Reclassement de l’IA pour la recherche sémantique

La recherche ne consiste pas seulement à faire correspondre des mots clés – et c’est encore plus vrai lorsque nous parlons de recherche sémantique.

La recherche sémantique consiste à trouver la bonne information pour le chercheur au bon moment.

Cela va au-delà de la recherche des bons mots-clés et concepts et de la spéculation sur la manière dont les chercheurs interagiront avec les résultats.

Le reclassement de l’intelligence artificielle (IA) prendra des informations sur les personnes qui viennent chercher et adaptera les résultats de recherche à l’individu.

Cela peut être fait au niveau de la cohorte, en modifiant les résultats en fonction des tendances, de la saisonnalité et de la popularité.

Cela peut également être fait individuellement, en modifiant les résultats en fonction des désirs du chercheur actuel.

Bien que le reclassement de l’IA ne soit pas facile à mettre en œuvre dans un moteur de recherche, il apporte une valeur démesurée pour les conversions et la satisfaction des chercheurs.

Reclassement avec l’intelligence artificielle

Le reclassement basé sur l’IA peut améliorer les résultats de recherche, quel que soit l’algorithme de classement sous-jacent utilisé par un moteur de recherche.

En effet, de bons résultats de recherche vont au-delà de la pertinence textuelle et des mesures commerciales telles que la popularité brute.

Les bons résultats prennent en compte d’autres signaux et le font au niveau de chaque requête.

Pour comprendre pourquoi cela est important, concentrons-nous sur la métrique commerciale de la popularité.

C’est un bon signal de classement général, mais il peut être insuffisant pour des requêtes spécifiques. Une requête de recherche de « robe rouge » pourrait faire apparaître dans les premiers résultats deux robes différentes : « robe dos nu avec des accents rouges » et « robe d’été en rouge vif ».

La robe dos nu pourrait être plus populaire en tant que robe et produit d’ensemble.

Mais dans ce cas précis, ce n’est pas ce que veulent les clients.

Ils veulent une robe rouge, pas une avec des accents rouges, et ils cliquent et achètent en conséquence.

Le moteur de recherche ne devrait-il pas prendre cela comme un signal pour classer la robe d’été plus haut ?

Analyse de la recherche

Comme le montre l’exemple ci-dessus : Comprendre ce que font les chercheurs est nécessaire pour le reclassement.

Les deux événements les plus courants à suivre sont les clics et les conversions.

Généralement, ce sont les deux seuls événements nécessaires et doivent être des événements provenant de la recherche.

L’exemple ci-dessus met également en évidence une autre considération importante : les événements doivent être liés à des requêtes spécifiques.

Cela permet au moteur de recherche d’apprendre de l’interaction entre les différents ensembles de résultats et les interactions des utilisateurs. Il propulse la robe d’été plus haut dans les résultats de recherche pour la requête « robe rouge ».

Le même produit peut être moins populaire pour d’autres requêtes que ses voisins.

Lorsque vous examinez vos différents événements, vous voudrez également les peser différemment.

Cliquer sur un résultat est un signe d’intérêt alors que faire un achat (ou toute autre mesure de conversion) est un signe d’engagement.

Le classement devrait en tenir compte.

La pondération n’a pas besoin d’être complexe.

Vous pouvez dire simplement que les conversions valent des doubles clics.

Vous devriez tester le bon ratio pour votre propre recherche.

Lire Plus  Comment utiliser Metaverse Marketingverse Marketing pour augmenter la visibilité de votre recherche Metaverse Marketingverse Marketing

Vous pouvez également souhaiter réduire les événements en fonction du classement des résultats au moment où le chercheur les a vus.

Nous savons que la position d’un résultat influence son taux de clics (CTR).

Sans actualiser les événements, vous pouvez avoir une situation où les meilleurs résultats deviennent encore plus ancrés car ils obtiennent plus d’interactions, ce qui les maintient classés plus haut – et se répète à l’infini.

Fraîcheur et saisonnalité

Un moyen simple de lutter contre cette boucle d’auto-renforcement consiste à actualiser les événements en fonction du temps écoulé depuis l’événement.

Cela se produit parce que chaque événement qui s’est produit dans le passé a un impact de plus en plus faible sur le reclassement. C’est-à-dire jusqu’à ce que, à un moment donné, cela n’ait aucun impact.

Par exemple, vous pouvez diviser l’impact de chaque événement par deux, chaque jour, pendant 30 jours. Et après 30 jours, arrêtez d’utiliser l’événement pour le classement.

Un bel avantage de l’utilisation de la fraîcheur dans l’algorithme de reclassement est qu’il introduit également une saisonnalité dans les résultats.

