loading...

????? ??? ?? ????

بازدید : 19
چهارشنبه 30 مهر 1404 زمان : 16:00


Schema.org چیست؟
گوگل با همیاری Bing و یاهو برای اجرا این شغل Schema.org را ایجاد کرد. Schema.org تیم‌ شیوه نامه‌هایی را ارائه میدهد تا کارشناسان بهینه سازی و گسترش‌دهندگان تارنما با گنجاندن آنان در هر محتوا (کدهای هر شیت) به گوگل در ادراک محتوای یک شیت آموزش سئو در مشهد امداد نمایند.

Schema.org نقش مهمی در رساندن داده‌ها به نمودار علم دارااست. زیرا به کارشناسان seo و وبمسترها یاری می‌نماید تا محتوای سایت خویش را به‌ سیرتکامل‌ای ساختار دهند که ماشین بتواند آنان‌را بخواند. این داده‌های ساختاریافته به الگوریتم‌ها قابلیت میدهد تا مورد و معنای محتوا را فهم نمایند.

کارکردهای کدهای اسکیما به گستردن تحت میباشد:

شناسایی و معرفی موجودیت‌ها: با نشان‌گذاری کدهای محتوا براساس راهبرد‌های اسکیما موجودیت‌های جان دار در یک شیت (مانند محصول ها، حادثه ها، سازمان‌ها یا این که اشخاص) برای الگوریتم‌ها قابل‌شناسایی میگردند.
رسم نقشه‌ی پیوندها: اسکیما فراداده‌هایی (متا دیتا) در باب رابطه ها دربین موجودیت‌ها برای ماشین رسم می‌نماید (برای مثال، این مولف این کتاب را نوشته میباشد یا این که این هنرپیشه درین فیلم بازی می‌نماید).
حاصل جستجوی بی نیاز: محتوای علامت‌‌گذاری‌گردیده با اسکیما در حاصل بی نیاز یا این که پنل‌های علم، که از نمودار علم حصول می گردد، اکران داده می‌گردد.
مخلوط داده‌ها و حقیقت‌ها: نمودار علم از داده‌های ساختاریافته برای تأیید داده‌هایی که از صفحه های متعدد اینترنت و دیگر مقر‌‌های داده می گیرد، به کارگیری می‌نماید.

به عبارتی‌طور که اشاره شد، گوگل تصمیم گرفته بود بر چیزها (موجودیت‌ها) تمرکز نماید، خیر حرفه‌ها. Schema.org بازدارنده اصلی دیگری را برای بهبود جستجوی معنای و عبور از سبک مبتنی‌بر کلمه و واژه کلیدی از دربین برداشت.

گنجاندن کدهای اسکیما به هر شیت از سایت آن را تبدیل می‌نماید به دسته‌ای از انتیتی‌ها و رابطه ها معنا‌دار برای الگوریتم‌ها. گوگل دراین‌باره به کارشناسان بهینه سازی می گوید:

شما می توانید با گنجاندن داده‌های ساختاریافته در شیت، سرنخ‌های بدیهی در امر معنای یک شیت به گوگل بدهید. داده‌های ساختاریافته قالبی استاندارد برای ارائه‌ی داده ها راجع‌به یک کاغذ و طبقه‌بندی محتوای ورقه میباشد. برای مثال، در یک برگه‌ی امر طعام با گنجاندن کدهای اسکیما داده‌های این‌طور طبقه‌بندی میشوند: مواد موردنیاز، فرصت و دمای پخت، کالری و … .

شما می بایست تک تک خصوصیت‌های مربوط‌ به یک موجودیت را به گوگل معرفی فرمائید تا برای ظاهرشدن در نتیجه ها کاوش با اکران باصرفه‌خیس (درقالب حاصل بی نیاز‌گردیده و پنل علم) درنظر گفته گردید. درکل، تعریف‌و‌تمجید خصوصیت‌های سفارش‌گردیده احتمال ظاهرشدن داده ها وب سایت شمارا در حاصل کاوش‌ی باصرفه‌خیس ارتقا می دهد. با‌این‌حالا، ارائه‌ی خصوصیت‌های کمتر ولی با داده ها بدون نقص و ظریف، عالی از ارائه‌ی خصوصیت‌ها با داده‌های ناقص، بد یا این که خطا میباشد.

