tả nó mạnh hơn BERT 1000 lần và được huấn luyện trên 75 ngôn ngữ. Truy vấn ví dụ là một người leo núi đã chinh phục Mt. Adams và muốn chuẩn bị cho Mt. Fuji vào mùa thu năm sau: một câu hỏi đòi hỏi so sánh hai thực thể và suy ra "chuẩn bị" nghĩa là gì. Ngày nay AI Overviews, ChatGPT, Perplexity và Gemini đều hoạt động theo cùng nguyên tắc: đọc các đoạn văn, nhận diện thực thể và ghép thành câu trả lời. Trang của bạn là nguyên liệu thô cho quá trình đó.
Bạn không cần biết toán. Bạn cần biết các bước, vì mỗi bước là một chỗ trang của bạn có thể bị đọc sai. Đây là quy trình theo thứ tự mà một hệ thống điển hình thực hiện.
7 bước máy thực hiện để đọc trang của bạn
Bảng dưới đây gắn mỗi tác vụ NLP với rủi ro cụ thể trên trang và cách sửa mà bạn kiểm soát được.
| Tác vụ NLP | Máy làm gì | Vấn đề thường gặp trên trang | Bạn thay đổi gì |
|---|---|---|---|
| Loại bỏ phần template | Tách nội dung chính khỏi template | Phần mở đầu bị chôn sau 600 từ menu và widget | Đặt câu trả lời vào đoạn đầu tiên của nội dung chính, bằng HTML đơn giản |
| Tách câu | Cắt văn bản thành câu | Gạch đầu dòng không có động từ, câu dài 60 từ | Mỗi câu một ý, câu hoàn chỉnh trong danh sách chứa dữ kiện |
| Phân tích phụ thuộc | Tìm chủ ngữ, động từ, tân ngữ | Chủ ngữ là "nó" hoặc "điều này", cách danh từ của nó ba câu | Lặp lại danh từ, giữ chủ ngữ và động từ gần nhau |
| Nhận diện thực thể có tên | Phát hiện và gán loại cho tên | Sản phẩm của bạn được viết theo năm cách khác nhau | Chọn một tên chuẩn, chỉ dùng biến thể sau khi đã giới thiệu |
| Liên kết thực thể | Ánh xạ tên với khái niệm đã biết | Tên thương hiệu mơ hồ, không có ngữ cảnh | Thêm danh mục cạnh tên ("Sorank, phần mềm SEO...") và schema với sameAs |
| Embedding | So sánh ý nghĩa của truy vấn và đoạn | Đoạn lẽ ra phải trả lời lại chung chung, hợp với trang nào cũng được | Viết đoạn nhắc lại thuật ngữ của câu hỏi và đưa ra câu trả lời cụ thể |
| Phân loại | Gán chủ đề và ý định | Trang sản phẩm đầy những đoạn lan man kiểu blog | Một ý định chủ đạo cho mỗi URL, các ý định khác chuyển sang trang khác |
Lưu ý
Không ai ngoài Google biết chính xác các mô hình được dùng trong xếp hạng. Các công cụ trong hướng dẫn này chỉ là phép xấp xỉ: chúng đọc văn bản theo cách các mô hình ngôn ngữ hiện đại đọc, không phải theo cách hệ thống xếp hạng của Google đọc. Hãy dùng chúng để tìm sự mơ hồ, không phải để dự đoán thứ hạng.

Năm tín hiệu có thể đo bằng công cụ miễn phí hoặc rẻ. Mỗi tín hiệu cho bạn biết một điều khác nhau, và không tín hiệu nào tự nó là yếu tố xếp hạng.
Thực thể là một "sự vật" có tên: thương hiệu, sản phẩm, người, địa điểm, khái niệm như "ăn thịt từ khóa". Cloud Natural Language API của Google trả về cho mỗi thực thể một loại, các lần xuất hiện và, ở phiên bản 1 của API, một điểm salience. Tài liệu tham chiếu Entity v1 mô tả nó là "the salience score associated with the entity in the [0, 1.0] range". Các loại thực thể gồm UNKNOWN, PERSON, LOCATION, ORGANIZATION, EVENT, WORK_OF_ART, CONSUMER_GOOD, OTHER, PHONE_NUMBER, ADDRESS, DATE, NUMBER và PRICE.
