La potenzialità dei rich snippets

Con gli anni Novanta è diventata consuetudine dei programmatori di pagine web ricorrere alla tecnica dei collegamenti ipertestuali utilizzati all’interno di un testo al fine di arricchirlo di preziosi rimandi ad altre risorse per approfondire determinati aspetti, concetti o biografie presenti nel testo stesso, con la finalità implicita di soddisfare il comune internauta altrimenti costretto a continui … “salti”.


Quella dei collegamenti ipertestuali, comunemente chiamati link, è una storia ancor più lunga che trova i suoi albori negli anni Sessanta ma che ha avuto la sua esplosione con la nascita del World Wide Web (XX secolo appunto); indubbio vantaggio è che evitano di dover scrivere contenuti chilometrici, rappresentando una soluzione per ovviare ad articoli altrimenti lunghi e con una quantità eccessiva di informazioni costringendo l’utente ad un continuo scrolling dello stesso. ‘Col senno di poi’ è stato un primo approccio per rendere fruibili al navigante contenuti interessanti e completi su di una ricerca, senza dover saltar da un testo all’altro, in grado cioè di offrire una lettura ‘a 360°’ su di un’unica pagina, non limitandosi cioè all’essenza di ciò che si cerca ma fornendo al tempo stesso utili approfondimenti e contestualizzazione dell’argomento.
In particolare, il collegamento ipertestuale può essere interno (rimandare ad un’altra pagina del sito medesimo) o esterno (che rimanda ad siti web esterni) o al sito stesso, a seconda delle esigenze che ha chi sta scrivendo la pagina web, oppure un’ancora per fare riferimento ad una posizione specifica della pagina che si sta visitando (anchor text), probabilmente molto lunga.

In anni più recenti, per venire incontro alle sempre maggiori esigenze dell’utente, sempre più fuori casa e per necessità collegato alla Grande Rete tramite smartphone o tablet per poter disporre di informazioni e risorse in tempi brevi, l’avvento e l’affermazione del concetto di web semantico ha determinato una importante revisione in merito con il risultato dell’approccio ad una nuova visione della pagina web dal punto di vista dei contenuti.

Quello dei dati strutturati è un concetto strettamente correlato a quello di ottimizzazione Seo comprende anche gli accorgimenti per ottimizzare la performance di un sito nel posizionamento nei risultati sui Motori di Ricerca, Google in primis.

L’idea di strutturare i dati di una pagina in modo tale che le informazioni scritte dagli uomini possano essere elaborate dai programmi, risale al concetto di web semantico. I dati strutturati permettono la scansione automatica dei contenuti delle pagine. I dati strutturati sono un formato standardizzato per fornire informazioni su una pagina e classificarne il contenuto; ad esempio, nella pagina di una ricetta sono gli ingredienti, il tempo di cottura e la temperatura, le calorie e così via.

Google utilizza i dati strutturati per comprendere e classificare i contenuti della pagina. Esistono diversi formati un cui rappresentare i dati strutturati (Microdati, RDFa, JSON-LD) fra cui il più utilizzato è JSON-LD il quale viene richiamato tramite script. La maggior parte dei dati strutturati di ricerca utilizza il vocabolario schema.org. Ad esempio, di seguito viene riportato uno snippet di dati strutturati JSON-LD che potrebbe essere visualizzato in una pagina di ricette, che descrive il titolo della ricetta, l’autore della ricetta e altri dettagli:

<html>
  <head>
    <title>Party Coffee Cake</title>
    <script type="application/ld+json">
    {
      "@context": "https://schema.org/",
      "@type": "Recipe",
      "name": "Party Coffee Cake",
      "author": {
        "@type": "Person",
        "name": "Mary Stone"
      },
      "datePublished": "2018-03-10",
      "description": "This coffee cake is awesome and perfect for parties.",
      "prepTime": "PT20M"
    }
    </script>
  </head>
  <body>
  <h2>Party coffee cake recipe</h2>
  <p>
    This coffee cake is awesome and perfect for parties.
  </p>
  </body>
</html>

La Ricerca Google utilizza inoltre i dati strutturati per abilitare funzionalità e miglioramenti dei risultati di ricerca.

