گراف دانش گوگل یا نالج گراف (knowledge graph) چیست؟

امکان نداره شما مشتری یا متخصص سئو باشی و اسم گراف دانش گوگل به گوشت نخورده باشه. گراف دانش گوگل به ما یه درک خیلی روشن می‌ده از اینکه چطور استراتژی سئومون رو بچینیم. حتی تا حدودی می‌تونه بهمون کمک ‌کنه تا تکنیک‌های اجرایی کوتاه‌مدتی که برای پروژۀ سئو داریم رو جوری انجام بدیم که مؤثرتر از همیشه باشن.

خلاصه کنیم همین اول کار: با کمک نالج گراف می‌تونیم رفته‌رفته بیشتر دانش‌محور عمل کنیم و صرفاً اطلاعات‌محور جلو نریم.

منتهی این گراف اصلاً چی هست؟

 اگر برید و به زبان فارسی سرچ کنید توی گوگل، توضیحات گاهاً کافی و اغلب ناکافی‌ای پیدا می‌کنید که خب، عمدتاً ترجمۀ محتواهای انگلیسی گوگلن. اطلاعات خشک و خالی که خیلی درک روشنی از موضوع به ما نمی‌دن یا درواقع، خیلی روشن نمی‌گن این چیه. درواقع، بخش زیادی از این تولیدمحتواها اصلاً ضد ایدۀ بنیادین دانش گراف گوگلن خودشون!

ما اینجا اما تصمیم گرفتیم که خیلی مفصل و با مثال‌های مختلف و استفاده از منابع متعدد، از ابتدا تا به انتها این موضوع رو براتون توضیح بدیم. بنابراین اگر می‌خواید یه بار برای همیشه بدونید

• گراف دانش گوگل چیه
• چه کاربردی داره
• اساساً چطور کار می‎کنه
• و ما باید چیکار کنیم باهاش

این مقاله رو تا به انتها بخونید با ما که قراره سیر تا پیاز ماجرا رو براتون جا بندازیم.

گراف دانش چیست؟

برای تعریف گراف دانش گوگل، اول باید خود مفهوم «گراف دانش» رو تعریف کنیم.

دو تا پژوهشگر به اسم جسوس باراسا و جیم وبر توی یه کتاب خیلی مهم به اسم Building Knowledge Graphs مفهوم گراف رو این‌طوری تعریف می‌کنن:

Graphs are simple structures that use nodes (or vertices) connected by relationships to create high-fidelity models of a domain.

«گراف‌ها ساختارهای ساده‌ای هستند که از گره‌ها (یا رأس‌ها) و روابط بین آن‌ها برای ایجاد مدل‌هایی از یک حوزه با دقت بالا استفاده می‌کنند.»

این تعریف یه تعریف سخته و کمابیش خیلی هم تخصصی. برای همین یه سری پژوهشگر سال 2016 یه مقاله توی ژورنال Web Semantic Jeournal می‌نویسن و تو اون مقاله تعریف بالا رو یه خرده با زبان ملموس‌تری برای ما شرح می‌دن. خلاصۀ حرف این پژوهشگرا اینه که:

«گراف دانش مجموعه‌ای بزرگ از موجودیت‎های به هم مرتبط از جمله مکان و اشخاص و زمان و مفاهیم و … است که به وسیلۀ برچسب معنایی کنار یکدیگر قرار گرفته است.»

 ما کافیه همین رو از این دو تا تعریف برداشت کنیم ازش که انگار گراف یه ساختار مبتنی بر روابط بین یه سری اجزاست که یه چیزی رو برای ما روشن می‌کنه. درواقع انگار وبر و باراسا دارن می‌گن گراف یه ابزاریه که یه حوزه رو طبق یه مدل مشخص و خیلی دقیق سامان‌دهی می‌کنه. بنابراین اگر بخوایم این تعریف رو بازنویسی کنیم، می‌تونیم اینطور بگیم که: «گراف دانش یه جور نقشۀ بزرگه که همه چیز توش—آدم‌ها، مکان‌ها، اشیا، فیلم‌ها، رویدادها— به‌صورت «نقطه» قرار گرفته و این نقطه‌ها با یه سری «خط‌» که معنی رابطه دارن به هم وصل می‌شن.»

