Une explication simplifiée de la façon dont Google classe le contenu est qu’il est basé sur la compréhension des requêtes de recherche et des pages Web, ainsi que sur un certain nombre de signaux de classement externes. Avec le mode AI, ce n’est que le point de départ du classement des sites Web. Même les mots-clés commencent à disparaître, remplacés par des requêtes de plus en plus complexes et même des images. Comment optimisez-vous pour cela ? Voici les étapes qui peuvent être suivies pour aider à répondre à cette question.
Les questions latentes sont un changement profond pour le référencement
Le mot « latent » désigne quelque chose qui existe mais qui ne peut être vu. Lorsqu’un utilisateur émet une requête complexe, le LLM doit non seulement comprendre la requête, mais également définir les questions de suivi qu’un utilisateur pourrait poser dans le cadre d’un parcours d’information sur le sujet. Les questions qui composent les questions de suivi sont des questions latentes. Pratiquement chaque requête contient des questions latentes.
Le brevet de gain d’informations de Google
La question des requêtes latentes pose un nouveau problème pour le SEO : Comment optimiser les questions inconnues ? Optimiser pour la recherche IA signifie optimiser pour l’ensemble des questions liées à la requête initiale ou principale.
Mais même le concept de requête principale disparaît car les utilisateurs posent désormais des requêtes complexes qui exigent des réponses complexes. C’est précisément pourquoi il peut être utile à des fins de référencement IA d’optimiser non seulement pour une requête, mais aussi pour les besoins d’information immédiats de l’utilisateur.
Comment Google comprend-il le besoin d’informations caché dans la requête d’un utilisateur ? La réponse se trouve dans le brevet Information Gain de Google. Ce brevet consiste à classer une page Web pertinente pour une requête, puis à classer d’autres pages Web ayant un contenu différent mais connexe.
Identifiez les questions latentes (cachées)
Une façon d’examiner les résultats de recherche de l’IA consiste à les décomposer en questions auxquelles les réponses de l’IA sont satisfaisantes, afin d’identifier les questions cachées de diffusion des requêtes.
Par exemple, si vous demandez au mode AI de Google comment préparer de la pâte à pizza, le mode AI générera une recette de pâte à pizza. La réponse est synthétisée à partir de plusieurs requêtes.
Il existe un moyen d’extraire les questions cachées (latentes) en utilisant un Invite de réponse aux questions inversées, que je vais montrer ci-dessous.
Voici un exemple de requête initiale et des questions supplémentaires impliquées :
Requête initiale : Comment faire de la pâte à pizza ?
Questions de répartition des requêtes :
- Quels ingrédients faut-il pour faire de la pâte à pizza ?
- Combien de pâte à pizza donne cette recette ?
- Qu’est-ce qui indique que la levure est active ?
- Combien de temps faut-il pétrir la pâte à la main ?
- Combien de temps faut-il pétrir la pâte au batteur ?
- Combien de temps la pâte doit-elle lever lors de la première levée ?
- Comment développer une saveur plus complexe dans la pâte ?
- Quelle doit être la température du four pour cuire la pizza ?
- Combien de temps la pizza doit-elle cuire ?
Questions et réponses réelles sur le mode IA
Voici quelques-unes des questions de requête cachées accompagnées des réponses générées par le mode IA de Google.
Question: Quels ingrédients faut-il pour faire de la pâte à pizza ?
Répondre: « 1 et 1/3 tasse d’eau tiède (environ 105-110°F ou 40-43°C) ; 1 cuillère à soupe de sucre cristallisé (ou de miel) ; 1 sachet de levure sèche ou instantanée active (2 1/4 cuillères à café) ; 3 1/2 à 4 tasses de farine tout usage ou de farine à pain, et plus pour saupoudrer ; 2 cuillères à soupe d’huile d’olive extra vierge, et plus pour graisser ; 1 cuillère à café de sel. «
Question: Combien de pâte à pizza donne cette recette ?
Répondre: « Cette recette donne suffisamment de pâte pour deux pizzas de 10 à 12 pouces. »
Question: Qu’est-ce qui indique que la levure est active ?
Répondre: « Couvrir et laisser reposer environ 5 à 10 minutes, jusqu’à ce que le mélange soit mousseux et bouillonnant. Cela indique que la levure est active. «
Capture d’écran de la réponse réelle du mode AI
Invite de réponse aux questions inversées
Vous pouvez utiliser l’invite de réponse inversée aux questions pour identifier les questions sous-jacentes dans n’importe quelle réponse en mode IA. Vous pouvez même utiliser une invite similaire mais plus précise pour analyser votre propre contenu afin d’identifier les questions auxquelles le document répond. C’est un bon moyen de vérifier si votre contenu répond ou non aux questions auxquelles vous souhaitez qu’il réponde.
Invite à extraire les questions du mode IA
Voici l’invite à utiliser pour extraire les questions cachées dans une réponse en mode IA :
Analysez le document et extrayez une liste de questions auxquelles répondent directement et complètement des phrases complètes dans le texte. N’incluez des questions que si le document contient une ou plusieurs phrases complètes qui y répondent clairement. N’incluez aucune question à laquelle on répond seulement partiellement, implicitement ou par déduction.