Salience mang tính tương đối trong một tài liệu: điểm của mọi thực thể trong văn bản cạnh tranh với nhau. Vì vậy cách đọc hữu ích là thứ tự, không phải con số. Nếu trang của bạn nhắm "NLP SEO" mà thực thể đứng đầu là "Google", thì với máy, trang đó chủ yếu nói về Google. Chi tiết có trong mục từ điển của chúng tôi về salience của thực thể.
Cảnh báo: v1 và v2
Đối tượng Entity ở v2 của Natural Language API chỉ có name, type, metadata, mentions và sentiment: không có trường salience. Nếu một hướng dẫn hiển thị điểm salience, nó đang gọi v1. Nếu bạn viết script hôm nay, hãy gọi rõ endpoint v1 để lấy salience và kiểm tra tài liệu trước khi dựa vào nó.

Phương thức classifyText trả về danh mục từ một hệ phân loại cố định (ví dụ đường dẫn như /Internet & Telecom/Web Services). Tài liệu của Google về kiến thức cơ bản Natural Language lưu ý rằng việc phân loại cần văn bản có ít nhất hai mươi token. Ứng dụng cho SEO: nếu một trang dành cho "phần mềm SEO" bị phân vào danh mục marketing chung chung, vốn từ của nó quá chung chung.
Phân tích cảm xúc trả về điểm từ -1.0 (tiêu cực) đến 1.0 (tích cực) và một chỉ số magnitude đo lượng cảm xúc trong văn bản. Ở cấp tài liệu, magnitude bắt đầu từ 0.0 và không được chuẩn hóa, nên một văn bản dài với ý kiến trái chiều có thể cho điểm trung tính nhưng magnitude cao. Với SEO, cảm xúc chủ yếu quan trọng ở trang đánh giá, bài so sánh và danh sách "X tốt nhất", nơi một văn bản phẳng, không có quan điểm lại trả lời một câu hỏi đang cần quan điểm.
Phân tích cú pháp trả về từ loại, dạng gốc và quan hệ phụ thuộc của từng token. Có hai kiểm tra đáng làm: thực thể chính của bạn làm chủ ngữ ngữ pháp của câu thường xuyên đến mức nào, và bao nhiêu câu bắt đầu bằng đại từ ("Nó", "Điều này", "Họ"). Một trang mà thực thể chính làm chủ ngữ của nhiều câu là trang nói về nó, chứ không nói vòng quanh nó.
Embedding biến một đoạn văn thành vector. So sánh vector của truy vấn với vector các đoạn của bạn (độ tương đồng cosine) cho thấy hệ thống truy xuất sẽ chọn đoạn nào cho truy vấn đó. Đây là phép xấp xỉ công khai gần nhất với cách trợ lý AI chọn đoạn để trích dẫn. Đây cũng là phép thử tốt nhất cho câu hỏi "trang này có thực sự trả lời câu hỏi, hay chỉ nhắc đến nó".
"NLP SEO" bao gồm sáu phương pháp khác nhau. Các nhà cung cấp thường bán một trong số đó như thể đó là toàn bộ lĩnh vực. Dưới đây là từng phương pháp, khi nào nên dùng và khi nào nó hết hiệu quả.
Nguyên tắc: xác định các thực thể mà một câu trả lời đầy đủ phải có (thực thể chính, thuộc tính của nó, thực thể liên quan), kiểm tra xem trang có gọi tên chúng rõ ràng và thực thể chính có chiếm ưu thế không. Khi nào dùng: trên trang về sản phẩm, thương hiệu, người, địa điểm hoặc một khái niệm được định nghĩa rõ. Ưu điểm: khớp với cách đồ thị tri thức và câu trả lời AI được xây dựng, và xử lý sự mơ hồ từ gốc. Hạn chế: trích xuất thực thể bỏ sót thuật ngữ chuyên ngành và khái niệm mới; salience không có ở v2 API của Google. Ví dụ: một trang "Shopify SEO" mà "WordPress" nổi lên thành thực thể hàng đầu vì một đoạn so sánh dài: đoạn đó được chuyển sang trang riêng và trang Shopify trở nên tập trung hơn. Hướng dẫn của chúng tôi về entity SEO đề cập khía cạnh chiến lược.