تصویر زیر درک خوبی بهمون می‌ده:

نکته: ما اینجا خیلی نمی‌خوایم بحث رو به سمت مقالات دانشگاهی و علمی-پژوهشی ببریم تا همه بتونن از محتواهایی که می‌نویسیم استفاده کنن. اما در عین حال، ممکنه بعضی از دوستان به قول معروف یه خرده نِردتر از بقیه باشن و بخوان مقالات دانشگاهی مرتبط با مبحث گراف دانش رو هم دنبال کنن. در نتیجه به این دوستان پیشنهاد می‌کنیم به این مقاله که مستخرج از رسالۀ دکتری یکی از پژوهشگران کشورمون هم هست  (حدود 40 صفحه) نگاهی بندازن. به خصوص به شکل‌ها و اینفوگرافیک‌هایی که برای توضیح مباحث پیچیده استفاده کردن خیلی راهگشاست.

گراف دانش گوگل چیست و چه کاربردی دارد؟

براساس توضیحات بالا، می‌تونیم این‌طور بگیم که گراف دانش  گوگل یه جور ساختار مبتنی بر رابطۀ بین موجودیت‌هاست که روی‌‎هم‌‎رفته، یه جور مخزن اطلاعاتی می‌‎سازه. گوگل از این مخزن/ساختار/نقشه/گراف استفاده می‏‎کنه تا یه سری اطلاعات کاربردی رو به ما توی صفحات نتایج، با دقت هرچه تمام، نشون بده.

به این ترتیب، ما و کاربران دیگه وقتی روی یه نتیجه کلیک کنیم، اطلاعاتی که برامون باز میشه کاربردی‌اند و دقیق. برای مثال، وقتی من میام و توی گوگل سرچ می‎کنم «موجود سبز توی فیلم» نتیجۀ زیر بلافاصله برای من میاد بالا:

همونطور که می‌بینید، با اینکه من اسمی از سریال «مندلورین» یا فیلم «جنگ ستارگان» نیاوردم، بازم گوگل تونسته تشخیص بده دنبال چه اطلاعاتی می‌گردم و با دقتی بی‌نظیر، عین اون اطلاعات رو در اختیارم گذاشته.

به این ترتیب، می‌شه حتی تعریفمون رو کوتاه‌تر هم کنیم:

گراف دانش گوگل یه پایگاه دانشه که از عناصر و ارتباط بین این عناصر ساخته شده (منبع).

وقتی شما میاین و جستجویی توی گوگل می‎کنید، گوگل تشخیص می‎ده که شما سراغ یه اطلاعات مشخص دربارۀ یه موجودیت یا entity (منظور از موجودیت هرچیزیه که قابلیت تشخیص و تعریف داره) می‎گردید. بنابراین، میاد و اطلاعات مربوط به اون موجودیت رو به شما نشون می‎ده. اما نیازی نیست حتماً اسم اون موجودیت رو بیارید و مثلاً سرچ کنید «شخصیت گروگو»! چرا؟ چون ما گراف دانش گوگل رو داریم که می‌تونه از روی «موجود سبز توی فیلم» بفهمه شما منظورتون چیه. یعنی درواقع با یه جور جستجوی معنامحور طرفیم. گوگل با کمک گراف دانش یا همون نالج گراف گوگل، نیت جستجوی ما رو بهتر می‌فهمه.

