¿Cuál es el intención de TF-IDF y efectivamente puede ayudar a su táctica de SEO?
Se te perdonaría si pensaras: “Esos fanáticos del SEO… ¿qué van a pensar a continuación?”.
Pero este no es el caso con este líder de pensamiento o tratando de acuñar una nueva frase.
En este capítulo, aprenderá qué es TF-IDF, cómo funciona, por qué es parte del lexicón SEO y, lo que es más importante, si Google lo usa como divisor de clasificación.
La confesión: TF-IDF es un divisor de clasificación
Si profundiza en este tema, verá algunos titulares locos diseñados para hacerle reparar que se lo perdió al no asignar presupuesto al TF-IDF este año:
- TF-IDF para SEO: qué funciona y qué no.
- TF-IDF: la mejor aparejo de optimización de contenido que los SEO no utilizan.
- TF IDF SEO: cómo aplastar a sus competidores con TF-IDF.
¿Es TF-IDF la táctica de SEO que te estás perdiendo?
La evidencia del TF-IDF como divisor de clasificación
Comencemos con esto: ¿qué es TF-IDF?
Frecuencia del término – frecuencia inversa del documento es un término del campo de la recuperación de información.
Es un número que expresa la importancia estadística de cualquier palabra para la colección de documentos en su conjunto.
En jerigonza sencillo, cuanto más aparece una palabra en una colección de documentos, más importante es y más pesado es el peso de ese término.
¿Qué tiene que ver esto con la investigación?
Bueno, Google es un sistema coloso de recuperación de información.
Supongamos que tiene una colección de 500 documentos y desea clasificarlos en orden de relevancia para el término. [rocking and rolling].
La primera parte de la ecuación, término frecuencia (TF), dice:
- olvidar documentos que no contienen las tres palabras.
- cuenta los número de veces que aparece cada término en cada documento restante.
- tener en cuenta largo del documento
Lo que obtiene el sistema es una emblema de TF por cada documento.
Pero ese número solo puede ser problemático.
Dependiendo del término, aún podría terminar con una pila de documentos y sin una pista auténtico sobre cuál es el más relevante para su consulta.
El futuro paso, Frecuencia de documento inversa (IDF), le da a su TF un poco más de contexto.
Frecuencia del documento = contar términos en toda la colección de documentos.
Inversa = Invierte la importancia de los términos que aparecen con veterano frecuencia.
Aquí, el sistema elimina el término [and] fuera de la ecuación porque podemos ver que ocurre con tanta frecuencia en los 500 documentos que es irrelevante para esta consulta en particular.
No queremos documentos con la mayoría de las instancias de [and] siendo clasificado más parada.
Documentos de veterano peso para [rocking] y [rolling] mientras que la normalización del tamaño del texto es más relevante para las personas que buscan información sobre [rocking and rolling].
La evidencia contra TF-IDF como divisor de clasificación
A medida que la colección de documentos crece en tamaño y variedad, la utilidad de esta métrica disminuye.
John Mueller de Google habló sobre esto y explicó que
“Esta es una métrica suficiente antigua y las cosas han evolucionado mucho a lo desprendido de los abriles. Asimismo hay muchas otras métricas”.
No creo que eso diga que no es un divisor; Creo que está diciendo claramente que ya no es tan importante.
Y por mucho que a la clan le guste creer que Mueller está tratando de engañarlos, no hay forma de que esté mintiendo al respecto.
Identificar qué documentos contienen las palabras que consulta un buscador es un primer paso necesario para obtener una respuesta.
Pero dicho esto, es una métrica antigua que no es útil por sí sola.
En un índice del tamaño de Google, lo mejor que podría hacer TF-IDF es recuperar millones o miles de millones de resultados.
¿Puedes optimizar para esto?
No.
Intentar optimizar para TF-IDF significa intentar alcanzar una cierta densidad de palabras secreto, y esto se flama relleno de palabras clave.
No haga eso.
Aún así, eso no significa que este concepto no valía a los profesionales de SEO.
TF-IDF como divisor de clasificación: nuestro veredicto
¿Google usa TF-IDF en su cálculo de clasificación de búsqueda, incluso potencialmente como una parte fundamental de su cálculo?
Estamos diciendo definitivamente que no.
¿Porque? Porque es un concepto antiguo (en abriles tecnológicos) de recuperación de información.
Hoy en día, Google tiene formas muy superiores de evaluar páginas web (por ejemplo, vectores de palabras, similitud de coseno y otras). procesamiento natural del lenguaje métodos).
Aprender si la palabra que indagación un beneficiario aparece en un documento y con qué frecuencia es solo el primer paso.
TF-IDF simplemente no cuenta mucho sin una miríada de otras capas de exploración para determinar cosas, como conocimiento, autoridad y confianzapara principiantes.
Esto significa que TF-IDF no es una aparejo o táctica que pueda utilizar para optimizar su sitio web.
No puede hacer ningún tipo de exploración útil con TF-IDF, ni usarlo para mejorar su SEO, porque requiere todo el corpus de resultados de búsqueda para realizar el cálculo.
Por otra parte nos graduamos más allá de simplemente querer memorizar qué Las palabras secreto se utilizan para cuán se utilizan y qué temas relacionados surgen, para estabilizar el contexto y la intención coinciden con nuestra.
Los profesionales de SEO que usan los términos TF-IDF y búsqueda semántica indistintamente están malinterpretando TF-IDF.
Es solo una medida de la frecuencia con la que aparece una palabra en una colección de documentos.
En pocas palabras: es importante comprender cómo se evalúa el contenido, pero ese conocimiento no siempre tiene que resultar en otro tipo en su letanía de demostración de SEO.
A menos que esté construyendo su propio sistema de recuperación de información, TF-IDF es uno en el que puede tomar un hecho interesante de días pasados y seguir delante.
Imagen destacada: Robin Biong/Search Engine Journal