TF*IDF pour SEO : Résultats des tests et comparaison d’outils

Vous avez peut-être vu le terme TF* IDF être lancé au cours de la dernière année, mais personne ne pourrait vous blâmer si vous n’avez pas encore commencé à prêter attention.

Beaucoup de modes SEO vont et viennent, et certains des plus intéressants finissent par attirer des sanctions, plus tard, non?

Mais TF*IDF est quelque chose de légèrement différent.

Il ne s’agit pas d’une manipulation des moteurs de recherche; est une méthode d’analyse des sujets dans le contenu et est basée sur les mêmes principes que les moteurs de recherche eux-mêmes.Pour cette raison, il a un énorme potentiel pour les SEOs qui ont besoin d’une méthode véritablement objective pour mesurer et améliorer le contenu.

Je viens de terminer une étude de cas exactement ce dont elle est capable et les résultats sont très intéressants.

Au cas où certains d’entre vous étaient là où j’étais il ya quelques mois, je veux m’assurer que je couvre ce que j’ai appris sur TF * IDF et comment il est utilisé avant d’arriver à ce que j’ai appris de mes expériences personnelles avec elle.

Le cours intensif commence dans la section suivante, mais si vous êtes déjà un utilisateur expérimenté, vous pouvez trouver les résultats de mes tests personnels et quelques comparaisons des meilleurs outils TF * IDF vers la fin.

Au plaisir des questions et des commentaires.

Qu’est-ce que TF * IDF?

Qu’est-ce donc que TF* IDF ?Un acronyme ?Une équation ?Un emoji texte vraiment sombre?

C’est au moins deux de ces choses.

En termes littérals, cela signifie fréquence des termes de fréquence fréquence inverse fréquence du document.

Équation

TF * IDF est une équation qui combine ces deux mesures: mesurer la fréquence à laquelle un terme est utilisé sur une page (TF) et de mesurer combien de fois ce terme apparaît sur toutes les pages d’une collection (IDF) – pour attribuer un score, ou le poids, pour l’importance de ce terme pour la page.

Je sais… nerd alarme, non?

Nous verrons pourquoi c’est si important pour les SEOs dans un certain temps, mais tout d’abord, nous allons jeter un oeil à d’où il vient.

L’équation a une très longue histoire dans le milieu universitaire, où des chercheurs dans des domaines aussi divers que la linguistique et l’architecture de l’information l’ont utilisée comme un moyen d’analyser d’énormes bibliothèques de documents en peu de temps.

Il est également utilisé par les programmes de récupération d’informations (y compris tous les moteurs de recherche) pour trier et juger efficacement de la pertinence de millions de résultats.

Il ya une différence importante entre ce que vous voulez faire et ce que le moteur de recherche veut faire avec cette même information.

Le moteur de recherche veut envisager une collection composée de tous les résultats sur le web alors que vous souhaitez comparer une page ou un site web avec seulement les sites qui le dépassent…qui est le top 10.

Regardons de plus près TF et IDF…

Les équations qui vous conduisent à TF * IDF

Zone

Vous devez faire un peu plus de mathématiques pour obtenir les deux mesures impliquées, à savoir TF et IDF.mais je promets que ce ne sera pas difficile.Selon l’application, les équations pour TF* IDF peuvent devenir beaucoup plus compliquées que les exemples que j’utilise ci-dessous.

Simplifié ou non, vous ne voulez généralement pas être surpris de faire ce travail à la main si vous cherchez à optimiser un site.Ces équations vous aideront à comprendre le fonctionnement de TF* IDF, mais ce sont les outils dont je parle à la fin qui ouvrent vraiment le potentiel.

Résolvez la première fréquence terme en calculant le nombre de fois qu’un terme apparaît sur une page.Ensuite, reliez ce nombre à l’équation suivante :

Fréquence terme = (nombre de termes non traités) / (nombre total de mots de document)

Sur votre propre, le score TF peut vous dire si vous utilisez un mot trop rarement ou trop souvent, mais il n’est vraiment utile par rapport à l’autre mesure.

