NLPSEO是通过关注查询背后的语言、上下文和任务来使搜索内容更容易理解的实践。自然语言处理 (NLP) 帮助计算机分析人类语言。对于编辑来说，有用的应用是具体的：清楚地命名主题，解释关系，回答读者的问题并消除歧义。
此处没有Google认可的 NLP 分数可供优化。本指南将记录的搜索系统与编辑技术分开，并通过虚构的帮助文章进行工作。该示例是一个教学练习，而不是排名实验或 SearchVector 客户结果。
NLP 对搜索查询的改变
单词列表并不能完全描述问题。将“导出没有电话号码的联系人”与“导出有电话号码的联系人”进行比较。大多数词汇是相同的；一个小小的改变就推翻了这一要求。一篇重复“导出联系人”但忽略条件的文章可能会错过读者的实际任务。
《T8》《2》的《T9》排名系统指南《T10》将 BERT 描述为帮助解释单词组合及其含义和意图。它还将神经匹配描述为连接查询和页面中的概念，并将 RankBrain 描述为帮助将单词与概念连接起来，即使没有出现每个精确的搜索词。这些是系统的描述，而不是保证包含或位置的短语清单。编辑的含义是保持有意义的限定词可见。诸如“没有”、“之前”、“之后”、“针对初学者”和产品版本之类的词语可以确定答案是否适用。使用查询作为需求的证据，然后写出满足该需求的答案。
用通俗语言表达实体、上下文和意图
实体是文本中提及的事物：人、组织、地点、产品或普通物体。上下文有助于确定句子的意图和含义。意图是搜索者想要完成的任务。这些概念重叠，但每个概念都提出了不同的编辑问题。
| 概念 | 示例和社论检查 |
|---|---|
| 实体 | “Atlas 导出联系人”。该页面表示哪个 Atlas 产品或组织？在第一次提到时识别它。 |
| 上下文 | “导出没有电话号码的联系人。” “without”是否描述了缺失的数据或用户想要排除的字段？ |
| 意图 | “如何导出没有电话号码的联系人。”读者是否需要说明、故障排除或产品比较？ |
在这里，Atlas 是一个虚构的联系人经理。命名它并不意味着任何 NLP 系统都能正确识别它。实体提取器可以帮助标记不一致的术语，但其注释需要人工审核。 GoogleCloud 的自然语言文档描述了实体、语法、情感和分类分析。这些输出描述了文本；它们不是 Google 搜索排名的视图。
在收集术语之前构建问题图
从观众的语言开始。在您有权使用的情况下，查看您自己的支持对话、现场搜索或采访中的问题。从笔记中删除识别详细信息。对于现有页面，请查看您自己的 Search Console 报告中可用的查询。对于新主题，请检查公共搜索结果和相关主要文档。
使用SearchVector关键词研究探索候选措辞，然后根据受众和页面目的验证每个想法。一个建议就是一个研究线索。它并不能证明您的产品支持某个功能或应该存在特定的文章。
将每个问题记录在回答该问题所需的证据旁边。在虚构的导出示例中，“我可以省略电话号码吗？”需要一个受支持的字段选择程序。 “为什么电话栏是空白的？”需要排除故障。两者都提到了相同的实体，但不小心将它们合并可能会产生令人困惑的介绍。
按照读者想要采取的行动对问题进行分组。 SearchVector关键词聚类工具提供了另一个处理候选关键词组的地方；在决定页面边界之前，请自行检查分组情况。当一位读者需要按顺序排列紧密相关的步骤时，请将它们放在一起。当将两者结合起来时，给一个完全不同的任务自己的答案会埋葬两者。
工作示例：修改不明确的帮助文章
假设您正在编辑虚构的 Atlas 的文档。指定的读者想要导出联系人列表，同时将电话号码字段保留在结果文件之外。对于本练习，假设编辑者已检查虚构产品是否支持选择导出字段。以下接口细节仅供说明之用，并非实际应用的说明。
之前：“Atlas 联系人导出是一种简单的联��人导出解决方案。您可以使用我们强大的导出工具导出没有电话号码的联系人。选择您的设置并下载您的数据。”
