L’algorithme de Discover est très différent de l’algorithme de classement de Google
Il combine scores de pertinence et scores d’autorité avec une analyse de l’engagement (CTR, récurrence, etc.) et du contexte (localisation, historiques, sujets d’intérêt).
L’algorithme change régulièrement, et il a changé beaucoup au cours de ces derniers mois.
Les flux changeants d’un cluster d’utilisateurs à l’autre, et même d’un utilisateur à l’autre, le reverse engineering de l’outil est un vrai challenge.
Les plus de Neper pour Google Discover
Nous vérifions le respect des prérequis et les impacts négatifs des scores de l’algo classique de Google sur la visibilité dans Discover.
Nous vous aidons à descendre au bon niveau d’analyse
- Niveau thématique / sujet d’intérêt
- Niveau entité nommée
- Niveau rubrique
Nous analysons pour vous les performances en ajoutant de nouveaux indicateurs comme le lifespan : la durée de vie dans Discover
Détection des blocages techniques
Analyse des données
Analyse des catégories
Analyse des entités
Google Discover ?
Google Discover est un flux de contenu personnalisé disponible sur l’application mobile de Google, qui propose des articles, des vidéos et d’autres contenus en fonction des intérêts et des habitudes de navigation de l’utilisateur. Contrairement à une recherche active, Discover montre des contenus que l’utilisateur n’a pas explicitement recherchés, mais qui sont pertinents pour lui, en fonction de ses interactions passées avec les services Google. Il s’agit d’une manière pour Google de proposer des recommandations proactives, basées sur des algorithmes d’intelligence artificielle et de machine learning.
La méthodologie Neper
Nous commençons par un audit des prérequis techniques afin de détecter des scores SEO organiques qui ont éventuellement un impact négatif sur la visibilité dans Discover.
Ensuite, nous procédons à l’analyse des contenus éligibles Discover, puis à l’analyse des résultats :
- Agrégés par sous-thématique du topic layer
- Agrégés par entité
- Agrégés par rubrique / auteur /
Nous formulons alors des hypothèses à partir des corrélations CTR/Lifespan/Clicks et des caractéristiques des contenus par agrégat.
Nous passons ensuite à une phase de test avec ces optimisations.
Et pour finir, nous établissons des guidelines définitives.