Calcule la fréquence inverse des documents en divisant le nombre de documents où le terme apparaît par le nombre total de documents dans la bibliothèque que vous choisissez, comme ceci :

Fréquence inverse du document (terme) = journal (nombre de documents / (documents contenant des mots clés)

Avec le score de Tsahal, vous pouvez maintenant mesurer l’importance d’une phrase pour une page, pas seulement son nombre d’utilisations.C’est important parce que cela vous met dans l’état d’esprit des gens qui construisent des algorithmes de moteur de recherche.

Pourquoi est-il important pour les SEOs?

Le but ultime d’être en mesure de compiler cette équation est d’être en mesure de donner un score de pertinence viable à votre contenu.En utilisant les outils TF*IDF désormais disponibles, vous pouvez ensuite comparer vos scores avec les meilleurs scores de page de performance pour n’importe quel terme.

En classant les pages sur cette mesure, vous pouvez presque baisser le rideau sur la façon dont Google pourrait classer les sites dédiés au même sujet.

On ne sait pas si Google utilise TF * IDF dans leur algorithme, et si elles sont, est-ce une forme mutée de celui-ci ou non?Cela dit, il y a eu des études de corrélation privées que j’ai été au courant de dont les données suggèrent qu’il est probable.

L’analyse IDF de TF* vous permet d’optimiser l’équilibre des termes dans le contenu en fonction de ce qui est déjà récompensé par l’algorithme.

C’est énorme pour les SEOs parce qu’il marque le retour de quelque chose que tous les vieux chapeaux savaient et … Aimé?

Retournez-vous la densité des mots clés ?

encore meme

Non. Personne n’aimait l’époque où la densité des mots clés régnait.

Toutefois, tf* IDF pourrait marquer un retour à la primauté des phrases et des mots clés comme un marqueur important, seulement d’une manière très différente.

Le fait est que Google n’a jamais compté sur la densité des mots clés comme mesure de la valeur.Il semblait juste qu’ils le faisaient à des gens qui ne comprenaient pas comment l’algorithme a vraiment fonctionné.

Au lieu de cela, les stratégies de densité de mots clés ont été une première tentative de comprendre comment Google utilisait TF * IDF pour l’indexation et le rappel.

Les gens essayaient de créer des mots clés, donc des algues et des filtres sont sortis pour le combattre (bonjour panda).

Donc, d’une certaine façon, la densité des mots clés est de retour.Il s’est enfui de la maison comme un adolescent grincheux et est retourné comme un adulte mature avec un baccalauréat en sciences.

La densité des mots clés était une tactique précoce et limitée qui encourageait principalement les mauvaises habitudes.Mesurer l’utilisation des termes avec TF* IDF vous donnera une idée (du moins dans la mesure où les meilleurs résultats les utilisent).Il révèle ce qui est considéré comme naturel, très précisément.

Utilisation de TF * IDF pour améliorer la recherche de mots clés

TF* IDF prend une longueur d’avance sur la densité des mots clés dans la façon dont il vous ouvre à un aperçu de familles de mots entiers sur un site Web.

Par exemple, imaginez que vous avez déjà terminé la recherche de mots clés pour optimiser une page pour « DUI Chicago avocat. »La plupart des outils de recherche par mots clés cracheront des mots clés comme « avocat du DUI à Chicago », « avocat du DUI Chicago », etc.

Lorsque vous utilisez les outils TF*IDF que je traiterai plus tard, vous serez également en mesure de trouver des termes non-SEO connexes qui sont utilisés par les pages les plus classées que vous n’auriez jamais trouvé avant d’utiliser la recherche de mots clés réguliers.Des termes comme « légal », « expérimenté », « droits » et « pratique ».

dui chicago avocat

Ces mots ne seraient pas apparus dans les outils de recherche par mots clés parce que les articles eux-mêmes ne sont pas classés pour eux, mais ils sont nécessaires pour raconter l’histoire de l’intention de recherche.

Utilisons l’équation.

