현대 마케터를 위한 메모: 시맨틱 토픽 모델링을 사용하여 자신만의 콘텐츠 마케팅 분류를 구축하는 방법

검색 엔진이 날이 갈수록 새로운 지능을 갖게 되면서 소비자는 아마도 우리의 삶을 더 쉽게 만들 수 있는 양질의 정보에 액세스할 수 있게 되었습니다. 그러나 그것은 마케터를 혼란스럽게 만듭니다. 주요 알고리즘 변경은 콘텐츠 전략을 재고하고 오래된 콘텐츠와 새로운 콘텐츠를 모두 찾을 수 있도록 끊임없이 노력해야 할 수 있습니다. 이러한 모든 변경을 스스로 쉽게 만드는 한 가지 방법은 의미론적 주제 모델을 사용하여 콘텐츠 마케팅 분류를 만드는 것입니다. 이 현대 마케터에게 보내는 메모에서 방법을 알아보십시오.

분류의 이해

분류법은 콘텐츠 마케팅에서 상당히 자주 등장하지만 일반적으로 일종의 워크플로를 만드는 데 사용됩니다. 여기에서는 데이터를 기반으로 하는 콘텐츠 전략을 지원하는 데 사용할 것입니다. 먼저, 분류법은 분류 방법이라는 것을 이해해야 하지만, 혼란에서 질서를 만들기 위해 그룹화하고 분류할 수백 개의 항목이나 아이디어가 있을 때 사용됩니다. Spotify의 분류학자인 Glenn McDonald는 놀라운 예로 Everynoise.com 을 만들었습니다. 색상과 단어 클러스터를 사용하여 모든 장르의 음악 간의 관계를 보여줍니다.

"klezmer"의 밝은 숲 녹색과 "Nashville sound"에 근접하여 "jig andrill"과 같은 스타일을 가지고 있음을 알 수 있으며 각각을 클릭 하면 유사점 을 들을 수 있습니다.

콘텐츠 마케팅 분류를 만드는 것이 이렇게 복잡할 필요는 없습니다. 의미론적 주제 모델링을 사용하면 이를 단순화할 수 있습니다. 목표는 검색 엔진이 자연 언어로 제기된 유사한 질문이 있는 질문에 대한 정확한 답변에 최대한 가까운 결과를 반환하도록 돕는 것입니다.

시맨틱 토픽 모델링

SEO에 대한 약간의 명령만 있으면 검색 엔진이 검색에 입력된 용어에 컨텍스트를 첨부한다는 것을 알고 있습니다. 이것이 의미론적 주제 모델링을 구성할 때 생각해야 하는 것입니다. 토픽 모델링의 일반적인 방법은 LDA(Latent Dirichlet Allocation)입니다. LDA는 페이지를 주제 클러스터로 읽습니다. 동시에 각 주제를 관련 단어의 클러스터로 읽고 분석합니다. Searchmetrics Content Experience가 주제 탐색기 기능에 사용하는 것과 유사합니다. 간단히 말해서, Topic Explorer는 기본 필터링된 검색 쿼리를 사용하고 관련 검색 쿼리를 식별하여 LDA를 역으로 수행하고 주요 주제가 보조 주제와 겹치는 방식을 시각화합니다.

영국 왕실의 미래를 살펴보자. 해리 왕자의 결혼식이 임박함에 따라 그의 약혼자인 미국 여배우이자 이혼자인 메건 마클에 대한 호기심으로 인해 그녀는 2017년 Google에서 가장 많이 검색된 유명인으로 선정되었습니다.

그녀와 왕실 결혼식에 관한 콘텐츠를 만들 계획이라면 작업할 다양한 아이디어가 많았을 것입니다. 그래서 그녀의 깊이 있는 페르소나에 약간의 분류법을 적용할 수 있습니다. 우리가 수집한 데이터에서 Topic Explorer는 의미론적 근접성으로 클러스터링된 Markle에 대한 주제 클러스터를 생성합니다.

미국 검색을 기반으로 하는 주제 클러스터는 미래의 왕실 귀족과 관련되어 있으며 색깔이 있는 거품으로 구성된 양동이에 넣습니다. 거품이 클수록 검색량이 커집니다. 메건 마클이 변호사 지망생을 연기하는 TV 쇼인 《 슈츠》 의 몇 에피소드에 출연한 배우인 "맥스 비슬리"와 같이 일부 주제는 매우 느슨하게 관련되어 있습니다. 다른 것들은 "Suits cast"와 같이 "Meghan Markle"와 직접적인 관련이 있습니다. 분명히 Markle의 검색 대부분은 TV 쇼를 기반으로 합니다. 영국에서 사용자 검색을 기반으로 하는 클러스터의 모습은 다음과 같습니다.

거품은 해리 왕자, 그의 전 여자 친구 및 그의 형제와 관련하여 Markle에게 조금 더 많은 관심이 있음을 보여줍니다.

이 작은 거품은 "Meghan Markle"의 주요 주제에 대한 분류 체계 구축을 시작하는 데 사용하려는 하위 주제입니다. 각 하위 주제에 대해 거기에서 확장합니다. "Suits Cast"에 대한 위의 예를 사용하여 더 많은 관련 주제를 포함하도록 확장할 수 있습니다.