这一段有主题词汇，但留下了三个空白。它不区分省略列和导出缺少电话号码的联系人。它永远不会识别要更改的设置。它承诺轻松，无需告诉读者要验证什么。
之后，虚构示例：“要创建排除电话号码字段的 Atlas 联系人导出，请打开联系人，选择导出并清除字段选择器中的电话字段。保留收件人需要的字段，然后下载 CSV。打开文件并在共享之前确认电话列不存在。这些步骤会从导出中忽略电话号码；它们不会从您保存的电话号码中删除电话号码。”联系方式。”
修订明确了对象、行动、条件和预期结果。它还区分导出设置和存储数据的更改。最后的区别很有用，因为否则读者可能会误解指令的结果。
现在为页面提供一个遵循任务的结构：一个开场答案、一个简短的先决条件、导出步骤、验证步骤以及针对意外列的故障排除。将查找号码缺失的联系人的说明放在其他地方，或作为单独的任务链接到它们。不要仅仅为了覆盖更多关联词而添加不相关的联系人管理历史记录。
此示例的合适标题是“导出不带电话号码字段的 Atlas 联系人”。它设定的期望比“终极联系人导出指南”更窄。起草自己的准确标题后，您可以使用SearchVectorSEO标题生成器探索替代措辞。根据文章实际提供的说明检查每个建议。
使用相关术语来解释关系
当词汇表揭示了读者需要解释的内容时，它就会变得有用。 “CSV”、“字段”、“列”、“导出”和“保存的联系人”属于示例，因为它们描述了过程及其结果。重复添加“CRM自动化”会带来不同的承诺，但不会帮助任何人完成导出。
问每项贡献什么关系。字段选择器控制文件中的列。导出会复制选定的数据。从文件中删除列与删除存储的值不同。表达这些关系比在段落中插入孤立的名词更有用的编辑工作。
当书写工具将建议标记为“NLP 术语”、“语义关键字”或“LSI 关键字”时，请检查它是如何选择它们的。将列表视为可能的词汇表，而不是强制性规范。不要仅仅因为多个排名页面使用某个术语而采用该术语。这些页面可能服务于不同的受众，彼此重复或描述您不提供的功能。
运行以意义为中心的编辑清单
将草稿读一遍，不看任何内容分数。然后检查以下内容：
- 主题：新读者能否在第一次提及时识别出产品、对象或过程？
- 条件：是否在文档中保留了例外情况、版本要求和限制词？答案？
- 参考资料： 每个“它”、“这个”或“它们”是否清楚地指代某物？
- 证据： 程序是否根据实际产品和与相关相关的事实声明进行检查来源？
- 完成：读者是否知道成功是什么样子以及接下来要检查什么？
- 范围：您是否删除了重复的定义和回答不同问题的部分？问题？
这是一个编辑清单，而不是已确认的排名因素列表。 Google的有用的内容指导强调原创价值、清晰的来源和服务目标受众。使用这些原则来审查有用性，而不是以文章长度为目标。
在不发明因果关系的情况下评估编辑
记录页码、发表日期、变更及假设。对于该示例，假设可能是：“明确区分字段遗漏和缺失数据将减少读者的困惑。”请不熟悉工作流程的同事解释阅读后的预期结果。如果他们认为该程序会删除已保存的电话号码，则措辞仍需改进。
发布后，使用一致的页面、查询、国家/地区、设备和日期过滤器（如果可用）检查观察到的搜索性能。 Google的Search Console性能文档解释了点击次数、展示次数、CTR 和排名，以及报告限制。查询详细信息不完整，因此缺少查询不应被视为零需求的证明。
选择适合流量和季节性的比较期。记录同时标题更改、内部链接更改和其他版本。编辑后获得更多印象可以支持进一步调查，但不能将 NLP 技术隔离为原因。较高的第三方内容分数表明该工具对草稿进行了不同的评分，而不是“0”的证据。“T2”
将一个不清楚的答案变成可用的答案
选择一个读者误解条件或无法完成任务的页面。写出确切的问题，验证答案，修改不明确的段落并添加完成检查。记录下更改的日期。这给了 NLP SEO 一个实用的目的：内容的意义经得起仔细阅读，其结果你可以诚实地回顾。