Heureusement, vous n’aurez pas à le faire manuellement pour vos sites.Il ya toujours un outil à utiliser, et vous n’avez que quelques étapes pour voir ceux que j’ai testé pour les résultats.

Mettre TF * IDF à profit

Oh plus de maths.

À ce stade, vous pouvez avoir des flashbacks à l’école secondaire, tournez-vous dans votre chaise désespérément à la recherche de l’horloge murale qui vous dira quand vous êtes libre.

Ne t’inquiète pas, cette fois, je vais faire le calcul.Juste après cela, nous allons arriver aux choses juteuses: comment utiliser TF * IDF à utiliser.

Jetons un coup d’oeil à l’équation en action …

Supposons qu’un document, comme la page de destination d’un client que vous examinez, contienne le terme « PPC » 12 fois et est d’environ 100 mots de long.Si vous souhaitez commencer à analyser ce contenu, vous devez commencer par le relier à l’équation de fréquence terme d’avant.

TF (PPC) = (12/100) = 0,12

Maintenant, disons que vous voulez comprendre comment cet usage par rapport à l’utilisation de ce terme sur le reste du web.À partir d’un échantillon de 10 000 000, au moins certaines de ces pages couvriront les services Web et incluront des références à PPC.Disons que 300 000 d’entre eux.

Nous pouvons utiliser ces chiffres pour terminer l’équation de fréquence des documents inversés.

IDF (PPC) = journal (10 000 000 / 300 000) = 1,52

Maintenant, marquez votre page en fonction de ce terme avec l’équation TF * IDF

TF * IDF (PPC) = 0,12 * 1,52 = 0,182

C’est un bon score.Ou est-ce le c’est le fait ?

La vérité est qu’il ne s’agit pas vraiment de respecter une limite.Vous souhaitez équilibrer votre score pour des termes ciblés avec les URL les plus performantes à la page 1.

Un score élevé pour un certain terme n’est pas forcément une bonne chose (12 utilisations en 100 mots, c’est beaucoup, après tout).

Qu’en est-il des termes communs comme « le » et « de »?

Vous vous demandez peut-être, qu’en est-il du bruit?

Qu’en est-il de tous les mots communs comme « de », « le » ou « e »?En raison de la façon dont l’équation est structurée, ce bruit n’est pas vraiment un problème.

L’ensemble des documents utilise ces mots fréquemment, de sorte que l’importance de ces mots est considérablement réduite.

Revenons à l’équation.Pour vraiment illustrer la différence, nous allons dire qu’il ya autant d’utilisations de « de » sur la page comme il ya « PPC ».

TF (OF) = (12/100) = 0,12

Mais regardez ce qui se passe lorsque nous terminent l’équation de Tsahal en sachant que la grande majorité des résultats contiendra le mot « de », disons 8.000.000 d’entre eux.

IDF (OF) = journal (10 000 000 / 8 000 000) = 0,09

Cela ferait la valeur finale TF * IDF:

TF * IDF (OF) = 0,12 * 0,09 = 0,010

La valeur TF * IDF augmente proportionnellement au nombre de fois que l’expression est utilisée dans le document, mais dans ce cas, elle est ainsi compensée par la fréquence du mot dans le reste de la collection, que sa note de valeur est cratère par rapport au dernier exemple.

En d’autres termes, plus le mot est courant, plus les FDI deviennent petits.

Et les phrases ?

Les moteurs de recherche ont tendance à donner un poids sur mesure à des phrases composées de plusieurs termes.

Mot

Cela est particulièrement vrai lorsque l’on considère la qualité naturelle du langage.

Bien sûr, vous souhaitez apporter ces considérations sur la façon d’effectuer iDF TF * cotes.

Heureusement, cela ne nécessite aucun effort supplémentaire de votre part.La plupart des outils TF* IDF peuvent calculer les mots clés sous forme de versions de 2 et 3 mots.

Lorsque tf * IDF a été utilisé exclusivement à des fins académiques et de recherche, les termes ont déjà été calculés comme des ensembles de 2 mots appelés bigrams ou des ensembles de 3 mots appelés trigrammes.La même pratique a été adoptée par les moteurs de recherche, il est donc important d’analyser votre contenu de la même manière qu’ils le font.

