Google BERT: Algoritma yang Menjanjikan Revolusi pada SERP

Google telah menjadi bagian yang begitu integral dalam kehidupan sehari-hari kita, sehingga banyak dari kita berbicara langsung dengannya.

Pengguna mengetikkan “bagaimana cara ke pasar” atau “kapan musim semi dimulai”, seolah-olah berbicara dengan seseorang. Namun, perlu diingat bahwa Google sebenarnya terdiri dari algoritma-algoritma canggih.

Salah satu algoritma tersebut adalah Google BERT, yang membantu mesin pencari untuk lebih memahami apa yang sebenarnya diminta oleh pengguna dan memberikan jawaban yang relevan.

Benar, meskipun bot bukanlah manusia, teknologi telah berkembang sedemikian rupa hingga mereka kini mampu memahami bahasa manusia, termasuk slang, kesalahan ketik, sinonim, serta ekspresi bahasa yang biasa kita gunakan, tanpa kita sadari.

Algoritma pencarian baru ini dikembangkan oleh Google untuk lebih memahami tujuan pencarian pengguna dan konten yang ada di halaman web.

Lantas, bagaimana algoritma ini bekerja? Dan bagaimana dampaknya terhadap strategi SEO Anda?

Apa Itu Google BERT?

Google BERT adalah algoritma yang meningkatkan kemampuan mesin pencari untuk memahami bahasa manusia.

Hal ini sangat penting dalam dunia pencarian, karena orang sering mengungkapkan diri mereka secara spontan melalui istilah pencarian dan konten halaman—dan Google berusaha untuk mencocokkan keduanya dengan tepat.

BERT adalah singkatan dari Bidirectional Encoder Representations from Transformers.

Bingung? Mari kita jelaskan lebih rinci!

Untuk memahami apa itu BERT, kita perlu mengenal beberapa istilah teknis, oke?

Sebagai langkah pertama, BERT adalah jaringan saraf.

Tahukah Anda apa itu?

Jaringan saraf adalah model komputer yang terinspirasi oleh sistem saraf pusat pada hewan, yang dapat mempelajari dan mengenali pola.

Jaringan saraf ini adalah bagian dari pembelajaran mesin (machine learning).

Dalam hal BERT, jaringan saraf ini mampu mempelajari bentuk ekspresi bahasa manusia.

BERT didasarkan pada model Natural Language Processing (NLP) yang disebut Transformer, yang memahami hubungan antar kata dalam kalimat, bukan hanya melihat kata satu per satu dalam urutan tertentu.

BERT adalah model pra-pelatihan untuk pemrosesan bahasa alami. Ini berarti bahwa data yang digunakan untuk melatih model berasal dari korpus teks (seperti Wikipedia) dan dapat digunakan untuk mengembangkan berbagai sistem.

Dengan menggunakan model ini, algoritma dapat difokuskan pada analisis berbagai hal, seperti pertanyaan, jawaban, atau bahkan sentimen pengguna.

Semua ini berada di ranah kecerdasan buatan (artificial intelligence). Artinya, bot yang bekerja!

Setelah diprogram, algoritma ini terus belajar tentang bahasa manusia dengan memproses jutaan data yang diterimanya.

Namun, lebih dari sekadar dunia kecerdasan buatan yang terasa seperti fiksi ilmiah, hal yang sangat penting untuk dipahami adalah bahwa BERT memahami konteks penuh sebuah kata—termasuk kata-kata yang datang sebelum dan setelahnya serta hubungan antara kata-kata tersebut.

Ini sangat berguna untuk memahami konten situs dan tujuan pengguna saat melakukan pencarian di Google.

Kapan BERT Diluncurkan?

Pada November 2018, Google meluncurkan BERT sebagai open source di platform GitHub.

Sejak saat itu, siapa saja bisa menggunakan kode dan template BERT yang telah dilatih sebelumnya untuk dengan cepat membuat sistem mereka sendiri.

