SEO, Vocal et Sémantique Performance DIGITALE Expo > 06/11/2014

Sommaire

Les nouveaux usages de recherche

Comment Google façonne ces nouveaux usages

Comment s’adapter à ces changements de fond

1. Les nouveaux usages du search

Qui est Barack Obama ?

8 – 12 sec 3 – 5 sec

"I wouldn’t be surprised" if mobile search exceeded desktop queries

this year.

Matt Cutts Head of the webspam team Google – Mars 2014

+93%

4,7%

14,4%

15,0%

16,4%

16,7%

18,9%

19,0%

23,0%

25,5%

30,0%

32,2%

36,0%

42,9%

51,6%

59,5%

64,1%

67,2%

82,6%

87,9%

93,3%

0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

assurance retraite

ouvrir livret

assurance auto

billet avion

mode femme

jeans homme

hotel paris

restaurant paris

concert paris

beyoncé

serrurier

starbucks

franprix paris 16

serrurier lyon

starbucks paris

restaurant à proximité

station service paris

où suis je

macdo le plus proche

boulangerie à proximité

Part des requêtes mobiles – Mars 2014

Source : http://www.atinternet.com/documents/hausse-de-68-en-moyenne-pour-le-trafic-des-sites-mobiles-en-juin-2014/

1/ Les nouveaux usages de recherche

Source : http://www.businessinsider.com/global-smartwatch-sales-set-to-explode-2014-3

1/ Les nouveaux usages de recherche

25 juin 2014

Source : http://www.nextinpact.com/news/88302-io14-google-detaille-android-l-preview.htm

Google Nexus Player

Source : http://www.businessinsider.com/the-internet-of-everything-2014-slide-deck-sai-2014-2?op=1

1/ Les nouveaux usages de recherche

De nouvelles typologies de recherches

Recherches de plus de 3 mots

En langage naturel

Des questions

De plus en plus pointues

2/ Comment Google façonne

ces nouveaux usages

2/ Comment Google façonne ces nouveaux usages

Trouver le mot clé dans le

contenu

Apporter une réponse à

l’internaute

Freebase

(juillet 2010)

Schema.org

(juin 2011)

Knowledge Graph (2012)

Hummingbird

(Sept. 2013)

Google et la montée du web sémantique

2/ Comment Google façonne ces nouveaux usages

Knowledge graph

Knowledge graph

2/ Comment Google façonne ces nouveaux usages

Recherche vocale et conversationnelle

Reconnaissance vocale

Interprétation de la recherche

Livraison de la réponse

Reconnaissance vocale

Pas encore tout à fait au point !

Pas encore tout à fait au point !

Pas encore tout à fait au point !

Pas encore tout à fait au point !

17 Juin 2014

When was michael jackson's thriller released ?

Yard to KM

When was general motors founded ?

Interprétation de la recherche

Quel temps demain ?

Analyse de la requête

How tall is beyonce ?

When was michael jackson's thriller released ?

How tall is beyonce ?

Yard to KM

When was general motors founded ?

Interprétation de la recherche

Quel temps demain ?

Détection des entités

When was michael jackson's thriller released ?

How tall is beyonce ?

Yard to KM

When was general motors founded ?

Interprétation de la recherche

Quel temps demain ?

Récupération du contexte

When was michael jackson's thriller released ?

How tall is beyonce ?

Yard to KM

When was general motors founded ?

Interprétation de la recherche

Quel temps demain ?

Analyse de la requête

Détection des entités

Récupération du contexte

Interprétation de la recherche

When Where Who

What How to

70% des requêtes

contiennent des entités.

Source : http://research.microsoft.com/en-us/people/hangli/guo-etal-sigir2009.pdf

Interprétation de la recherche

Détection des entités

Objets textuels qui désignent une chose unique et précise du « monde réel » / Personnes, lieux, dates, valeurs,

quantités, distances, entreprises …

Interprétation de la recherche

http://www.freebase.com/

Interprétation de la recherche

http://www.freebase.com/

Interprétation de la recherche

http://dbpedia.org/fct/

Interprétation de la recherche

Vous pouvez retrouver les entités dans Google Trends.

Interprétation de la recherche

Interprétation de la recherche

Livraison de la réponse

Données structurées

• Bases de données

• Schema.org

Données non structurées

• Sujet – Predicat – Objet

• Entités

• …

Contexte

• Lieu

• Moment

• …

Livraison de la réponse

Base d’entités + Partenaires

4/ La sémantique

http://www.freebase.com/

Livraison de la réponse > Données structurées

Livraison de la réponse > Données structurées

Livraison de la réponse > Données structurées

Livraison de la réponse > Données structurées

Livraison de la réponse > Données structurées

Livraison de la réponse > Données structurées

Entités + Popularité

Livraison de la réponse > Données structurées

4/ La sémantique

Vous pouvez retrouver les entités dans Google Trends.

Livraison de la réponse > Données structurées

Schema.org

Annonce officielle sur Google Webmaster Central Blog

Les BIG 3 en juin 2011

Nov. 2011 Oct. 2011

Schema.org

Microdonnées

Schema.org Vocabulaire + Syntaxe =

Fournit la sémantique

RDFa Lite JSON-LD

Qui suis-je ?

