Neural-Matching e intención de búsqueda en Google

Neural-Matching e intención de búsqueda en Google

27 agosto, 2020 0 Por adminapuntes

El neural-matching es la penúltima vuelta de tuerca en el algoritmo de Google, lanzado hace ya dos años y en contínua evolución desde entonces. La idea es que Google sea capaz de entender los conceptos subyacentes en las keywords introducidas por los usuarios.

Según Google, el neural-matching es un sistema de inteligencia artificial que ayuda a entender la intención real de búsqueda de lo usuarios, independientemente de las kw elegidas para realizar la búsqueda. Parece un poco pretencioso por parte del buscador, pero los resultados son asombrosos.

A igual que el RankBrain ayuda a Google a relacionar de mejor manera las páginas con conceptos finales, el neural-matching ayuda a Google a relacionar mejor las palabras con lo que se busca realmente. Es un paso más para olvidarse de las clásicas palabras claves y centrarnos más en la intención de búsqueda y el contexto.

Esto no quiere decir que no se tengan que tener en cuenta los factores clásicos de relevancia de Google, sin embargo, los factores tradicionales on page y off page, no jugarían un papel definitivo para decidir si una página web determinada aparece en primer o tercer lugar en las SERP.

El algoritmo de Google está en continua evolución, y como profesionales del posicionamiento, los consultores y agencias de SEO, tenemos la obligación de mantenernos al día, estudiar esta evolución y tratar de anticipar los movimientos de Google.

Referencias para estar al día

Herramienta online para la generación de archivos sitemap:
www.xml-sitemaps.com

Acerca de los archivos robots.txt: support.google.com/webmasters/answer/6062608

Cómo afecta JavaScript y AJAX a la indexación:
www.humanlevel.com/articulos/indexabilidad/como-afecta-JavaScript-y-ajax-a-la-indexacion-en-google.html.

Cómo Google aplica la inteligencia artificial en la comprensión del lenguaje natural, consultar ai.google/research/teams/language/.

Artículo que describe cómo Google extrae contenidos de distintas fuentes para responder a preguntas naturales: storage.googleapis.com/pub-tools-public-publication-data/pdf/1f7b46b5378d757553d3e92ead36bda2e4254244.pdf.

Guía UX de Google para automoción: services.google.com/fh/files/events/pdf_auto_ux_playbook.pdf.

Guía UX de Google para sitios de contenido, noticias: services.google.com/fh/files/events/pdf_news_ux_playbook.pdf.

Guía UX de Google para sitios de finanzas: services.google.com/fh/files/events/pdf_news_ux_playbook.pdf.

Guía UX de Google para sitios de salud: services.google.com/fh/files/events/pdf_auto_healthcare_playbook.pdf.

Guía UX de Google para generación de leads: services.google.com/fh/files/events/pdf_leadgen_ux_playbook.pdf.

Guía UX de Google para sector inmobiliario: services.google.com/fh/files/events/pdf_realestate_ux_playbook.pdf.

Guía UX de Google para e-commerce: services.google.com/fh/files/events/pdf_retail_ux_playbook.pdf.

Guía UX de Google para sector de viaje y turismo: services.google.com/fh/files/events/pdf_travel_ux_playbook.pdf.

Modelos de neural matching para recuperación de preguntas y predicción de la siguiente consulta en la conversación: www.semanticscholar.org/paper/Neural-Matching-Models-for-Question-Retrieval-and-Yang-Zamani/06e7ba45e4def91c280360791031f2b24d9898e5.