La literatura del marketing digital reduce el vocabulario, o mejor dicho, redirige el vocabulario con un fin pragmático. No nos preguntamos qué significan las palabras, sino para que sirven. En ese sentido, SEO es lacónicamente «optimización para buscadores», es decir una serie de técnicas para optimizar contenido de cara a buscadores de internet.

Yo creo que podemos llevar esta idea del «SEO» un paso atrás, en el sentido radical, es decir, ir a la raíz. En Ingles, SEO es «Search Engine Optimization», en donde «Optimization» es hacer más eficiente nuestro contenido, «Engine» es el buscador mismo (Google, Bing, etc), y «Search» es lo que le dice a la «Engine» que buscar.

Si entendemos Search/Buscar como preguntar o darle un insumo a la Maquina buscadora, a cambio de un resultado. Lo que buscamos es significado, sentido, contexto, o información que responda nuestras dudas. Google interpreta nuestras búsquedas y les da sentido con resultados, anuncios patrocinados, o respuestas sugeridas.

Pero los buscadores no solo buscan, sino que indexan, analizan, y de las miles de posibles respuestas o enlaces posibles, nos da resultados que hacen sentido. Pero, ¿cómo escogen que hacen sentido?

Aquí yo propongo que «SEO» no es Search Engine Optimization sino «Semantic Engine Optimization»; como logro que mi contenido haga sentido y responda a las busquedas de los usuarios, sea indexado por los robots de Google et al, y esto sea presentado a los usuarios finales. Quiero volver a esta idea más adelante, así que guárdenla.

La palabra /bachelor/ podría ser interpretada de varias maneras, desde un título académico, o un varón que no se ha casado, o hasta una foca que se ha estrenado en época de celo. Este gráfico es un Árbol KF (Kats y Fodor, 1963) que intenta crear una estructura semántica para la palabra /bachelor/.

Este diagrama incluye «marcas sintácticas» (objeto animado, no animado, nombre común, etc) y «marcas semánticas» que nos ayudan a entender que «sentido» o dirección queremos seguir. La lectura (reading) es una interpretación del camino (path) que queremos seguir para encontrar el sentido de lo que queremos decir, ya sea «My husband is a bachelor in arts» o «A married man is no longer a bachelor».

El contexto de nuestra búsqueda (de significado) pasa a través del índice de Google y nos muestra el resultado que tenga el mismo sentido que buscamos, según el buscador.

De estas posibilidades, obtenemos da resultados como estos:

Aquí el estado actual de Google es el de priorizar contenido que paga anuncios o que genera ventas. Todo está optimizado para SEO y es cada vez más difícil encontrar el contenido que realmente necesitamos porque todo está pensado en Selling Engine Optimization . (Les recomiendo El SEO está DESTRUYENDO el contenido en Internet en Youtube)

Otro modelo para analizar el sentido de un significado (sema) es el Modelo Quillian (Modelo Q), que es «una masa de nudos (nodes) conectados recíprocamente por distintos asociativos». Cada significado tiene un nudo que lo precede, y su relación con los que le siguen. Sería pues una red de nudos interconectados.

En este ejemplo, /planta/ puede referirse al ser vivo, a una fábrica industrial, o a la acción de plantar. Cada uno de estos significados posibles puede expandirse con nuevos nodos, conexiones, de manera horizontal, vertical, o conectar con nuevas palabras que no vemos en este momento. Este gráfico está limitado por el tamaño del papel del libro de donde saque la foto, pero dice el autor que «no hay gráfico capaz de representarlo en toda su complejidad».

Este gráfico «imposible» no sería otro que el index de Google para resolver nuestras búsquedas hoy en día. El modelo Q que fue propuesto en los años 1960s (Allan Collins y Ross Quillian) es ahora la base de datos que consultamos a través de las búsquedas en Google y otros buscadores.

El modelo Q puede alimentarse con nuevas informaciones, ya sea con datos completos o incompletos. «El modelo Q es el modelo de la creatividad lingüística«, es decir, Google puede darnos respuestas infinitas porque puede darnos cruces y resultados sugeridos de manera prácticamente infinita.

Es aquí que quiero volver a la idea de Semantic Engine Optimization.

Con la llegada y normalización de las Inteligencia Artificiales en modo chat (ChatGPT), se abre una nueva forma de consultar información, y como decía anteriormente, uno no busca por buscar, sino como una exploración hacia el sentido deseado (aprender, comprar, saber llegar a un destino, etc).

Lo que Google hace hasta ahora (presentar resultados ante nuestras busquedas), pasa a un estado más profundo en donde ChatGPT no solo nos da resultados, sino que crea repuestas nuevas basada en información que ya existe en internet. Es verdad que no es 100% exacto y genera textos genéricos escritos desde el punto de vista de nadie, pero es una realidad que ya esta ahí.

(Aquí no estoy hablando de HTML Semántico sino al discurso mismo, a lo que estamos diciendo en nuestros sitios web)

En este momento ChatGPT no tiene en sus «base de datos» conocimiento sobre eventos recientes, y su acceso a datos verificables es limitada e incluso inexacta. También tiene problemas de apropiarse de información sin citar fuentes, o de hacer plagio de obras artísticas con derecho de copia. Todo muy nuevo y sin precedente en el mundo cultural o legal.

La misma optimización SEO que permite que Google indexe nuestro contenido es probablemente la misma puerta de entrada para que un robot de AI lea nuestro contenido sea «alimentado» a los robots de ChatGPT.

Pensar en la optimización de nuestro contenido, de nuestras historias, con un sentido semántico que le da sentido a nuestra realidad, nos permitirá no solo tener contenido único de cara a los buscadores tradicionales que recomiendan enlaces en base a tópicos o palabras claves, sino ante nuevas formas de búsquedas o necesidades de creación.

PS: Las gráficas y citas incluidas en este post son de La Estructura Ausente – Introducción a la Semiótica de Umberto Eco.