Welkom in ons ondersteuningscentrum
< Alle onderwerpen
Afdrukken

Trefwoord clustering in SEO

Trefwoordclustering is een techniek die door zoekmachine optimalisatie (SEO) specialisten wordt gebruikt om doelzoekwoorden te categoriseren in groepen (clusters) die relevant zijn voor elke webpagina. Na het doen van zoekwoord onderzoek, organiseren zoekmachine specialisten zoekwoorden in kleine groepen en verdelen ze over de pagina's van de website om betere posities te krijgen in de zoekmachine resultaten (SERP). Het clusteren van trefwoorden is een volledig geautomatiseerde procedure die trefwoord clustering programma's uitvoeren.
Het concept en de eerste ideeën werden in 2015 bedacht door Alexey Chekushin, een Russische zoekmachineoptimalisatiespecialist. In hetzelfde jaar produceerde Rusland het op SERP gebaseerde zoekwoordclusteringsprogramma Just-Magic. De keyword clustering tool is toegankelijk in de Engelse taal en werd in de zomer van 2015 gemaakt door het in Thailand gevestigde bedrijf Topvisor. Een jaar later lanceerde Spyserp, een Ests bedrijf, een vergelijkbare technologie. Het voornaamste onderscheid is dat alle talen er te clusteren zijn.

Clusteringstechniek

  • Ongeacht de zoekmachine of aangepaste parameters, trefwoord clustering is gebaseerd op de top tien zoekresultaten (TOP-10). De TOP-10 zoekresultaten zijn de eerste tien resultaten die door een zoekmachine worden getoond voor een bepaalde zoekopdracht. In de meeste situaties, komt de TOP-10 overeen met de eerste pagina van de zoekresultaten
  • De keyword clustering methodologie als geheel bestaat uit vier fasen die een tool moet volbrengen om keywords te clusteren:
    Het programma haalt de trefwoorden één voor één uit de lijst en legt ze als zoekopdrachten voor aan de zoekmachine. Het onderzoekt de zoekresultaten, haalt de top 10 resultaten eruit, en vergelijkt deze met elke term in de lijst.
    Wanneer een zoekmachine dezelfde zoekresultaten oplevert voor twee verschillende trefwoorden en de hoeveelheid van deze resultaten voldoende is om tot clustering over te gaan, worden de twee trefwoorden gegroepeerd (geclusterd).
  • Het clusteringsniveau is het minimum aantal treffers in de zoekresultaten dat trefwoordclustering in gang zet. Het clusterniveau is configureerbaar, en de meeste programma's laten dit toe in de pre-clustering instellingen. Na de clustering heeft het clusteringsniveau een effect op het aantal groepen en termen binnen elke groep. Hoe hoger het clusteringniveau, hoe meer groepen er worden gemaakt met minder termen in elke groep.
  • Dit komt omdat de kans minimaal is dat er negen tot tien overeenkomende papers op de pagina met zoekresultaten worden gevonden (dit zou bijna alle pagina's in de TOP-10 van de zoekresultaten omvatten). Aan de andere kant zal clustering op niveau 1 of niveau 2 resulteren in de vorming van een paar groepen, die elk een groot aantal trefwoorden zullen bevatten. Er zijn enkele uitzonderingen, maar die zijn zeldzaam.
    Als een tool geen overeenkomende URL's vindt in de eerste tien resultaten van een zoekopdracht, worden deze trefwoorden in een eigen categorie ondergebracht.
  • Afgezien van het clusterniveau zijn er vele verschillende vormen van trefwoordclustering, die elk invloed hebben op de manier waarop termen binnen een groep aan elkaar gerelateerd zijn. Net als bij het clusterniveau kan het type trefwoordclustering worden gespecificeerd voorafgaand aan het clusteren.

Zachte types

  • Een trefwoord clustering tool doorzoekt de lijst van trefwoorden en bepaalt dan welk trefwoord het meest populair is. Het meest populaire trefwoord is een trefwoord dat de meeste zoekopdrachten krijgt. Vervolgens vergelijkt een tool de TOP 10 zoekresultaten voor het gekozen trefwoord met de TOP 10 zoekresultaten voor een ander trefwoord om het aantal overeenkomende URL's te bepalen. De trefwoorden worden gegroepeerd als het waargenomen aantal voldoet aan het ingestelde groeperingsniveau.
    Bijgevolg zullen alle termen binnen een groep geassocieerd worden met de term met het grootste zoekverkeer, maar zullen ze niet noodzakelijk met elkaar geassocieerd worden (zullen niet noodzakelijk overeenstemmende URL's met elkaar hebben).