En utilisant l’exemple d’une page PPC d’avant, jetons un oeil à une phrase qui pourrait apparaître sur cette page et quelles phrases sur le sujet peuvent suggérer.

« Une campagne PPC a besoin de beaucoup d’annonces »

Chaque ensemble de deux mots de cette phrase peut être calculé comme un ensemble de billes.

  • Un PPC
  • Campagne PPC
  • besoins de la campagne
  • Etcetera.

Lorsqu’un troisième mot est ajouté, il devient encore plus clair l’importance du contexte ajouté lorsque des phrases plus longues sont prises en compte.

  • Une campagne PPC
  • Besoins de la campagne PPC
  • la campagne a besoin de nombreux
  • Etcetera.

Tous les outils TF* IDF ne peuvent pas gérer plus de deux combinaisons.J’examinerai plus en détail les capacités de chacun dans la comparaison des instruments situés ci-dessous.

Comment utiliser TF * IDF

TF* IDF s’intègre parfaitement dans le processus de développement de contenu de presque tous les SEOs.

C’est une façon d’en apprendre davantage avant de commencer à créer du contenu, puis de savoir où et comment l’affiner à nouveau.

Après avoir choisi un outil, c’est juste une procédure pas à pas pour obtenir plus d’informations sur le choix de chaque mot clé.Si vous n’avez pas encore choisi un outil TF* IDF, vous pouvez trouver les données de test que j’ai couru avec eux dans la section suivante.

1) Ecrire du contenu

écrire du contenu

Écrivez du contenu selon les normes les plus élevées que vous connaissez ou référez-vous au contenu que vous optimisez pour un client.Créez une liste de sujets d’un, deux ou trois mots que vous souhaitez traiter et emmenez-la à l’outil TF*IDF que vous avez choisi.

Votre objectif ici est de cibler les mots clés et URL des domaines principaux qui les dirigent à révéler quels sujets vous manquez et quels sujets vous n’avez pas affaire assez en profondeur.

2) Connectez-vous à un outil TF * IDF

Chaque outil fonctionne légèrement différemment, comme vous le verrez, ci-dessous.Ils suivent également différentes informations, mais les plus utiles sont orientées vers vous aider à comprendre comment vos concurrents réussissent avec leur utilisation de mots clés.

Profitez de toutes les fonctionnalités que l’outil que vous avez choisi vous aide à découvrir les termes associés aux 10-20 premières URL de haut niveau, puis produit des scores qui reflètent le poids de tous les autres termes qu’ils utilisent.

3) Optimisez à nouveau le contenu

Maintenant que vous avez une idée complète des sujets abordés par chacun de vos concurrents et une compréhension de la fréquence d’utilisation de ces mots, vous pouvez utiliser ces informations pour affiner votre contenu.

Faites un deuxième pas vers le contenu et cherchez des moyens naturels d’introduire des sujets que vous n’avez pas encore abordés.Rappelez-vous, votre motivation n’est pas de farcir anormalement, mais de restaurer les connexions naturelles là où ils font actuellement défaut.

4) Public

Publiez du contenu à jour avec les informations que vous avez récemment recueillies à partir de vos recherches.De là, vous pouvez continuer à l’analyser et tout changement dans les rangs.

5) Afficher les résultats avant et après TF * IDF

surfeur avant et après

L’un des avantages de TF* IDF est qu’il vous permet de suivre les performances à un niveau très minute.Avant et après chaque modification que vous apporterez à votre contenu, vous pouvez produire des captures d’écran de la façon dont le bilan des sujets de vos pages a changé.Ceux-ci sont utiles pour les clients intéressés à consulter des mesures spécifiques pour les modifications que vous faites à leur contenu.

Maintenant, nous sommes prêts à entrer dans la partie que vous attendiez!

J’ai eu la chance de jouer avec tous les plus grands outils TF*IDF sur mes sites et j’ai beaucoup à vous montrer sur ce qu’ils peuvent faire.

