LSI-копирайтинг (lsi — аббревиатура от latent semantic indexing, что в переводе с англ. яз. означает «скрытое семантическое индексирование» или «индексация скрытого смысла») — методика написания и подачи текстового материала, повышающая его релевантность при анализе синонимов, слов, сопутствующих ключевому запросу, а также содержания и смысла текста поисковой системой.
LSI-копирайтинг – способ написания текста, который убеждает поисковые машины в достоверности, актуальности и полезности статьи, в результате чего она попадает на первые страницы поисковой выдачи Яндекса и Google. LSI-копирайтинг объединяет в себе пользу и для людей, и для поисковых машин: такой текст информативен и наполнен органично внедренными ключевыми фразами.
В феврале 2011 года компания Google запустила алгоритм Panda. Его появление поспособствовало изменениям в поисковом ранжировании веб-сайтов. Главная цель нововведения —- распознать и снизить количество низкокачественного контента в Интернете, при этом увеличить рейтинг сайтов с добротными и полезными текстами.
Первая информация о LSI-копирайтинге появилась в 2012 году. Тогда владение таким методом написания текстов позиционировалось как потенциальный успех в пассивном продвижении. Старый метод создания текстового контента подразумевал заспамленность материала ключевыми словами на 8-10%. Полотно из 1000 слов, приправленное повторяющимися ключами, размещалось в самом верху или в центре страницы. Маркетологов устраивал такой контент, а вот читатели не были довольны.
Мэтт Катт, главный инженер поисковой оптимизации Google, призвал в 2012 году создавать естественный контент. Под этим он подразумевал написание материала, который имел бы ценность для живых посетителей, а не поисковых роботов.
В 2013, в год 15-летней годовщины своего основания, корпорация Google совершила серьезный прорыв в области семантического поиска, запустив алгоритм Hummingbird (Колибри). На пресс-конференции разработчики заявили, что Hummingbird повлияет на 90% веб-страниц, генерируемых поисковой системой в ответ на запрос пользователя (SERPы).
С внедрением этого алгоритма поисковые системы начали оценивать контент с точки зрения релевантности и соответствия поисковым запросам пользователей. Амит Смит, руководитель отдела по разработке ПС, заявил, что это самое важное обновление Google с 2001 года (Примечание №1). Идея его создания зародилась после того, как люди все чаще стали использовать разговорную речь для поиска необходимого им в Интернете.
Если для SEO-копирайтинга основой являются ключевые слова (ключевики), их плотность (частота применения и расположение) и виды вхождения в текст, то по методике LSI релевантность текстового контента напрямую зависит от вариантов использования ключевиков и слов из их окружения, соответствия контексту, уместности применения. Не меньшее значение при этом имеет качество самого текста, а также тематические предпочтения и потребности читателей. Последнее определяется по индексу отказов: после загрузки страницы читатель задерживается на ней не более 15 секунд. Это значит, что релевантность контента в большей степени зависит от содержания и смысла текста, чем от ключевых слов и фраз, вписанных в текстовый материал. (Примечание №3)
Синонимичные (sLSI) – это слова-синонимы основного запроса, на которые прежде всего делают упор при оптимизации.
Релевантные (rLSI) – это слова из окружения главного ключевика, характеризующие и дополняющие его, а также другие слова и фразы, имеющие прямое отношение к теме статьи. По ним поисковый робот определяет, насколько хорошо раскрыта тема текста.
Лишь при выполнении всех перечисленных требований в их совокупности можно создавать тексты с высокой релевантностью.
Эффективность LSI-текстов согласно результатам эксперимента, проведенного канадским маркетинговым агентством New Media Sources. (Примечание №2)
1. Доклад с презентации компании Google в Менло-Парк, Калифорния, 26 сентября 2013 года.
2. Согласно сведениям New Media Sources. LSI-SEO-Content: Occupy TOP position and increase conversion.
3. Как определить ключевые слова, их плотность и тип вхождения. Google Semantically Related Words & Latent Semantic Indexing Technology
1. Gianluca Fiorelli. Hummingbird Unleashed
2. Rob Bowdery. Basics Advertising 01: Copywriting. - AVA Publishing, 2008. 176 p. - ISBN 9782940439539.
1. Deerwester, S., et al, Improving Information Retrieval with Latent Semantic Indexing, Proceedings of the 51st Annual Meeting of the American Society for Information Science 25, 1988, pp. 36–40. (Улучшение информационно-поисковых систем. Скрытое семантическое индексирование, Труды 51-й ежегодной встрече Американского общества по информатике 25, 1988, стр 36-40.)
Данная страница на сайте WikiSort.ru содержит текст со страницы сайта "Википедия".
Если Вы хотите её отредактировать, то можете сделать это на странице редактирования в Википедии.
Если сделанные Вами правки не будут кем-нибудь удалены, то через несколько дней они появятся на сайте WikiSort.ru .