Con “Rich Snippet”, invece si fa riferimento ai risultati di ricerca che sono arricchiti da elementi grafici i quali favoriscono la visibilità e l’interazione dell’utente. A livello pratico, quindi, sono tutte le informazioni supplementari che vengono visualizzate nei risultati, ogni volta che viene effettuata una ricerca in rete. Tali informazioni sono il risultato delle implementazioni dei Dati Strutturati su schema.org.
L’adozione di questa strategia comporta dei notevoli vantaggi al sito. Primo fra tutti, l’aumento del numero dei click e delle visite.


Con il termine “snippet” si intendono i metadati utilizzati da Google per far comparire un sito nell’elenco dei suoi risultati (titolo, descrizione e URL). Google ha arricchito queste informazioni, disponibili come detto sin dalla SERP, con ulteriori dettagli, i cosiddetti rich snippet. In questo modo, i dati della pagina che possono essere comunicati già dalla SERP aumentano: dalle stelline al prezzo all’autore (nel caso di un contenuto) e così via.
[ESEMPIO RICH SNIPPET]


Occorre inserirli all’interno del codice del proprio sito web usando le indicazioni presenti su Schema.org.

Schema.org: Lo scopo è fornire informazioni affinché i motori di ricerca comprendano meglio il contenuto dei siti web in modo da migliorare i risultati delle ricerche per gli utenti. Schema.org ti consente di predisporre i Rich Snippet (dati strutturati) che vengono visualizzati sotto al titolo e alla descrizione della tua pagina.

L’adozione di questa strategia comporta dei notevoli vantaggi al sito. Primo fra tutti, l’aumento del numero dei click e delle visite.

I Rich Snippet rafforzano (e completano) la versatilità dei collegamenti ipertestuali.

In secondo luogo, l’integrazione dei Dati Strutturati permette di aggiungere informazioni nel sito. In questo modo Google risponderà con precisione a specifiche domande, mostrando la Knowledge Graph. La risposta viene data direttamente da Google senza rimandare ad alcun sito web.
L’introduzione e progressiva affermazione del concetto di web semantico hanno poi portato ad enfatizzare l’importanza dei dati strutturati, ovvero la tendenza a strutturare una pagina web in modo che le informazioni scritte siano facilmente elaborate dai programmi, nel caso specifico riconosciute nel passaggio di scansione del crawler, in modo da permettere una scansione automatica dei contenuti delle pagine. In tal modo, è reso possibile per i motori di ricerca la loro elaborazione come knowledge graph. La ricerca semantica si svolge non per singole parole ma per concetti, entità.

Il famigerato dato che viene comunicato a Google è il seguente >> schema.org/PROPRIETA’ …………..

Esistono tantissimi plugin (anche gratuiti) per aggiungere i Rich Snippet (dati strutturati) a WordPress senza bisogno di dover manipolare direttamente il codice.

Dopo averli inseriti, è possibile testarli con un tool gratuito di Google. Lo strumento di assistenza per il markup aiuta ad incorporare i dati strutturati, implementando il codice una volta selezionati gli articoli (prodotti, ricette, articoli e testi, eventi, musica, Hotel e così via) che si vogliono rendere visibili su web, quindi verrà generata una pagina con un codice HTML con microdati: così il codice è subito disponibile.

https://search.google.com/structured-data/testing-tool?hl=it

Verso il Web Semantico: il Knowledge Graph

(lunedì 4 febbraio)

Con l’avvento degli ultimi algoritmi supportati dai motori di ricerca (Hummingbird e RankBrain su tutti) la tendenza del settore è stata quella di fornire all’utente risultati sempre più specifici e attinenti alle query sottoposte (intento di ricerca). E questo sarà uno dei trend del settore nel 2019.

“Knowledge Graph”, questo sconosciuto

Lo scopo del Google Knowledge Graph (in Italiano “grafo”) fu fin dal principio quello di classificare le informazioni disponibili nel web secondo una serie di relazioni. Gran parte dei servizi tecnologici che utilizziamo poggiano su enormi grafi.