می شود در امر اسکیما بیشتر سخن کرد، البته کافی میباشد این نکته را فراموش نکنید که اسکیما ابزاری فوق‌العاده اصلی برای کارشناسان بهینه سازی میباشد تا محتوای وب سایت را به طور کامل برای موتورهای کاوش دسترس‌پذیر نمایند.

گوگل در دو دهه سیستمی را که به طور کامل بر یافتن لغت ها کلیدی متمرکز بود به سیستمی چندلایه تبدیل کرد که ازطریق گراف علم و پژوهش و ساختاردهی سیستماتیک به داده‌ها در سراسر اینترنت معنای کلمه ها و متن ها را فهم و شعور می‌نماید.

برای ادراک خوب رابطه گراف علم و انتیتی‌ها بدین مثال‌ اعتنا فرمائید. در یک کاغذ از وبسایتی، کتاب گتسبی گرانقدر معرفی گردیده‌است.

کدهای اسکیمای این برگه این چنین میباشد:


الگوریتم‌ها با تلاوت این کدها میفهمند که محتوای برگه در زمینه ی یک کتاب میباشد که اسم مولف، تاریخ نشر و ژانر مشخصی هم داراست.

گراف علم، این داده‌ها را یار منابع دیگر (مانند ویکی‌پدیا، کتابخانه‌ها) توده می‌نماید تا شعور خویش را از این کتاب و قضیه‌ی آن بیشتر نماید.

وقتی‌که یوزرها برای کتاب گتسبی تعالی کاوش می‌نمایند، ترکیبی از این داده ها در مورد آن را در پنل علم به آن ها اکران می دهد.

در جدول تحت تفاوت‌های مهم گراف علم و Schema.org آمده میباشد:

تفاوت‌های گراف علم و اسکیما
Schema.org گراف علم گوگل
مقصود ارائه‌ی پوسته و کلمه ها استاندارد برای ساختاردادن به محتوای صفحه ها اینترنت سیستم مرکزی برای سازماندهی و اتصال موجودیت‌ها
کاربر کارشناسان بهینه سازی و پیشرفت‌دهندگان اینترنت یوزرها گوگل
خروجی نتیجه ها جستجوی بی نیاز و داده‌های قابل‌قرائت برای ماشین مخلوط داده ها و ساختن پنل علم
منبع داده محتوای نشان‌گذاری‌گردیده‌ی تارنما‌های گوناگون با کدهای اسکیما Schema.org، مقر داده‌های همگانی و داده‌های خویش گوگل
چه گونه محتوا را برای موجودیت‌ها با صرفه کنیم؟
گوگل در کمتر از ۱۰ سال از شناسایی و تمجید ۵۷۰ میلیون موجودیت و ۱۸ میلیارد حقیقت به ۸۰۰ میلیارد حقیقت و ۸ میلیارد موجودیت رسید. این علامت میدهد سبک مبتنی‌بر موجودیت‌ها هر روز خوب می گردد زیرا الگوریتم‌های گوگل همیشه با داده ها و داده‌های نو آموزش میبینند و فهم بهتری از گویش طبیعی بشر پیدا می‌نمایند.

بر‌ همین‌ مبنا میباشد که کارشناسان seo وبسایت می بایست تارنما خویش را برای موجودیت‌ها و سبک تازه جستجوی گوگل به طور کامل باصرفه نمایند. برای این فعالیت علاوه‌بر رعایت اصول seo محتوا بایستی استراتژی‌های دیگری را هم برای ساخت و ساز محتوا دنبال نمایند.

برای استارت عالی میباشد از ویکی‌پدیا به‌تیتر راهنمای seo موجودیت‌ها امداد گرفت.

ساختار صفحه های ویکی‌پدیا این چنین میباشد:

تیتر
نصیب اساسی
لینک و پیوند‌های ازبین بردن ابهام
کارت داده ها (خلاصه حقایق کلیدی در خصوص موجودیت)
متن پیشگفتار
فهرست مطالب
محتوای اساسی
ضمیمه‌ها و مطالب آخری
منابع و یادداشت‌ها
پیوند‌های فرنگی
مجموعه‌ها
مقاله‌ها ویکی‌پدیا معمولا با یک پیشگفتار‌ی کوتاه آغاز می‌گردد که خلاصه‌ای از نوشته‌ی علمی میباشد و بیش‌از چهار جمله وجود ندارد. پیشگفتار جالب میباشد و خواننده را تشویق می‌نماید که مقاله را تاانتها بخواند.

