Bologna 40125, Italy
+39 347 517 719
info@htware.it

Che fine hanno fatto i dati strutturati? Tutti i brevetti di Google sulle SERP (3)

Tutti i brevetti di Google sui dati strutturati
Tutti i brevetti di Google sui dati strutturati (3)

Tutti i brevetti di Google sui dati strutturati (3)

[Torna alla seconda parte]

Le entità semantiche non sono un semplice contorno di una pagina web: possono contribuire a rafforzare (ma anche a sgonfiare) il posizionamento del tuo sito web sulle SERP.

Ecco la terza parte della rassegna di Barbara Starr (Search Engine Land) sui brevetti che Google ha depositato sul tema della misurazione delle entità semantiche (entity metrics).

Metrica collaborativa (o metrica di popolarità)

In alcuni casi, scrive Starr, una metrica collaborativa è basata su recensioni critiche, classifiche di popolarità e altre informazioni. In alcune implementazioni, un posizionamento è ponderato in modo che il contributo di valore più alto possa contribuire in modo maggiore sulla misurazione.

Non è una novità, il fatto che Google possa aver scoperto il potere e il potenziale di una metrica di tipo collaborativo e che la applichi per valutare il contesto di alcuni domini: ci sono però un paio di “bocconcini” interessanti, secondo Starr, sulle recensioni forniti dal brevetto di Google.

“Le informazioni per determinare una metrica contributiva, cita il documento depositato, possono includere social media, fonti di notizie, pubblicazioni accademiche, libri, riviste, recensioni di utenti e di professionisti su siti di commercio elettronico [..] Il sistema di ricerca potrebbe combinare insieme recensioni di critici e di utenti su ristoranti, assegnando maggiore peso ai primi rispetto ai secondi“.

La metrica di popolarità (Fame Metric) è una sotto-metrica collaborativa e prende in esame tutti i contributi e di una entità particolare: per esempio la fame metric di un attore del cinema potrebbe includere una sommatoria di tutte le metriche contributive legate ai film recitati da quell’attore.

Metrica premiale (Prize Metric)

La metrica premiale è basata sui riconoscimenti e i premi di un’entità: per i film, ad esempio, gli oscar e i golden globe collezionati. Anche in questo caso il posizionamento è soppesato per assegnare al contributo di valore più alto, un peso maggiore sulla misurazione.

Secondo Starr, questo brevetto fornisce la prova che la tecnologia “semantica” sta per essere utilizzata con un contesto di base per definire le metriche e l’ambiente nel quale sono delineate.

Algoritmi diversi per diverse aree di risultati

Ranking Entity Metrics Patent

Uno degli elementi più interessanti del brevetto di Google è quello descritto nella figura qui sopra: l’immagine, apparentemente innoqua, è accompagnata da questa descrizione:

“Si comprenderà che questa rappresentazione dei risultati è solo un mero esempio e che potrebbe essere usata qualsiasi altra rappresentazione più adatta per altri risultati. In un altro esempio, i risultati potrebbero essere miniature di immagini, ordinate orizzontalmente in base al loro punteggio; in un altro esempio ancora, invece, i risultati della ricerca possono includere elementi di una mappa e il sistema di ricerca utilizzerà il punteggio per determinare l’ordine per rappresentare gli elementi sulla mappa“.

La cosa interessante è che sembra che alcune specifiche aree dei risultati della ricerca sono definite in modelli e il loro posizionamento/ordinamento può variare in base al contesto oppure in base al dominio.

Da un punto di vista SEO, scrive Starr, questo significa che l’ottimizzazione di un sito aziendale dipenderà dall’aderenza o meno a questi modelli, ognuno dei quali avrà un suo algoritmo specifico di posizionamento basato sul contesto.

In conclusione, stiamo assistendo ad un passaggio da una ricerca basata su parole chiave a una ricerca basata su entità: per poter fornire un’esperienza positiva e personalizzata di ricerca per l’utente finale, Google applica algoritmi differenti e in tempi diversi.

Questi algoritmi non sono basati solo sui tradizionali fattori di ranking (es. rilevanza e autorevolezza), ma anche da come i dati potrebbero essere visualizzati in modo ottimale su diversi tipi di dispositivi e di dimensioni di schermo.