LSI – latent semantic indexing

Tento blog začína byť príliš komerčný, dávno som sa nevenoval nejakému pokročilejšiemu SEO. Držiac sa úvah minulého článku o zverejňovaní know-how, reč bude o nie veľmi známej technológii LSI – latentnom sémantickom indexovaní (latent semantic indexing).

Zjednodušene: LSI je technológia, ktorá na základe štatistického vyhodnocovania, hľadá vzťahy medzi slovami, respektíve vzťahy medzi dokumentmi a slovami. Slová, ktoré sa dostatočne často vyskytujú na stránkach (v akýchkoľvek dokumentoch) spoločne, LSI označí ako sémanticky blízke (spolu súvisiace).

Príklad: Ak sa slová SEO, internet a marketing vyskytujú spoločne na mnohých stránkach, LSI v prípade zadania kľúčového slova SEO nehľadá iba medzi stránkami, ktoré obsahujú slovo SEO, ale hľadá aj stránky, ktoré obsahujú slová internet a marketing.

Takéto indexovanie je veľká zbraň v rukách vyhľadávača, pretože:

LSI pomáha v analýze relevantnosti – dva dokumenty sú relevantné nielen v prípade, že obsahujú rovnaké slová, stačí, ak obsahujú slová sémanticky blízke.

LSI dodá relevantný výsledok aj v prípade, kedy klasické (tvrdé) hľadanie zlyhá – ak sa hľadané slová (aspoň dve) nevyskytujú všetky naraz na žiadnej stránke, klasické hľadanie zlyháva, pričom LSI stále prinesie relevantné výsledky, pretože bude hľadať aj medzi sémanticky podobnými slovami.

LSI umožňuje ohýbať slová bez potreby poznania gramatiky konkrétneho jazyka – pri dostatočnom počte dokumentov vyhľadávač pomocou LSI dokáže priradiť k základnému tvaru slova rôzne iné tvary alebo skratky.

Čo LSI znamená pre SEO?

Ak pochopíte, čo LSI dokáže v analýze relevantnosti, pochopíte, prečo sa neoplatí zvyšovať hustotu kľúčových slov na stránke. Namiesto toho sa budete snažiť použiť čo najviac príbuzných fráz podporujúc tak relevantnosť primárneho kľúčového slova a zameriavajúc tak ďalšie a ďalšie kľúčové slová. Môže vám to pomôcť aj v pochopení toho, čo to sú relevantné spätné odkazy. Relevantní pre stránku nie sú len konkurenti/substitúty ale aj dodávatelia/komplementy – pre web autobazáru nie je relevantná len stránka iného autobazáru alebo výrobcu áut, ale aj stránka predajne pneumatík, čerpacej stanice alebo stránka o motorkách, ktorá vôbec nemusí obsahovať ani jedno spoločné slovo s odkazovanou stránkou autobazáru.

Výhoda lepšieho vyhľadávania sa tiež týka tvorby obsahu webu. Znamená napríklad, že nemusíte použiť všetky všecičky kľúčové slová z vašej analýzy v obsahu stránky. Pokiaľ by pre užívateľa bolo ďalšie kľúčové slovo na stránke rušivé, môžete ho vynechať a spoliehať sa na LSI. (Samozrejme, pokiaľ sa dá, ešte lepšie je zamerať dané kľúčové slovo inou stránkou.)

Vďaka LSI dokáže vyhľadávač ohýbať aj také slová, ktoré nie sú gramaticky správne, ale často sa používajú. Dobrým príkladom je ohýbanie slova Google. Ak hľadáte slovo Googli (akože-lokál od slova Google), hľadá sa zároveň slovo Googlu (akože-datív slova Google). Tieto dve slová sa totiž dostatočne často vedľa seba v dokumentoch vyskytujú. Ak však hľadáte slovo Googlom, vyhľadávač nevie, že ide o iný tvar slova Google. Slovo Googlom by sa muselo častejšie používať v kombinácii s Googli a Googlu, vyhľadávač by potom “pochopil”, že ide o ďalší tvar toho istého slova. Pre SEO to znamená napríklad toľko, že nemusíte do title-ov hádzať rôzne exaktné tvary kľúčových slov (vymenovanie kľúčových slov v nominatíve), ale môžete napísať skvelý pútavý title so skloňovanými kľúčovými slovami.

Sklamanie na záver

Ono, Google pravdepodobne LSI v klasickej forme nevyužíva, takže moje príklady nie sú úplne správne. Používa však buď navonok niečo veľmi podobné alebo LSI začlenené do zhluku ďalších algoritmov. Pochopenie princípu LSI vás však môže urobiť lepším SEoptimalizátorom, toť preto o tom píšem.

Pokiaľ by niekoho téma zaujímalo podrobnejšie, našiel som skvelú prednášku nielen o LSI: Ján Paralič – Objavovanie znalostí v textoch (pdf, 560 kB) (odkaz zrušený) – pochopenie celého textu vyžaduje dobré znalosti z matematickej algebry.

Z anglických zdrojov je najlepší tento: LSI – latent semantic indexing (University of Tennessee)