پاراگراف‌ی اولیه و گزاره نخستین مداقه ویژه‌ای دارا‌هستند. پاراگراف‌ی اولیه معرفی موجودیت تعریف‌گردیده در نوشته‌ی‌علمی میباشد. جمله اولیه تمجید کامل‌تری را سوای جزئیات زیاد ارائه می دهد.

بها پیوند‌ها بیش‌از امداد‌ به ناوبری میباشد. آنها رابطه ها معنایی در میان مقاله ها ساخت می‌نمایند. علاوه‌بر‌این، متن‌های لنگر (انکر تکست) منبعی بی نیاز از گونه های اسم موجودیت‌های مرتبط دیگر میباشد.

بدین ترتیب، برای ساخت محتوا در زمینه ی هر موجودیت بایستی از ساختاری مشابه‌به ساختار صفحه های ویکی‌پدیا تقلید کرد. می بایست معین کرد که محتوا در ارتباط کدام موجودیت میباشد و رابطه معناداری در بین آن و دیگر موجودیت‌های مرتبطش با لینک و پیوند‌سازی داخلی برقرار کرد.

این فعالیت مشقت میباشد و دیگر به بازرسی برای یافتن لغت ها کلیدی خلاصه نمی شود. بایستی طوری محتوا را تنظیم و به گوگل عرضه کرد که الگوریتم‌ها و سیستم پردازش لهجه طبیعی آن قوی باشد محتوای ساختارنیافته را بخوانند و موجودیت‌های درونش را شناسایی نمایند.

به‌عبارت‌دیگر، یک کاربر دیگر به فهرست مخاطبین محتوا اضافه شد‌ه‌است: یوزرها، ربات‌های گوگل و از این پس سیستم پردازش گویش طبیعی.

برای سئوی محتوا برای موجودیت‌ها آغاز بایستی قصد یوزرها متفاوت از جستجوی آن موجودیت را یافت.


Schema.org چیست؟
گوگل با همیاری Bing و یاهو برای اجرا این شغل Schema.org را ایجاد کرد. Schema.org تیم‌ شیوه نامه‌هایی را ارائه میدهد تا کارشناسان بهینه سازی و گسترش‌دهندگان تارنما با گنجاندن آنان در هر محتوا (کدهای هر شیت) به گوگل در ادراک محتوای یک شیت آموزش سئو در مشهد امداد نمایند.

Schema.org نقش مهمی در رساندن داده‌ها به نمودار علم دارااست. زیرا به کارشناسان seo و وبمسترها یاری می‌نماید تا محتوای سایت خویش را به‌ سیرتکامل‌ای ساختار دهند که ماشین بتواند آنان‌را بخواند. این داده‌های ساختاریافته به الگوریتم‌ها قابلیت میدهد تا مورد و معنای محتوا را فهم نمایند.

کارکردهای کدهای اسکیما به گستردن تحت میباشد:

شناسایی و معرفی موجودیت‌ها: با نشان‌گذاری کدهای محتوا براساس راهبرد‌های اسکیما موجودیت‌های جان دار در یک شیت (مانند محصول ها، حادثه ها، سازمان‌ها یا این که اشخاص) برای الگوریتم‌ها قابل‌شناسایی میگردند.
رسم نقشه‌ی پیوندها: اسکیما فراداده‌هایی (متا دیتا) در باب رابطه ها دربین موجودیت‌ها برای ماشین رسم می‌نماید (برای مثال، این مولف این کتاب را نوشته میباشد یا این که این هنرپیشه درین فیلم بازی می‌نماید).
حاصل جستجوی بی نیاز: محتوای علامت‌‌گذاری‌گردیده با اسکیما در حاصل بی نیاز یا این که پنل‌های علم، که از نمودار علم حصول می گردد، اکران داده می‌گردد.
مخلوط داده‌ها و حقیقت‌ها: نمودار علم از داده‌های ساختاریافته برای تأیید داده‌هایی که از صفحه های متعدد اینترنت و دیگر مقر‌‌های داده می گیرد، به کارگیری می‌نماید.

به عبارتی‌طور که اشاره شد، گوگل تصمیم گرفته بود بر چیزها (موجودیت‌ها) تمرکز نماید، خیر حرفه‌ها. Schema.org بازدارنده اصلی دیگری را برای بهبود جستجوی معنای و عبور از سبک مبتنی‌بر کلمه و واژه کلیدی از دربین برداشت.

