ข้อควรจำสำหรับนักการตลาดยุคใหม่: วิธีสร้างอนุกรมวิธานการตลาดเนื้อหาของคุณเองโดยใช้การสร้างแบบจำลองหัวข้อเชิงความหมาย

ในขณะที่เสิร์ชเอ็นจิ้นใช้ความฉลาดใหม่ๆ ในแต่ละวันที่ผ่านไป ผู้บริโภคสามารถเข้าถึงข้อมูลที่มีคุณภาพซึ่งน่าจะทำให้ชีวิตของเราง่ายขึ้น แต่กลับทำให้นักการตลาดต้องดิ้นรน การเปลี่ยนแปลงอัลกอริธึมที่สำคัญอาจทำให้ต้องทบทวนกลยุทธ์เนื้อหาของคุณและทำงานอย่างไม่รู้จบเพื่อให้แน่ใจว่าเนื้อหาทั้งเก่าและใหม่ถูกค้นพบ วิธีหนึ่งที่จะทำให้การเปลี่ยนแปลงเหล่านี้ง่ายขึ้นสำหรับตัวคุณเองคือการสร้างอนุกรมวิธานการตลาดเนื้อหาโดยใช้ แบบจำลองหัวข้อเชิงความหมาย ค้นหาวิธีการใน บันทึกช่วยจำนี้สำหรับนักการตลาดยุคใหม่

ทำความเข้าใจอนุกรมวิธาน

อนุกรมวิธานเกิดขึ้นค่อนข้างบ่อยในตลาดเนื้อหา แต่โดยทั่วไปมักใช้ในการสร้างเวิร์กโฟลว์ เราจะใช้มันเพื่อสนับสนุนกลยุทธ์เนื้อหาที่สนับสนุนโดยข้อมูล ก่อนอื่น เราควรเข้าใจว่าอนุกรมวิธานเป็นวิธีการจัดหมวดหมู่ แต่จะใช้เมื่อมีรายการหรือแนวคิดหลายร้อยรายการให้จัดกลุ่มและจัดหมวดหมู่เพื่อสร้างลำดับจากความโกลาหล Glenn McDonald นักอนุกรมวิธานของ Spotify ได้สร้าง Everynoise.com ขึ้นมา เป็นตัวอย่างที่น่าเหลือเชื่อ แสดงความสัมพันธ์ระหว่างดนตรีทุกประเภทโดยใช้สีและกลุ่มคำ

คุณสามารถมองเห็นได้จากป่าสีเขียวอ่อนของ “เคลซเมอร์” และความใกล้ชิดกับ “เสียงแนชวิลล์” ที่มีลักษณะเหมือนกับ “จิ๊กและรอก” และเมื่อคุณคลิกที่แต่ละรายการ คุณจะ ได้ยิน ความคล้ายคลึงกัน

การสร้างอนุกรมวิธานการตลาดเนื้อหาไม่จำเป็นต้องซับซ้อน การใช้แบบจำลองหัวข้อเชิงความหมายสามารถทำให้คุณเข้าใจได้ง่ายขึ้น เป้าหมายคือการช่วยให้เครื่องมือค้นหาแสดงผลลัพธ์ที่ใกล้เคียงที่สุดกับคำตอบที่ถูกต้องสำหรับคำถามที่มีคำถามที่คล้ายกันซึ่งโพสต์ในภาษาที่เป็นธรรมชาติ

การสร้างแบบจำลองหัวข้อความหมาย

ผู้ที่มีคำสั่ง SEO เพียงเล็กน้อยรู้ว่าเครื่องมือค้นหาแนบบริบทกับคำที่ป้อนลงในการค้นหา นั่นคือสิ่งที่คุณควรคำนึงถึงเมื่อคุณจัดโครงสร้างการสร้างแบบจำลองหัวข้อเชิงความหมายของคุณ วิธีการทั่วไปในการสร้างแบบจำลองหัวข้อคือ Latent Dirichlet Allocation (LDA) LDA อ่านหน้าเป็นกลุ่มของหัวข้อ ในเวลาเดียวกัน มันจะอ่านแต่ละหัวข้อเป็นกลุ่มของคำที่เกี่ยวข้องและวิเคราะห์มัน คล้ายกับสิ่งที่ Searchmetrics Content Experience ใช้สำหรับฟังก์ชัน Topic Explorer พูดง่ายๆ ก็คือ Topic Explorer ทำงาน LDA แบบย้อนกลับโดยใช้คำค้นหาหลักที่กรองแล้วและระบุคำค้นหาที่เกี่ยวข้อง และแสดงภาพว่าหัวข้อหลักซ้อนทับกับหัวข้อรองอย่างไร

มาดูอนาคตของราชวงศ์อังกฤษกัน เมแกน มาร์เคิล นักแสดงและนักหย่าร้างชาวอเมริกันที่อยากรู้เรื่องวิวาห์ของเจ้าชายแฮร์รีใกล้เข้ามา ทำให้เธอได้รับฉายาว่าเป็นผู้มีชื่อเสียงที่มีผู้ค้นหามากที่สุดของ Google ประจำปี 2560

