Search Marketing

Ricerche Correlate Google

L’effettivo funzionamento delle Related Search di Google è un enigma e probabilmente uno degli argomenti su cui si pone meno attenzione a livello SEO. La documentazione disponibile online e il numero di case study si contano sulle punte delle dita, anche in siti autorevoli che generalmente hanno già “parlato di tutto”.

Le ricerche correlate sono però importantissime, soprattutto quando si lavora sulla brand awareness e sulla brand reputation, motivo per cui è impossibile fare a meno di considerarle. Cercare per credere: Moz, Blackhatworld, GiorgioTave, Searchengineland, etc.

Con questo articolo vorrei esporre una serie di ragionamenti intorno al tema delle ricerche correlate, partendo da osservazioni, brevetti, articoli e test. Come al solito, ricordo che brevetti e articoli non ci dicono nulla sull’effettivo funzionamento di Google, ma possono essere usati come spunto di ragionamento. La presenza di un brevetto o di una pubblicazione non significa assolutamente che Google stia utilizzando quella tecnologia.

Attualmente esperti di tutto il mondo tentano di arrivare a una comprensione dei meccanismi di scelta delle ricerche correlate, al fine di utilizzarle per attività di Personal e Brand Reputation. In un prossimo futuro, con l’evoluzione tecnologica dell’I.A. e dei metodi di ricerca legati alla Vocal Search, potrebbero giocare un ruolo molto più rilevante.

Senza lanciarsi in voli pindarici alla HER,sappiamo che attualmente, utilizzando Google Now, la nostra assistente vocale risponde alle nostre esigenze leggendo i contenuti presenti in SERP.

[embed]https://www.youtube.com/watch?v=kkZLuIjUUcE[/embed]

Quanto è remota la possibilità che Google inizi a utilizzare le ricerche correlate, e di conseguenza le correlate delle correlate, come input da dare all’utente in modo da indirizzare/facilitare la sua ricerca?

Il funzionamento di”People also ask”, la cui applicazione pratica deriva secondo Bill Slawski dal brevetto”Generating related questions for search queries, potrebbe accreditare la mia ipotesi secondo la quale Google voglia determinare sempre più a priori la risorsa utile all’utente prima che lui stesso sappia come reperire informazioni a riguardo.

L’utilizzo crescente delle PAAs(che hanno riscontrato un aumento di presenza in SERP del 1,723% dal 2015) sembra avvalorare ulteriormente la cosa.

Come Funzionano le Ricerche Correlate

Notato il caos dovuto all’assenza di risorse complete e aggiornate, a dispetto dell’importanza dell’argomento, non ho voluto esimermi dalla possibilità di aumentare il rumor a riguardo.

Il mio articolo “si prefigge di trarre delle conclusioni generali” partendo dallo studio delle related search di una query specifica e da alcune riflessioni sul brevetto “Intelligent computerized search engine, citato in “A knowledge correlation search engine, particolarmente rilevante poiché orientato al miglioramento della comprensione dell’input dell’utente al fine di facilitare la ricerca.

Per iniziare andremo ad analizzare le ricerche correlate alla query “martin scorsese”.

Search Intent e Volumi di Ricerca

Per prima cosa ho voluto approfondire la possibilità che i volumi di ricerca avessero un impatto sulle ricerche correlate, partendo dallo spunto di (https://moz.com/blog/how-googles-search-suggest-instant-works-whiteboard-friday”>Rand Fishkin</a> riguardo il funzionamento di Google Suggest.

Credo che il volume di ricerca sia un fattore estremamente rilevante nel caso d’esempio, poiché la genericità della keyword “martin scorsese” e la conseguente SERP eterogenea, si presta al processo di raffinamento della query che parte degli utenti potrebbe fare. Insomma, non potendo sapere in nessun modo - se non tramite ipotesi - come gli utenti raffinano la query di ricerca, possiamo fare il processo inverso e cercare di capire quali sono le query correlate con volumi di ricerca più alti. Una grossa parte di quel volume potrebbe esser generato dai raffinamenti.

In questo caso il volume di ricerca potrebbe rappresentare abbastanza fedelmente anche il search intent dell’utente, fattore che è considerato come primario nella generazione delle Ricerche Correlate. Analizzando le keyword “corrispondenza a frase” da SemRush, è possibilenotare una forte corrispondenza tra le Ricerche Correlate proposte da Google e le keyword con i più alti V.R.