پس اگر بیاین و سرچ کنید «دیجیکالا کی ساخته شد»، اولین نتیجۀ گوگل برای شما به ترتیب زیر نمایش داده می‌شه:

پس قبل از اینکه برسیم سراغ ساختار دانش گراف گوگل، یه خلاصه کنیم:

گراف دانشگوگل یه پایگاه داده‌ی عظیم و هوشمنده که اطلاعات رو به شکل موجودیت‌ (افراد، مکان‌ها، اشیا، مفاهیم) و ارتباط بین اونا سازمان‌دهی می‌کنه. برای مثال، در گراف دانش:

• «گروگو» یه شخصیته.
• «مندلورین» یه سریاله.
• «گروگو» → «شخصیت در» → «سریال مندلورین»

این ساختار کمک می‌کنه گوگل نیت کاربر رو بهتر بفهمه و نتایجی ارائه بده که فقط بر اساس انواع کلمات کلیدی یا لینک‌سازی‌ها نیست، بلکه بر اساس معنا و ارتباط مفهومی بین اوناست. بنابراین خیلی مهمه با این امکان گوگل به بهترین شکل آشنا بشید تا بتونید هوش رقابتی‌تون رو حسابی به رخ رقبا بکشین.

3 مثال برای درک بهتر ساختار گراف دانش گوگل

1. گراف دانش  گوگل اساساً یه ساختار سه‌تایی داره: موجودیت + رابطه + موجودیتی دیگر. یا یه خرده اگر علمی‌تر بگیم:

برای مثال بذارید موردی رو که در بخش بالا گفتیم دقیق‌تر توضیح بدیم. به سه ساختار زیر دقت کنید:

• گروگو (فاعل) + مثالی است از (گزاره) + شخصیت‌های سینمایی (مفعول)
• گروگو + ظاهر می‌شود در + سریال مندلورین
• سریال مندلورین + دنباله‌ای است از + فیلم استاروارز

این ساختارهای سه‌گانه و موارد بیشتر، کنار هم قرار می‌گیرن و یه شبکۀ عظیم به هم پیوسته می‌سازن. بنابراین وقتی کاربر سرچ می‌کنه «موجود سبز توی فیلم»، گوگل میاد و روی این سه‌تایی‌ها یه جور تطبیق معنایی انجام می‌ده. بعد نزدیک‌ترین مورد سه‌تایی رو انتخاب می‌کنه تا برپایۀ اون بهمون نتایج رو نشون بده.

2. گراف دانش گوگل اساساً می‌تونه از موجودیت‌ها رفع ابهام کنه.

تو زبان انگلیسی بهتر می‌تونیم اینو توضیح بدیم. فرض کنید یکی بنویسه تاریخچۀ اپل (History of Apple). اینجا گوگل میاد و روابط اطراف موجودیت apple رو بررسی می‌کنه و می‌بینه دو تاست: اگر میوه باشه: غذا، مربوط به درخت و رنگ زرد، سبز یا قرمز. اگر شرکت باشه: صنعت و فناوری، محصولتش آیفون و مک و بنیانگذارش هم استیو جابز. بنابراین این مورد دوم انگار بیشتر به کلمۀ مفهوم «تاریخچه» تو کوئری ما نزدیکه و گوگل خیلی درست اینو تشخیص می‌ده. نتیجۀ جستجو با همین کوئری رو ببینید:

3. نالج گراف گوگل اساساً برمبنای استنتاج کار می‎کنه.

این رابطۀ رو در نظر بگیرید: لیونل مسی + قدش است + 169 سانتی متر

برپایۀ این رابطه، گراف دانش گوگل می‌دونه که قد یه نوع ویژگی ظاهریه، ویژگی ظاهری به انسان‌‎ها ربط داره و لیونل مسی هم یک انسانه. بنابراین چه شما سرچ کنی «قد مسی چند سانته؟» و چه سرچ کنی «مسی چند سانته؟» یا «قد لیونل مسی چقدره؟» یا موارد مشابه، جواب درست رو از طریق استنتاج به شما می‌ده.