Mais tout d’abord, permettez-moi de partager certains résultats que j’ai obtenus en testant TF * IDF dans de véritables interwebs.

Résultats des tests

Je voudrais préfigurer cette section en disant que j’ai testé TF * IDF depuis plus d’un an.

Depuis que j’ai examiné pour la première fois des algorithmes de densité sémantique basés sur des créneaux, le concept a conclu un accord harmonieux avec moi.

Et même si le bon état d’esprit dans toutes sortes d’expérimentations est l’agnosticisme, je voulais vraiment que TF* IDF fonctionne.

Cela dit … pendant longtemps, j’ai obtenu des résultats non léchés.

Et puis les choses ont changé.

Je vais vous guider à travers l’histoire, mais d’abord, permettez-moi de décrire comment je l’ai essayé.

Identification des tests pour les expériences TF * IDF

La création de structures de test à variable unique est très difficile pour ce scénario particulier.

chien d’essai

Qu’est-ce qu’un seul test variable?

Dans un environnement de test super contrôlé, vous auriez deux groupes de cas de test.

Un groupe serait le groupe témoin.

Dans le groupe de contrôle, vous ne changez rien.Vous obtenez simplement un résultat « basal » à comparer avec le groupe expérimental.

Le groupe expérimental est complètement identique au groupe témoin à bien des égards.

Les pages Web peuvent avoir les mêmes types de backlinks, cibler les mêmes mots clés, etc. Toutes ces variables doivent être similaires et constantes les unes aux autres, sinon le test est défectueux.

Cependant, avec le groupe expérimental, vous changez une chose.C’est la variable unique.Et dans ce cas, ce serait l’optimisation de TF* IDF.

Pour les sites Web du groupe expérimental, effectuez l’optimisation tf * IDF, laissez-les assis, puis comparez les résultats avec le groupe témoin.

Le défi avec les tests SEO est que vous ne pouvez jamais contrôler toutes les variables.Il y a toujours du bruit qui se fait sous forme de backlinks, de trafic, de concurrence, de changements d’algorithmes, etc.

Tu sais à quoi ressemble le référencement.C’est bruyant AF.

Une façon dont les gens aiment créer des tests seo est d’utiliser des mots incompréhensibles.

Disons que nous créons 10 pages internes sur le même domaine, toutes destinées à inventer des mots comme « flubblegoblin ».

Ils occuperaient toute la première page de Google car il n’y a pas de résultats de recherche pour « flubblegoblin » (encore).

flubblegoblin (flubblegoblin)

Ces pages seraient très similaires en longueur, optimisation, etc.

Vous pourriez alors optimiser trois avec TF * IDF, les laisser s’asseoir et puis si TF * IDF fonctionne, ils devraient commencer à se classer #1-3, non?

Mais cette approche est imparfaite depuis le début.

Vous devez optimiser leur contenu par rapport à toutes les autres pages que vous avez créées, qui ont déjà été créées de la même manière les unes aux autres.

Par conséquent, si vous définissez l’expérience correctement dès le début, il n’y aurait pas d’optimisation possible.Ils sont déjà identiques.

Donc aussi une impasse.

Malheureusement, j’ai suivi l’approche suivante pour tester.

Je voudrais isoler plusieurs pages sur plusieurs sites Web en direct qui présentaient les fonctionnalités suivantes:

  • Classements statiques pendant au moins un mois
  • Ne reçoit aucun backlink ou jus de lien interne

Je voudrais ensuite appliquer tf * IDF optimisation et les laisser reposer pendant environ 30 jours et chercher des augmentations ou des diminutions dans les classements.

Je ne suis pas entièrement satisfait de cette approche car beaucoup de « bruit » peut entrer dans cette structure d’expérience en raison de changements d’algorithme, le vieillissement des sites Web, etc.

J’ai donc décidé de lutter contre cette inexactitude, en testant plusieurs étapes et de nombreuses pages différentes.

Maintenant, dans l’émission.