Se dallo screenshot seguente, che riporta la lista delle keyword ordinata per V.R., eliminiamo la query secca e le varianti (ad esempio “martin scorsese film” e “film martin scorsese”), notiamo che le query con volume di ricerca più alto sono presenti nelle correlate di Google (segnalate con la freccia rossa).

Cosa evidente che però vale la pena sottolineare, è il fatto che siano presenti tra le *re###lated search query con lo stesso intento di ricerca, per esempio “martin scorsese movies” e “martin scorsese film”. Si può notare infine che le keyword sembrano ordinate per volume di ricerca, se presumiamo un ordine che va dalla prima colonna, dall’alto verso il basso, alla seconda colonna sempre dall’alto al basso.

La possibilità di poter dedurre una graduatoria nella disposizione delle related search, anche se parziale, potrebbe rivelarsi estremamente utile nel caso dovessimo far scivolare qualche correlata scomoda durante le attività di Personal o Brand Reputation. Verifichiamo le ipotesi precedenti con un altro esempio: Tarantino. Il pattern della query, anche questa volta, sarà rappresentato dal nome e cognome, “quentin tarantino”.

Anche se inizialmente la successione delle query non confermava l’ipotesi di un ordine nell’elenco per V.R., facendo dei cluster sulla totalità delle keyword analizzate è emerso che anche questa volta sembra esserci una disposizione gerarchica discendente per i V.R.

Ad esempio: il cluster “film” ha un volume di Ricerca complessivo maggiore del cluster “Uma Thurman”.

Risorse utili

Knowledge Graph e Knowledge Box

Confrontiamo le immagini dei due elenchi di ricerche correlate analizzati precedentemente:

Notato nulla?

  • quentin tarantino film / martin scorsese film
  • quentin tarantino filmografia / martin scorsese filmografia
  • quentin tarantino moglie / martin scorsese coniuge
  • quentin tarantino nuovo film / martin scorsese ultimo film
  • quentin tarantino vita privata / martin scorsese silence
  • quentin tarantino prossimo film / helen morris martin scorsese
  • quentin tarantino movies / martin scorsese movies
  • quentin tarantino uma thurman / the irishman

I due elenchi coincidono quasi perfettamente a livello di intento e addirittura combaciano anche nell’ordine. Essendo le correlate di due registi è possibile che vengano trattate allo stesso modo? Questo vorrebbe dire che le informazioni che Google conosce influenzano le related search? Forse sì.

Riprendiamo le correlate di “martin scorsese”. Perché nelle related search compaiono anche delle keyword con volumi di ricerca non molto elevati? In particolare stiamo parlando di:

  • martin scorsese coniuge
  • martin scorsese ultimo film
  • helen morris martin scorsese
  • the irishman

La risposta è nel Knowledge Box.

Alla query “martin scorsese” il motore di ricerca avendo delle idee vaghe riguardo la volontà informativa dell’utente, mostra altre informazioni che conosce anche se con radice diversa dalla query madre (ad esempio “the irishman”).

Oltretutto Google sembra scegliere di presentare nelle ricerche correlate solo ciò che potrebbe essere degno di approfondimento per l’utente. Sappiamo bene che Google conosce le parti del knowledge box più cliccate, più guardate e quelle per le quali è necessario un approfondimento (vedi Answer Box) e forse prende decisioni in merito anche in base a questo; ad esempio non sarebbe utile inserire nelle correlate la data di nascita poiché è già scritta nel knowledge box.

Ecco quindi plausibilmente spiegate anche le query “the irishman”, “helen morris martin scorsese “ e “martin scorsese coniuge” nelle Related Search; anche se non è possibile capire chi influenzi chi. Risorse utili:

Il Trend Conta?

Nelle Ricerche Correlate per Scorsese ho notato che:

  • vengono presentati i suoi due ultimi film ma non i più acclamati dai cineasti e fan;
  • alla voce coniuge viene presentato il nome di Helen Morris e non di Barbara De Fina poiché il motore di ricerca è in grado di capire quale è la moglie attuale .

Ho iniziato allora ad approfondire la tematica della freschezza del contenuto e del Trend nelle correlate.

Avvaliamoci di Google Trend per analizzare la keyword nel tempo e verificare gli eventuali influssi sulle Related Search.

