Los motores de búsqueda han evolucionado
Los motores de búsqueda han evolucionado y ahora “piensan” en temas en lugar de palabras clave. Comprenden entidades—personas, lugares, productos e ideas—y cómo se relacionan entre sí. Su enfoque se centra en el significado y no en la simple coincidencia de palabras. Para tener éxito en el SEO hoy en día o para aparecer en recomendaciones de inteligencia artificial (IA), es esencial entender este cambio; no es opcional. Esta es la nueva forma en que funcionan las búsquedas.
La búsqueda semántica se erige como una respuesta a la pregunta sobre cómo se han adaptado los motores de búsqueda a la necesidad de ofrecer resultados más precisos. Por ejemplo, si se busca “cuánto mide el actor que hizo de Wolverine”, Google entiende que se refiere a la altura de Hugh Jackman, a pesar de que el nombre no se menciona en la consulta. Reconoce que “el tipo que hizo de Wolverine” es una referencia específica y ofrece la respuesta: 1,88 metros. Este es un claro ejemplo de búsqueda semántica en acción.
En lugar de simplemente igualar las palabras exactas de una consulta con las palabras en una página web, la búsqueda semántica interpreta lo que realmente se desea encontrar, teniendo en cuenta las relaciones entre las palabras, la intención del usuario y el contexto. El procesamiento de lenguaje natural (NLP), un área de la IA que enseña a las máquinas a entender el lenguaje humano tal como lo usamos en la vida cotidiana, se ha vuelto esencial. Durante años, Google había hablado de la búsqueda semántica, pero a menudo parecía ser una infraestructura de fondo que operaba mientras los especialistas en marketing seguían llenando sus textos de palabras clave.
La situación cambió drásticamente con el lanzamiento de ChatGPT a finales de 2022, que alcanzó más de 100 millones de usuarios en solo dos meses. Los usuarios comenzaban a formular preguntas completas en lugar de introducir términos aislados como “solución para error de Python”: “Estoy recibiendo un TypeError al intentar concatenar una cadena y un entero en Python. Aquí está mi código: ¿qué estoy haciendo mal?” Se observa un giro hacia el lenguaje natural, el contexto y la conversación, dejando atrás el simple uso de palabras clave.
Ante estas nuevas expectativas, Google reaccionó al introducir sinopsis impulsadas por IA en los resultados de búsqueda, mientras que Bing se alió con OpenAI, potenciando las búsquedas, incluidas las búsquedas por voz, hacia consultas más largas y conversacionales.
Principios clave de la búsqueda semántica
El funcionamiento de la búsqueda semántica puede desglosarse en cuatro principios clave que suponen un avance significativo respecto a los métodos de búsqueda tradicionales.
- Reconocimiento de sinónimos: La búsqueda semántica reconoce que términos como “barato,” “asequible” y “económico” tienen significados similares. Con este entendimiento, también comprende que “cónyuge” incluye “esposa,” “esposo” y “pareja.” Este fenómeno se conoce como expansión de consulta, donde el sistema amplía automáticamente la búsqueda para incluir sinónimos y términos relacionados. Por ejemplo, al buscar “vuelos baratos,” también buscaría contenido relacionado con “vuelos asequibles,” “vuelos de bajo costo,” y “tarifas económicas” sin necesidad de especificarlo. Un buen artículo puede abordar todos estos términos.
- Acceso a bases de datos de entidades: Además, los motores de búsqueda ahora acceden a bases de datos de entidades —personas, lugares, productos y empresas— y entienden cómo están interconectadas. Esto se encuentra almacenado en lo que se conoce como grafos de conocimiento, enormes bases de datos que mapean las relaciones entre millones de elementos del mundo real.
- Extracción de entidades: Para alimentar estos grafos, los motores de búsqueda utilizan la extracción de entidades: algoritmos que analizan el contenido y reconocen referencias a personas, lugares, organizaciones y conceptos específicos. Por ejemplo, cuando tu página menciona a “Tim Cook,” la extracción de entidades identifica esto como el CEO de Apple, y no como una persona aleatoria llamada Tim que cocina.
- Contexto y múltiples significados: Un aspecto fascinante de la búsqueda semántica es que cerca del 40% de las palabras en inglés tienen múltiples significados. Por ejemplo, “manzana” puede referirse tanto a la fruta como a la empresa tecnológica, mientras que “jaguar” puede ser un animal o una marca de automóviles. La búsqueda semántica utiliza el contexto—tu ubicación, historial de búsquedas y las palabras presentes en tu consulta—para discernir cuál significado estás buscando.
En el contexto de la pandemia de coronavirus a principios de 2020, Google identificó que las personas principalmente buscaban información sobre COVID-19 y ajustó su algoritmo para mostrar primero resultados relacionados con el virus, relegando hacia abajo las búsquedas relacionadas con la cerveza Corona.
La tecnología detrás de la búsqueda semántica es compleja, pero no es necesario comprender todos los detalles técnicos para entender por qué ha cambiado todo. Antes de entender el significado de un texto, los sistemas lo fragmentan mediante la tokenización, dividiendo oraciones en palabras o subpalabras que pueden ser procesadas por modelos. Pero esto es solo el primer paso. Para entender de qué trata un contenido, los motores de búsqueda necesitan reconocer cosas del mundo real y cómo se relacionan.
Aquí es donde entran los grafos de conocimiento, que almacenan hechos sobre entidades (personas, lugares, productos y empresas) como relaciones simples: Entidad → Atributo → Valor. Por ejemplo, el Grafo del Conocimiento de Google podría almacenar relaciones como que «el iPhone» es un smartphone de la empresa «Apple». Aunque el proceso completo no es público, Google se nutre de fuentes estructuradas como Wikipedia y otros sitios de autoridad.
Los patrones son igualmente significativos: cuando millones de páginas hacen referencia a “iPhone” junto a “Apple,” “smartphone,” y “iOS,” esas asociaciones se consolidan. Para tu contenido, esto significa que los motores de búsqueda verifican si tu página contiene información relevante y significativa sobre entidades reconocibles, no cuántas veces mencionas palabras clave.
Finalmente, los motores de búsqueda convierten el contenido en representaciones matemáticas conocidas como embeddings vectoriales, que son coordenadas que capturan el significado. Esto les permite encontrar contenido conceptualmente similar, incluso cuando el redacción es completamente diferente. Por ejemplo, “cómo arreglar un grifo que gotea” y “reparar un grifo que pierde” pueden tener un puntaje de similitud de 0,89 a pesar de compartir casi ninguna palabra. Esto explica por qué Google puede mostrar resultados de “smartphones baratos” cuando se busca “teléfonos económicos.”
Además, Google ha introducido diversos avances que han profundizado la comprensión semántica, lo que indica que el mundo de la búsqueda está en constante evolución y adaptación a las necesidades cambiantes de los usuarios.