Nguyên tắc: so sánh các thuật ngữ mà trang top dùng với thuật ngữ của bạn, có trọng số theo độ đặc thù (TF-IDF), rồi lấp khoảng trống. Đây là việc phần lớn công cụ chấm điểm nội dung làm. Khi nào dùng: để phát hiện các chủ đề con bạn bỏ quên trên một trang thông tin. Ưu điểm: nhanh, dễ giải thích cho người viết. Hạn chế: sao chép mức trung bình của SERP, khuyến khích lặp từ và không cho biết bạn có trả lời câu hỏi hay không. Danh sách thuật ngữ là danh sách kiểm tra chủ đề con, không phải hạn ngạch từ. Ví dụ: các trang top cho "audit SEO kỹ thuật" đều nhắc đến "crawl budget" và "canonical", còn trang của bạn thì không: thiếu hai phần, chứ không phải thiếu hai từ.
Nguyên tắc: mã hóa truy vấn và đoạn văn thành vector và đo mức độ gần nhau. Khi nào dùng: để kiểm tra mỗi câu hỏi mục tiêu có một đoạn trả lời rõ ràng, để phát hiện hai trang tranh nhau cùng một ý nghĩa và để lập bản đồ liên kết nội bộ theo ý nghĩa. Ưu điểm: hoạt động không cần từ chung, gần với cách truy xuất cho câu trả lời AI. Hạn chế: điểm phụ thuộc vào mô hình; điểm cao nghĩa là "đúng chủ đề", không phải "chính xác" hay "hữu ích". Ví dụ: đoạn trả lời "SEO mất bao lâu" có điểm thấp hơn một đoạn mở đầu không liên quan: đoạn trả lời quá mơ hồ và được viết lại để nêu mốc thời gian ngay từ đầu.
Nguyên tắc: phân loại truy vấn (thông tin, thương mại, giao dịch, điều hướng) và định dạng mà Google ưu tiên (hướng dẫn, danh sách, công cụ, trang sản phẩm), rồi làm cho khớp. Khi nào dùng: trước khi viết, và khi một trang tốt hoàn toàn không có thứ hạng. Ưu điểm: sửa lỗi tốn kém nhất, tức sai định dạng. Hạn chế: có những SERP hỗn hợp; ý định thay đổi theo thời gian. Xem mục từ điển của chúng tôi về ý định tìm kiếm.
Nguyên tắc: thu thập các câu hỏi mọi người đặt ra (People Also Ask, diễn đàn, prompt AI, ticket hỗ trợ của bạn) và dành cho mỗi câu một đoạn độc lập. Khi nào dùng: cho khả năng hiển thị trong AI và featured snippet. Ưu điểm: tạo trực tiếp các đoạn có thể trích dẫn. Hạn chế: có thể biến trang thành một FAQ thiếu chiều sâu nếu bạn không nhóm câu hỏi theo chủ đề con.
Nguyên tắc: nhóm từ khóa và trang theo ý nghĩa để quyết định trang nào bao quát nội dung gì, rồi liên kết chúng. Khi nào dùng: ở cấp website, trước khi sản xuất nội dung và khi các trang ăn thịt lẫn nhau. Ưu điểm: xây dựng thẩm quyền chủ đề và kiến trúc gọn gàng. Hạn chế: phân cụm theo độ trùng lặp SERP và theo embedding cho ra các nhóm khác nhau; bạn cần một quy tắc để phân xử. Hướng dẫn của chúng tôi về phân cụm từ khóa trình bày chi tiết cả hai cách, và mục bản đồ chủ đề giải thích cách biến các cụm thành kế hoạch.
