Wyszukiwanie głosowe bazuje na technologii rozpoznawania mowy, dzięki czemu umożliwia wyszukiwanie w internecie za pomocą ustnego zadawania pytań na komputerze lub urządzeniu mobilnym. Zapytanie jest przetwarzane na zasadzie zbliżonej do wyszukiwania tradycyjnego. 

Definicja ta wydaje się jasna, jednak już na tym etapie pojawiają się pewne wątpliwości. Skoro Google (i nie tylko) jest w stanie przełożyć język mówiony na pisany, to dlaczego w większości przypadków przy wyszukiwaniu głosowym, otrzymujemy inne wyniki niż w sytuacji, gdy wpiszemy frazę w wyszukiwarkę?

To dlatego, że mówimy inaczej niż piszemy. 

W ciągu minuty jesteśmy w stanie napisać ok. 40 słów, a wypowiedzieć nawet 120. Różnica jest więc spora. Co więcej, gdy wpisujemy zapytanie do wyszukiwarki używamy zlepku słów, którymi posługują się raczej roboty aniżeli ludzie. 

Zastanów się, w jaki sposób wyszukujesz informacje o pogodzie. Zapewne wpisujesz frazę “pogoda+nazwa miasta”. Raczej mało prawdopodobne, że posługując się wyszukiwaniem głosowym powiesz “pogoda Kraków”. A przecież tak wpisujesz ją do wyszukiwarki. 

Skąd ta różnica? Gdy mówimy, używamy bardziej naturalnego języka. Nasze zapytania głosowe są zatem dłuższe i konwersacyjne. To dwie istotne różnice między tym, jak wyszukujemy głosowo, a jak pisemne. Warto się przy nich chwilę zatrzymać.

Zdecydowana większość fraz kluczowych kierowana do wyszukiwarki składa się z 2 słów. Mechanik Kielce, szarlotka przepis, czarne botki, Londyn atrakcje. Kiedy jednak zwracamy się do wyszukiwarki ustnie, tego rodzaju zapytania zmieniają formę. Można powiedzieć, że traktujemy asystenta głosowego jak kolegę, z którym prowadzimy rozmowę. Nie mówimy więc Londyn atrakcje, a Jakie są atrakcje w Londynie? lub Co warto zobaczyć w Londynie. 

Zapytania głosowe mają najczęściej od 3 do 5 słów, lecz mogą zawierać ich o wiele więcej. Ponadto brzmią naturalnie i w przeważającej większości mają formę pytania. 

źródło: https://geomarketing.com/ 

Ponad 20% zapytań wyszukiwania głosowego jest wywoływanych przez kombinację tylko 25 słów kluczowych. Najczęstsze z nich to: co, jak, kto, gdzie, kiedy, dlaczego. 

Ok, Google, co znaczy SEO?

Hej Siri, gdzie jest najbliższa stacja benzynowa?

Alexa, kiedy jest Dzień Matki?

Z wyszukiwania głosowego w 2020 roku korzystała prawie połowa internautów (55% nastolatków i 45% dorosłych). Co ciekawe, ponad 70% amerykańskich użytkowników Internetu preferuje właśnie tę formę wyszukiwania. 

Ponadto, w ostatnich latach widoczny jest wzrost zapytań o charakterze bardziej indywidualnym. Google wydaje się jednak trzymać rękę na pulsie. A to za sprawą dwóch aktualizacji: Hummingbird (Koliber) oraz RankBrain. Ta pierwsza kładzie nacisk na naturalne wypowiedzi w konwersacyjnym stylu, a druga wykorzystuje sztuczną inteligencję do analizowania intencji użytkowników. 

Co więcej, Google Now zastąpił Google Assistant, który potrafi prowadzić dwustronną konwersację, a od 2019 roku dostępny jest również w polskiej wersji językowej. Teraz możemy zatem prowadzić rozmowę z naszym smartfonem! Zadamy mu pytanie, a on na odpowie – również głosowo!

Rozwój technologii rozpoznawania mowy (obecnie uważa się ją za dokładną w aż 95%) i wyszukiwania głosowego to trend, który widoczny jest obecnie niemal wszędzie. Nie tylko Google rozwija swojego asystenta głosowego. Robi to też Apple, który opracował Siri czy Amazon korzystający z systemu Alexa. Sterować głosem możemy obecnie telewizorem, konsolą Xbox, a nawet… lodówką. 

Wróćmy jednak do wyszukiwania głosowego Google, bo to tam najczęściej kierujemy pytania głosowe. W jaki sposób algorytm dobiera odpowiedzi na nasze zapytania? I co zrobić, aby zoptymalizować treść/stronę pod voice search?