Tutto questo lo fa grazie alla ricerca semantica, mettendo in relazione la query effettuata dall’utente col suo intento di ricerca e le informazioni che potrebbero essere più interessanti.

Il primo cambiamento di Google è stato nell’adozione di un motore semantico che pertanto potesse essere in grado di rispondere alle nuove esigenze di ricerca: di qui il motore di ricerca assume un connotato di intelligenza artificiale.

Lo scopo del Google Knowledge Graph (in Italiano “grafo”) è da sempre quello di classificare le informazioni disponibili nel web secondo una serie di relazioni.

Con il supporto del Knowledge Graph Google è stato in grado di semplificare le ricerche affinando la ricerca semantica in senso stretto.

Come appare in una ricerca un Knowledge Graph

Schematicamente, il Knowledge Graph si presenta come una scheda informativa a destra nella SERP dove poter trovare informazioni su personaggi, luoghi famosi, città, opere d’arte, film, avvenimenti, eccetera (in funzione della query posta)… il tutto senza esplorarne i risultati.

Il pregio di questa soluzione è di ottenere ‘risultati migliori‘ incrociando informazioni provenienti da diverse fonti con altre da siti autorevoli individuati dal motore di ricerca.

Google Duplex


Recentemente, nel maggio del 2018, durante l’annuale conferenza di casa Google per gli sviluppatori, è stata presentata quella che passerà come una novità assoluta per il settore: “Google Duplex”, applicazione di machine learning deputata  a fare il lavoro.

Analizzando Google Duplex, si possono cogliere alcune peculiarità fondamentali: per la tonalità della voce, la capacità di interagire e di condurre la conversazione, Google Duplex sembra praticamente umano. Si comporta come un automa, cioè dietro al programma non c’è nessuno che suggerisce le risposte. L’assistente vocale è indipendente e risponde in maniera dinamica alle interrogazioni; non ha preregistrata nessuna serie di risposte da utilizzare bensì per ciò si basa sul “web visibile”. Potendo contare su un elevato numero di pagine web fornite dal motore di ricerca, di volta in volta è in grado di passare contenuti rilevanti in base a quella che è la ricerca.

In breve, Google Duplex è stato “allenato” ad utilizzare il linguaggio umano partendo da un elevato numero di conversazioni.

Il concetto di machine learning (in cui rientra come detto Google Duplex, che è strettamente correlato a quello di intelligenza artificiale, tecnologie valide che che si contraddistinguono per il fatto di riuscire a processare una mole enorme di dati in maniera velocemente.

Google Knowledge Graph, uno step oltre la parola chiave

16 Maggio 2012, Google annuncia per la prima volta ufficialmente il lancio di un enorme Knowledge Graph.

Prima ancora che Google nascesse, la ricerca era legata all’utilizzo di parole chiave: infatti, la parte di ricerca faceva uso di un semplice matching di parole chiave. Ma le parole chiave non sempre bastano.

Nel momento in cui sottopongo un termine cioé non è dato sapere con quale accezione (in che contesto) debba essere inteso ! ed è proprio qui che interviene la potenzialità del ‘knowledge graph’.

Cosa vuol dire “Knowledge Graph”

Knowledge Graph cambia le cose. Il “graph” sviluppato da Google, infatti, rende il motore di ricerca un elemento più vicino agli utenti e consente di ricevere risposte su cose, persone, luoghi, celebrità, squadre sportive, città, edifici, personaggi storici, opere d’arte. Tutto direttamente all’interno del motore di ricerca. Vengono annullate le ambiguità. Ora è in grado di riconoscere la differenza tra le diverse accezioni del termine e può proporre da subito le risposte alle possibili query.

Mentre maturava l’idea del “grafo”, un ulteriore passo in avanti lo si è fatto nel 2005 quando è stato introdotto il nuovo algoritmo RankBrain mediante cui a fronte di una ricerca è possibile ottenere i migliori risultati possibili, ciò utilizzando quella che viene definita “Intelligenza Artificiale”. Mediante questa, grossi volumi di info e dati vengono trasformati in entità matematiche (“vettori“) comprensibili all’elaboratore.