Google sendiri mulai menggunakan BERT dalam sistem pencariannya. Pada Oktober 2019, Google mengumumkan pembaruan terbesar dalam beberapa tahun terakhir: adopsi BERT dalam algoritma pencarian mereka.

Google sebelumnya telah mengadopsi model-model untuk memahami bahasa manusia, namun pembaruan ini diumumkan sebagai salah satu lonjakan terbesar dalam sejarah mesin pencari.

Awalnya, BERT hanya diluncurkan di Amerika Serikat dan untuk bahasa Inggris. Namun, pada Desember 2019, model ini telah diperluas ke lebih dari 70 bahasa. Dengan demikian, hasil pencarian di seluruh dunia mengalami peningkatan kualitas yang signifikan.

Apa Itu NLP?

Untuk menjelaskan apa itu BERT, kita telah menyebutkan bahwa algoritma ini adalah model dari Natural Language Processing (NLP). Izinkan saya menjelaskan lebih lanjut.

NLP adalah bidang kecerdasan buatan yang berfokus pada interaksi antara bahasa manusia dan bahasa komputasi. Tujuan utamanya adalah untuk mengisi celah antara satu bahasa dengan bahasa lain dan membuat keduanya dapat berkomunikasi dengan lebih mudah.

Sistem seperti ini sudah ada sejak lama, dimulai dari karya Alan Turing pada tahun 1950-an.

Namun, pada tahun 1980-an, model NLP mulai berkembang dari sekadar catatan ilmiah dan diterapkan ke dalam kecerdasan buatan. Sejak saat itu, komputer telah mampu memproses volume data yang sangat besar, yang pada gilirannya merevolusi hubungan antara manusia dan mesin.

Meskipun kita mungkin tidak menyadarinya dalam kehidupan sehari-hari, ekspresi verbal kita sangat kompleks dan beragam.

Ada begitu banyak bahasa, aturan sintaksis, hubungan semantik, slang, pepatah, singkatan, dan kesalahan sehari-hari yang terkadang membuat manusia sendiri kesulitan untuk saling memahami!

Hal ini menjadi semakin sulit bagi komputer, karena kita menggunakan bahasa yang tidak terstruktur untuk mereka, yang memerlukan sistem agar dapat memahaminya.

Untuk itu, NLP mengadopsi berbagai teknik, seperti mengabstraksikan hal-hal yang tidak relevan dalam teks, memperbaiki kesalahan ejaan, dan mengurangi kata-kata ke bentuk dasarnya atau infinitif.

Dengan pendekatan ini, kita bisa menyusun, memisahkan, dan mengkategorikan konten untuk memahami bagaimana bagian-bagian tersebut saling berhubungan. Selanjutnya, sistem ini juga menyusun jawaban dalam bahasa alami untuk berinteraksi dengan pengguna.

Jenis sistem ini memungkinkan, misalnya, Anda mengucapkan “Alexa, beri tahu saya resep kue coklat”, dan asisten virtual Amazon memberikan respons dengan bahan-bahan dan metode pembuatannya.

Solusi seperti ini digunakan dalam berbagai aplikasi saat ini, seperti interaksi dengan chatbot (gambar di bawah), penerjemahan otomatis teks, analisis emosi dalam pemantauan media sosial, dan tentunya, sistem pencarian Google.

Apakah BERT Menggantikan RankBrain?

Google terus-menerus mempelajari cara untuk meningkatkan pengalaman pengguna dan memberikan hasil pencarian terbaik. Proses ini tidak dimulai atau diakhiri dengan BERT.

Pada tahun 2015, mesin pencari Google mengumumkan pembaruan besar yang mengubah dunia pencarian: RankBrain.

Ini adalah pertama kalinya algoritma Google mengadopsi kecerdasan buatan (artificial intelligence) untuk memahami konten dan pencarian.

Seperti BERT, RankBrain juga menggunakan machine learning, tetapi tidak menggunakan Natural Language Processing (NLP).

Metode ini lebih fokus pada analisis kueri dan pengelompokan kata serta frasa yang secara semantik mirip, tetapi tidak dapat memahami bahasa manusia secara langsung.

