Les tactiques de référencement traditionnelles ne suffisent pas à elles seules à maintenir la compétitivité des sites de commerce électronique dans le paysage actuel de la recherche basée sur l'IA.
Pour améliorer la visibilité des recherches et se connecter aux requêtes pertinentes, les marques de commerce électronique peuvent tirer parti de la similarité cosinusoïdale – un concept mathématique qui aide les moteurs de recherche à comprendre les relations entre les contenus.
En utilisant la similarité cosinus, vous pouvez améliorer la pertinence du contenu de votre site, permettant ainsi à Google de reconnaître et de classer plus facilement vos pages avec précision.
Cet article expliquera la similarité cosinus, son fonctionnement dans les algorithmes de recherche modernes et les moyens pratiques de l'appliquer pour booster votre stratégie de référencement de commerce électronique.
Tout d’abord, penchons-nous sur deux concepts clés : les plongements et la similarité cosinusoïdale.
Que sont les intégrations ?
Les intégrations sont essentielles pour les grands modèles de langage (LLM) et la recherche moderne. Lorsqu'un moteur de recherche ou un LLM lit votre contenu, ils ont besoin d'un moyen évolutif pour l'analyser.
Alors que font-ils ?
Ils utilisent des intégrations pour vectoriser le contenu et le traduire en valeur numérique. Voir une représentation ici :
C'est exactement ce que fait le modèle Google BERT. Il extrait le contenu de votre site puis crée une intégrationqui est une représentation numérique de votre contenu.
Ces plongements sont ensuite stockés dans une base de données vectorielles. Puisqu'ils sont stockés sous forme de représentations numériques, ils peuvent être « tracés » dans la base de données :
Il s’agit d’un concept extrêmement important pour comprendre la similarité cosinus.
Qu'est-ce que la similarité cosinus ?
Une fois ces concepts traduits en valeurs numériques et stockés, les modèles peuvent effectuer des calculs pour déterminer la « distance » ou la similarité entre deux points quelconques.
La similarité cosinusoïdale est une méthode utilisée pour mesurer à quel point ces points sont étroitement liés.
En termes simples, les concepts qui présentent une similitude cosinusoïdale élevée sont considérés comme étant davantage liés les uns aux autres. Les concepts moins similaires sont moins liés.
Ainsi, « SEO » et « PPC » présenteraient une similitude cosinus plus élevée que « requin » et « PPC ».
C’est ainsi que Google peut identifier numériquement si deux concepts sont liés ou si une page est optimisée pour la cible.
Il existe une longue liste de preuves selon lesquelles Google utilise ce concept dans son propre algorithme. Pandu Nayak de Google a écrit ce qui suit dans un cours de Stanford sur la recherche d'informations :
- « En conséquence, nous pouvons utiliser la similarité cosinusoïdale entre le vecteur de requête et un vecteur de document comme mesure du score du document pour cette requête. »
En termes simples, ils peuvent utiliser la similarité cosinus pour comprendre la pertinence d'un élément de contenu par rapport à une requête donnée.
Les fuites de l'API de recherche Google contiennent de nombreuses références aux intégrations, avec plus de 100 mentions du concept dans les documents.
Analyser la similarité cosinus sur les sites
Comprendre conceptuellement la similarité cosinusoïdale est utile, mais comment pouvez-vous l'appliquer à votre propre site ?
La bonne nouvelle est que le modèle BERT de Google est source ouvertevous permettant de l'utiliser pour analyser le contenu de votre site.
Cela signifie que vous pouvez utiliser les propres outils de Google pour tester et mesurer la pertinence de votre contenu par rapport aux requêtes ciblées.
Ce article de blog de Go Fish Digital (divulgation : je suis le vice-président du marketing de l'agence) partage un code Python que vous pouvez utiliser pour accéder à BERT et tester la pertinence de votre contenu.
Nous avons également créé une extension qui crée des intégrations pour une page entière.
L'extension extrait votre contenu, l'exécute via Vertex AI et BERT et vous donne une évaluation réelle de votre contenu pour toutes les sections d'une page.
L'extension vous donne également un score global de similarité de page. Cela calcule la moyenne de toutes les intégrations sur une page donnée en un seul score de 0 à 10. (Pour l’instant, l’extension est en version bêta, mais vous pouvez demander l’accès.)
Même sans ces outils, vous pouvez toujours intégrer le concept de similarité cosinus dans l'optimisation de votre commerce électronique.
Certains concepts généraux qui aident à améliorer les évaluations de similarité cosinus incluent :
- Utiliser la terminologie cible sur la page.
- S'assurer que le contenu est plus haut sur la page et présente une forte similitude.
- Utiliser la terminologie connexe au sujet principal.
- Réduire et supprimer le contenu qui ne concerne pas le sujet de la page.