| Phương pháp | Cấp độ | Phù hợp nhất cho | Rủi ro chính | Công cụ |
|---|---|---|---|---|
| Tối ưu thực thể | Trang | Trang sản phẩm, thương hiệu và khái niệm | Coi salience là yếu tố xếp hạng | Google Cloud Natural Language (v1), spaCy |
| Độ bao phủ thuật ngữ (TF-IDF) | Trang | Tìm chủ đề con còn thiếu | Viết theo trung bình SERP, nhồi từ | Công cụ chấm điểm nội dung, Python scikit-learn |
| Độ tương đồng embedding | Đoạn và website | Chất lượng câu trả lời, ăn thịt từ khóa, liên kết nội bộ | Nhầm "đúng chủ đề" với "tốt" | Sentence Transformers, cơ sở dữ liệu vector |
| Phân loại ý định | Truy vấn và trang | Chọn đúng định dạng | Bỏ qua SERP hỗn hợp | Xem SERP thủ công, bộ phân loại |
| Khai thác câu hỏi | Đoạn | Trích dẫn AI, snippet | Trang FAQ hời hợt | People Also Ask, nghiên cứu prompt |
| Phân cụm chủ đề | Website | Kiến trúc, thẩm quyền chủ đề | Quy tắc phân cụm không nhất quán | Công cụ phân cụm, embedding |
Tối ưu theo danh sách thuật ngữ và tối ưu theo thực thể, đoạn văn
Đây là phương pháp chúng tôi khuyên dùng để bắt đầu: một trang quan trọng, một buổi chiều. Bạn cần văn bản của trang, ba đến năm trang đối thủ và công cụ trực tuyến miễn phí hoặc vài dòng Python.
Audit NLP trang trong 6 bước
spaCy là thư viện Python miễn phí, mã nguồn mở. Mô hình tiếng Anh cỡ nhỏ của nó chạy trên laptop trong vài giây. Script dưới đây liệt kê các thực thể xuất hiện nhiều nhất và các chủ ngữ ngữ pháp xuất hiện nhiều nhất trên trang: danh sách thứ hai thường cho thấy nhiều điều hơn danh sách đầu.
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")
Hãy đọc kỹ danh sách chủ ngữ. Trên một trang về sản phẩm phần mềm, nếu "you" và "it" chiếm ưu thế còn tên sản phẩm chưa bao giờ xuất hiện làm chủ ngữ, trang đó đang mô tả hành động mà không nói ai thực hiện. Điều này có thể sửa trong một giờ.

Các mô hình chung của spaCy không tính salience. Để có salience, hãy gọi endpoint v1 analyzeEntities của Google Cloud Natural Language. Tạo dự án, bật API, xác thực bằng dòng lệnh gcloud, rồi gửi văn bản. Lưu phần thân yêu cầu này thành request.json:
{
"document": {
"type": "PLAIN_TEXT",
"language": "en",
"content": "Paste the clean main text of your page here."
},
"encodingType": "UTF8"
}
Sau đó gọi endpoint:
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"
Phản hồi liệt kê các thực thể kèm type, salience, mentions và, khi thực thể được liên kết, một đối tượng metadata có thể chứa wikipedia_url và mid (mã định danh Knowledge Graph). Thực thể có URL Wikipedia trong metadata đã được liên kết với một khái niệm đã biết; một thực thể quan trọng không có URL đó có thể đang mơ hồ hoặc quá mới. Thay analyzeEntities bằng classifyText để lấy danh mục nội dung. Hãy kiểm tra giá và hạn mức hiện tại trên Google Cloud trước khi chạy cho hàng trăm trang.
Thư viện Sentence Transformers so sánh ý nghĩa của một câu hỏi với từng đoạn trên trang của bạn. Mô hình all-MiniLM-L6-v2 nhỏ và đủ tốt cho phép kiểm tra này.
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")
Có hai kết quả cần hành động. Nếu đoạn tốt nhất cho một câu hỏi không phải đoạn bạn viết để trả lời nó, đoạn trả lời của bạn quá chung chung. Nếu điểm cao nhất của một câu hỏi thấp hơn hẳn các câu khác, trang thực ra không trả lời câu đó. Hãy so sánh điểm giữa các câu hỏi trên cùng một trang, không so với một ngưỡng tuyệt đối: giá trị phụ thuộc vào mô hình.

Mẹo
Không dùng Python? Công cụ miễn phí LLM Readability Checker của chúng tôi chấm điểm khả năng AI trích xuất một trang, và Heading Structure Analyzer cho thấy H2 và H3 của bạn có báo trước các câu hỏi mà đoạn văn trả lời hay không.