مزایای گراف دانش گوگل

به این ترتیب، گراف دانش گوگل سه تا مزیت فوق‌العاده داره که دونستنشون برای ما مهمه:

1.  اطلاعات بر اساس موضوع سازماندهی می‌شن و فضای کمتری اشغال می‌کنن. همینطور محتوای دوبلیکیت کمتری هم خواهیم داشت.
2.  گوگل می‌تونه فکت‌های مهمی رو دربارۀ یه موضوع از منابع مختلف جمع‌آوری و به‌صورت خیلی کاربردی به یه کاربر نمایش بده.
3.  سازماندهی موضوعی اطلاعات باعث می‌شه دسترسی به داده‌ها برای گوگل و کاربر بسیار سریع‌تر بشه.

خود گوگل دربارۀ گراف دانش چه می‌گوید؟

خود مهندسان گوگل یه ویدئویی دارن توی یوتیوب که سال 2012 و همزمان با معرفی گراف دانش گوگل منتشر شده. این ویدئو رو می‌‎تونید توی این لینک با فیلترشکن تماشا کنید. اگرم حوصله نداشتین یا با زبان انگلیسی راحت نبودید، می‌تونید خلاصه‌اش رو اینجا بخونید:

توی این ویدیو، مدیران گوگل توضیح می‌دن که هدف از گراف دانش اینه که گوگل بتونه کلمات جستجو رو به‌عنوان نشونه‌هایی از اشیای واقعی در جهان درک کنه. یعنی بفهمه افراد، مکان‌ها، کتاب‌ها، فیلم‌ها و مابقی چیزها چی‌ان و اساساً چه ارتباطی با هم دارن. گراف دانش گوگل اطلاعات مربوط به این اشیا و رابطه‌های بین اونا رو جمع‌آوری می‌کنه تا گوگل بتونه نیت و منظور کاربر رو بهتر تشخیص بده.

یکی از کاربردهای اولیۀ این سیستم، اینه که بیاد و یه جور پنل اطلاعاتی در کنار نتایج جستجو به ما نشون بده که به کاربر کمک می‌کنه سریع‌تر به داده‌های مهم و مرتبط برسه (یه ذره اسکرول کنید، پایین‌تر براتون مثالش رو گذاشتیم).

در انتهای ویدئو هم گفته می‌شه که گوگل از یه «موتور اطلاعات» به سمت یک «موتور دانش» حرکت می‌کنه. پس با گسترش گراف دانش می‌تونه سوالات کاربران رو دقیق‌تر بفهمه و اونا رو به اطلاعات مناسب متصل کنه. و خب، این مورد آخر رو ما الان که حدود 13 سال از این ویدئو می‌گذره، به خوبی با چشم خودمون دیدیم و می‌فهمیم منظور گوگل از اینکه می‌خواد اطلاعات رو به دانش تبدیل کنه چیه.

ارتباط سرچ صوتی و گراف دانش گوگل

بد نیست برای درک بهتر گراف دانش گوگل، به جستجوی صوتی هم فکر کنیم. چرا؟ چون ما وقتی داریم حرف می‎زنیم، معمولاً جملات رو در طبیعی‌ترین و روزمره‌ترین حالت ممکن ادا می‌کنیم و گوگل هم اینجا توضیح می‌ده که بیشتر از 70 درصد از جستجوهاش به زبان طبیعی هستن. بذارید مثال بزنیم. فرض کنید من با جستجوی صوتی بپرسم:

• هوای تهران فردا چطوره؟

چون گوگل به‌جای کلمات جداگانه، عناصر و رابطه‌ها رو می‌شناسه و همون‌طور که بالا توضیح دادیم در واقع برپایۀ گراف دانش عمل می‌کنه، اینجا خیلی راحت‏‎ با زبان طبیعی ما ارتباط می‎گیره و می‌فهمه که که تهران یه شهره و هوا هم اشاره به آب و هوا داره. بنابراین، ما نیازی نیست بگیم بنویسیم: «وضعیت آب و هوای شهر تهران در تاریخ فلان». گوگل خودش از «هوا» منظورمون رو می‎فهمه همون‌طور که اگر از هر آدمی بپرسیم «هوای تهران فردا چطوره؟» دقیقاً می‎فهمه منظورمون چیه.