Jadi, ketika kueri baru diajukan di Google, RankBrain menganalisis pencarian sebelumnya dan mengidentifikasi kata dan frasa mana yang paling relevan dengan pencarian tersebut, meskipun tidak ada kesamaan langsung atau bahkan pernah dicari sebelumnya.

Seiring dengan adanya sinyal interaksi pengguna, RankBrain semakin memahami hubungan antara kata-kata dan meningkatkan peringkat.

Oleh karena itu, RankBrain merupakan langkah pertama Google dalam memahami bahasa manusia.

Bahkan hingga saat ini, RankBrain masih digunakan oleh algoritma Google untuk memahami tujuan pencarian dan konten halaman, guna memberikan hasil yang lebih baik kepada pengguna.

Jadi, BERT tidak menggantikan RankBrain—BERT hanya membawa metode lain untuk memahami bahasa manusia.

Bergantung pada pencarian yang dilakukan, algoritma Google bisa menggunakan salah satu metode tersebut (atau bahkan menggabungkan keduanya) untuk memberikan respons terbaik kepada pengguna.

Perlu diingat bahwa algoritma Google terdiri dari kompleksitas aturan dan operasi yang sangat besar. RankBrain dan BERT memegang peranan penting, namun keduanya hanya bagian dari sistem pencarian yang tangguh ini.

Bagaimana Cara Kerja Google BERT?

Salah satu perbedaan utama Google BERT dibandingkan dengan sistem pemrosesan bahasa lainnya adalah karakter bidirectional-nya. Tetapi, apa maksudnya?

Sistem lainnya bersifat unidirectional. Artinya, mereka hanya mengontekstualisasikan kata dengan menggunakan istilah yang ada di kiri atau kanan kata tersebut dalam teks.

Namun, BERT bekerja dalam kedua arah: ia menganalisis konteks dari kata tersebut baik di kiri maupun di kanan. Ini memberikan pemahaman yang jauh lebih mendalam mengenai hubungan antar kata dan antar kalimat.

Perbedaan lainnya adalah bahwa BERT membangun model bahasa dengan korpus teks kecil.

Sementara model lain menggunakan data dalam jumlah besar untuk melatih machine learning, pendekatan bi-directional BERT memungkinkan sistem untuk dilatih dengan lebih akurat dan dengan data yang jauh lebih sedikit.

Setelah model dilatih menggunakan korpus teks (seperti Wikipedia), BERT kemudian menjalani “fine-tuning”.

Pada tahap ini, BERT diberikan tugas-tugas spesifik, dengan input dan output sesuai dengan apa yang Anda inginkan. Inilah saatnya BERT mulai beradaptasi dengan berbagai kebutuhan, seperti analisis pertanyaan dan jawaban atau analisis sentimen.

Perlu dicatat bahwa BERT adalah algoritma yang dapat digunakan dalam banyak aplikasi. Jadi, saat kita berbicara tentang Google BERT, kita berbicara tentang penerapannya dalam sistem mesin pencari.

Di Google, BERT digunakan untuk memahami tujuan pencarian pengguna dan konten yang diindeks oleh mesin pencari.

Berbeda dengan RankBrain, BERT tidak perlu menganalisis kueri yang lalu untuk memahami maksud pengguna. BERT memahami kata, frasa, dan seluruh konten dengan cara yang serupa dengan cara kita memahaminya.

Namun, penting juga untuk menyadari bahwa model NLP ini hanya merupakan salah satu bagian dari algoritma yang lebih besar. Google BERT memahami apa arti kata-kata dan bagaimana mereka saling berhubungan.

Namun, Google masih membutuhkan seluruh kerja dari sisa algoritma untuk mengaitkan pencarian dengan halaman-halaman dalam indeks, memilih hasil terbaik, dan mengurutkannya berdasarkan relevansi untuk pengguna.

Mengapa Google BERT Penting untuk Pengalaman Pencarian?