Phần lớn vấn đề NLP được sửa khi viết, không phải bằng công cụ. Các quy tắc này đến thẳng từ quy trình ở trên: mỗi quy tắc loại bỏ một bước mà máy có thể hiểu sai.
Dùng tên đầy đủ của thực thể chính làm chủ ngữ của câu đầu tiên trong mỗi phần. Tránh mở đầu đoạn bằng "Nó" hoặc "Điều này". Đại từ vẫn ổn bên trong đoạn, khi danh từ ở gần.
Một định nghĩa nêu danh mục (Y) và đặc điểm phân biệt (Z) là cấu trúc dễ nhất để mô hình trích xuất và để trợ lý AI trích dẫn. "Salience của thực thể là điểm số từ 0 đến 1 đo mức độ trung tâm của một thực thể trong văn bản" tốt hơn ba câu ngữ cảnh.
Giá, ngày, kích thước, khả năng tương thích và giới hạn phải đứng cạnh thực thể mà chúng mô tả. "Sorank theo dõi khả năng hiển thị trên ChatGPT, Gemini, Claude và Perplexity" là một dữ kiện có thể trích xuất. Cùng thông tin đó bị chia ra tiêu đề, gạch đầu dòng và chú thích là ba mảnh rời rạc.
Chọn một tên cho mỗi sản phẩm, tính năng và khái niệm. Giới thiệu từ đồng nghĩa một lần ("query fan-out, cách trợ lý AI tách một câu hỏi thành nhiều lượt tìm kiếm") rồi giữ một dạng duy nhất.
Dưới một tiêu đề đặt câu hỏi, câu đầu tiên đưa ra câu trả lời. Phần còn lại của đoạn nêu điều kiện, ví dụ và ngoại lệ. Đó là điều làm cho một đoạn văn độc lập.
Một đoạn văn, trước và sau khi viết lại cho NLP
Câu "sau" là ví dụ minh họa cấu trúc, không phải mô tả một sản phẩm có thật: hãy điều chỉnh các thuộc tính theo những gì trang của bạn thực sự cung cấp.
Python NLP cho SEO ngữ nghĩa là chạy cùng loại mô hình embedding như bài kiểm tra đoạn văn ở trên, nhưng trên toàn bộ danh sách: từ khóa của bạn và các trang trên website. Hai đoạn script ngắn trả lời những câu hỏi mà việc kiểm tra một trang đơn lẻ không thể trả lời. Những từ khóa nào thuộc cùng một trang? Những trang nào của bạn đang tranh nhau cùng một ý nghĩa? Cả hai đều chạy miễn phí trên máy của bạn, và đều đưa ra các ứng viên để bạn xem xét, không phải phán quyết.
Cài các thư viện trong môi trường ảo để chúng không xung đột với các dự án Python khác:
python3 -m venv nlp-seo
source nlp-seo/bin/activate
pip install sentence-transformers scikit-learn
Mô hình all-MiniLM-L6-v2 được tải xuống một lần ở lần chạy đầu tiên. Sau đó, cả hai script đều chạy offline.
Phân cụm biến một danh sách từ khóa phẳng thành các nhóm mà một trang có thể trả lời. Mỗi từ khóa trở thành một vector, và những từ khóa có vector gần nhau theo khoảng cách cosine sẽ nằm trong cùng một nhóm. Lưu từ khóa vào một file văn bản, mỗi dòng một từ khóa, rồi chạy script này:
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, # khoảng cách cosine: giá trị thấp hơn cho nhóm chặt chẽ hơn
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)
Thiết lập quan trọng nhất là ngưỡng. Bắt đầu từ 0,35 rồi đọc kết quả. Nếu các từ khóa không liên quan nằm chung một nhóm, hãy giảm ngưỡng. Nếu chủ đề của một trang bị chia thành nhiều nhóm, hãy tăng ngưỡng. Average linkage giảm hiện tượng chuỗi, tức là khi một dãy từ khóa liên quan lỏng lẻo nối hai nhóm không liên quan với nhau.