Non seulement vous arrêtez de recommander des vidéos qui étaient extrêmement populaires il y a des années, mais qui sont ennuyeuses pour les gens aujourd’hui ; vous recommanderez également des vidéos « apprendre à nager » en été et des vidéos « apprendre à skier » en hiver.

YouTube a intégré la saisonnalité et la fraîcheur dans son algorithme précisément à cette fin.

Utiliser des signaux pour reclasser

Maintenant que vous avez les signaux et que vous les décomposez au fil du temps, vous pouvez les appliquer aux résultats de la recherche.

Lorsque nous voyons «l’intelligence artificielle», nous pensons souvent à quelque chose d’incroyablement complexe et impénétrable.

L’IA, cependant, peut aussi être aussi simple que de prendre des données au fil du temps et de les utiliser pour prendre des décisions, comme nous le faisons ici.

Une approche simple consiste à prendre un certain nombre de résultats et à les reclasser simplement en fonction d’un score.

Pour des raisons de performance, ce nombre de résultats sera généralement assez faible (10, peut-être 20). Ensuite, classez-les par score.

Comme nous l’avons expliqué ci-dessus, le score pourrait être aussi simple que d’additionner le nombre de conversions multiplié par deux, plus le nombre de clics.

L’ajout d’une fonction de décroissance rend plus complexe, tout comme l’actualisation basée sur la position du résultat – mais le même principe général s’applique.

Apprendre à classer

Un inconvénient de ce système de reclassement est que vous êtes limité à reclasser un plus petit nombre de résultats.

Si vous avez un résultat qui serait autrement populaire mais qui n’est pas bien classé, ce résultat n’obtiendra pas l’attention qu’il mérite.

Ce système nécessite également des événements sur les enregistrements et les requêtes que vous souhaitez reclasser.

Cela ne fonctionnera pas pour les lancements de nouveaux produits ou le contenu généré par l’utilisateur (UGC) qui entre et sort souvent de l’index de recherche.

Apprendre à classer (LTR) peut résoudre ces problèmes.

Tout comme le reclassement dont nous avons discuté ci-dessus, LTR fonctionne également sur la base de l’idée que les enregistrements avec lesquels les chercheurs interagissent sont meilleurs que ceux avec lesquels ils n’interagissent pas.

La méthode de reclassement précédente fonctionne en augmentant ou en enterrant les résultats directement lorsqu’ils sont liés à une requête spécifique.

Lire Plus  Bluehost dévoile une solution de commerce électronique WordPress facile

Pendant ce temps, LTR est beaucoup plus flexible. Cela fonctionne en augmentant ou en enterrant les résultats basés sur d’autres résultats populaires.

LTR utilise l’apprentissage automatique pour comprendre quelles requêtes sont similaires (par exemple, « jeux vidéo » et « console de jeu »).

Il peut ensuite reclasser les résultats sur les requêtes les moins populaires en fonction des interactions sur les plus courantes.

LTR ne se contente pas de généraliser sur les requêtes ; il généralise également sur les enregistrements.

Le modèle LTR apprend qu’un certain type de résultat est populaire ; par exemple, le jeu Nintendo Switch « Legend of Zelda: Breath of the Wild ».

Ensuite, il peut commencer à se connecter à d’autres résultats similaires (par exemple, « Legend of Zelda: Skyward Sword ») et à les booster.

Pourquoi, alors, ne pas simplement utiliser LTR s’il semble être beaucoup plus puissant que votre reclassement typique et offre une plus grande couverture des requêtes et des enregistrements ?

(En d’autres termes : il généralise mieux.)

En bref, LTR est beaucoup plus complexe et nécessite une expertise interne plus spécialisée en apprentissage automatique (ML).

De plus, comprendre pourquoi certains résultats sont classés à certains endroits est plus difficile.

Avec le premier type de reclassement, vous pouvez examiner le nombre de clics et de conversions au fil du temps pour un enregistrement par rapport à un autre.

Pendant ce temps, avec LTR, vous disposez d’un modèle ML qui établit des connexions qui ne sont pas toujours évidentes.

(Est-ce que « Breath of the Wild » et « Sonic Colors » sont vraiment similaires ?)

Personnalisation

Bien que le reclassement fonctionne pour tous les chercheurs, la personnalisation est ce que cela ressemble : personnel.

L’objectif de la personnalisation est de prendre des résultats déjà pertinents et de les reclasser en fonction de vos goûts personnels.

Bien qu’il y ait un débat sur la mesure dans laquelle les moteurs de recherche Web tels que Métaverse Marketing utilisent la personnalisation dans leurs résultats, la personnalisation est souvent impacte la performance des résultats dans les moteurs de recherche sur site.

