Google Hummingbirdle point de vue d’un linguiste

Sébastien MonnierEx- Googler, fondateur de Woptimo

Anthony SigogneDocteur en informatique linguistique,

responsable R&D chez Woptimo

Savez-vous faire la différence?

Google non

Sur Google Images, grâce au test de baume-referencement, c’est Adriana Karembeu qui aparaît. Mais Google peut-il reconnaître une pizza? ... Sans

doute que oui.

Google sait identifier des conceptsSur Google Plus Photos, Google arrive bien à identifier des concepts à partir de photographies. Essayez ainsi de rechercher “chiens” sur ce service, Google identifiera ainsi des photos comme...

mais aussi... (encore quelques progrès à faire)

Sommaire1. Quelques notions de linguistique

2. Hummingbird : un nouvel oiseau?

3. Hummingbird : le process

4. Conséquences sur le SEO

Quelques notions de linguistique

Notions linguistiques

Niveau d’analyse Ex: Le Président de la République Définition

Lexical 5 mots comment les mots sont placés les uns à côté des autres

Syntaxique 1 groupe nominal composé d’une tête (Président) et d’une extension

comment les mots sont organisés les uns par rapport aux autres

Sémantique Entité : être humainDomaine : politique

comment l’organisation des mots permet d’extraire des relations

Pragmatique En 2014, en France, François Hollande comment la vie réelle peut aider à la signification

Notions appliquées à GoogleLexical

Syntaxique

Sémantique

Pragmatique

Google Hummingbird : qu’est-ce donc?

Qu’est-ce qu’Hummingbird● Annoncé fin septembre 2013 pour le 15e annniversaire

de Google

● Déjà présent depuis un mois

● Impacte 90% des requêtes

● Aussi important pour l’infrastructure de Google que Google Caffeine

Pourquoi un colibri?

Précis et rapide(... et peut faire marche arrière)

La recherche évolue ...La recherche par reconnaissance vocale est de plus en plus utilisée.

Anticiper les évolutions● Boom du trafic mobile, du trafic connecté et géolocalisé

1 requête = + que des mots

➔ 1 contexte spatial➔ 1 contexte humain➔ 1 contexte d’historique de recherche

➔ Google cherche à comprendre l’intention, plus que l’assemblage des mots dans la requête

Processus de Hummingbird

Moteur: Algorithme général

● Le moteur de recherche de Google est basé sur des algorithmes mathématiques (probabilités)

● Le comportement de ces algorithmes est conditionné par de multiples paramètres linguistiques et statistiques

● Ces paramètres sont calculés grâce à une batterie de “classifiers”

Qu’est-ce qu’un classifier?

Un classifier est un algorithme de catégorisation○ Entrée: requêtes, pages web, domaines...○ Sortie: Nature diverse des informations (texte, score, liste,...)

● Classifier de requête : ○ Ex : requête géolocalisée (bureau Paris), requête navigationelle (Youtube,

Facebook...)

● Classifier de pages web : ○ Ex : bourrage de mots-clés, texte caché, “in-depth article”...

● Classifier d’élements sur une page web :○ Ex : fil d’Ariane, listing d’éléments...

● ... Et de nombreux autres types de classifiers...

Moteur: Algorithme général - Schéma

Requête (“photo de Paris”)➢ Analyse lexicale: “photo”:nom...➢ Analyse syntaxique: groupe nominal➢ Typologie, Intention➢ ...

Page Web➢ PageRank➢ Typologie, Intention➢ Potentiel de spam➢ Auteur de la page➢ ...

DomaineSous-domaineAuteur...

MOTEUR

Résultats

Universal Knowledge Graph

URL 1

URL 2

URL 3

…

URL X

Brevet Google

● Soumis le 1er juin 2012: Search query results based upon topic

➢ Requêtes orientées contenu audio/video➢ Semble valable pour les requêtes communes

● Modification en profondeur des algorithmes mathématiques

➢ Nouveaux classifiers liés à la semantique➢ Introduction de la notion de “concept”

Algorithme HummingBird

Requête (“photo de Paris”)➢ Analyse lexicale: “photo”:nom...➢ Analyse syntaxique: groupe nominal➢ Typologie, Intention➢ Concepts➢ ...

Page Web➢ PageRank➢ Typologie, Intention➢ Potentiel de spam➢ Auteur de la page➢ Concepts➢ ...

DomaineSous DomaineAuteur...

MOTEUR

Résultats

Universal Knowledge Graph

URL 1

URL 2

URL 3

…

URL X

Notion de Concept

➢ Objet concret ou abstrait représenté par une séquence de mots➢ Concepts interconnectés d’après des relations plus ou moins éloignées

Concepts de “photo de Paris”

Photo de Paris

Représentationgraphique

ImagePhotographies

Photographiespanoramiques

Lieu

Studio Photo

MarqueMaison

Européenne de la photo

Evénement

Exposition

Processus : Traitement de la requête

Prétraitement de la Requête

● Généralisation des requêtes

➢ Modification de la requête initiale➢ Regrouper des requêtes similaires➢ Traitement relativement identique

● Deux prétraitements

➢ Suppression des marques morphologiques➢ Remplacement par des synonymes

Suppression marques morphologiques● Caractéristiques des mots “peu utiles”