گراف دانش گوگل چه تأثیری روی سئو دارد؟

1. اولین تأثیر رو تا به اینجا همه‌مون فهمیدیم که همون درک بهتر نیت جستجوگره. گراف دانش به گوگل کمک می‌کنه فراتر از تطابق کلمات بره و معنای واقعی درخواست کاربر رو بفهمه و نتایج مرتبط‌تر رو نشون بده.

2. نالج گراف گوگل از جستجوی صوتی پشتیبانی می‎کنه و چون مفاهیم و عناصر رو درک می‌کنه، در پاسخ به سوالات گفتاری عملکرد بهتری داره. پس دقیقاً اونچه کاربر می‌خواد رو ارائه می‌ده.

4. یه تأثیر دیگۀ گراف دانش گوگل روی سرچ، افزایش دید و اعتبار برنده. وقتی برند یا شخصی در گراف دانش شناخته بشه، گوگل ممکنه اون رو توی پنل دانش نمایش بده و این دیده شدن برند رو در صفحه نتایج افزایش می‌ده. دیجی‌کالا مثال خوبیه برای این مورد که در بالا هم داشتیمش. به اینم می‌شه فکر کرد که چقدر این کمک می‌کنه توی جستجوی هوش مصنوعی هم دیده بشیم.

5. تأثیر بعدی کاهش کلیکه. بخشی از جستجوها به کلیک منتهی نمی‌شن چون گوگل پاسخ‌ها رو مستقیماً در نتایج نمایش می‌ده. درواقع بعضی محتواها کمتر ترافیک ارگانیک می‌گیرن چون ممکنه طرف اصلاً با خوندن خود سرپ یا پنل یا کادر ابتدایی، جوابش رو بگیره. برای مثال، من اگر الان سرچ کنم «هوا» تا بخوام هواشناسی تهران رو سرچ کنم، نیازی نیست اصلاً کلیکی کنم چون بلافاصله جوابم رو از روی serp یا همون صفحۀ نتایج می‌گیرم:

6. تأثیر بعدی ارتقای دقت نتایج جستجوئه. با گراف دانش گوگل، نتایج جستجو دقیق‌تر و هدفمندتر می‌شن و کاربران سریع‌تر به اطلاعات مورد نظر خود می‌رسن. مثالی که از سریال مندلورین زدیم خیلی خوب این مورد رو تأیید می‌کنه.

چطور وارد گراف دانش گوگل بشویم؟

طبیعتاً تا اینجا متوجه شدید که چقد کسب و کار و سایت شما به گراف دانش گوگل نیاز داره و چقدر می‌تونه به شما کمک کنه تا مخاطبان بیشتری جذب کنید.

اما چطور باید وارد گراف دانش شد یا درواقع از این امکان به نفع سئو استفاده کرد؟ ما 7 مورد به شما پیشنهاد می‌کنیم.

1. تولید محتوای باکیفیت

قبل از هر اقدامی برای ورود به نالج ‌گراف گوگل، باید سایت شما باید از نظر محتوایی به یه کیفیت خوبی رسیده باشه. این یعنی شما باید یه استراتژی محتوای مشخص، یه لحن ثابت و یه نظم خوب توی تولید محتوا داشته باشید و مقالاتی بنویسید که واقعاً به نیاز کاربران پاسخ بدن. اگر محتوای سایت نتونه به نیت کاربر پاسخ بده یا کیفیت خوبی نداشته باشه، گوگل هنوز دلیل کافی برای درک و معرفی شما به‌عنوان یه موجودیت معتبر رو نداره. بنابراین، اولین قدم ساخت یه پایگاه محتوای باکیفیت و قوی و قابل اعتماده.

البته اهمیت محتوا خیلی بیشتر از ایناست و ما پیشنهاد می‏کنیم حتماً بیشتر و بیشتر روی این موضوع دقت کنید.