Sekarang, kita akan meninggalkan istilah teknis untuk sejenak dan membahas apa arti BERT bagi pencarian di Google.

Anda memahami bahwa algoritma ini membantu Google untuk memahami bahasa manusia, tetapi apa bedanya bagi pengalaman pencarian pengguna?

Penting untuk diingat bahwa misi Google adalah untuk mengorganisir semua konten di web dan memberikan jawaban terbaik bagi pengguna.

Untuk itu, mesin pencari perlu memahami apa yang dicari oleh pengguna dan apa yang dibicarakan oleh halaman-halaman web. Dengan demikian, Google dapat mencocokkan kata kunci dengan konten web yang relevan.

Misalnya, ketika Anda mencari “food bank”, mesin pencari tahu bahwa “bank” dalam pencarian Anda tidak merujuk pada lembaga keuangan, kursi bank, atau bank pasir di laut.

Jika Anda mencari “food bak” (dengan kesalahan ketik) atau “bank food” (dengan urutan kata yang terbalik), Google juga memahami maksud Anda.

Dengan BERT, Google mampu memahami arti kata dalam kueri pencarian Anda dan dalam konten halaman-halaman yang terindeks.

Ketika mengindeks halaman yang mengandung kata “bank”, algoritma akan mengklasifikasikan halaman tentang food bank, perabotan, dan banking ke dalam kategori yang berbeda.

Namun, pencarian tidak berhenti di situ. Google juga memahami tujuan di balik pencarian ini.

Misalnya, dengan pencarian ini, Google tahu bahwa Anda mencari food banks di sekitar lokasi Anda.

Oleh karena itu, halaman hasil pencarian kemungkinan akan menampilkan lembaga yang menyediakan layanan ini di wilayah Anda, terutama jika mereka memiliki strategi SEO lokal yang baik.

Dengan demikian, Google menjadi lebih cerdas dalam memberikan hasil yang benar-benar sesuai dengan apa yang dicari pengguna. Inilah pengalaman pencarian yang ingin diberikan Google.

Namun, di awal kemunculannya, tidak semua pencarian memberikan hasil yang sesuai dengan yang diinginkan pengguna. Pengguna terbatas hanya pada pencocokan kata kunci yang tepat.

Artinya, ketika seseorang mengetikkan “bromeliad care”, misalnya, Google hanya dapat memberikan hasil untuk halaman yang menggunakan istilah tersebut secara tepat.

Sejak diluncurkannya RankBrain, Google mulai memahami bahwa kata “care” sangat dekat dengan “how to care”. Dengan demikian, mesin pencari juga mulai menampilkan halaman dengan istilah “how to take care of bromeliads”.

Dengan BERT, Google kini memahami bahwa pengguna ingin tahu bagaimana cara merawat bromeliad tanpa harus terpaku pada kata kunci yang tepat.

Masalahnya adalah model awal Google yang mengandalkan pencocokan kata kunci yang tepat telah menciptakan masalah di internet. Untuk muncul di hasil pencarian, banyak situs mulai menggunakan kata kunci dalam teks secara persis seperti yang dicari pengguna. Namun, hal ini seringkali membuat pengalaman membaca menjadi sangat buruk.

Cobalah berpikir: apakah Anda lebih suka membaca konten yang secara alami membahas cara merawat bromeliad, atau teks yang mengulang-ulang kata “bromeliad care” tanpa makna?

Jadi, pergeseran Google untuk memahami tujuan pencarian juga meningkatkan pengalaman membaca pengguna.

Situs-situs kini didorong untuk menghasilkan konten dengan bahasa alami, menggunakan istilah yang masuk akal bagi pembaca.

Dengan ini, Google juga melawan praktik keyword stuffing, yang merupakan taktik black hat yang melanggar kebijakan mesin pencari. Oleh karena itu, pengguna hanya akan mendapatkan manfaat dari perubahan ini!

Apa Dampak BERT Terhadap SERP?