Script thứ hai so sánh các trang của bạn với nhau. Đặt mỗi trang một dòng trong file phân tách bằng tab, có dòng tiêu đề và hai cột url và title. Tiêu đề chỉ là một ước lượng thô, nên để kiểm tra sắc nét hơn, hãy dán đoạn đầu tiên của mỗi trang vào cột 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: # điểm xuất phát: điều chỉnh sau khi đọc kết quả
print(f"{score:.2f} {rows[i][0]} vs {rows[j][0]}")
Mỗi cặp được in ra chỉ là một ứng viên, không phải phán quyết. Mở cả hai URL và tự hỏi liệu người đọc có kỳ vọng một trong hai trang trả lời câu hỏi của trang kia hay không. Nếu có, hãy gộp hai trang, hoặc giữ một trang làm trang chính và thu hẹp trọng tâm của trang còn lại. Mục ăn thịt từ khóa giải thích cách chọn.
| Script | Đầu vào | Đầu ra | Bạn quyết định điều gì |
|---|---|---|---|
| Nhóm từ khóa | Một từ khóa mỗi dòng | Các nhóm từ khóa có cùng ý nghĩa | Mỗi nhóm cần một trang hay nhiều trang |
| Trang cạnh tranh | URL và tiêu đề, hoặc đoạn đầu của mỗi trang | Các cặp trang vượt ngưỡng của bạn | Gộp, thu hẹp trọng tâm, hay giữ cả hai trang |
Ba giới hạn quan trọng:
Các script này là phiên bản ở cấp độ website của bài kiểm tra đoạn văn ở trên: một cái cho biết những gì thuộc về nhau, cái kia cho biết các trang của bạn chồng lấn ở đâu. Nếu bạn không muốn tự duy trì script, công cụ Topic Cluster Generator của Sorank chạy bước phân nhóm và có sẵn kiểm tra chống ăn thịt từ khóa.
Mô hình ngôn ngữ đọc nhiều hơn các đoạn văn của bạn. Ba yếu tố xung quanh văn bản mang tín hiệu mạnh.
Markup Schema.org không tự làm trang lên hạng, nhưng nó nêu ở định dạng máy đọc được trang nói về gì và tham chiếu đến những khái niệm đã biết nào. Các thuộc tính about và mentions, kèm liên kết sameAs đến trang tham chiếu, loại bỏ mơ hồ khi liên kết thực thể.
<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>
Tạo và kiểm tra markup của bạn bằng Schema Markup Generator và Structured Data Validator miễn phí của chúng tôi.
Tiêu đề là thứ đầu tiên mô hình dùng để chia trang của bạn thành các đoạn. Một tiêu đề gọi tên thực thể và câu hỏi ("Salience của thực thể được tính như thế nào") tạo ra đoạn gọn gàng hơn một tiêu đề hoa mỹ ("Bên dưới nắp capo"). Giữ hệ thống H2 và H3 chặt chẽ: không có H3 nào thiếu H2 cha, không bỏ qua cấp.
Anchor text là một trong những tín hiệu NLP lâu đời nhất trong tìm kiếm: nó cho công cụ biết trang đích nói về gì, từ bên ngoài. Dùng anchor mô tả gọi tên thực thể đích, liên kết các trang gần nhau về ý nghĩa và tránh gửi cùng một anchor đến hai trang khác nhau. Kén ngữ nghĩa là cách có cấu trúc nhất để tổ chức việc này, và hướng dẫn của chúng tôi về liên kết nội bộ tự động giải thích cách mở rộng quy mô mà không tạo nhiễu.
Trợ lý AI đẩy logic NLP đến tận cùng. Chúng không xếp hạng cả trang: chúng truy xuất các đoạn, so sánh ý nghĩa với các truy vấn con và ghép thành câu trả lời, đôi khi có trích dẫn nguồn. Từ đó có ba hệ quả.
Để xem toàn bộ phương pháp áp dụng cho câu trả lời AI, hãy đọc hướng dẫn của chúng tôi về tối ưu nội dung cho LLM.
Đây là những lỗi chúng tôi gặp nhiều nhất trên các website được audit. Mỗi lỗi có một dấu hiệu bạn có thể phát hiện và một cách sửa bạn có thể áp dụng ngay hôm nay.