구현

고유한 분류 체계를 개발할 때 Markle는 전체 콘텐츠의 작은 부분일 것입니다. 결혼식 날이 가까워지면 예를 들어 웨딩 드레스, 꽃, 들러리와 같이 더 많은 주제가 추가되고 더 많은 그룹화 및 연결이 필요합니다. 업데이트하고 다시 최적화해야 하는 콘텐츠가 이미 있을 수 있는 항목이거나 다른 용량의 콘텐츠가 필요한 항목입니다. 정렬된 상태로 유지하면 콘텐츠가 승리하는 데 도움이 됩니다.

주제 모델링은 또한 다른 방법으로는 생각할 수 없는 고유한 콘텐츠 에 대한 기회를 열어줍니다 .

예를 들어 검색 의도에 대해 생각해 보면 사용자가 미국 클러스터에서 Markle가 Sussex 공작 부인이 되기 위해 경력을 뒤로 할 때 Suits 제작진이 쇼에서 어떻게 제외할지 알고 싶어한다는 것을 알 수 있습니다. 그들은 그녀를 죽일 것인가? 다른 여배우가 캐릭터에 들어갈까요? Mike는 그녀가 떠난 후에도 계속 이동할 수 있습니까? 그의 새로운 연인은 누구일까요? 이 쇼는 Rachel Zane 없이 세계에서 9번째로 인기 있는 TV 쇼(Parrot Analytics에 따르면)의 지위를 유지할 것입니까?

좋은 분류 체계는 사용자가 묻는 질문에 답할 수 있는 좋은 기회를 제공할 수 있습니다.

키워드 연구

주제를 매핑하면 키워드 조사가 시작됩니다. 어떤 키워드로 순위를 매기는지 이미 알고 있을 것입니다. 이제 의미적으로 연결할 수 있습니다. 모든 주제와 하위 주제를 분류하면 특정 키워드에 대한 순위를 높일 수 있는 주제를 볼 수 있고 순위를 매길 키워드의 공백을 채울 수 있습니다.

콘텐츠를 만들 때 이제 의도 및 관련성 관점에서 작성하고 다른 페이지에서 동일한 의미를 사용하는 페이지에서 올바른 컨텍스트를 보여주는 키워드를 사용합니다. 이를 위해 탐색, 정보 및 트랜잭션의 세 가지 검색 유형으로 분류를 분류해야 합니다.

Kayak.com을 예로 들어 보겠습니다. 사용자가 "카약"을 입력하면 카약의 종류(정보 검색)를 검색하거나 검색자가 온라인 여행사 사이트 kayak.com(내비게이션)을 검색할 수 있습니다. 사용자가 "그리스행 저렴한 항공편"을 입력하면 사용자가 비행기 티켓(거래)을 찾고 있음을 나타내며 사용자는 항공편을 예약할 수 있는 kayak.com으로 연결됩니다. Searchmetrics 주제 탐색기는 키워드의 의도를 분류합니다. 여기에서 다양한 색상의 거품을 볼 수 있습니다. 이는 검색 의도에 따라 분류된 주제입니다.

거품은 정보 검색의 경우 파란색, 탐색의 경우 노란색, 트랜잭션의 경우 녹색으로 그룹화된 키워드를 나타냅니다. 풍선을 클릭하면 다양한 검색 의도 카테고리에 대한 검색량이 표시됩니다.

전체 분류에서 의도별로 분류된 키워드 연구를 통합하면 세부적인 수준에서 전체 전략을 측정하는 데 도움이 될 수 있습니다.

콘텐츠 전략

회사의 SEO가 사이트 아키텍처에서 작업하는 동안 이 콘텐츠 분류가 콘텐츠 아키텍처입니다. 구조가 많을수록 콘텐츠와 콘텐츠 목표를 연결하기가 더 쉽습니다. 고객이 정보를 빠르게 찾을 수 있도록 지원하는 동시에 고도로 타겟팅된 정확하고 상세한 검색 결과를 제공합니다. 누가, 무엇을, 어디서, 언제, 왜, 어떻게 전략을 만들고 실행하는지에 대한 가이드 역할을 합니다.

측정

콘텐츠, 콘텐츠 마케팅 계획 및 키워드에 대한 조직이 좋을수록 콘텐츠를 다시 측정, 분석, 조정 및 측정해야 합니다. 이는 또한 대상 고객에 대한 보다 완전한 프로필을 구축하는 데 도움이 됩니다. 이 많은 구조를 통해 경쟁자가 채우고 있는 청중의 구멍을 볼 수 있습니다. 그리고 이러한 구멍을 볼 수 있을 때 귀하가 그 구멍을 채우는 사람이 될 수 있습니다.

검색 엔진이 사용자 경험을 개선하기 위해 알고리즘을 조정하는 동안 의미론적 주제 모델링을 사용하는 콘텐츠 마케팅 분류는 콘텐츠 마케팅 담당자가 Google 및 Bing과 긴밀한 협력을 유지하고 사용자가 원할 때 관련 정보를 제공하는 데 도움이 될 수 있습니다. 콘텐츠 마케터는 그것이 언제인지 정확히 알지 못하지만 올바른 분류법을 사용하면 충분한 데이터를 수집하여 대략적인 방법과 시기를 좁힐 수 있습니다.