หากเราวางแผนที่จะสร้างเนื้อหาเกี่ยวกับเธอและงานอภิเษกสมรส เราจะมีแนวคิดต่างๆ มากมายที่จะนำไปใช้ – มากมายจนเราสามารถปรับใช้อนุกรมวิธานเล็กน้อยกับบุคลิกที่ลึกซึ้งของเธอได้ จากข้อมูลที่เราเก็บรวบรวม Topic Explorer จะสร้างคลัสเตอร์ของหัวข้อเกี่ยวกับ Markle ที่จัดกลุ่มตามความใกล้ชิดทางความหมาย:

จากการค้นหาในสหรัฐฯ กลุ่มหัวข้อมีความเกี่ยวข้องกับพระราชกรณียกิจในอนาคต ซึ่งจัดอยู่ในถังที่จัดโดยลูกโป่งสี ยิ่งฟองอากาศใหญ่ ปริมาณการค้นหาก็จะยิ่งมากขึ้น บางหัวข้อมีความเกี่ยวข้องกันอย่างหลวมๆ เช่น “Max Beesley” ซึ่งเป็นนักแสดงที่ปรากฏตัวในตอนไม่กี่ตอนของ Suits รายการทีวีที่ Meghan Markle เล่นเป็นทนายความที่ต้องการ คนอื่นเกี่ยวข้องโดยตรงกับ “Meghan Markle” เช่น “Suits cast” เห็นได้ชัดว่าการค้นหา Markle ส่วนใหญ่อิงจากรายการทีวี นี่คือสิ่งที่คลัสเตอร์ตามการค้นหาของผู้ใช้ในสหราชอาณาจักรมีลักษณะดังนี้:

ฟองสบู่แสดงให้เห็นว่ามาร์เคิลสนใจเจ้าชายแฮร์รี่ อดีตแฟนสาวและน้องชายของเขามากขึ้นอีกเล็กน้อย

ฟองอากาศขนาดเล็กเหล่านี้เป็นหัวข้อย่อยที่คุณต้องการใช้เพื่อสร้างอนุกรมวิธานของคุณสำหรับหัวข้อหลักของ "Meghan Markle" สำหรับแต่ละหัวข้อย่อยเหล่านั้น คุณจะต้องขยายจากตรงนั้น การใช้ตัวอย่างจากด้านบนสำหรับ “Suits Cast” คุณสามารถขยายเพิ่มเติมเพื่อรวมหัวข้อที่เกี่ยวข้องเพิ่มเติม:

การดำเนินการ

เมื่อคุณกำลังพัฒนาอนุกรมวิธานของตนเอง Markle จะเป็นส่วนเล็กๆ ของเนื้อหาโดยรวมของคุณ เมื่อใกล้ถึงวันแต่งงาน จะมีการเพิ่มหัวข้อมากขึ้นและต้องมีการจัดกลุ่มและเชื่อมโยงกันมากขึ้น เช่น ชุดแต่งงาน ดอกไม้ เพื่อนเจ้าสาว เป็นต้น เป็นรายการที่คุณอาจมีเนื้อหาอยู่แล้วสำหรับที่ควรได้รับการอัปเดตและปรับให้เหมาะสมใหม่ หรือที่คุณต้องการเนื้อหาสำหรับความสามารถอื่น การจัดระเบียบจะช่วยให้เนื้อหาของคุณชนะ

การสร้างแบบจำลองหัวข้อยังเปิดโอกาสสำหรับ เนื้อหา ที่ไม่เหมือนใครซึ่งคุณอาจนึกไม่ถึง

ตัวอย่างเช่น หากคุณนึกถึงความตั้งใจในการค้นหา คุณอาจรวบรวมจากกลุ่มในสหรัฐอเมริกาที่ผู้ใช้ต้องการทราบว่าทีม Suit จะเขียน Markle ออกจากรายการอย่างไรเมื่อเธอละทิ้งอาชีพการเป็นดัชเชสแห่งซัสเซ็กซ์ พวกเขาจะฆ่าเธอหรือไม่? นักแสดงหญิงคนอื่นจะย้ายเข้ามาในตัวละครหรือไม่? ไมค์จะสามารถเดินหน้าต่อไปได้หรือไม่หลังจากที่เธอจากไป? รักครั้งใหม่ของเขาจะเป็นใคร? รายการจะรักษาสถานะเป็นรายการทีวียอดนิยมอันดับ 9 ของโลก (ตาม Parrot Analytics) โดยไม่มี Rachel Zane หรือไม่

อนุกรมวิธานที่ดีสามารถสร้างโอกาสที่ยอดเยี่ยมในการตอบคำถามที่ผู้ใช้ถาม

การวิจัยคำหลัก

การทำแผนที่หัวข้อของคุณจะช่วยเริ่มต้นการวิจัยคำหลักของคุณ คุณคงทราบแล้วว่าคำหลักใดที่คุณจัดอันดับ ตอนนี้คุณสามารถเชื่อมโยงมันด้วยความหมาย ด้วยการจัดหมวดหมู่หัวข้อและหัวข้อย่อยทั้งหมดของคุณ คุณสามารถดูหัวข้อที่สามารถสนับสนุนการจัดอันดับของคุณสำหรับคำหลักบางคำ และคุณสามารถเติมช่องว่างสำหรับคำหลักที่คุณต้องการจัดอันดับ