C’est un mécanisme utile pour augmenter les interactions de recherche et les conversions à partir de la recherche.

Analyse de la recherche

Tout comme pour le reclassement, la personnalisation dépend de la compréhension de la façon dont les utilisateurs interagissent avec les résultats de recherche.

En suivant les clics et les conversions, vous aurez une idée plus précise des types de résultats que l’utilisateur souhaite voir.

Une différence significative entre le reclassement et la personnalisation sur ce front est que, en fonction de votre recherche, vous souhaiterez peut-être ajuster la manière dont vous appliquez la personnalisation.

Par exemple, si vous vendez des produits d’épicerie, vous souhaitez absolument recommander des produits achetés précédemment.

Mais si votre site Web vend des livres, vous ne voudrez pas recommander un livre qu’un client a déjà acheté. En effet, vous voudrez peut-être même déplacer ces livres vers le bas dans les résultats de la recherche.

Il est également vrai, cependant, que vous ne devriez pas pousser la personnalisation si fort que les utilisateurs ne voient que ce avec quoi ils ont interagi auparavant.

La recherche permet à la fois de trouver et de découvrir. Donc, s’ils retournent dans la barre de recherche, vous devriez être ouvert à la possibilité qu’ils veuillent voir quelque chose de nouveau.

Lire Plus  Metaverse Marketingverse Marketing met à jour la documentation sur les méta-descriptions

Ne classez pas les résultats exclusivement via la personnalisation ; faites-en un mélange avec d’autres signaux de classement.

Tout comme pour le reclassement, la personnalisation bénéficie également de la dégradation des événements.

La diminution de l’impact des événements plus anciens permet à une recherche de représenter plus précisément les goûts actuels d’un utilisateur.

D’une certaine manière, vous pouvez le considérer comme une saisonnalité personnelle.

Personnalisation entre les utilisateurs

Le type de personnalisation que nous avons vu jusqu’à présent est basé sur les propres interactions d’un individu, mais vous pouvez également le combiner avec ce que font les autres dans la recherche.

Cette approche montre un impact démesuré sur les situations où l’utilisateur n’a pas interagi avec les éléments dans les résultats de recherche auparavant.

Étant donné que l’utilisateur n’interagit pas avec les éléments des résultats de recherche, vous ne pouvez pas booster ou enterrer en fonction des interactions passées, par définition.

Au lieu de cela, vous pouvez consulter les utilisateurs similaires à l’utilisateur actuel, puis personnaliser en fonction de ce avec quoi ils ont interagi.

Par exemple, supposons que vous ayez un utilisateur qui n’est jamais venu vous voir pour des robes mais qui a acheté de nombreux sacs à main.

Ensuite, vous pouvez rechercher d’autres utilisateurs qui ont des goûts similaires et qui ont également interagi avec des robes.

Intuitivement, les autres clients qui aiment le même type de sacs à main que notre chercheur devraient également aimer les mêmes robes.

Reclassement et personnalisation pour la découverte

La recherche n’est qu’un exemple parmi d’autres où le reclassement et la personnalisation peuvent avoir un impact. Vous pouvez également utiliser ces mêmes outils pour la découverte.

Le secret est de considérer votre page d’accueil et vos pages de catégorie comme des résultats de recherche.

Ensuite, il est clair que vous pouvez utiliser les mêmes outils que vous utilisez pour la recherche et obtenir les mêmes avantages.

Par exemple, une page d’accueil est similaire à une page de recherche sans requête, n’est-ce pas ? Et une page de destination de catégorie ressemble certainement à une page de recherche avec un filtre de catégorie qui lui est appliqué.

Si vous ajoutez de la personnalisation et du reclassement à ces pages, elles peuvent être moins statiques. Ils serviront aux utilisateurs ce qu’ils préfèrent voir, et ils peuvent pousser plus haut les articles qui sont plus populaires auprès des clients en général.

Et ne vous inquiétez pas, la personnalisation et le reclassement peuvent se mêler aux décisions éditoriales sur ces pages ou à la recherche interne.

La meilleure façon de gérer cela est de fixer les résultats souhaités à certains endroits et de se reclasser autour d’eux.

Nous avons vu que la personnalisation et le reclassement sont deux approches qui utilisent les interactions des utilisateurs avec des signaux pertinents pour améliorer la recherche.

Vous pouvez laisser votre base d’utilisateurs influencer le résultat en utilisant les interactions.

Petit à petit, ces interactions indiquent au moteur de recherche quels éléments devraient être mieux classés.

En fin de compte, les internautes bénéficient d’une meilleure expérience de recherche, et vous bénéficiez de plus de clics et de conversions.

Davantage de ressources:


Image en vedette : un maîtrephotographe/Shutterstock