➢ Genre (masculin/féminin)➢ Nombre (singulier/pluriel)

Remplacement par des synonymes● synonymes des mots-clés

➢ photo: cliché, diapositive, image, photographie➢ synonymes en gras dans les snippets

Extraction des concepts

● Attribution de concepts aux mots clés

➢ Determining a meaning of a knowledge item using document based information

➢ Brevet en avril 2011

● Différentes sources

➢ Bases de données (Wikipedia/Freebase)➢ Pages indexées➢ Règles/Grammaires manuelles➢ …

● Force du lien entre un concept et un mot clé

➢ Probabilité

Concepts de “photo de Paris”

Photo de Paris

Représentationgraphique

ImagePhotographies

Photographiespanoramiques

Lieu

Studio Photo

MarqueMaison

Européenne de la photo

Evénement

Exposition

Calcul d’un ensemble de pages

➢ Le moteur attribue des concepts à chaque page indexée

➢ Ensemble = Pages ayant des concepts en commun avec la requête

Requête

C1

C2

C3

C4

Page Web

C1

C2

C8

C9

C1, C2

Page ajoutée à l’ensemble

Tri des pages

● Combinaison des probabilités des concepts associés○ à la requête○ à la page

● Affichage des pages dans l’ordre décroissant des probabilités

Concepts et intention de l’utilisateur[Représentation Graphique] --> Paris [ville]

[Marque] Maison de la photographie

[Evénement] Expo photo au Grand Palais

Interaction directe

Informationnel

Navigationnel

Répartition des concepts

Photos/Images[Représentation graphique]

Exposition[Evénement]

Studio photo[Lieu]

Stage photo[Enseignement]

Location studio[Commerce]

Concepts Résultats

Quelques exemples

70 à 90% des images sont identiques entre les deux requêtes : Google a la même compréhension pour ces pages

Termes manquants :

● L’ajout de “termes manquants” est un vrai indice de l’utilisation d’Hummingbird

Et les 10% non impactés par Hummingbird?

Info présente ici : bravo Google, ... mais

ouch...

Hummingbird : un complément à l’existant?

Quand Google ne trouve pas assez de résultat concluant avec Hummingbird, l’ancien algorithme de recherche de co-occurrence rentre en jeu.

Quelques indices (?):

➢ Snippet de 4 lignes

➢ Pas le “termes manquants”

Qu’est-ce que cela change pour le SEO?

Adieu contenu SEO...● Oubliez les consignes comme :

Je veux un texte de 300 mots optimisés pour mot-clé1, mot-clé2 et mot-clé3

Donnez plutôt :

Je veux du contenu pour une page qui va donner cette information avec 2 arguments, 2 exemples et en citant ses sources.

➔ Soyez concis, clair et factuel➔ Pensez présentation et lisibilité du texte➔ Pensez mots-clés, champ lexical et synonymes dans un 2e temps

Contenu Avant - AprèsLes premiers tapis datent du Ve siècle avant J-C. Mais, désormais, on peut acheter des tapis en ligne, voire même des tapis pas chers.Découvrez notre sélection exceptionnelle de tapis pas chers de toutes les couleurs. Avec les tapis pas chers MegaTapis, vous avez la garantie du service au meilleur prix. Que ce soit pour votre chambre à coucher, votre salle à manger, le tapis qu’il vous faut est sans doute sur MegaTapis.

MegaTapis a un grand choix de tapis. Nous vous conseillons notamment :

Tapis persans

Nos tapis persans sont garantis faits main. Les premiers prix sont à partir de 400€. Nous conseillons l’utilisation de ces tapis pour protéger du froid et de l’humidité. Ainsi, vous pouvez les placer dans l’entrée, la salle à manger ou la chambre à coucher.

Véracité du contenuSi vous possédez du contenu vérifiable (date de naissance/décès de célébrité, adresses d’entreprise, ...), pensez à les mettre à jour.

Google peut extraire votre contenu et les comparer avec sa base de connaissance.

Trop de mauvaises informations = MAUVAIS SIGNAL

Pensez à aider l’utilisateur● Il recherche un numéro de téléphone... donnez lui un vrai numéro !!!

Analysez les SERPAu-delà de la position, il faut essayer de comprendre

● L’INTENTION de la requête interprétée par Google.● La réponse comprise par Google● La diversité des résultats

● Google ne classe pas 10 pages web en fonction de leur PageRank.

● Google organise la présentation d’informations permettant de répondre, au mieux, au besoin supposé de l’internaute.

Marquage sémantiqueUtilisation des données structurées / microdonnées devient un standard

➔ permet aux moteurs une meilleure compréhension des concepts de votre site

➔ L’absence de données structurées n’entraîne pas de pénalités, mais vous risquez une moins bonne interprétation par Google

1 rue Albert Einstein, Champs-sur-Marne, 77447 Marne-la-Vallée Cedex 2 France Tél : +33 (0)1 83 64 24 11Fax : +33 (0)1 83 64 38 15

Twitter : @woptimo

www.woptimo.com

Merci

Besoin d’une prestation en ● SEO● AdWords● Link marketing● Digital Analytics

Contactez-nouscontact@woptimo.com