Phase 1 – Entre décembre et mars

Ah, les âges sombres.

Outils d’optimisation :

Mes premières expériences avec l’optimisation tf* IDF ont été réalisées parmi les dates mentionnées ci-dessus.

J’ai mené des expériences à trois reprises différentes, dans 12 URL différentes, et tracé 36 mots clés différents (3 par URL).

Quoi qu’il en soit, les résultats ont été laissés à se stabiliser pendant 45 jours (juste au cas où).

Voici les résultats non pollués:Résultats des tests tfidf de phase 1

Whomp whomp.

Il ne semble pas y avoir beaucoup d’effet, ni dans la direction positive ni dans la direction négative.

Après tant de tests et de résultats comme ceux-ci, pourquoi ai-je continuer?

Parce que, comme je l’ai déjà dit, j’étais vraiment intéressé par le concept et a été (pour être honnête) assez surpris qu’il n’a rien fait.

J’ai commencé à douter de mon intégrité des testcases et des outils que j’utilisais.

En fin de compte, je viens de me dire que je continuerais à le tester périodiquement juste pour « vérifier » les choses.

Phase 2 – Avril

Pour cette deuxième série de tests, j’ai décidé de m’en tenir aux outils de texte pour l’analyse et l’optimisation.

Car?

D’une part parce que le logiciel a permis des ajustements dans l’outil, afin que je puisse modifier mon texte et réévaluer à la volée (je vais faire un examen de l’outil plus tard dans cet article).

Et deux, parce que le propriétaire m’a donné une licence gratuite (merci Michael).

J’ai été surpris de voir les résultats suivants la deuxième fois.

Résultats des tests tfidf de phase 2

Dans deux des trois tests, nous avons trouvé des mouvements positifs.

Ce n’était pas un mouvement novateur, mais assez pour montrer une tendance.

Mais voici le botteur.

Pendant ce temps, une mise à jour de l’algorithme de base a été publiée.C’est arrivé en mars pour être exact.

Les deux sites qui ont montré des mouvements positifs ont actuellement été maltraités par cette mise à jour de l’algorithme.

Et tandis que toutes les pages du site souffraient d’une perte dans le classement, les pages que je testais TF * IDF maintenu leur position ou gagné des positions.

Et puis j’ai trouvé des éléments comme celui-ci …

voir l’article

Si ces mises à jour de l’algorithme étaient vraiment sur la pertinence, quel meilleur indicateur de pertinence que les mots damn qui apparaissent sur les pages Web.

La coïncidence a été suffisante pour augmenter mon intérêt.

Cela m’a-t-il suffi de signer pleinement sur TF* IDF et de l’ajouter à mes procédures d’exploitation standard (SOP)?

Absolument pas.

Seuls d’autres tests pourraient le faire.

Phase 3 – Mai

Rien n’a changé dans cette expérience.

J’ai continué à utiliser des outils texte comme mon logiciel préféré.

La seule chose différente était la nouvelle preuve et une date différente.

Résultats des tests tfidf de phase 3

Les tendances sont demeurées les mêmes qu’au cours de la phase 2.

Des résultats plus positifs.

Cette fois, j’ai creusé dans les choses et remarqué quelques modèles.

Les résultats s’aggravent généralement avant de s’améliorer

Dans 61% des mots clés que je surveillais, les mots clés se sont aggravés avant qu’ils ne s’améliorent.

Ce n’est qu’après 22-24 jours après le coup d’envoi initial et le nouveau cache du nouveau texte optimisé, le classement a commencé à tourner la page.

en optimisant un mot clé, vous pouvez désactiver un autre mot clé

Je fais beaucoup de seo affilié, donc la plupart des pages que j’expérimentais avec étaient des pages d’examen.

Donc, quand je décide quels mots clés analyser et optimiser pour, je choisirais généralement « mieux ___ » mots clés comme « meilleure poudre de protéines. »

Cependant, pour les tests, je surveillais un large éventail de mots clés tels que « avantages de poudre de protéines.