گنجاندن کدهای اسکیما به هر شیت از سایت آن را تبدیل می‌نماید به دسته‌ای از انتیتی‌ها و رابطه ها معنا‌دار برای الگوریتم‌ها. گوگل دراین‌باره به کارشناسان بهینه سازی می گوید:

شما می توانید با گنجاندن داده‌های ساختاریافته در شیت، سرنخ‌های بدیهی در امر معنای یک شیت به گوگل بدهید. داده‌های ساختاریافته قالبی استاندارد برای ارائه‌ی داده ها راجع‌به یک کاغذ و طبقه‌بندی محتوای ورقه میباشد. برای مثال، در یک برگه‌ی امر طعام با گنجاندن کدهای اسکیما داده‌های این‌طور طبقه‌بندی میشوند: مواد موردنیاز، فرصت و دمای پخت، کالری و … .

شما می بایست تک تک خصوصیت‌های مربوط‌ به یک موجودیت را به گوگل معرفی فرمائید تا برای ظاهرشدن در نتیجه ها کاوش با اکران باصرفه‌خیس (درقالب حاصل بی نیاز‌گردیده و پنل علم) درنظر گفته گردید. درکل، تعریف‌و‌تمجید خصوصیت‌های سفارش‌گردیده احتمال ظاهرشدن داده ها وب سایت شمارا در حاصل کاوش‌ی باصرفه‌خیس ارتقا می دهد. با‌این‌حالا، ارائه‌ی خصوصیت‌های کمتر ولی با داده ها بدون نقص و ظریف، عالی از ارائه‌ی خصوصیت‌ها با داده‌های ناقص، بد یا این که خطا میباشد.

می شود در امر اسکیما بیشتر سخن کرد، البته کافی میباشد این نکته را فراموش نکنید که اسکیما ابزاری فوق‌العاده اصلی برای کارشناسان بهینه سازی میباشد تا محتوای وب سایت را به طور کامل برای موتورهای کاوش دسترس‌پذیر نمایند.

گوگل در دو دهه سیستمی را که به طور کامل بر یافتن لغت ها کلیدی متمرکز بود به سیستمی چندلایه تبدیل کرد که ازطریق گراف علم و پژوهش و ساختاردهی سیستماتیک به داده‌ها در سراسر اینترنت معنای کلمه ها و متن ها را فهم و شعور می‌نماید.

برای ادراک خوب رابطه گراف علم و انتیتی‌ها بدین مثال‌ اعتنا فرمائید. در یک کاغذ از وبسایتی، کتاب گتسبی گرانقدر معرفی گردیده‌است.

کدهای اسکیمای این برگه این چنین میباشد:


الگوریتم‌ها با تلاوت این کدها میفهمند که محتوای برگه در زمینه ی یک کتاب میباشد که اسم مولف، تاریخ نشر و ژانر مشخصی هم داراست.

گراف علم، این داده‌ها را یار منابع دیگر (مانند ویکی‌پدیا، کتابخانه‌ها) توده می‌نماید تا شعور خویش را از این کتاب و قضیه‌ی آن بیشتر نماید.

وقتی‌که یوزرها برای کتاب گتسبی تعالی کاوش می‌نمایند، ترکیبی از این داده ها در مورد آن را در پنل علم به آن ها اکران می دهد.

در جدول تحت تفاوت‌های مهم گراف علم و Schema.org آمده میباشد:

تفاوت‌های گراف علم و اسکیما
Schema.org گراف علم گوگل
مقصود ارائه‌ی پوسته و کلمه ها استاندارد برای ساختاردادن به محتوای صفحه ها اینترنت سیستم مرکزی برای سازماندهی و اتصال موجودیت‌ها
کاربر کارشناسان بهینه سازی و پیشرفت‌دهندگان اینترنت یوزرها گوگل
خروجی نتیجه ها جستجوی بی نیاز و داده‌های قابل‌قرائت برای ماشین مخلوط داده ها و ساختن پنل علم
منبع داده محتوای نشان‌گذاری‌گردیده‌ی تارنما‌های گوناگون با کدهای اسکیما Schema.org، مقر داده‌های همگانی و داده‌های خویش گوگل
چه گونه محتوا را برای موجودیت‌ها با صرفه کنیم؟
گوگل در کمتر از ۱۰ سال از شناسایی و تمجید ۵۷۰ میلیون موجودیت و ۱۸ میلیارد حقیقت به ۸۰۰ میلیارد حقیقت و ۸ میلیارد موجودیت رسید. این علامت میدهد سبک مبتنی‌بر موجودیت‌ها هر روز خوب می گردد زیرا الگوریتم‌های گوگل همیشه با داده ها و داده‌های نو آموزش میبینند و فهم بهتری از گویش طبیعی بشر پیدا می‌نمایند.

