Identifier les questions relatives à un mot clé pour se préparer aux recherche vocales

L’émergence des assistants de recherche va certainement changer la donne au niveau des requêtes utilisateur sur les moteurs de recherche.

Il est donc important de préparer le terrain en amont pour proposer le contenu qui va répondre aux interrogations des internautes et capter ces fameuses position 0.

Dans cette article je vous propose un méthodologie pour identifier les questions relatives à un mot clé via un script R.

En quoi les assistants vont changer la donne côté SEO ?

D’une part, on peut s’attendre à ce que les internautes fassent de plus en plus de recherches car elle seront rendues plus simple par les assistants.

Ces recherches vont probablement devenir plus précises car l’utilisateur ne sera plus freiné par le nombre de mots à taper au clavier.

Enfin, l’assistant vocal ne va lire que le premier résultat : La première place sera primordiale.

Pour se préparer à cette évolution, il est donc important d’identifier les questions que vont se poser les internautes afin de déterminer quels contenus produire.

Comment identifier les questions que se pose un internaute ?

Pour se faire j’ai mis en place un petit script R qui analyse les différentes recherches liées à un terme pour en ressortir les questions.

Pour cet exemple j’ai effectué une recherche sur les questions que les internautes se posent à noël.

J’ai donc exporté tous les mots clés contenant le mot noël.

Et lancé mon script :

[pastacode lang= »java » manual= »%23%20itendifier%20les%20questions%20li%C3%A9es%20%C3%A0%20un%20mot%20cl%C3%A9%0A%0Alibrary(%22dplyr%22)%0A%0Akeyword%3Dread.csv(file%20%3D%20%22C%3A%2FUsers%2Fgflorin%2FDownloads%2Fnoel-phrase_fullsearch-fr.csv%22%20%2Cheader%3DT%2C%20sep%3D%22%3B%22%2Cencoding%20%3D%20%22UTF-8%22%2C%20stringsAsFactors%20%3D%20FALSE)%0A%0Acomment%20%3C-%20filter(keyword%2C%20grepl(%22%5Ecomment%22%2Ckeyword%24Keyword))%0Aquand%20%3C-%20filter(keyword%2C%20grepl(%22%5Equand%22%2Ckeyword%24Keyword))%0Apourquoi%20%3C-%20filter(keyword%2C%20grepl(%22%5Epourquoi%22%2Ckeyword%24Keyword))%0Aquel%20%3C-%20filter(keyword%2C%20grepl(%22%5Equel%22%2Ckeyword%24Keyword))%0Aquelle%20%3C-%20filter(keyword%2C%20grepl(%22%5Equelle%22%2Ckeyword%24Keyword))%0Acombien%20%3C-%20filter(keyword%2C%20grepl(%22%5Ecombien%22%2Ckeyword%24Keyword))%0Aou%20%3C-%20filter(keyword%2C%20grepl(%22%5Eou%22%2Ckeyword%24Keyword))%0Aque%20%3C-%20filter(keyword%2C%20grepl(%22%5Eque%22%2Ckeyword%24Keyword))%0Aquoi%20%3C-%20filter(keyword%2C%20grepl(%22%5Equoi%22%2Ckeyword%24Keyword))%0Aqu%20%3C-%20filter(keyword%2C%20grepl(%22%5Equ’%22%2Ckeyword%24Keyword))%0A%0A%0A%0Atous%20%3C-rbind(comment%2Cquand%2Cpourquoi%2Cquel%2Ccombien%2Cque%2Cquoi%2Cquelle%2Cou%2Cqu)%0A%0Atous%20%3C-unique(tous)%0A » message= » » highlight= » » provider= »manual »/]

Ici je me base sur un export semrush (avec un « ; » comme séparateur), mais vous pouvez facilement adapter ce script pour le faire tourner avec votre outil préféré…

Voici le résultat :

Si vous avez déjà utilisé l’excellent outil Answer the public, vous verrez quelques similarités, l’intérêt ici c’est de connaitre les volumes de recherche et d’identifier le niveau de concurrence pour chaque requête.

Photo by ndb_photos