Les mots clés qui ne sont pas vraiment liés à des requêtes axées sur l’examen comme « meilleure poudre protéique » ou « revues de poudre protéique » étaient plus susceptibles d’éprouver des mouvements négatifs.

Phase 4 – Août

Cette fois, j’ai décidé d’utiliser un outil différent: Link Assistant’s Website Auditor.

J’ai changé les choses de Text Tools car il ya (ce que je pense que c’est) un défaut dans son système, dont je vais parler plus tard.

Voici les résultaRésultats des tests tfidf de phase 4ts:

À ce stade, j’ai commencé à me sentir assez à l’aise avec les résultats pour justifier l’écriture de cet article et commencer à intégrer cette technique dans notre SOP.

Surtout avec des résultats comme ceux-ci qui ont nécessité la construction de liens zéro:

marque d’erreur

Comparaison d’outils : Sufer vs Auditor Website vs Text Tools

Voici une comparaison de trois des outils les plus populaires sur le marché qui peuvent être utilisés pour analyser et optimiser le contenu de TF* IDF : Surfer’s True Density vs Link Assistant’s Website Auditor vs Text Tools.

TF * IDF Comparaison d’outils

Plate-forme (gagnant: surfer)

Surfer court dans le nuage.Ils accèdent à leur plate-forme et toute l’analyse se fait du côté du serveur.

écran de densité réelle

Bien sûr, c’est combien d’entre nous aiment exécuter notre logiciel de nos jours (si possible), donc nous donnons notre vote à Surfer quand il s’agit de plate-forme.

Text Tools est également exécuté dans le nuage et a de belles vues graphiques (voir ci-dessous), mais Surfer a un léger avantage quand il s’agit de la puissance de leur plate-forme.Surfer ne fait pas seulement TFIDF, mais fait beaucoup plus.

outils texte

Website Auditor est un logiciel téléchargeable.La version gratuite inclut l’analyse TF* IDF.

C’est un outil assez solide, comme vous pouvez le voir ci-dessous.

Tableau de bord de l’examinateur du site Web

Cependant, nous préférons toujours travailler sur le nuage, donc le vote va à Surfer.

Facilité d’utilisation (Gagnant: Surfer)

Immédiatement, le critique de site Web a un grand succès contre elle puisque vous ne pouvez pas enregistrer des projets.

Il s’agit d’une fonctionnalité qui se déverrouillé lorsque vous mettez à niveau vers la version payante de l’outil, donc je suppose que c’est un point controversé, mais j’ai pensé que je le jetterais là.

Outils texte est un peu glitch sur Chrome.Au moins la version avec laquelle je joue en ce moment.

Pour ma vie, je ne peux pas basculer entre les différents onglets dans le mode d’analyse sur Chrome.Je suis coincé en mode panoramique et ne peut pas entrer dans des choses juteuses comme « Comparer » où vous analysez votre URL par rapport à l’analyse de la concurrence.

Boutons

Cela dit, tout va bien sur Firefox.

Je suppose qu’un flux de travail productif TF * IDF fonctionne comme ceci:

  • Analyse de la concurrence
  • Comparaison avec votre contenu
  • Optimiser votre contenu
  • Re-comparer à votre contenu
  • Publier

Les outils texte vous permettent de copier et coller le texte de votre page dans l’outil lui-même.Si vous modifiez le contenu, vous pouvez simplement modifier le contenu de l’outil et le ré-analyser pour voir comment vous l’avez fait.

L’examinateur du site se compare uniquement aux URL.Vous devez apporter des modifications à votre contenu en direct ou publier votre contenu sur un document Google et faire analyser l’outil.

Ce n’est pas un marché, mais cela prend du temps et c’est ennuyeux.

Maintenant Surfer va à un autre niveau et vous donne une fonction « Éditeur de contenu » qui vous donne à la volée des taux d’achèvement de densité de mots clés.

écran de densité réelle

Cela rend Surfer super facile à travailler avec.

Précision (Gagnant: Surfer)

Pendant que mon équipe et moi jouions avec des outils texte, nous avons commencé à voir quelque chose d’étrange.