Nel 2014 c’è lo spike più alto seguito da un altro nel 2017. Nel 2014 successe questo:http://espresso.repubblica.it/visioni/2014/01/02/news/cinema-accendi-la-luce-che-e-in-te-1.147498 mentre nel 2017 c’è stata l’uscita nelle sale del suo film Silence.

La notizia del 2014, oltre ad essere datata, non è più rilevante (non credo sia molto cercata attualmente) e nelle correlazioni non è accennata nonostante sia correlata al picco massimo mai avuto dalla query negli ultimi 5 anni.

Risorse e riflessioni utili

A fine luglio avevamo iniziato un test aziendale su come il numero di ricerche fatte potesse indurre la correlazione, mentre l’obiettivo del test a oggi non è stato raggiuntoè stato raggiunto in una grande quantità di località, influenzando le correlate a tal punto da far sparire molte delle associazioni presenti (probabilmente per il forte sbilanciamento numerico).

Il test ha visto la partecipazione di 42 persone, su una query da 130 ricerche al mese circa (rapporto del 30%). Gli effetti si sono visti subito sul Google Suggest (sparendo anche molto velocemente) e dopo circa 1 mese sulle ricerche correlate. In alcune zone d’Italia la correlazione non si vede. Le correlazioni tengono conto anche del dato geografico? Sarebbe a questo punto interessante valutare una serie di altri test:

  • test su query con volumi di ricerca più elevati, per valutare se i rapporti fra i volumi si tengono più o meno similari;
  • test con diverse distribuzioni temporali di rifinitura delle ricerche;
  • test con parole chiave totalmente scollegate.

[playlist type=”video” ids=”7282”]

Visto l’impatto notevole (a mio avviso non determinante) che ancora ad oggi i link hanno per Google nel ranking, ho voluto verificare un possibile collegamento con le related search.

Per farlo mi sono servito dell’operatore di Google inanchor:. L’operatore inanchor: aiuta a scovare tutte le pagine che hanno backlink con testo ancora corrispondente alle keyword specificate nell’operatore (fonte: http://www.argoserv.it/operatori-ricerca-google#Operatoriinanchor_e_allinanchor).

In altre parole facendo la query inanchor:”martin scorsese” Google mi risponde con tutti gli url che hanno il maggior numero di backlink con anchor text “martin scorsese”.

Emerge che il motore di ricerca mostra molti risultati nei quali meta (title, description, heading tag, metadati per le pagine dei social, ecc) sono esplicitati rimandi alle tematiche suggerite nelle related search.

Co-Occorrenza e Ricerche Correlate

“Co-occurrence is the relationship between similar words on a page and their proximity to brands and also links. This is a unique concept and can be difficult to understand because we’ve been dealing with the relationship between links and anchor text for over a decade.In fact, Google filed the co-occurrence patent on June 30, 2011 to refine the search results that identify the most significant keyword and create a relationships between the related terms. Co-occurrence is a factor in ranking web pages for specific queries.” (fonte: https://www.wordtracker.com/blog/link-building/co-citation-and-co-occurrence-in-seo)

Proviamo a fare qualche riflessione aiutandoci con i dati. Ho estrapolato un set di keyword relative alla tematica Martin Scorsese e ho richiesto qualche cifra a Google combinando inanchor: con l’altro operatore intitle:, in modo da estrapolare le risorse dedicate a una precisa sotto tematica collegate con anchor text “martin scorsese”.

  • inanchor:martin scorsese intitle:the irishman Circa 7.430 risultati
  • inanchor:martin scorsese intitle:silence Circa 10.100 risultati
  • inanchor:martin scorsese intitle:taxi driver Circa 5.200 risultati

Le cifre sembrano giustificare il fatto che nelle related search siano presenti i suoi due film “silence” e “the irishman” piuttosto che “taxi driver”.

Ovviamente il gap è facilmente giustificabile, visto che “Taxi Driver” è un film uscito nel 1976 è logico che in rete ci siano meno risultati specifici.

Oltretutto va considerato che facendo ricerche per una delle ricerche correlate, come ad esempio “the irishman” (vedi), la quasi totalità delle risorse ha al suo interno link interni/esterni a chiave secca “martin scorsese” verso le schede, interne ed esterne al sito, dedicate al regista.