ในขณะที่คุณสร้างเนื้อหา ตอนนี้คุณเขียนจากความตั้งใจและความเกี่ยวข้อง และใช้คำหลักที่แสดงบริบทที่ถูกต้องบนหน้าเว็บที่ใช้ความหมายเดียวกันในหน้าอื่นๆ ด้วยเหตุนี้ การจัดหมวดหมู่ของคุณควรแบ่งตามการค้นหาสามประเภท: การนำทาง ข้อมูล และธุรกรรม

ใช้ Kayak.com เป็นตัวอย่าง หากผู้ใช้ป้อน "เรือคายัค" เขาหรือเธออาจกำลังมองหาประเภทของเรือคายัค (การค้นหาข้อมูล) หรือผู้ค้นหาอาจกำลังมองหาเว็บไซต์ตัวแทนการท่องเที่ยวออนไลน์ kayak.com (การนำทาง) หากผู้ใช้กด "เที่ยวบินราคาถูกไปยังกรีซ" แสดงว่าผู้ใช้กำลังมองหาตั๋วเครื่องบิน (ธุรกรรม) ซึ่งนำผู้ใช้ไปที่ kayak.com ซึ่งพวกเขาสามารถจองเที่ยวบินได้ Searchmetrics Topic Explorer แจกแจงความตั้งใจสำหรับคำหลัก คุณจะเห็นลูกโป่งสีต่างๆ ที่นี่คือหัวข้อที่จัดกลุ่มตามความตั้งใจในการค้นหา

ฟองอากาศระบุคีย์เวิร์ดที่จัดกลุ่มเป็นสีน้ำเงินสำหรับการค้นหาข้อมูล สีเหลืองสำหรับการนำทาง และสีเขียวสำหรับธุรกรรม การคลิกที่ลูกโป่งจะแสดงปริมาณการค้นหาสำหรับหมวดหมู่ความตั้งใจในการค้นหาต่างๆ

การรวมการวิจัยคำหลักโดยแยกย่อยตามความตั้งใจในอนุกรมวิธานโดยรวมของคุณสามารถช่วยให้คุณวัดกลยุทธ์โดยรวมของคุณในระดับที่ละเอียด

กลยุทธ์เนื้อหา

ในขณะที่ SEO ของบริษัทของคุณกำลังทำงานบนสถาปัตยกรรมของไซต์ของคุณ การจัดหมวดหมู่เนื้อหานี้เป็นสถาปัตยกรรมเนื้อหาของคุณ ยิ่งคุณมีโครงสร้างมากเท่าไร การเชื่อมโยงระหว่างเนื้อหาและเป้าหมายของเนื้อหาของคุณก็จะยิ่งง่ายขึ้นเท่านั้น ช่วยลูกค้าในการค้นหาข้อมูลได้อย่างรวดเร็วในขณะที่ยังให้ผลการค้นหาที่ตรงเป้าหมาย แม่นยำและมีรายละเอียดสูง มันทำหน้าที่เป็นแนวทางสำหรับใคร อะไร ที่ไหน เมื่อไร ทำไม และอย่างไรในการสร้างและดำเนินการตามกลยุทธ์ของคุณ

การวัด

ยิ่งคุณมีองค์กรที่ดีขึ้นสำหรับเนื้อหา แผนการตลาดเนื้อหา และคำสำคัญ คุณก็ยิ่งต้องวัด วิเคราะห์ ปรับและวัดเนื้อหาของคุณอีกครั้ง นอกจากนี้ยังช่วยให้คุณสร้างโปรไฟล์ที่สมบูรณ์ยิ่งขึ้นของลูกค้าเป้าหมายของคุณ ด้วยโครงสร้างที่มากมายนี้ คุณจะเห็นช่องว่างสำหรับผู้ชมที่การแข่งขันของคุณกำลังเติมเต็ม และเมื่อคุณสามารถเห็นหลุมเหล่านั้น คุณจะสามารถเป็นผู้เติมเต็มได้

ในขณะที่เสิร์ชเอ็นจิ้นกำลังปรับแต่งอัลกอริธึมเพื่อปรับปรุงประสบการณ์ของผู้ใช้ การจัดหมวดหมู่การตลาดเนื้อหาโดยใช้การสร้างแบบจำลองหัวข้อเชิงความหมายสามารถช่วยให้นักการตลาดเนื้อหาอยู่ในขั้นตอนที่ล็อคกับ Google และ Bing และนำข้อมูลที่เกี่ยวข้องมาสู่ผู้ใช้เมื่อพวกเขาต้องการ นักการตลาดเนื้อหาไม่ทราบแน่ชัดว่าเมื่อใด แต่ด้วยอนุกรมวิธานที่ถูกต้อง เราสามารถรวบรวมข้อมูลได้มากพอที่จะจำกัดให้แคบลงโดยประมาณว่าต้องส่งมอบอย่างไรและเมื่อใด