Ketika Google meluncurkan BERT, mereka mengumumkan bahwa pembaruan ini akan mempengaruhi sekitar 10% pencarian di Amerika Serikat.

Seperti pembaruan algoritma lainnya, pengumuman ini memicu pergerakan di pasar SEO, karena banyak situs yang khawatir kehilangan posisi mereka.

Namun, berbeda dengan pembaruan yang bertujuan untuk mengatasi praktik buruk, BERT tidak memberikan penalti pada situs manapun. Apa yang dilakukan oleh BERT adalah meningkatkan keselarasan antara pencarian pengguna dan konten halaman.

Dengan kata lain, jika suatu halaman kehilangan posisi untuk kata kunci tertentu, itu berarti halaman tersebut tidak memberikan jawaban yang baik untuk kueri tersebut.

Di sisi lain, jika halaman tersebut relevan dengan pencarian Google, halaman itu kemungkinan lebih cocok dengan kueri lain dan berhasil meningkatkan kualitas trafiknya, membuat pengunjung lebih cenderung menikmati konten yang disajikan.

Google memberikan contoh untuk menjelaskan perubahan yang ditimbulkan oleh BERT pada SERP. Dalam ilustrasi di bawah ini, Anda dapat melihat bagaimana hasil pencarian akan berubah sebelum dan setelah BERT diterapkan.

Misalnya, jika kata kunci yang digunakan adalah “wisatawan Indonesia ke Singapura perlu visa?”. Dengan BERT, Google memahami bahwa pengguna ingin mengetahui apakah wisatawan Indonesia memerlukan visa untuk memasuki Singapura.

Sebelum pembaruan, Google mungkin akan mengartikan pencarian ini sebagai informasi mengenai visa wisata untuk Singapura bagi orang yang akan berkunjung ke Indonesia, bukan sebaliknya.

Perbedaan utamanya terletak pada detail kecil: kata “ke”, yang menunjukkan arah perjalanan (dari Indonesia ke Singapura).

Sebelumnya, Google mungkin akan mengabaikan kata “ke” dan memberikan hasil yang tidak sesuai. Dengan BERT, Google kini menganalisis kata-kata dalam konteks lengkap, sehingga memberikan jawaban yang lebih tepat sesuai dengan maksud pengguna.

Dengan cara ini, BERT membantu Google memahami nuansa pencarian yang lebih kompleks, memberikan hasil yang lebih relevan, dan memastikan pengalaman pencarian yang lebih baik untuk pengguna di Indonesia.

Sebelum BERT, kata ini akan diabaikan oleh bot dan hasil pencarian yang muncul pun salah. Sekarang, semua kata dianalisis dalam konteksnya. Dalam hal ini, preposisi ini mengubah seluruh makna frasa tersebut.

Dalam pengumuman BERT, Google juga menyatakan bahwa pembaruan ini akan mempengaruhi featured snippets, yaitu bagian yang disorot dan muncul di “posisi nol” pada hasil pencarian (SERP).

Google kini mulai memilih snippets yang paling relevan untuk pencarian pengguna. Oleh karena itu, mereka yang kehilangan posisi featured snippets tidak dihukum—mereka hanya tidak memberikan jawaban yang paling relevan dengan apa yang dicari oleh pengguna. Berikut adalah contoh yang lebih relevan dengan konteks Indonesia.

Misalnya, dalam pencarian “cara parkir di jalan sempit tanpa trotoar”, pencari biasanya akan lebih menekankan kata-kata seperti “parkir,” “jalan sempit,” dan “trotoar”, serta cenderung mengabaikan kata “tanpa”.

Sebelum pembaruan BERT, Google mungkin akan mengabaikan kata “tanpa” dan memberikan hasil yang lebih mengarah ke parkir di jalan dengan trotoar. Namun, dengan BERT, Google kini dapat lebih memahami bahwa pengguna ingin mengetahui cara parkir di jalan sempit yang tanpa trotoar, yang menghasilkan jawaban yang lebih tepat sesuai dengan maksud pencarian.