بر‌ همین‌ مبنا میباشد که کارشناسان seo وبسایت می بایست تارنما خویش را برای موجودیت‌ها و سبک تازه جستجوی گوگل به طور کامل باصرفه نمایند. برای این فعالیت علاوه‌بر رعایت اصول seo محتوا بایستی استراتژی‌های دیگری را هم برای ساخت و ساز محتوا دنبال نمایند.

برای استارت عالی میباشد از ویکی‌پدیا به‌تیتر راهنمای seo موجودیت‌ها امداد گرفت.

ساختار صفحه های ویکی‌پدیا این چنین میباشد:

تیتر
نصیب اساسی
لینک و پیوند‌های ازبین بردن ابهام
کارت داده ها (خلاصه حقایق کلیدی در خصوص موجودیت)
متن پیشگفتار
فهرست مطالب
محتوای اساسی
ضمیمه‌ها و مطالب آخری
منابع و یادداشت‌ها
پیوند‌های فرنگی
مجموعه‌ها
مقاله‌ها ویکی‌پدیا معمولا با یک پیشگفتار‌ی کوتاه آغاز می‌گردد که خلاصه‌ای از نوشته‌ی علمی میباشد و بیش‌از چهار جمله وجود ندارد. پیشگفتار جالب میباشد و خواننده را تشویق می‌نماید که مقاله را تاانتها بخواند.

پاراگراف‌ی اولیه و گزاره نخستین مداقه ویژه‌ای دارا‌هستند. پاراگراف‌ی اولیه معرفی موجودیت تعریف‌گردیده در نوشته‌ی‌علمی میباشد. جمله اولیه تمجید کامل‌تری را سوای جزئیات زیاد ارائه می دهد.

بها پیوند‌ها بیش‌از امداد‌ به ناوبری میباشد. آنها رابطه ها معنایی در میان مقاله ها ساخت می‌نمایند. علاوه‌بر‌این، متن‌های لنگر (انکر تکست) منبعی بی نیاز از گونه های اسم موجودیت‌های مرتبط دیگر میباشد.

بدین ترتیب، برای ساخت محتوا در زمینه ی هر موجودیت بایستی از ساختاری مشابه‌به ساختار صفحه های ویکی‌پدیا تقلید کرد. می بایست معین کرد که محتوا در ارتباط کدام موجودیت میباشد و رابطه معناداری در بین آن و دیگر موجودیت‌های مرتبطش با لینک و پیوند‌سازی داخلی برقرار کرد.

این فعالیت مشقت میباشد و دیگر به بازرسی برای یافتن لغت ها کلیدی خلاصه نمی شود. بایستی طوری محتوا را تنظیم و به گوگل عرضه کرد که الگوریتم‌ها و سیستم پردازش لهجه طبیعی آن قوی باشد محتوای ساختارنیافته را بخوانند و موجودیت‌های درونش را شناسایی نمایند.

به‌عبارت‌دیگر، یک کاربر دیگر به فهرست مخاطبین محتوا اضافه شد‌ه‌است: یوزرها، ربات‌های گوگل و از این پس سیستم پردازش گویش طبیعی.

برای سئوی محتوا برای موجودیت‌ها آغاز بایستی قصد یوزرها متفاوت از جستجوی آن موجودیت را یافت.

نظرات این مطلب

تعداد صفحات : 0

درباره ما
موضوعات
آمار سایت
  • کل مطالب : 980
  • کل نظرات : 0
  • افراد آنلاین : 1
  • تعداد اعضا : 0
  • بازدید امروز : 172
  • بازدید کننده امروز : 0
  • باردید دیروز : 12
  • بازدید کننده دیروز : 0
  • گوگل امروز : 0
  • گوگل دیروز : 0
  • بازدید هفته : 198
  • بازدید ماه : 236
  • بازدید سال : 2369
  • بازدید کلی : 88863
  • <
    پیوندهای روزانه
    اطلاعات کاربری
    نام کاربری :
    رمز عبور :
  • فراموشی رمز عبور؟
  • خبر نامه


    معرفی وبلاگ به یک دوست


    ایمیل شما :

    ایمیل دوست شما :



    کدهای اختصاصی