2. لینک سازی

برای اینکه گوگل شما رو به عنوان یه برند معتبر بشناسه، باید دربارۀ شما توی فضای آنلاین صحبت بشه. حضور توی رسانه‌های معتبر، وب‌سایت‌های خبری، مقالات تخصصی و پلتفرم‌های شناخته‌شده باعث می‌شه سیگنال‌های اعتبار به گوگل ارسال بشه. این نوع لینک‌سازی به گوگل کمک می‌کنه بفهمه که شما یه سایت و موجودیت قابل توجه هستید. هرچند برای کسب‌وکارهای کوچک این کار سخت‌تره اما خیلی اثرگذاری بسیار بالایی داره و یکی از عوامل مهم شناسایی برند در نالج‌گراف محسوب می‌شه. بنابراین بک لینک رو باید جدی گرفت.

پس اگر هنوز برنامه‌ای برای بک لینک گرفتن نریختید، پیشنهاد می‌کنم دست‌کم برید سراغ پلتفرم‌هایی مثل آپارات و نماشا و امثالهم و یه چندتایی ویدئو بذارید و فعلاً لینکشون کنید به محتواهای مهمتون. این فعلاً برای شروع بد نیست و بعد البته بدونید که حتماً نیازه یه کمپین برای بک لینک داشته باشید. توضیحات بیشتر رو می‌تونید به صورت مشاوره از ما دریافت کنید.

3. استفاده از اسکیما توی وبسایت

استفاده از اسکیما و استراکچرد دیتا به گوگل کمک می‌کنه تا دقیق‌تر بفهمه شما چه کسی یا چه چیزی هستین. از طریق اسکیما شما خیلی مشخص می‏تونید داده‌های مربوط به سازمان، برند، شخص یا کسب‌وکار خودتون رو به‌صورت ساختارمند توی سایت جا بدید.

راجع به این موضوع حتماً سعی می‌کنیم در آینده بیشتر توی بلاگ میزفا حرف بزنیم چون اینم یه بحث خیلی مهمه برای ما.

4. ثبت نام و ایجاد پروفایل توی گوگل بیزنس

اگر کسب‌وکار شما مکان فیزیکی داره، ایجاد و تکمیل پروفایل توی Google My Business یه کاریه که توی اسرع وقت باید انجامش بدین. این پروفایل به گوگل کمک می‌کنه تا آدرس، ساعت کاری، شماره تماس و سایر اطلاعاتتون رو با دقت بیشتری بشناسه و اونو توی جستجوی محلی و گوگل‌مپ نمایش بده. البته اینکار تضمینی برای ورود به نالج‌گراف گوگل نیست، اما باعث می‌شه ساختار اطلاعات برند شما برای گوگل قابل فهم‌تر باشه و خب این قدم مؤثریه.

فقط دقت داشته باشید که مهمه اطلاعاتی که شما توی گوگل بیزنس وارد می‎‏کنید کاملاً هماهنگ با اطلاعاتی باشن که جاهای دیگه، مثلاً بایوی اینستاگرام، وارد کردید.

5. درست کردن صفحه توی ویکی‌پدیا

ویکی‌پدیا یه منبع معتبر عمومیه و گوگل نسبت به اطلاعاتی که توش اومده خیلی کنجکاوه و درواقع اعتماد خیلی زیادی بهش داره. داشتن صفحه توی ویکی‌پدیا باعث تقویت اعتبار برند شما می‌شه. البته ایجاد صفحه توی ویکی‌پدیا باید با دقت و رعایت کامل قوانین انجام بشه و مثلاً محتوا باید بی‌طرف، مستند و دارای منابع معتبر باشه.

و خب چطور صفحۀ ویکی‌پدیا بسازیم؟ خود ویکی‌پدیا تو این لینک برامون توضیح داده.

7. حفظ انسجام و فعالیت مستمر در فضای آنلاین

گوگل واسه تصمیم‌گیری دربارۀ معرفی یه برند توی گراف دانش باید از شما سه تا سیگنال بگیره: ثبات، نظم و تداوم. اگر فعالیت شما پراکنده، مقطعی یا بدون برنامه باشه، گوگل نمی‌تونه روی شما حساب کنه. بنابراین لازمه همیشه تولید محتوا به‌صورت منظم ادامه پیدا کنه و حضور ثابت و مظمی توی فضای آنلاین داشته باشید. این استمرار شما به گوگل نشان می‌ده که شما واقعی، فعال و معتبر هستید. بنابراین، حتماً و حتماً باید سعی کنید در اسرع وقت یاد بگیریم برای برندمون چطور تقویم محتوایی درست کنیم.