Se il motore, non analizzando la direzionalità del link ma prendendo atto del collegamento, trova 10.100 risultati che collegano esplicitamente silence con il regista mentre trova “soltanto” 5.200 collegamenti inerenti taxi driver sembra plausibile pensare che ciò possa influenzare di conseguenza le related search.

Co-Citazioni e Ricerche Correlate

“As strange as it may sound, co-citation refers to the process of link building without actual links. Unlike anchor text, where actual links were embedded in words or phrases, co-citation does not necessarily have to involve actual outgoing links to your website or blog. More precisely, the process of co-citation refers to the similarities found between two webpages, based on a third-party webpage that successfully mentions the first two webpages in a correlation with each other. Based on that co-citation, Google identifies a relation - or link - between those two websites, which is then used as an important search engine-ranking factor.” (fonte: https://www.searchenginejournal.com/co-citation-and-co-occurrence-the-next-big-thing-in-seo/60724/).

Durante il processo di analisi, mi sono imbattuto nelle ricerche correlate di Zalando.

Vengono inseriti nelle correlate per la query “zalando” due competitor, sarenza e spartoo, che non vengono nominati nel Knowledge box “Ricerche Correlate” nel quale però sono annoverati Zara e Asos.

Cerchiamo una spiegazione a riguardo facendo qualche richiesta a Google per alcuni degli argomenti richiamati nelle correlate:

  • intitle:scarpe inanchor:zalando inanchor:zara 8 risultati

  • intitle:scarpe inanchor:zalando inanchor:sarenza Circa 2.200 risultati

  • intitle:borse inanchor:zalando inanchor:asos 9 risultati

  • intitle:borse inanchor:zalando inanchor:spartoo Circa 168 risultati

Insomma, pare che i link siano importanti anche in questo caso.

Tirando le Fila

Sembra che il funzionamento delle related search sia simile a quello del suggest, soprattutto per la notevole influenza indotta dei volumi di ricerca, geolocalizzazione dell’utente e stemming della query; il trend di ricerca pare avere un influsso immediato nelle Suggest (Instant), a dispetto delle Correlate che ne risultano influenzate solo in un intervallo di tempo medio-lungo.Elemento assolutamente insolito è invece l’impatto del Knowledge Graphe del Knowledge Box.

Pare confermata l’ipotesi della presentazione di informazioni legate all’intento di ricerca dell’utente (co-citazioni e co-occorrenze), mentre rimane impossibile stimare una proporzione nell’influenza che i vari fattori hanno sui risultati, anche perché spesso il motore di ricerca sceglie di non elencare tutte le 8 related search a disposizione. Questo limitato case study non vuole certo essere chiarificatore riguardo il funzionamento della black box che regola le dinamiche delle related search, ma vuole essere uno spunto utile per approfondimenti futurieffettuati tramite dati proprietari monitorati nel tempo.

Ringraziamenti

Ringraziamo per la partecipazione al test:

Achille Baudino Alessandro Caira Amin El Fadil Carlo De Giorgio Zaghor Chiara Chierchiè Claudio Fiorentino Consuelo Brogna Dario Pellizzari Dario Valentino Edoardo Bringhenti Edy Paolo Cattaneo Emanuele Lenus Pisapia Emanuele Spallone Eugenio Capotorti Fabio Mikhail Fabio Morelli Francesco Di Piazza Gianluca Francesconi Gianmarco Viarengo Gianni Puglisi Giorgio Gioacchini Giuseppe Cristofaro Luciano Lattanzi Luke Bastianich Manuela Di Cosimo Marco Panichi Mario Santella Matilde Giovani Maurizio Crisanti Mauro Martino Priscilla Malhamè Ruben Vezzoli Sara D’Ambrosio Serena Brunori Simone Bonavita Simone Paciarelli Stefano Rossetti Stefano Schirru Virginia Tosti

Condividi questa pagina


Ricerche Correlate Google

guglielmo fassio | 25 August 2017

News

Potrebbe interessarti anche

Siamo parte del gruppo

Datrix SPA
Insieme a

Innova insieme a noi

Condividi con noi i tuoi obiettivi e scopri come possiamo crescere insieme

© 2020 ByTek SRL - P. IVA: 13056731006 - REA: MI - 2562796 - Privacy Policy - Cookie Policy