Memorando para o profissional de marketing moderno: como construir sua própria taxonomia de marketing de conteúdo usando modelagem de tópicos semânticos

À medida que os mecanismos de busca assumem novas inteligências aparentemente a cada dia que passa, os consumidores obtêm acesso a informações de qualidade que, presumivelmente, podem facilitar nossas vidas. Mas isso deixa os profissionais de marketing confusos. Grandes mudanças algorítmicas podem exigir repensar sua estratégia de conteúdo e trabalhar incansavelmente para garantir que o conteúdo antigo e novo seja encontrado. Uma maneira de facilitar todas essas mudanças é criar uma taxonomia de marketing de conteúdo usando modelos de tópicos semânticos. Descubra como neste memorando para o comerciante moderno.

Entendendo a Taxonomia

A taxonomia aparece com bastante frequência no marketing de conteúdo, mas normalmente é usada na criação de uma espécie de fluxo de trabalho. Aqui, vamos usá-lo para dar suporte à estratégia de conteúdo apoiada por dados. Em primeiro lugar, devemos entender que a taxonomia é um método de classificação, mas é usado quando há centenas de itens ou ideias para agrupar e categorizar para criar ordem a partir do caos. Glenn McDonald, o taxonomista do Spotify, criou o Everynoise.com como um exemplo alucinante. Ele mostra a relação entre cada gênero de música usando cores e grupos de palavras.

Você pode ver pelo verde claro de “klezmer” e sua proximidade com “Nashville sound” que ele tem um pouco do mesmo estilo de “jig and reel” e quando você clica em cada um deles, você pode ouvir as semelhanças.

Criar taxonomia de marketing de conteúdo não precisa ser tão complexo; o uso de modelagem de tópicos semânticos pode simplificá-lo para você. O objetivo é ajudar os mecanismos de pesquisa a retornar os resultados o mais próximo possível da resposta exata para uma pergunta que tenha uma pergunta semelhante feita em linguagem natural.

Modelagem de tópicos semânticos

Aqueles com apenas um pequeno comando de SEO sabem que os mecanismos de pesquisa anexam contexto aos termos inseridos em uma pesquisa. É nisso que você deve pensar ao estruturar sua modelagem de tópicos semânticos. Um método comum de modelagem de tópicos é a Alocação de Dirichlet Latente (LDA). O LDA lê uma página como um conjunto de tópicos. Ao mesmo tempo , ele lê cada tópico como um conjunto de palavras relacionadas e o analisa. É semelhante ao que a Searchmetrics Content Experience usa para a função Topic Explorer. Simplificando, o Topic Explorer executa o LDA ao contrário, pegando a consulta de pesquisa filtrada primária e identificando as consultas de pesquisa relacionadas e apresenta uma visualização de como os tópicos principais se sobrepõem aos tópicos secundários.

Vamos dar uma olhada no futuro da Família Real Britânica. Com as núpcias iminentes do príncipe Harry, a curiosidade sobre sua noiva, Meghan Markle, a atriz americana e divorciada, lhe rendeu o título de celebridade mais pesquisada do Google em 2017.

Se estivéssemos planejando criar conteúdo em torno dela e do casamento real, teríamos muitas ideias diferentes para trabalhar – tantas que podemos aplicar um pouco de taxonomia à sua personalidade profundamente texturizada. A partir dos dados que coletamos, o Topic Explorer gera um cluster de tópicos sobre Markle agrupados por proximidade semântica:

Com base em uma pesquisa nos EUA, os grupos de tópicos estão relacionados à futura alteza real, colocados em baldes organizados por bolhas coloridas. Quanto maior a bolha, maior o volume de pesquisa. Alguns tópicos são muito vagamente relacionados, como “Max Beesley”, que é um ator que apareceu em alguns episódios de Suits, um programa de TV no qual Meghan Markle interpreta uma aspirante a advogada. Outros estão diretamente relacionados à “Meghan Markle”, como “Suits cast”. Claramente, a maioria das pesquisas de Markle são baseadas no programa de TV. Para colocar em perspectiva, é assim que um cluster baseado na pesquisa de usuários no Reino Unido se parece:

As bolhas mostram que há um pouco mais de interesse em Markle em relação ao príncipe Harry, suas ex-namoradas e seu irmão.