Bescheiden

  • Een trefwoord clustering tool doorzoekt de verzameling van trefwoorden en selecteert dan de top-performing term. Vervolgens vergelijkt een tool de TOP 10 zoekresultaten voor het gekozen trefwoord met de TOP 10 zoekresultaten voor een ander trefwoord om het aantal overeenkomende URL's te bepalen. Tegelijkertijd vergelijkt een tool alle termen met elkaar. De trefwoorden worden gegroepeerd als het waargenomen aantal identieke zoekresultaten gelijk is aan het ingestelde groeperingsniveau.
  • Bijgevolg zal elke term in een groep een corresponderend trefwoord hebben met een overeenkomende URL of reeks URL's in die groep. Twee willekeurige trefwoordcombinaties zullen echter niet altijd overeenkomende URL's hebben.
  • Een trefwoord clustering tool doorzoekt de lijst van beschikbare trefwoorden en selecteert dan het trefwoord met het grootste zoekvolume. Vervolgens vergelijkt een tool de TOP 10 zoekresultaten voor het gekozen trefwoord met de TOP 10 zoekresultaten voor een ander trefwoord om het aantal overeenkomende URL's te bepalen. Tegelijkertijd vergelijkt een tool alle trefwoorden en hun corresponderende URL's in de ontdekte koppelingen. De trefwoorden worden gegroepeerd als het waargenomen aantal identieke zoekresultaten gelijk is aan het ingestelde groeperingsniveau.
  • Bijgevolg zullen alle termen binnen een groep geassocieerd worden via het gebruik van identieke URL's.

Histories

  • Als cruciaal onderdeel van het website optimalisatie proces, doen SEO specialisten trefwoord onderzoek om een pool van doel zoektermen te ontwikkelen die zij gebruiken om hun website te promoten en betere zoekmachine rangen te bereiken. Na het samenstellen van een lijst van trefwoorden die verband houden met de inhoud van de website, verdelen ze de lijst in kleinere groepen. Elke groep wordt vaak geassocieerd met een bepaalde pagina op de website of een bepaald onderwerp. Aanvankelijk moesten SEO-specialisten de trefwoordenpool handmatig ordenen, waarbij ze de ene term na de andere kozen en waarschijnlijke clusters ontdekten.
  • Hoewel dit kon worden bereikt met de hulp van de Google Adwords Keyword Tool, was er nog steeds een aanzienlijke hoeveelheid menselijke arbeid voor nodig. Er was behoefte aan een geautomatiseerde methode die automatisch termen zou verdelen in clusters.
    Trefwoordgroepering op basis van lemma's
  • Voorafgaand aan de komst van trefwoordclustering, creëerden zoekmachine optimalisatie professionals trefwoordgroeperingstechnieken gebaseerd op het lemmatiseringsproces. Een lemma is de stam of woordenboekvorm van een woord (zonder verbuigingsuitgangen). Lemmatisering is een taalkundig begrip dat verwijst naar het groeperen van de vele verbogen vormen van een woord, zodat ze als één item kunnen worden bestudeerd.

Lemmatization is een vier-stappen methode in zoekmachine optimalisatie.

  • Trefwoorden worden één voor één uit de lijst geselecteerd; zij worden onderverdeeld in lemma's; gelijksoortige lemma's worden gevonden; en trefwoorden met overeenkomende lemma's worden gegroepeerd.
    Als gevolg daarvan krijgt een SEO-professional een lijst van trefwoordgroepen. Elke term in een bepaalde groep heeft een lemma dat overeenkomt met alle andere trefwoorden in die groep.

Gebaseerd op de SERPs

  • In tegenstelling tot lemma-gebaseerde trefwoord clustering, SERP gebaseerde trefwoord clustering genereert groeperingen van termen die misschien geen morfologische overeenkomsten hebben, maar wel overeenkomsten met zoekresultaten. Het stelt zoekmachine specialisten in staat om een trefwoord structuur te creëren die nauw overeenkomt met het patroon gedicteerd door een zoekmachine.
  • Alexey Chekushin, een Russische SEO-specialist, presenteerde in 2015 de zachte en harde types van termclustering en het algemene algoritme. In datzelfde jaar ontwierp en lanceerde hij een automatisch term clustering programma.

Geef een antwoord

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Inhoudsopgave