Lỗi là gì: viết lại cho đến khi API cho từ khóa của bạn salience cao, hoặc cho đến khi công cụ hiện điểm xanh. Cách phát hiện: trang đọc kém hơn sau khi tối ưu; cùng một cụm từ xuất hiện trong mọi đoạn. Cách sửa: chỉ dùng salience để kiểm tra thứ tự thực thể, rồi đánh giá trang dựa trên câu trả lời và dữ liệu Search Console. Google chưa bao giờ nói dùng điểm của API này trong xếp hạng.
Lỗi là gì: thêm "crawl budget" vào một câu vì năm đối thủ có nhắc đến. Cách phát hiện: thuật ngữ xuất hiện một lần, lạc ngữ cảnh, không có giải thích. Cách sửa: mỗi thực thể còn thiếu trở thành một câu hỏi: người đọc của tôi có cần điều này không? Nếu có, viết một đoạn; nếu không, bỏ qua.
Lỗi là gì: dán cả trang, gồm menu và chân trang, vào công cụ NLP. Cách phát hiện: các thực thể hàng đầu là tên thương hiệu, "cookies", "liên hệ" hoặc danh mục ở chân trang. Cách sửa: chỉ lấy phần thân bài viết trước khi chạy bất kỳ phân tích nào.
Lỗi là gì: làm theo một hướng dẫn cũ với endpoint hiện tại. Cách phát hiện: phản hồi JSON có thực thể và lần xuất hiện nhưng không có salience. Cách sửa: gọi /v1/documents:analyzeEntities để lấy salience, và nhớ rằng v1 có thể thay đổi.
Lỗi là gì: các đoạn mà "nó", "điều này" và "họ" chỉ đến danh từ ở vài câu trước. Cách phát hiện: script spaCy ở trên đếm số câu bắt đầu bằng đại từ; nhiều hơn một trên năm câu ở một trang quan trọng là tín hiệu cảnh báo. Cách sửa: nhắc lại danh từ ở đầu mỗi đoạn và sau mỗi tiêu đề.
Lỗi là gì: một URL duy nhất vừa cố định nghĩa một khái niệm, vừa so sánh công cụ, vừa bán sản phẩm. Cách phát hiện: trang xếp hạng cho nhiều truy vấn ở vị trí 15 đến 40 nhưng không truy vấn nào ở top 5. Cách sửa: giữ ý định chủ đạo, chuyển các ý định khác sang trang riêng, rồi liên kết chúng.
Lỗi là gì: độn trang để đạt số từ mục tiêu hoặc mật độ từ khóa. Cách phát hiện: phần mở đầu lặp lại, các đoạn chung chung hợp với trang nào cũng được. Cách sửa: cắt mọi đoạn không trả lời một câu hỏi mà người đọc sẽ hỏi. Keyword Density Calculator của chúng tôi hữu ích theo chiều ngược lại: để tìm chỗ bạn lặp lại quá nhiều.
Lỗi là gì: dùng tên thương hiệu hoặc sản phẩm mà máy không thể phân biệt với một từ thông thường hay một công ty khác. Cách phát hiện: API trả về thương hiệu của bạn là OTHER hoặc CONSUMER_GOOD không có metadata, hoặc liên kết nó với sai khái niệm. Cách sửa: thêm danh mục cạnh tên, dùng schema Organization hoặc Product với sameAs trỏ đến các hồ sơ chính thức, và giữ tên giống hệt nhau ở mọi nơi.
Danh sách kiểm tra NLP SEO cho một trang
Bạn không cần một bộ công cụ lớn. Hãy chọn công cụ theo câu hỏi bạn cần trả lời.