Supposons que vous analysiez un terme comme « mots clés de cannibalisation ».

Lorsque vous comparez le résultat à mon article sur la cannibalisation des mots clés, vous trouverez un résultat similaire à ce qui suit:
Poids
Vous remarquerez que pour le mot « stratégie » mon contenu (ligne jaune) devient zéro parce que je n’ai pas ce mot sur ma page.

Mais ce que vous trouverez, c’est que même si elle ressemble à la moyenne est d’environ 3,4, je devrais juste ajouter le mot « stratégie » une fois pour passer à des nombres appropriés.

J’en ai parlé avec le développeur Michael Kaiser (un gars charmant), et il a dit que son outil pointe vers l’axe Y comme un « poids », calculé à l’interne.Et le plus souvent, l’ajout d’un mot une fois à un article est suffisant pour répondre à l’exigence de poids.

C’est très bien, mais je suis plus à la recherche de véritables conseils sur le nombre de fois chaque mot devrait apparaître dans l’article.

Le critique du site offre cela, mais a un défaut critique …

zoom avant sur le site

L’examinateur du site ne prend pas en compte le nombre de mots!

Si j’ai un article de 500 mots et que tout le monde a un article de 1000 mots à la page 1, il me donnera quand même des instructions comme si j’avais 1000 mots, ce qui me fera sur-optimiser.M. Sheesh.

Encore une fois, Surfer vole la montre.

L’algorithme TFIDF de Surfer s’appelle True Density, ce qui est un peu différent, mais à mon avis, plus précis.

Il cesse également de conduire entre les mots, les phrases et les nombres.

granularité de densité réelle

Et, bien sûr, il obtient la victoire dans la catégorie précision grâce à cet algorithme et le fait important qu’il prend en compte le comptage des mots.

Coût (gagnant : critique de site Web)

Concurrence déloyale.Vous ne pouvez pas rivaliser avec gratuitement.

Notre choix: SURFER SEO

logo de surfeur

Les outils textuels ont beaucoup à faire.Je préfère de beaucoup travailler sur le cloud et apporter mes modifications au sein d’un outil afin de pouvoir effectuer une analyse rapide.

L’examinateur du site est gratuit, mais il a ses défauts en termes d’exactitude.

En fin de compte, je suis à la recherche d’une solution basée sur le cloud qui me donne un guide granulaire à la densité moyenne de mots clés de niche pour chaque phrase et mot.C’est pour ça que je suis avec Surfer.

FAQ

Qu’est-ce que tf IDF SEO?

Il s’agit du processus SEO pour optimiser la densité de mots clés de votre contenu avec la direction de l’algorithme connu sous le nom de TF IDF.

Comment fonctionne TF IDF ?

TF IDF se réfère au terme fréquence multiplié par la fréquence inverse du document.TF augmente avec le nombre de fois qu’un mot donné apparaît sur une page.Alors que tsahal diminue la valeur des mots couramment utilisés tels que « e ».

Chaque mot reçoit une partition, qui peut être utilisée pour déterminer l’importance de divers mots dans le contenu.

Google utilise-t-il IDF TF ?

Probablement dans son intégralité.S’ils l’utilisent, c’est une version avancée qui a évolué au-delà de sa compréhension originale dans les années 1970.

Qui a inventé TF IDF ?

L’informaticien britannique Karen Spärck Jones a inventé TF * IDF.

IDF TF peut-il être négatif ?

Non. Les valeurs de TF et de Tsahal ne peuvent jamais être négatives.

Conclusion

J’espère que cet article a aidé à clarifier les choses sur l’extrêmement utile, mais souvent mal compris, TF * IDF analyse.

Non seulement avez-vous appris les mathématiques derrière elle, mais aussi comment il s’applique à SEO et la création de pertinence dans vos articles.

Vous avez également vu quelques résultats de test sur ce à quoi ressemble l’optimisation dans les REER, ainsi qu’une comparaison des outils les plus populaires sur le marché.

Si vous avez des questions, utilisez la boîte de commentaires ci-dessous.