Pour chaque question, assurez-vous qu’il s’agit d’une reformulation claire et concise des informations exactes présentes. Il s’agit d’une tâche de génération de questions inversée : utilisez uniquement le contenu déjà présent dans le document.
Pour chaque question, incluez également les phrases exactes du document qui y répondent. Générez uniquement des questions qui ont une réponse complète et directe sous la forme d’une ou plusieurs phrases complètes dans le document.
Analyse inversée des réponses aux questions pour le contenu Web
L’invite décrite précédemment peut être utilisée pour extraire les questions auxquelles répond votre propre contenu ou celui d’un concurrent. Mais il ne fera pas de différence entre les requêtes de recherche principales pour lesquelles le document est pertinent et les autres questions accessoires au sujet principal.
Pour effectuer une analyse de réponse inversée aux questions avec votre propre contenu, essayez cette variante plus précise de l’invite :
Analysez le document et extrayez une liste de questions qui sont au cœur du sujet central du document et auxquelles répondent directement et complètement des phrases complètes dans le texte.
N’incluez des questions que si le document contient une phrase complète ou des phrases contiguës qui y répondent clairement. N’incluez aucune question à laquelle on répond seulement partiellement, implicitement ou par déduction. Surtout, excluez toute question concernant des anecdotes à l’appui, des apartés personnels ou des informations générales qui ne constituent pas le sujet principal du document.
Pour chaque question, assurez-vous qu’il s’agit d’une reformulation claire et concise des informations exactes présentes. Il s’agit d’une tâche de génération de questions inversée : utilisez uniquement le contenu déjà présent dans le document.
Pour chaque question, incluez également les phrases exactes du document qui y répondent. Générez uniquement des questions qui ont une réponse complète et directe sous la forme d’une ou plusieurs phrases complètes dans le document.
L’invite ci-dessus est destinée à imiter la manière dont un LLM ou un système de recherche d’informations peut extraire les questions principales auxquelles répond un document Web, tout en ignorant les parties du document qui ne sont pas essentielles à son objectif informatif, telles que les commentaires tangentiels qui ne contribuent pas directement au sujet ou à l’objectif principal du document.
Cultivez le fait d’être mentionné sur d’autres sites
Ce qui devient de plus en plus évident, c’est que la recherche IA a tendance à classer les entreprises dont les sites Web sont recommandés par d’autres sites. Les recherches menées par Ahrefs ont révélé une forte corrélation entre les sites qui apparaissent dans les aperçus de l’IA et les mentions de marque.
Selon Ahrefs :
«Nous avons donc examiné ces facteurs qui sont en corrélation avec le nombre de fois qu’une marque apparaît dans les aperçus de l’IA, testé des tonnes de choses différentes, et de loin la corrélation la plus forte, très, très forte, près de 0,67, était les mentions de la marque sur le Web.
Donc, si votre marque est mentionnée dans une tonne d’endroits différents sur le Web, cela est très fortement corrélé au fait que votre marque soit également mentionnée dans de nombreuses conversations sur l’IA.
Lire: Les données montrent que les mentions de marque améliorent les classements de recherche IA
Cette découverte suggère fortement que la visibilité dans la recherche IA peut dépendre moins des backlinks et davantage de la fréquence à laquelle une marque est discutée sur le Web. Les modèles d’IA semblent apprendre quelles marques sont recommandées en fonction de la fréquence à laquelle ces sites sont mentionnés sur d’autres sites, y compris des sites comme Reddit.
Ère de classement post-mot-clé
Nous sommes dans une ère post-classement par mots clés. La recherche organique de Google utilisait déjà l’IA et un système d’actualité de base pour mieux comprendre les requêtes et le sujet abordé par les pages Web. La grande différence maintenant est que le mode IA de Google a permis aux utilisateurs d’effectuer des recherches avec des requêtes conversationnelles longues et complexes auxquelles ne répondent pas nécessairement des pages Web axées sur la pertinence par rapport aux mots-clés plutôt que par rapport à ce que les gens recherchent réellement.
Écrire sur des sujets
Écrire sur des sujets semble être une approche simple, mais ce que cela signifie dépend du contexte du sujet.
Quoi « rédaction de sujets » propose est qu’au lieu d’écrire sur le mot-clé Blue Widget, l’écrivain doit écrire sur le sujet de Blue Widget.
L’ancienne méthode de référencement consistait à penser à Blue Widget et à toutes les expressions de mots clés Blue Widget associées :
Expressions de mots clés associées
- Comment créer des widgets bleus
- Widgets bleus bon marché
- Meilleurs widgets bleus
Images et vidéos
La façon actuelle d’écrire est de penser en termes de réponses et d’utilité. Par exemple, les images sur un site de voyage communiquent-elles ce qu’est une destination ? Un lecteur s’attardera-t-il sur la photo ? Sur un site de produits, les images communiquent-elles des informations utiles qui aideront un consommateur à déterminer si quelque chose lui conviendra et à quoi cela pourrait ressembler sur eux ?
Les images et les vidéos, si elles sont utiles et répondent aux questions, pourraient devenir de plus en plus importantes à mesure que les utilisateurs commencent à effectuer des recherches avec des images et s’attendent de plus en plus à voir plus de vidéos dans les résultats de recherche, qu’il s’agisse de vidéos courtes ou longues.
Lire:
