LSI keywords i encje - jak Google naprawdę rozumie treść

W ofercie na teksty SEO pojawia się punkt: nasycenie treści słowami kluczowymi LSI. W narzędziu obok generuje się listę kilkudziesięciu takich fraz. W artykule ktoś je potem rozsiewa co dwa akapity, żeby Google lepiej zrozumiał temat.

Problem jest jeden: coś takiego jak słowa kluczowe LSI nie istnieje. Nie chodzi o niuans terminologiczny ani o różnicę zdań między specjalistami. Google powiedział to wprost i od tamtej pory nie zmienił zdania.

To nie znaczy, że pomysł stojący za tą praktyką jest zły. Znaczenie i kontekst faktycznie decydują dziś o widoczności, tylko mechanizm jest zupełnie inny i nazywa się inaczej. Poniżej rozdzielam te dwie rzeczy: czym latent semantic indexing naprawdę jest, dlaczego Google go nie używa i co w zamian realnie działa.

Czym jest latent semantic indexing

Latent semantic indexing, w skrócie LSI, to metoda z dziedziny przetwarzania języka naturalnego. Jej celem jest wychwycenie ukrytych powiązań między słowami i dokumentami, nawet gdy te słowa nigdy nie występują razem. Nazwa mówi dokładnie to: indeksowanie oparte na ukrytym znaczeniu.

Kluczowa intuicja jest elegancka. Jeśli w wielu tekstach słowa samochód i auto pojawiają się w tych samych kontekstach, to prawdopodobnie znaczą coś podobnego, mimo że algorytm nie zna słownika. LSI wyprowadza takie relacje z samej statystyki występowania słów.

Skąd się wzięło LSI

Metoda powstała w latach osiemdziesiątych w laboratoriach Bell Communications Research i została opatentowana pod koniec tej dekady. Powstała na długo przed komercyjnym internetem, w czasach, gdy typowym zadaniem było przeszukiwanie zamkniętego zbioru kilku tysięcy dokumentów, na przykład archiwum abstraktów naukowych.

Warto zapamiętać tę datę, bo tłumaczy większość późniejszych nieporozumień. LSI to technika starsza niż wyszukiwarka Google i zaprojektowana do zupełnie innego zadania.

Jak działa LSI

Punktem wyjścia jest macierz termin-dokument: tabela, w której wiersze to słowa, kolumny to dokumenty, a w komórkach stoi informacja o częstości wystąpień. Taka tabela jest ogromna i prawie pusta, bo większość słów nie występuje w większości dokumentów.

Na tej macierzy wykonuje się operację matematyczną zwaną rozkładem według wartości singularnych. Efektem jest redukcja wymiarowości, czyli sprowadzenie tysięcy wymiarów do kilkuset. Dokumenty i słowa lądują w przestrzeni wektorowej, nazywanej też przestrzenią semantyczną, gdzie odległość między punktami odpowiada podobieństwu znaczenia. Ta redukcja wymiarowości jest sercem całej metody.

Dzięki temu zapytanie o auto potrafi zwrócić dokument, w którym występuje wyłącznie słowo samochód. To był realny przełom w wyszukiwaniu informacji i metoda nadal ma zastosowania, tylko nie te, które przypisuje jej branża SEO.

LSI a LSA, czyli dwie nazwy jednej rzeczy

Latent semantic analysis, w skrócie LSA, to ta sama technika opisana od strony analizy tekstu. LSI to nazwa używana wtedy, gdy metodę stosuje się do wyszukiwania dokumentów, czyli do indeksowania. Różnica jest w zastosowaniu, nie w matematyce.

Gdzie LSI faktycznie się stosuje

W zamkniętych, stabilnych zbiorach dokumentów, gdzie analiza semantyczna daje się przeliczyć raz i używać przez długi czas. Wyszukiwanie w archiwach firmowych, klasyfikacja zgłoszeń, grupowanie tekstów naukowych, systemy rekomendacji na małą skalę, automatyczna ocena prac pisemnych. Wszędzie tam, gdzie zbiór jest policzalny i nie zmienia się codziennie.

LSI keywords, czyli mit polskiego SEO

Teraz część, dla której warto było przejść przez teorię. Termin słowa kluczowe LSI powstał w branży SEO, a nie w informatyce, i opisuje coś, czego w wyszukiwarce nie ma.

Co powiedział Google

W 2019 roku John Mueller z Google odpowiedział na pytanie o tę technikę jednym zdaniem: nie ma czegoś takiego jak słowa kluczowe LSI, a każdy, kto twierdzi inaczej, się myli. Google powtarzał to stanowisko przy kolejnych okazjach i nigdy go nie odwołał.

To rzadka sytuacja, w której nie musimy zgadywać. Zwykle przedstawiciele Google mówią ostrożnie i zostawiają margines. Tutaj wypowiedź jest kategoryczna, co mówi coś o tym, jak bardzo ten termin zdążył już zaśmiecić rynek.

Skąd wziął się ten mit

Ktoś w środowisku SEO natrafił na stare prace o latent semantic indexing i uznał, że skoro metoda dotyczy znaczenia, to słowa kluczowe LSI muszą być po prostu frazami powiązanymi znaczeniowo. Nazwa brzmiała naukowo i dobrze się sprzedawała.

Potem pojawiły się narzędzia z generatorami słów kluczowych LSI. W środku nie ma żadnego rozkładu macierzy, tylko lista fraz powiązanych tematycznie, zbudowana z podpowiedzi wyszukiwarki i analizy wyników. Sama lista bywa użyteczna, ale nazwa jest po prostu nieprawdziwa.

Dlaczego LSI nie nadaje się do internetu

Dwie przyczyny, obie techniczne. Skala: metoda wymaga operacji na macierzy obejmującej cały zbiór dokumentów, a sieć liczy setki miliardów stron. Dynamika: przy każdej nowej porcji treści taką macierz trzeba przeliczyć od nowa, a internet zmienia się co sekundę.

LSI powstało dla zbiorów zamkniętych i stabilnych. Wyszukiwarka jest dokładnie odwrotnym przypadkiem. To nie kwestia niechęci Google do starej techniki, tylko niedopasowania narzędzia do zadania.

Co Google faktycznie używa

Sam pomysł, żeby wyszukiwarka rozumiała znaczenie, a nie dopasowywała ciągi znaków, jest jak najbardziej aktualny. Zrealizowano go jednak inaczej i warto znać kolejność wydarzeń, bo to ona pokazuje kierunek.

Hummingbird i przejście na encje

W 2013 roku aktualizacja Hummingbird przestawiła wyszukiwarkę z dopasowywania słów na rozumienie całych zapytań i obiektów, o których te zapytania mówią. To moment, w którym pojęcie encji stało się dla SEO istotne. Więcej o samych aktualizacjach w tekście o tym, jak działa algorytm Google.

RankBrain, BERT i MUM

RankBrain z 2015 roku wprowadził uczenie maszynowe do interpretacji zapytań, z którymi wyszukiwarka nie spotkała się wcześniej. BERT z 2019 roku nauczył system rozumieć kontekst słowa w zdaniu, w tym rolę drobnych wyrazów w rodzaju przyimków, które potrafią odwrócić sens pytania. MUM z 2021 roku poszedł dalej: działa na wielu językach i na różnych formatach treści naraz, nie tylko na tekście.

Wszystkie te systemy mają wspólną cechę, która jest istotna dla praktyki. Żaden z nich nie szuka określonej listy fraz w tekście. Każdy próbuje ustalić, o czym jest treść i czy odpowiada na intencję zapytania.

Knowledge Graph

Knowledge Graph to baza wiedzy o obiektach świata i relacjach między nimi. Osoby, firmy, miejsca, produkty, wydarzenia, pojęcia oraz powiązania w rodzaju kto jest założycielem czego i co znajduje się gdzie. To właśnie dzięki tej bazie wyszukiwarka wie, że Kraków to miasto, a nie przypadkowy ciąg znaków.

Odpowiedzi generowane przez AI

Warstwa odpowiedzi generowanych na górze wyników dodatkowo wzmacnia znaczenie tego mechanizmu. System musi zrozumieć temat i wybrać źródła, którym ufa w tym konkretnym obszarze. Rozpoznawalna, spójnie opisana encja ma tu przewagę, o czym więcej w tekście o pozycjonowaniu w AI.

Czym są encje

Skoro nie fraza, to co. Odpowiedź brzmi: obiekt.

Encja w praktyce

Encja to konkretny, dający się jednoznacznie wskazać obiekt: osoba, firma, produkt, miejsce, pojęcie. Kluczowa różnica wobec słowa kluczowego jest taka, że encja nie zależy od formy zapisu ani od języka. Warszawa, Warsaw i Варшава to jedna encja, mimo trzech różnych ciągów znaków.

Encje a słowa kluczowe

Słowa kluczowe nadal mają sens, bo to nimi ludzie zadają pytania i na ich podstawie planuje się treści. Zmieniła się jednak rola. Fraza jest wskazówką, o czym pisać, a nie składnikiem, którego trzeba dosypać do tekstu w odpowiedniej proporcji. Jak dobierać te wskazówki, opisałem w tekście o słowach kluczowych.

Twoja firma też jest encją

Albo nie jest, i to jest realny problem. Jeśli Google nie potrafi jednoznacznie powiązać nazwy Twojej firmy z konkretnym podmiotem, adresem i obszarem działania, to każda wzmianka o niej pracuje słabiej. Budowanie tej jednoznaczności to osobna praca, do której zaraz przejdę.

Semantyczne SEO w praktyce

Semantyczne SEO to w praktyce trzy zasady, które zastępują liczenie fraz. Żadna z nich nie wymaga narzędzia ani wiedzy o matematyce stojącej za latent semantic indexing.

Pokrycie tematu, nie gęstość fraz

Zamiast pytać, ile razy użyć frazy, warto zapytać, czy tekst odpowiada na wszystkie sensowne pytania w temacie. Jeśli artykuł o wyborze hostingu nie mówi nic o kopiach zapasowych ani o wsparciu technicznym, to nie jest pełny, choćby główna fraza pojawiła się w nim trzydzieści razy.

Praktyczny sposób: wypisz pytania, które klient zadaje w tym temacie, i sprawdź, czy każde ma w tekście miejsce. Pomaga w tym porządna struktura nagłówków, bo od razu widać luki. Przy dłuższych tematach warto od razu myśleć o serii tekstów, czyli o content marketingu zaplanowanym na kwartał, a nie o jednym artykule.

Naturalny język i naturalne wyrażenia

Pisanie o samochodzie raz jako o samochodzie, raz jako o aucie, a raz jako o pojazdach dostawczych nie jest sztuczką na algorytm. To normalny sposób, w jaki mówi człowiek, i dokładnie to jest sygnałem, że tekst pisała osoba znająca temat. Więcej o tym w artykule o pisaniu tekstów pod SEO.

Co zrobić z listą powiązanych fraz z narzędzia

Użyć jej jako listy kontrolnej tematów, nie jako listy do wklejenia. Jeśli narzędzie podpowiada dziesięć powiązanych wyrażeń, przeczytaj je i sprawdź, czy w tekście jest sekcja na każdy z tych wątków. Te, które faktycznie należą do tematu, pojawią się potem same, bo o nich napiszesz.

Jak wzmacniać encję swojej firmy

Cztery rzeczy, wszystkie do zrobienia raz i utrzymywania.

Dane strukturalne

Znaczniki schema.org mówią wyszukiwarce wprost, czym jest dany obiekt. Dla firmy podstawą jest typ Organization z nazwą, adresem, danymi kontaktowymi i odnośnikami do profili w innych serwisach. Dla artykułów typ Article z autorem i datą, dla osób typ Person. To nie podnosi pozycji samo z siebie, ale usuwa niejednoznaczność.

Spójność danych w całej sieci

Nazwa firmy, adres i numer telefonu powinny wyglądać identycznie na stronie, w wizytówce Google, w katalogach branżowych i w mediach społecznościowych. Każda rozbieżność to sygnał, że może chodzić o dwa różne podmioty. Przy działalności lokalnej ma to szczególne znaczenie, o czym więcej w tekście o pozycjonowaniu lokalnym.

Wzmianki i źródła zewnętrzne

Encja umacnia się wtedy, gdy inne wiarygodne miejsca mówią o niej to samo. Publikacje branżowe, wypowiedzi eksperckie, obecność w bazach danych o firmach, a także treści na własnym blogu firmowym, które pokazują kompetencje w konkretnym obszarze. Nie chodzi o liczbę linków, ale o zgodność informacji między niezależnymi źródłami.

Linkowanie wewnętrzne jako mapa tematów

Sposób, w jaki podstrony odsyłają do siebie, pokazuje wyszukiwarce, które tematy są ze sobą powiązane i który tekst jest w danym obszarze najważniejszy. Konsekwentne linkowanie wewnętrzne robi dla zrozumienia serwisu więcej niż jakakolwiek lista fraz.

Narzędzia i czego od nich oczekiwać

Narzędzia analizujące treść pod kątem terminów są przydatne, o ile rozumie się, co pokazują. Nie mierzą one żadnego wewnętrznego wskaźnika Google. Porównują Twój tekst z tekstami, które aktualnie zajmują wysokie pozycje, i wskazują, jakich pojęć w nim brakuje.

To sensowna informacja, bo pokazuje luki tematyczne. Nie jest to jednak lista, którą trzeba odhaczyć w całości, i nie ma czegoś takiego jak wynik gwarantujący pozycję. Traktuj takie zestawienia jak konspekt do sprawdzenia, a nie jak wymóg.

Osobna sprawa to nazewnictwo. Narzędzie reklamujące się jako generator słów kluczowych LSI nie jest z tego powodu bezużyteczne, tylko nieprecyzyjnie opisane. Warto to wiedzieć, żeby nie budować strategii na fałszywym założeniu o tym, jak działa wyszukiwarka.

Najczęstsze błędy

Pierwszy: dosypywanie powiązanych fraz do gotowego tekstu. Powstaje z tego treść, która brzmi jak tłumaczenie maszynowe, a żadnej luki tematycznej nie zamyka.

Drugi: kupowanie usługi opisanej jako optymalizacja pod LSI. Za tą nazwą może stać dobra robota nad pokryciem tematu albo zwykłe upychanie synonimów. Warto zapytać, co konkretnie zostanie zrobione.

Trzeci: mylenie encji z frazą i próba pozycjonowania na nazwę własnej firmy zamiast na to, czym firma się zajmuje. Encja ma pomagać w zrozumieniu podmiotu, a nie zastępować pracę nad tematami.

Czwarty: pomijanie danych strukturalnych i spójności danych o firmie, przy jednoczesnym inwestowaniu w kolejne teksty. Podstawy niejednoznaczne, nadbudowa rozbudowana.

Piąty: traktowanie tej zmiany jak rewolucji, która unieważnia zwykłe pozycjonowanie. Techniczna sprawność serwisu, szybkość i sensowna struktura nadal decydują o starcie.

Co robić zamiast szukania słów kluczowych LSI

Kolejność jest prosta. Wybierz temat, na który Twoi klienci faktycznie szukają odpowiedzi. Wypisz pytania, które w tym temacie zadają, i odpowiedz na każde konkretnie. Pisz normalnym językiem, używając naturalnych określeń, bez pilnowania proporcji fraz.

Potem zadbaj o warstwę techniczną: dane strukturalne, spójne informacje o firmie, sensowne linkowanie wewnętrzne między powiązanymi tekstami. Na koniec sprawdź w Search Console, na jakie zapytania strona faktycznie się pokazuje, bo to często zupełnie inna lista niż ta z etapu planowania.

Warto też pamiętać, że treści zbudowane wokół realnych pytań starzeją się wolniej, czyli działają jak treści evergreen. Ta praca jest mniej efektowna niż tabelka z czterdziestoma frazami do wstawienia. Ma jednak jedną zaletę: opiera się na tym, jak wyszukiwarka rzeczywiście działa, a nie na terminie, który Google publicznie zdementował.

Najczęstsze pytania

Czy słowa kluczowe LSI istnieją

Nie w takim znaczeniu, w jakim używa tego branża SEO. Latent semantic indexing to realna metoda przetwarzania języka, ale Google jej nie stosuje i nie ma listy fraz, którą można by nazwać słowami kluczowymi LSI. Google potwierdził to publicznie w 2019 roku.

Czy warto używać synonimów w tekście

Tak, ale nie dlatego, że algorytm ich szuka. Naturalne używanie różnych określeń sprawia, że tekst jest czytelniejszy i lepiej odpowiada na pytania zadawane różnymi słowami. Wymuszone wstawianie synonimów daje efekt odwrotny.

Czym różni się LSI od LSA

To ta sama technika w dwóch zastosowaniach. Latent semantic analysis odnosi się do analizy zbioru tekstów, latent semantic indexing do wykorzystania jej przy wyszukiwaniu dokumentów. Matematyka jest identyczna.

Czy narzędzia do analizy treści są bezużyteczne

Nie. Pokazują, jakich pojęć brakuje w Twoim tekście w porównaniu z tekstami wysoko notowanymi, i to jest przydatna informacja o lukach tematycznych. Nie mierzą jednak żadnego wskaźnika Google i ich wynik nie jest oceną, którą wystawia wyszukiwarka.

Jak sprawdzić, czy moja firma jest encją

Wpisz nazwę firmy w wyszukiwarkę i sprawdź, czy Google pokazuje panel wiedzy z danymi o niej i czy nie miesza jej z innym podmiotem o podobnej nazwie. Brak panelu nie jest wyrokiem, ale pokazuje, że jednoznaczność trzeba jeszcze zbudować.

Czy dane strukturalne podnoszą pozycje

Same z siebie nie są czynnikiem rankingowym. Pomagają natomiast wyszukiwarce poprawnie zrozumieć, czym jest strona i jaki podmiot za nią stoi, a przy części typów treści umożliwiają rozszerzone wyniki. To praca nad zrozumieniem, nie nad pozycją bezpośrednio.

Czy semantyczne SEO oznacza pisanie dłuższych tekstów

Nie. Oznacza pisanie tekstów kompletnych w danym temacie, a to nie to samo. Krótki artykuł, który odpowiada na wszystkie sensowne pytania, wypada lepiej niż długi, który obchodzi temat wokoło. Dobrym punktem odniesienia jest długość materiałów już wysoko notowanych.

Czy to podejście się zmieni

Kierunek jest stabilny od 2013 roku i każda kolejna zmiana idzie dalej w stronę rozumienia znaczenia, nie dopasowywania słów. Bezpieczne założenie brzmi więc tak: im lepiej treść odpowiada na realne pytania i im jednoznaczniej opisany jest podmiot, tym mniej zależysz od pojedynczej aktualizacji.