Qui suis-je ? (pour les robots)

<div itemscope itemtype="http://schema.org/Person"> <div itemprop="name"><strong>Yann Sauvageon</strong></div> <div itemscope itemtype="http://schema.org/Organization"> <span itemprop="name">Synodiance</span></div> <div itemprop="jobtitle">Directeur Associé</div> <div itemprop="email">yann.sauvageon@synodiance.com</div> <div itemprop="telephone">0620119258</div> </div>

Sujet Prédicat Objet

Livraison de la réponse > Données non structurées

est né

Jimmy Hendrix

Seattle, Washington

27 novembre 1942

birthdate

birthplace

Guitariste

type

Le problème des ambiguïtés

Coreference

David Robert Jones Ziggy Stardust Aladdin Sane

?

Le problème des ambiguïtés

Coreference

David Robert Jones Ziggy Stardust Aladdin Sane

Entity Resolution

Le problème des ambiguïtés

Entity Salience

David Robert Jones Ziggy Stardust Aladdin Sane

Le problème des ambiguïtés

Entity Salience

David Robert Jones Ziggy Stardust Aladdin Sane

Iggy Pop Tony Visconti 1977

Le problème des ambiguïtés

Entity Salience

David Robert Jones Ziggy Stardust Aladdin Sane

Iggy Pop Tony Visconti 1977

Le problème des ambiguïtés

Le problème des ambiguïtés

Le problème des ambiguïtés

« Mercury »

Remontée des entités sur la recherche Images EN

Remontée des entités sur la recherche Images EN

Remontée des entités sur la recherche Images EN

2/ Comment Google façonne ces nouveaux usages

Web de documents

Web d’entités

2/ Comment Google façonne ces nouveaux usages

Web de pages HTML

Web de connaissances

2/ Comment Google façonne ces nouveaux usages

Renvoyer vers la page web portant la meilleure réponse

Donner la réponse la plus adaptée

Reconstituer la réponse à partir de

plusieurs pages

Large-Scale Cross-Document Coreference

Source : http://www.abondance.com/actualites/20140114-13550-le-knowledge-graph-de-google-ferait-baisser-le-trafic-de-wikipedia.html

5 décembre 2012 > Lancement du knowledge graph en France > Chute du trafic Wikipedia

Cannibalisation du trafic Wikipedia par Google France ?

Absence de source indiquée par Google

Absence de source indiquée par Google

https://www.google.com/?hl=en

Les sources des Answer Boxes apparaissent de + en + en particulier sur GG EN-US … et ce n’est pas tout le temps Wikipedia.

We built Google for users, not websites.

Eric Schmidt – Septembre 2014

3/ Comment s’adapter à ces changements

de fond ?

S’adapter

Aidez Google à mieux comprendre vos contenus.

S’adapter

Rédactionnel on-page

Siloing thématique

Schema.org Listes et

tableaux de données

• Born

• Date How old

• Height

• Tall How tall

• Size

• Dimension How big

3/ S’adapter

Contenu On-Page

Objectif : Créer des contenus dans le champ lexical de vos mots clés cibles

Optimisez pour une thématique.

Mot clé cible

Synonymes

Mots clés associés

(hyperonymes…)

Co-occurrenc

e

Phrases usuelles

N-grams

Proximité / Distance entre KWs

Entités

Mots clés distinctifs (hyponymes - tfidf)

3/ S’adapter > Schema.org

3/ S’adapter > Schema.org

Que peut-on décrire ?

~ 100 catégories au

départ

+ 1 200 aujourd’hui

3/ S’adapter > Schema.org

Le vocabulaire évolue rapidement

Sept. 2011

News

Nov. 2011

Annonces d’emploi

Novembre 2012

Ecommerce

Juin 2012

Santé et Medical

Publications Techniques

Août 2013

Service civil

Décembre 2013

Extension TV /

Radio

Février 2014

Sports

Avril 2014

Actions

2011 2012 2013 2014

Rich Snippets > Events

3/ S’adapter > Schema.org Thing > Place > TouristAttraction

Thing > Place > LandmarksOrHistoricalBuildings

3/ S’adapter > Schema.org

Thing > CreativeWork > Series > Actors

3/ S’adapter > Schema.org Balise sameAs – Juillet 2014 « disambiguating entities »

3/ S’adapter > Schema.org

« disambiguating entities »

De la 4ème place à « l’answer box »

3/ S’adapter

Moteur de recherche

Moteur de réponses

3/ S’adapter

Demain

Mobile / Voice / Conversationnel

Thématique Être reconnu comme

une réponse Balisage Schema.org

/ Code ordonné

Avant

Desktop Mot Clé Répétition

« simpliste » Balises Méta

Conclusion

Les points à retenir

Changement des usages de recherches >

Mobile, vocal, conversationnel

Meilleure compréhension de la

requête > sens des mots + entités

nommées + contexte

Recherche de la réponse > formulations,

champ sémantique, schema.org

Conclusion

Source : http://www.slideshare.net/DistilledSEO/tom-snthony-will-critchlow-search-love-london-2013

Conclusion

Source : https://www.qualcomm.com/news/snapdragon/2014/04/24/behind-sixth-sense-smartphones-

snapdragon-processor-sensor-engine

Source : https://www.qualcomm.com/news/snapdragon/2014/04/24/behind-sixth-sense-smartphones-

snapdragon-processor-sensor-engine

MERCI ! Questions / Réponses

Lien de téléchargement

www.synodiance.com/perfexpo

Yann SAUVAGEON @yahn

yann.sauvageon@synodiance.com