| Công cụ | Loại | Cho bạn biết điều gì | Kỹ năng cần có | Dùng tốt nhất cho |
|---|---|---|---|---|
| Google Cloud Natural Language | API đám mây (xem bảng giá Google Cloud) | Thực thể, salience (v1), danh mục, cảm xúc, cú pháp | Trung bình: một dự án Google Cloud và vài lệnh | Kiểm tra cách mô hình của Google đọc các trang chủ chốt |
| spaCy | Thư viện Python mã nguồn mở | Thực thể, cấu trúc câu, chủ ngữ, dạng gốc | Python cơ bản | Audit nhiều trang trên máy, không tốn phí |
| Sentence Transformers | Thư viện Python mã nguồn mở | Độ tương đồng ý nghĩa giữa truy vấn và đoạn văn | Python cơ bản | Kiểm tra câu trả lời, ăn thịt từ khóa, lập bản đồ liên kết nội bộ |
| Google Search Console | Công cụ miễn phí của Google | Các truy vấn mà mỗi URL thực sự xuất hiện | Không cần | Đo hiệu quả của việc viết lại |
| Công cụ tối ưu nội dung | SaaS | Khoảng trống thuật ngữ và thực thể so với trang top | Không cần | Kiểm tra nhanh chủ đề con trước khi viết |
| Sorank | Phần mềm SEO và GEO chạy autopilot | Viết lại nội dung, cụm chủ đề, theo dõi hiển thị trên AI | Không cần | Áp dụng phương pháp trên toàn website |
Để so sánh song song các lựa chọn thương mại, hãy đọc bài so sánh của chúng tôi về các công cụ tối ưu nội dung tốt nhất. Nếu bạn có hàng chục trang cũ cần sửa, tính năng Content Optimization của Sorank audit và viết lại các trang hiện có theo chế độ autopilot, còn Topic Cluster Generator nhóm từ khóa của bạn theo ý nghĩa trước khi viết, kèm sẵn bước kiểm tra ăn thịt từ khóa.
Thay đổi NLP liên quan đến việc được hiểu, nên hãy đo mức độ được hiểu trước, rồi mới đến lưu lượng.
Trong Google Search Console, lọc báo cáo Hiệu suất theo URL đã viết lại và đếm số truy vấn khác nhau có lượt hiển thị trong 28 ngày, trước và sau. Một trang được hiểu tốt hơn thường xuất hiện cho nhiều biến thể dài hơn trong vài tuần, thường là trước khi lượt nhấp thay đổi.
Theo dõi 5 đến 10 câu hỏi bạn đã dùng trong bài kiểm tra đoạn văn. Nếu lượt hiển thị tăng mà thứ hạng không đổi, trang đã được hiểu nhưng chưa được ưu tiên: hãy cải thiện chiều sâu, ví dụ và liên kết.
Đặt cùng các prompt trên ChatGPT, Gemini, Claude và Perplexity trước và sau, rồi ghi lại xem trang của bạn có được trích dẫn không. Lặp lại hằng tháng: câu trả lời AI thay đổi giữa các lần chạy, nên một lần thử không chứng minh được gì. Để có phiên bản kiểm tra có cấu trúc, hãy chạy một audit SEO ngữ nghĩa cho cả cụm thay vì một trang đơn lẻ.
Chọn trang mang lại nhiều doanh thu nhất cho bạn và chạy audit sáu bước trên trang đó. Sửa hai vấn đề đầu tiên bạn tìm thấy, thường là thực thể chính không chiếm ưu thế và một đoạn trả lời quá mơ hồ. Sau đó ghi lại ngày và kiểm tra truy vấn của trang trong Search Console sau bốn tuần.
NLP trong SEO là làm cho nội dung của bạn dễ hiểu với các mô hình ngôn ngữ: trang bao quát những thực thể nào, mỗi đoạn trả lời câu hỏi nào và trang liên quan thế nào với phần còn lại của website. Google dùng các mô hình ngôn ngữ như BERT trong Search từ năm 2019, còn trợ lý AI dựa hoàn toàn vào chúng, nên cách viết rõ ràng, không mơ hồ trên thực tế đã trở thành yếu tố xếp hạng và trích dẫn.
Không có tuyên bố công khai nào của Google nói rằng điểm salience của Cloud Natural Language API được dùng trong xếp hạng. Điểm này là phép xấp xỉ hữu ích để kiểm tra chủ đề chính có chiếm ưu thế trên trang hay không, nhưng bạn nên đọc thứ tự các thực thể thay vì chạy theo con số. Lưu ý rằng chỉ phiên bản 1 của API mới trả về salience.
spaCy và Sentence Transformers là các thư viện Python miễn phí, mã nguồn mở dùng để trích xuất thực thể và đo độ tương đồng giữa các đoạn. Google Search Console, cũng miễn phí, sau đó cho thấy trang đã viết lại có xuất hiện cho nhiều truy vấn hơn hay không. Google Cloud Natural Language bổ sung salience và danh mục, với chi phí sử dụng tính theo bảng giá Google Cloud.
