Avec des milliards de dollars dépensés chaque année pour l'optimisation des moteurs de recherche (SEO) et le marketing des moteurs de recherche (SEM), le pouvoir des termes de recherche a plus de valeur que jamais. Mais plus de quelques professionnels du marketing numérique sont devenus frustrés au fil des ans par les limites de ce qui peut être supposé et prédit en fonction des termes de recherche eux-mêmes.

Le même mot ou terme utilisé dans cinq recherches différentes peut représenter cinq sens différents. Cela oblige les professionnels du référencement et du SEM à tirer des conclusions spéculatives sur les termes de recherche les plus efficaces pour une campagne ou une initiative marketing donnée.

Ce problème est au centre d'une étude récente qui a révélé qu'une approche différente pourrait fournir le contexte nécessaire pour améliorer considérablement les projets et programmes SEO et SEM.

L'étude sera publiée dans l'édition de novembre de la revue INFORMS Sciences du marketing est intitulé "Une approche sémantique pour estimer les préférences de contenu des consommateurs à partir des requêtes de recherche en ligne, " et est rédigé par Jia Liu de l'Université des sciences et technologies de Hong Kong et Olivier Toubia de la Columbia Business School.

Les chercheurs se sont concentrés sur le défi pour les spécialistes du marketing numérique lorsqu'il s'agit de déduire les préférences de contenu de manière plus quantifiée, manière nuancée et détaillée. S'ils pouvaient, les chercheurs ont proposé, alors les efforts SEO et SEM pourraient être planifiés, mis en œuvre et évalué avec plus de précision, prévisibilité et efficacité.

"En raison de la nature des données textuelles dans la recherche en ligne, déduire les préférences de contenu à partir des requêtes de recherche présente plusieurs défis, " a déclaré Liu. " Un premier défi est que les termes de recherche ont tendance à être ambigus; C'est, les consommateurs peuvent utiliser le même terme de différentes manières. Un deuxième défi est que le nombre de mots-clés ou de requêtes possibles que les consommateurs peuvent utiliser est vaste; et un troisième défi est la rareté des requêtes de recherche. La plupart des requêtes de recherche ne contiennent que cinq mots maximum."

A travers leurs recherches, les auteurs de l'étude ont déterminé qu'une approche différente pourrait mieux fournir un contexte pour les termes de recherche individuels.

Les chercheurs ont utilisé un « modèle de sujet » qui permet de combiner les informations de plusieurs requêtes de recherche et leurs résultats de recherche associés, puis quantifié le mappage entre les requêtes et les résultats. Ce modèle est alimenté par un algorithme d'apprentissage qui extrait des "sujets" du texte en fonction de l'occurrence du texte. Le modèle est conçu pour établir un contexte dans lequel un type de terme est sémantiquement lié à un autre type de terme. Cela aide à fournir au système un contexte pour l'utilisation du terme.

Dans le cadre de leurs recherches, les auteurs de l'étude ont testé divers contenus en surveillant le comportement des participants à l'étude sur le moteur de recherche dans un environnement contrôlé. Faire cela, les auteurs de l'étude ont construit leur propre moteur de recherche appelé « Hoogle, " qui a servi de filtre entre Google et l'utilisateur. " Hoogle " a exécuté toutes les requêtes pour les participants à l'étude et a révélé comment l'algorithme d'apprentissage pouvait fonctionner dans un environnement réel.

"Nous avons pu montrer que notre modèle peut être utilisé pour expliquer et prédire les taux de clics des consommateurs dans la publicité de recherche en ligne en fonction du degré d'alignement entre la copie de l'annonce de recherche affichée sur la page de résultats du moteur de recherche, et les préférences de contenu estimées par notre modèle, " dit Toubia. " Finalement, ce que cela permet aux spécialistes du marketing numérique de mieux faire correspondre les résultats de recherche réels avec ce que les utilisateurs veulent dire ou entendent lorsqu'ils saisissent des termes de recherche spécifiques."