10 فکت جذاب دربارۀ گراف دانش

1. گراف دانش گوگل تو سال ۲۰۱۲ معرفی شد و ساختار جستجو رو متحول کرد.
2. تمرکز اصلی گراف دانش بر درک «عناصر» هست و نه صرفاً تطابق سادۀ کلمات.
3. شامل میلیاردها فکت و میلیون‌ها موجودیت در موضوعات مختلفه.
4. داده‌ها رو از منابع معتبر و متنوع جمع‌آوری و ترکیب می‌کنه.
5. منبع اصلی پنل‌های اطلاعاتیه (همون پنل دانش که تو مورد آب و هوا هم داشتیمش) که تو زبان انگلیسی بیشتر می‌تونیم ببینیمشون.
6. جستجوی معنایی رو بهبود می‌ده و پاسخ‌های دقیق‌تری ارائه میده.
7. توی سیستم‌های مرتبط با هوش مصنوعی گوگل، مثل Google Assistant، نقشی کلیدی داره.
8. به‌صورت مداوم به‌روزرسانی و پالایش می‌شه تا دقت داده‌ها رو افزایش بده.
9. روی سئوی برند تأثیر مستقیم داره و به افزایش اعتبار برند کمک اساسی می‌کنه.
10. با چالش‌هایی مثل ناسازگاری داده روبه‌رو هست. چرا؟ چون میاد و داده‏‎ها رو از منابع مختلفی جمع می‎کنه.

نتیجه‎‌گیری

قبل از هر چیزی، خسته نباشید می‌گیم که تا اینجای مقاله حوصله کردید و همراه ما بودید. حتماً تا الان خودتون به این نتیجه رسیدید که گراف دانش گوگل یه تغییر بنیادینه توی طرز نگاه و فکر ما نسبت به سئو. اگه تا دیروز سئو به معنی پیدا کردن کلمات کلیدی و خریدن یه تعداد بک لینک بود، امروز سئو یعنی ساختن معنا، ساختن ارتباط و ساختن اعتبار. درواقع الان متخصص سئو اونیه که بفهمه گوگل دیگه فقط با «کلمه» کار نمی‌کنه و بیشتر از هر چیزی با «دانش» کار داره. هر برندی که بتونه خودش رو به‌عنوان یه «سایت معتبر» به گوگل معرفی کنه، یه قدم توی دیده شدن از رقبا می‌افته جلو.

اما رسیدن به این مرحله، بدون یه استراتژی فنی و محتوایی دقیق نامــ…. نمی‎‌گیم ناممکن…. اما خب خیلی زیاد سخته. شما باید محتواهایی تولید کنید که گوگل بفهمه، استراکچرد دیتایی بسازید که گوگل ببینه، لینک‌سازی‌ای انجام بدید که گوگل باورش کنه و مهم‌تر از همه، برندی بسازید که توی گراف دانش گوگل جایگاهی واقعی پیدا کنه.

تیم و خدمات سئوی ما می‌تونه توی تحلیل موجودیت‌ها، طراحی استراکچرد دیتا، بهینه‎سازی محتوای معنامحور و ایجاد پروفایل‌های معتبر به شما کمک کنه. برای دریافت یه ارزیابی فنی از وضعیت حال حاضر سایتتون و اینکه چقدر نزدیک هستید به ورود به گراف دانش گوگل، می‌تونید از مشاورۀ تخصصی ما استفاده کنید.

ممنون از اینکه همراه بودید. پایین یه اینفوگرافی هم از مطالب براتون گذاشتیم.

بقیۀ مقالاتمون رو از دست ندید.