Z wyszukiwania głosowego korzystamy najczęściej w sytuacjach, gdy jesteśmy zajęci. Prowadzimy auto, gotujemy lub wykonujemy inne czynności, które rozpraszają naszą uwagę. Oczekujemy zatem szybkiej i precyzyjnej odpowiedzi. Nie mamy czasu na przeglądanie kolejnych wyników wyszukiwania. Algorytm dobiera do naszego zapytania, odpowiedź, którą uznaje za najbardziej trafną i przeczyta nam ją na głos. 

Co to oznacza dla osób, które tworzą treści? Użytkownik pozna tylko jedną odpowiedź. Jak to zrobić, aby poznał akurat naszą? Przede wszystkim pamiętaj, aby dać mu to, czego potrzebuje – jasnej i krótkiej odpowiedzi na jego zapytanie. Treść powinna być czytelna i zrozumiała, prosty język jest więc koniecznością. 

Około 40% wszystkich odpowiedzi wyszukiwania głosowego pochodzi z polecanego fragmentu wyróżnionego kodu. Jeśli fragment Twojej treści znajdzie się w featured snippet to spora szansa, że zostanie uznany przez algorytm Google Voice Search za najlepszą odpowiedź. Zdecydowana większość odpowiedzi nie ma zawiera więcej niż 30 słów. Przeważnie jest to więc krótki akapit ograniczony w kodzie strony jako paragraf <p>. 

Zapytania, które składają się z min. 3-4 wyrazów (a więc te najczęściej stosowane przy wyszukiwaniach głosowych), określa się jako frazy long tail. Zanim zaczniesz tworzyć treści, musisz dokonać szczegółowej analizy fraz właśnie z uwzględnieniem słów kluczowych z długiego ogona. Wybierz te, które brzmią naturalnie i użyj ich w swoich treściach. 

W narzędziu Senuto pomocna okaże się zakładka z pytaniami. 

Frazy long tail, akapit z odpowiedzią… jak to wszystko pogodzić? Przecież nie będziesz tworzyć artykułu o długości 2-3 zdań. Najprostszym rozwiązaniem jest stworzenie sekcji FAQ! Frazy bez trudności umieścisz w nagłówku. Użytkownicy chętnie korzystają z tej formy, sekcja z pytaniami i odpowiedziami, ponieważ pozwala łatwo i szybkość znaleźć potrzebne informacje.

W tym kontekście istotne będą dwa aspekty: responsywność strony i czas jej ładowania. Większość wyszukań głosowych odbywa się na smartfonach, dlatego jeśli Twoja strona nie jest przystosowana do wyświetlania na urządzeniach mobilnych, to możesz wiele stracić. I to nie tylko w kontekście voice search. Co więcej, średnia strona wyników wyszukiwania głosowego ładuje się w 4,6 sekundy. To o ponad połowę szybciej niż średnia strona!

Jeśli chcesz sprawdzić czas ładowania swojej witryny, skorzystaj z narzędzi: Google PageSpeed Insights, Google Mobile Speed Test lub Web.dev. 

Umieszczenie w kodzie strony danych strukturalnych, czyli specjalnych znaczników, które pozwalają opisać zawartość witryny, także ma znaczenie dla wyszukiwania głosowego.

Dzięki nim algorytm dowiaduje się, jakie informacje znajdują się na naszej stronie. 

Aktualnie jeden z polecanych formatów danych strukturalnych to JSON-LD, który bazuje na JAvaScript. Tylko, które z nich wdrożyć na stronie?  Wszystkie, które będą do niej pasować. Nie naciągaj jednak rzeczywistości. Więcej informacji na temat danych strukturalnych znajdziesz na blogu Sempai we wpisie Semantyczne SEO i Voice Search. Tam też możesz więcej dowiedzieć się o tym temacie od strony technicznej. 

Strony, które mają wdrożone certyfikat SSL lub TLS, zdecydowanie częściej pojawiają się na pozycji zero. Zweryfikuj zatem czy Twoja witryna aby na pewno działa w oparciu o protokół HTTPS.

Wiesz już, co to jest wyszukiwanie głosowe i jak działa. Mamy też nadzieję, że wiesz, dlaczego warto optymalizować treści pod voice search! Czy to możliwe, że za kilka lat będziemy wyszukiwać informacje już niemal tylko głosowo? Wszystko przed nami, z pewnością technologia jeszcze nie raz nas zaskoczy. 

Otwórz aplikację Google i powiedz „OK Google” lub kliknij Mikrofon.

Otwórz aplikację Google. Przez menu główne u dołu strony, przejdź do zakładki „Więcej” i użyj pozycji „Ustawienia”. Wybierz sekcję „Wprowadzanie głosowe”, a na następnej stronie znajdź blok o nazwie  „Ok Google”. Teraz wybierz: „Rozpoznawanie OK, Google” i przesuń suwak w lewą stronę.