- S'assurer que les titres principaux sont optimisés pour la similarité.
Application de la similarité cosinus aux sites de commerce électronique
Grâce à ces connaissances, nous pouvons mieux comprendre les facteurs qui déterminent les sites de commerce électronique les plus performants.
Les sites qui optimisent la similarité cosinus à grande échelle sont plus susceptibles d'obtenir de meilleurs résultats dans la recherche.
Mais comment ces sites très performants intègrent-ils naturellement la similarité cosinus ?
Explorons quelques exemples utilisant notre extension de score de similarité.
1. Optimisation des conventions de dénomination des produits
L'optimisation des pages de description de produit (PDP) optimise vos pages de liste de produits (PLP).
Cela signifie que l'optimisation de vos pages produits pour une requête spécifique améliore également la pertinence de vos pages de catégorie.
Les produits répertoriés sur vos pages de catégorie adoptent naturellement les mêmes requêtes et terminologie que la catégorie parent.
Par exemple, l'utilisation par REI de « Bottes de randonnée pour hommes » dans les conventions de dénomination de ses produits permet également d'optimiser la page de catégorie parent.
Comprenant le concept de similarité cosinus, nous pouvons maintenant voir pourquoi cela contribue à améliorer le référencement à grande échelle.
Lors de l'exécution de notre extension de score de similarité en haut de cette page, nous pouvons voir que les propres grilles de produits de REI ont de fortes correspondances avec la catégorie parent.
2. Texte SEO sur les pages de catégories
Une bonne pratique pour les sites de commerce électronique consiste à inclure du texte optimisé pour la recherche au bas des pages de catégories.
En règle générale, il s'agit de 3 à 5 paragraphes de contenu placés sous les listes de produits, fournissant des informations supplémentaires sur la catégorie dans son ensemble.
J'ai récemment a mené un sondage LinkedIn se demandant si ce type de texte en bas des pages de catégories est bénéfique, 82 % des personnes interrogées confirmant que c'est le cas.
Lorsque nous examinons cette initiative sous l’angle de la similarité cosinusoïdale, nous comprenons mieux pourquoi elle est efficace. Il aide les sites de commerce électronique à améliorer considérablement la pertinence du contenu de leurs pages de catégories.
Lorsque cela est fait correctement, vous pouvez voir dans quelle mesure ce contenu s'aligne avec les mots-clés cibles. Par exemple, sur la page Chewy's Dry Dog Food, la plupart de leurs sections obtiennent un score de similarité de 7,0 ou plus.
3. Catégories associées
Une autre stratégie de référencement pour le commerce électronique efficace que je préconise depuis longtemps consiste à utiliser des liens internes au bas des pages de catégories pour créer des liens vers d'autres catégories pertinentes. Celles-ci sont souvent appelées « Catégories associées » ou « Recherches associées ».
Par exemple, REI inclut des « Recherches associées » au bas de ses pages de catégories, ce qui contribue à renforcer la pertinence et la connectivité de son contenu.
En regardant le site Wayfair, ils incluent en fait les deux options :
Voyons comment ces fonctionnalités impactent la similarité cosinus du contenu par rapport à la requête principale. Pour REI, on constate que chaque élément impacte fortement l’optimisation du contenu.
Non seulement ils aident la page de catégorie principale, mais ils établissent également un système de liens internes solide vers d'autres pages sémantiquement liées.
4. Avis sur les produits
Cela peut paraître surprenant, mais je pense que les avis sur les produits sont un atout sous-utilisé pour le référencement sur les sites de commerce électronique.
Souvent, je vois que des sites autorisent l'indexation de seulement 5 à 10 avis, puis utilisent JavaScript pour empêcher une indexation ultérieure.
Cependant, lorsque les évaluations sont pertinentes, elles peuvent constituer un outil puissant pour exploiter la similarité cosinusoïdale à grande échelle.
Si les évaluateurs mentionnent systématiquement le nom ou la catégorie du produit, cela contribue à rapprocher votre produit de la requête racine, améliorant ainsi sa pertinence.
Par exemple, regardez comment des avis pertinents peuvent améliorer le score de similarité d’une page et les performances globales de référencement.
Maintenant que vous comprenez le rôle de la similarité cosinus et son impact sur la recherche, vous pouvez appliquer ces principes pour optimiser votre site de commerce électronique et la structure de votre contenu.
Les améliorations les plus significatives viendront de l’intensification de vos efforts pour améliorer la similarité sur votre site.
Les auteurs contributeurs sont invités à créer du contenu pour Search Engine Land et sont choisis pour leur expertise et leur contribution à la communauté de recherche. Nos contributeurs travaillent sous la supervision de la rédaction et la qualité et la pertinence des contributions pour nos lecteurs sont vérifiées. Les opinions qu'ils expriment sont les leurs.