Essas bolhas menores são os subtópicos que você deseja usar para começar a construir sua taxonomia em torno do tópico principal de “Meghan Markle”. Para cada um desses subtópicos, você o estenderia a partir daí. Usando o exemplo acima para “Suits Cast”, você pode expandi-lo ainda mais para incluir mais tópicos relacionados:

Implementação

Quando você está desenvolvendo sua própria taxonomia, Markle seria uma pequena parte do seu conteúdo geral. À medida que o dia do casamento se aproxima, mais tópicos seriam adicionados e mais agrupamentos e conexões seriam necessários: vestidos de noiva, flores, damas de honra, por exemplo. São itens para os quais você já pode ter conteúdo e que devem ser atualizados e re-otimizados, ou para os quais você precisa de conteúdo em outra capacidade; mantê-lo organizado pode ajudar seu conteúdo a vencer.

A modelagem de tópicos também abre oportunidades para conteúdo exclusivo sobre o qual você não pensaria de outra forma.

Por exemplo, se você pensar sobre a intenção de pesquisa, poderá perceber nos grupos dos EUA que os usuários querem saber como a equipe de Suits tirará Markle do programa quando ela deixar sua carreira para trás para se tornar a Duquesa de Sussex. Eles vão matá-la? Será que outra atriz vai entrar no personagem? Mike será capaz de seguir em frente depois que ela sair? Quem será seu novo interesse amoroso? O programa manterá seu status como o nono programa de TV mais popular do mundo (de acordo com Parrot Analytics) sem Rachel Zane?

Uma boa taxonomia pode criar uma excelente oportunidade para responder às perguntas que os usuários estão fazendo.

Pesquisa de palavras-chave

Ter seus tópicos mapeados inicia sua pesquisa de palavras-chave. Você provavelmente já sabe para quais palavras-chave você classifica. Agora, você pode conectá-los semanticamente. Com todos os seus tópicos e subtópicos categorizados, você pode ver quais tópicos podem reforçar suas classificações para determinadas palavras-chave e preencher as lacunas das palavras-chave para as quais deseja classificar.

À medida que você cria conteúdo, agora você escreve a partir de uma perspectiva de intenção e relevância e usa palavras-chave que mostram o contexto certo em páginas que usam o mesmo significado em outras páginas. Para isso, sua taxonomia deve ser dividida pelos três tipos de buscas: navegacional, informativa e transacional.

Tome Kayak.com como exemplo. Se um usuário digitar “caiaque”, ele pode estar procurando por tipos de caiaques (pesquisa informativa) ou o pesquisador pode estar procurando pelo site de agência de viagens online kayak.com (navegação). Se o usuário digitar “voos baratos para a Grécia”, isso indicaria que o usuário está procurando uma passagem de avião (transacional), levando o usuário ao kayak.com, onde pode reservar o voo. O Searchmetrics Topic Explorer divide a intenção de palavras-chave. Aqui você pode ver bolhas de cores diferentes — são tópicos agrupados por intenção de pesquisa.

As bolhas indicam palavras-chave agrupadas em azul para pesquisa informativa, amarelo para navegação e verde para transacional. Clicar em uma bolha mostra o volume de pesquisa para as diferentes categorias de intenção de pesquisa.

Incorporar a pesquisa de palavras-chave dividida por intenção em sua taxonomia geral pode ajudá-lo a medir sua estratégia geral em um nível granular.

Estratégia de conteúdo

Enquanto o SEO da sua empresa está trabalhando na arquitetura do seu site, essa taxonomia de conteúdo é sua arquitetura de conteúdo. Quanto mais estrutura você tiver, mais fácil será fazer conexões entre seu conteúdo e seus objetivos de conteúdo. Ele ajuda os clientes a encontrar as informações rapidamente, ao mesmo tempo em que fornece resultados de pesquisa altamente direcionados, precisos e detalhados. Ele atua como um guia para quem, o quê, onde, quando, por que e como criar e executar sua estratégia.

Medição

Quanto melhor a organização que você tem para o seu conteúdo, plano de marketing de conteúdo e palavras-chave, mais você precisa medir, analisar, ajustar e medir seu conteúdo novamente. Isso também ajuda a construir um perfil mais completo do seu cliente-alvo. Com tanta estrutura, você pode ver os buracos para o seu público que sua concorrência está preenchendo – e quando você consegue ver esses buracos, você pode ser o único a preenchê-los.

Enquanto os mecanismos de pesquisa estão ajustando seus algoritmos para melhorar a experiência do usuário, a taxonomia de marketing de conteúdo usando modelagem de tópicos semânticos pode ajudar os profissionais de marketing de conteúdo a se manterem em sintonia com o Google e o Bing e trazer aos usuários informações relevantes quando quiserem. Os profissionais de marketing de conteúdo não sabem exatamente quando isso acontece, mas com a taxonomia correta, podemos reunir dados suficientes para restringir aproximadamente como e quando entregá-los.