Pembaruan ini meningkatkan relevansi hasil pencarian dan memastikan bahwa informasi yang ditampilkan lebih sesuai dengan kebutuhan spesifik pengguna di Indonesia.

Dengan pendekatan lama, hasil pencarian akan lebih banyak menjelaskan bagaimana cara parkir di atas trotoar. BERT memahami bahwa pengguna sebenarnya ingin tahu bagaimana cara parkir di tanjakan tanpa trotoar.

Dengan penerapan BERT, Google kini semakin cerdas dalam menyaring dan memahami niat pencarian, memastikan hasil yang lebih relevan dan bermanfaat bagi pengguna.

Bagaimana Mengoptimalkan untuk BERT?

Dengan adanya pembaruan yang diumumkan oleh Google dan perubahan yang terjadi di SERP, apa yang bisa Anda lakukan untuk meningkatkan hasil SEO Anda?

Sebenarnya, tidak banyak yang perlu dioptimalkan untuk BERT.

Jika Anda berharap menemukan trik optimasi dalam artikel ini, mungkin kalimat ini mengecewakan. Namun, Anda harus memahami bahwa Google membuat pembaruan ini untuk mencegah situs-situs mengoptimalkan halaman dan konten hanya untuk bot.

Mesin pencari ini ingin menawarkan konten yang bernilai bagi pengguna dan menginginkan situs Anda untuk berkontribusi dalam hal itu.

Jadi, jangan optimalkan situs Anda untuk BERT — optimalkan untuk pengguna. Itulah mengapa kami tidak memberikan tips optimasi spesifik, tetapi kami ingin menekankan beberapa praktik terbaik dalam pembuatan konten untuk menawarkan pengalaman terbaik bagi pengunjung Anda.

Menulis dengan Benar

Baik RankBrain maupun BERT memiliki kesamaan: konten harus dibuat untuk manusia, bukan bot! Jadi, lupakan pencocokan kata kunci yang tepat.

Untuk mencocokkan pencarian pengguna secara tepat, banyak orang masih menghapus kata bantu (dikenal sebagai stopwords, seperti “to”, “a”, “from”, “one”, dll.), mencoba untuk lebih mendekati istilah yang digunakan pengguna.

Hal ini menghasilkan teks yang terlalu dioptimalkan, seperti “bike how to choose”, yang setidaknya membuat pengalaman membaca terasa janggal.

Satu lagi kesalahan adalah mengoptimalkan teks dengan mempertimbangkan kesalahan ejaan yang sering dilakukan pengguna. Misalnya, bukannya menulis “lawyer”, teks menggunakan “lawer”, karena banyak orang mungkin mengetikkan kata tersebut dengan salah.

Selain tidak membantu SEO, hal ini juga merusak kredibilitas situs Anda!

Jadi, tulislah dengan alami dan menggunakan bahasa yang baik tentang cara memilih sepeda atau cara menyewa pengacara. Jangan khawatir tentang stopwords atau kesalahan ejaan.

Ingatlah bahwa Google dapat memahami bahasa alami, jadi Anda tidak perlu (dan sebaiknya tidak!) memaksanya untuk mencocokkan pencarian pengguna secara tepat.

Optimalkan untuk Tujuan Pencarian

Sekarang sudah jelas bahwa kata kunci yang tepat bukan lagi fokus utama SEO. Lalu, bagaimana cara mengoptimalkan konten agar muncul di pencarian pengguna?

Alihkan fokus dari kata kunci, dan fokuskan pada tujuan pencarian.

Jika dulu Anda fokus pada mengoptimalkan kata kunci yang dicari pengguna, sekarang Anda harus mengoptimalkan apa yang sebenarnya ingin ditemukan oleh pengguna. Apakah Anda melihat perbedaannya?

Rahasia utamanya adalah memahami tujuan pencarian dari buyer persona Anda, yaitu apa yang ingin mereka ketahui dan bagaimana situs Anda dapat memberikan jawabannya.

