El TF-IDF para la optimización on page de un contenido
TF-IDF para la optimización SEO
Aprende a optimizar tu página web paso a paso, utilizando el análisis TF-IDF
El TF-IDF es un algoritmo estadístico para la minería de texto que calcula la frecuencia de las palabras en un documento y su importancia en función de la frecuencia con la que aparecen en otros documentos.
¿Qué es TF-IDF y cómo funciona?
La frecuencia del término, o TF para abreviar, es un valor que tiene en cuenta el número de ocurrencias que tiene un término o palabra en un texto determinado.
¿Quieres saber cómo te puedo ayudar la estrategia de Posicionamiento en Google de tu sitio web ?
Trabajo para conseguir optimizar tu presupuesto y mejorar la página web de tu negocio de la manera más eficiente posible.
La métrica TF se calcula en función de la frecuencia con la que aparece una palabra en un documento. Cuantas más veces aparezca, mayor será su TF. Esto refleja de manera matemática el concepto establecido en SEO de que un término que aparece muchas veces en un documento es más importante que uno que aparece pocas.
Por otra parte, la IDF, o frecuencia de documento inversa, sirve para reflejar algorítmicamente la idea de que un término que aparece en pocos documentos discrimina mejor que uno que aparece en muchos.
¿Cómo calcular el TF IDF?
TF significa frecuencia del término y se calcula con la ecuación TF = n/d, o lo que es lo mismo dividiendo el número de veces que aparece un término en un documento (n) por el número total de palabras (d).
El IDF se calcula con la ecuación IDF = log10(N/n), donde N representa el número total de documentos y n representa a todos esos documento del corpus que contienen el término de búsqueda. La IDF es una función inversa, lo que significa que cuando aumenta, el poder de discriminación de un término disminuye.
El TF-IDF se calcula multiplicando la frecuencia de términos por la frecuencia de documento inversa TF-IDF = (n/d) x log10(N/n).
Cómo usar TF-IDF en SEO
Vamos a aprovechar la funcionalidad de esta herramienta que nos permite obtener partes concretas del área de contenidos (para que nos entendamos, el cuerpo del contenido, sin tener en cuenta el texto que está en la cabecera, los menús o el pie de página.) y prepararlo para que detecte todas las URLs donde aparece la palabra clave objetivo de nuestra “página campeona”. Esto lo tienes en la ruta del menú Configuración > Personalizado > Buscar y ¡Que comience el rastreo!.
TF:
=ARRAYFORMULA(IF($A2:A="";"";$D2:$D/$C2:$C))
IDF:
=ARRAYFORMULA(IF($A2:$A="";"";LOG10(COUNTA($C:$C)/COUNTIF($D:$D;">0"))))
TF·IDF:
=ARRAYFORMULA(IF($A2:$A="";"";$F2:$F*$G2:$G))
=QUERY('Listado HTML'!A:H;"SELECT E, A, B, H WHERE H > 0 ORDER BY H DESC";1)El resultado es una lista de páginas que contienen la palabra clave objetivo (indicando cuál es tu página campeona) y que está ordenada por el valor de TF-IDF de manera descendente.Algo de lectura sobre el TF-IDF
El libro «Information Retrieval Models: Foundations and Relationships (Synthesis Lectures on Information Concepts, Retrieval, and Services)» ha sido escrito por Thomas Roelleke; en él, se explican los modelos de recuperación de información (IR) como componente central de la investigación de documentos.
