Moz - SEOとインバウンドマーケティングの実践情報

テクニカルSEOの立場から考える「コンテンツとリンク」（テクニカルSEOの復権全6回の4）

「エンティティ」「TF-IDF」「徴証語」「関連語」といったトピックを理解しているだろうか。

Moz 2017/2/6 7:00 SEO | 解説／ノウハウ

7 215 46

「SEOにテクニカルな要素はもうない」というのは本当だろうか？今の時代に改めて重要性が増しているテクニカルSEOを解説するこの記事、全6回の4回目は、テクニカルSEOの立場から「コンテンツとリンク」について考えてみよう。

まず前回までを読んでおく
→第1回「ウェブ技術の進化」「JavaScript」「HTTP/2」
→第2回「SEOツール」「検索順位」「クローキング」
→第3回「クロール」「スクレイピング」

テクニカルSEOの立場から考える「コンテンツとリンク」

SEOの仕事のかなりの部分が、この数年間で変わってきた。具体的には、「リンクを増やすためにより多くのコンテンツを作成すること」がかなり多くなってきた。

コンテンツを拡充してリンクを増やす方法を巡る議論に、今の時点で何かを加えることに価値があるのかどうか、筆者にはわからない。

しかし、多くの人にとって最重要項目ではなくなっている「既存のリンク」と「既存のコンテンツ」にも何らかのチャンスがあるのではないかと思っている。

グーグルはまずエンティティを見る

グーグルは、クエリを検討する際にはまずエンティティを見ると発表している。

「エンティティ」とは、グーグルのシステム内における固有名詞の表し方を指す用語だ。たとえば「著名人」「著名な場所」「有名な物」「有名な出来事」を識別し、自然言語の理解に影響を与える。

※Web担編注

たとえば「ドナルド・トランプ」は単なる文字列であり1つのキーワードだ。

しかし、これを「米国の第45代大統領で、不動産会社トランプ・オーガニゼーションの会長兼社長、1946年6月14日に米国ニューヨーク州で生まれた。妻はメラニア氏で、子にはドナルド・トランプ・ジュニア、イヴァンカ、エリック、ティファニー、バロンがいる」といった意味も含めて扱うのが「エンティティ」だ。

これによりグーグルは、「米国の第45大統領の生年月日は」という検索に対して「1946年6月14日」という答えを出せる。

筆者はセミナーなどでこの件について話す際には、聴衆に「エンティティ戦略を持っているかどうか」を聞いて挙手してもらうようにしている。この話は10回以上やっているが、これまでに手を挙げたのはたったの2人だ。

このテーマに関する最も重要なオピニオンリーダーはビル・スロースキ氏なので、ここは筆者も同氏の見識に任せ、同氏の記事を読むことをおすすめしたい。

また、AlchemyAPIやMonkeyLearnのような自然言語処理ツールの利用をおすすめしたい。さらにおすすめなのは、グーグル自身の自然言語処理APIを使ってエンティティを抽出することだ。

では、「標準的なキーワード調査」と「エンティティ戦略」の違いは何だろうか。

それは、エンティティ戦略を構築するには、すでにある自分のコンテンツをもとにする必要がある点だ。

エンティティを特定する際は、まずキーワード調査を行い、そのランディングページをエンティティ抽出ツールに流し込んで、どのようになるかを知るべきだ。

また、競合相手のランディングページを同様にエンティティ抽出のAPIにかけて、どのエンティティがキーワードに狙われているのかを突き止めよう。

TF*IDF

単語の出現頻度（Term Frequency）と逆文書頻度（Inverse Document Frequency）から算出されるTF*IDFは、米国ではあまり議論されていない自然言語処理のテクニックだ。事実、これまでSEOコミュニティの熱い議論で話題になってきたのは、トピックモデリングのアルゴリズムだ。

心配なのは、トピックモデリングのツールは、ユーザーに有用なコンテンツを制作するという考え方を考慮せず、キーワード密度の暗黒時代にわれわれを押し戻す傾向がある点だ。

これに対し、欧州の多くの国では、リンクがなくてもオーガニックなビジビリティを高める重要なテクニックとして、TF*IDF（あるいは、ドキュメント内頻度［Within Document Frequency］と逆文書頻度に基づくWDF*IDF）が信頼されている。

TF-IDF
単語の出現頻度－逆文書頻度（Term Frequency-Inverse Document Frequency）は、あるドキュメントにおけるキーワードフレーズの重要性を、他の大量のドキュメント内での単語の利用頻度と比べることで測定する手法。高度な自然言語解析の多くが、TF-IDFをベースにした手法を利用している。

昨年、少しドイツで過ごしたところ、何人かの人と話をしてTF*IDFにはもう一度目を向ける価値があると納得させられた。そこで、うちはTF*IDFを見直し、コンテンツ最適化のプロセスに組み込むようにした。

Searchmetricsのランキング要因に関する2014年の調査では、TF*IDFは実際はビジビリティと負の相関関係にあり、一方、関連語（Relevant Term）および徴証語（Proof Term）は強い正の相関関係にあることが判明した。

画像：Searchmetrics

Searchmetricsはこれらの要因を調査した結果に基づき、2015年は徴証語と関連語を優先し、分析からTF*IDFを完全に外す決断をした。この正の相関関係は、前年より若干弱まって入るものの、ほぼ変化がない。

画像：Searchmetrics

Mozが調査した2015年の検索順位決定要因では、オンページコンテンテンツ要因のうち、LDAとTF*IDFに関連する項目が引き続き上位に挙げられている。

実際は、どのモデルに目を向けるにせよ、メインターゲットとするキーワードで高い順位を獲得するため、文章中に関連するキーワードを使うという考え方は共通している。それでうまくいくからだ。

われわれがTF*IDFを用いた戦術だけを取り出して調査したとは言えない。しかし、TF*IDFを使って最適化したページは、そうしなかったページよりも順位が大きく上がったと言うことはできる。うちではOnPage.orgのTF*IDFツールを活用しているが、厳密な計算ルールを採用して従っているわけではない。関連するキーワードがアイデアの創出に影響を及ぼせるにしたうえで、それを合理的な範囲で活用している。

少なくとも、コンテンツのこのような技術的な最適化は再検討する必要がある。それと同時に、コンテンツマーケティングの取り組みをもっと有効活用するためにサイラス・シェパード氏が提唱しているその他の戦術も検討するべきだろう。

この記事は、6回に分けてお届けしている。5回目となる次回は、「リダイレクト」と「構造化データ」について考察する。　→第5回を読む