Anda bisa memulai dengan melakukan pencarian kata kunci dan benchmarking, mengidentifikasi tren pencarian di bidang Anda, serta peluang peringkat. Berdasarkan pemahaman ini, tim produksi konten dapat membuat materi yang berkualitas dan sesuai dengan permintaan pengguna.

Cari Hubungan Semantik antara Kata

Mungkin timbul pertanyaan lain: jika pencocokan kata kunci yang tepat tidak lagi relevan untuk SEO, apakah pencarian kata kunci masih penting?

Tentu saja! Pencarian kata kunci tetap merupakan alat perencanaan yang sangat kuat.

Dengan menggunakan pencarian kata kunci, Anda dapat memahami pencarian mana yang mengarah ke situs Anda, istilah apa yang digunakan pengguna, dan topik mana yang sedang naik daun di bidang Anda. Dengan demikian, Anda bisa merencanakan pedoman untuk memenuhi pencarian tersebut.

Perbedaannya adalah sekarang Anda tidak perlu lagi mengoptimalkan artikel blog dengan kata kunci yang tepat. Yang bisa Anda lakukan sekarang adalah mengidentifikasi istilah pencarian utama dan mencari kata-kata yang membangun hubungan semantik dengan kata kunci tersebut.

Sinonim, antonim, slang, dan ko-occurences adalah bagian dari semantic field sebuah kata. Jadi, alih-alih mengulang kata kunci berkali-kali, Anda bisa mengeksplorasi variasi ini dalam teks Anda, bersama dengan istilah utama.

Praktik ini akan memperkaya pengalaman membaca dan membantu Google untuk memahami makna materi Anda.

Produksi Konten Berkualitas

Orientasi ini mungkin terdengar jelas, tetapi tetap penting untuk ditekankan. Pada dasarnya, Google ingin Anda menghasilkan konten berkualitas untuk manusia. Google BERT adalah salah satu pembaruan utama dalam konteks ini.

Jadi, jangan buang waktu lagi untuk memikirkan cara mengoptimalkan satu istilah atau kata kunci tertentu.

Selain memenuhi tujuan pencarian, fokuslah untuk menciptakan konten yang asli, terbaru, terpercaya, dan berguna bagi pengguna. Bangun konten yang layak dibaca dan dibagikan.

Google menyarankan agar konten berkualitas tinggi memiliki tingkat EAT, yaitu expertise, authority, dan trust.

Inilah kata-kata yang harus menjadi panduan dalam strategi Content Marketing Anda. Google tahu bagaimana mengenali kualitas kerja Anda.

Tawarkan Pengalaman Membaca Terbaik

Akhirnya, selalu pikirkan tentang pengalaman membaca. Anda tahu kan buku yang tidak bisa Anda letakkan? Atau artikel yang memberi Anda begitu banyak informasi berharga?

Jadikan buku-buku dan artikel-artikel seperti itu sebagai inspirasi!

Pahami bagaimana konten-konten ini dibangun, bagaimana mereka menceritakan cerita, dan melibatkan pembaca. Tentu saja, Anda harus menyesuaikan format dan bahasa untuk internet, dengan fitur yang memudahkan pembaca untuk memindai dan penggunaan tautan serta gambar, misalnya.

Inilah yang harus Anda lakukan dalam teks Anda untuk menarik audiens dan membuat pembaca kembali lagi. Dalam SEO, keterlibatan ini memberikan sinyal positif ke Google, menunjukkan bahwa Anda menawarkan pengalaman yang baik dan layak mendapat poin peringkat.

Kesimpulan

Sekarang, Anda telah memahami semua detail tentang Google BERT dan dampaknya terhadap dunia SEO.

Anda bisa melihat bahwa Google tidak main-main, bukan?

Teknologi kecerdasan buatan yang paling maju sedang diterapkan untuk meningkatkan pengalaman mesin pencari, baik di sisi situs maupun pengguna.

Dan, tentu saja, investasi Google tidak akan berhenti pada BERT. Kami akan terus mengikuti evolusi ini bersama Anda.