Les données temporelles sont très précieuses pour alimenter le système de classement de l’algorithme d’un moteur de recherche aujourd’hui.

Grâce à elles, Google sait par exemple déterminer quand certaines requêtes deviennent plus populaires, quand de nouvelles requêtes émergent et quand de nouvelles formes d’anciennes requêtes sont utilisées pour faire référence à de nouveaux concepts (qui doivent donc afficher de nouveaux résultats de recherche).

Prenons l’exemple d’un sujet d’actualité qui fait le buzz

Dès qu’une nouvelle tendance apparait, par exemple une vidéo dont l’un des passages génère un buzz dans les médias, l’algorithme de Google va être en mesure de faire apparaître dans les SERP des articles populaires qui discutent du sujet de fond et des sites qui hébergent des copies de la vidéo en question (souvent sans autorisation).

Le système permet non seulement d’afficher très rapidement des résultats pertinents et précis, mais il réussira également à faire la différence entre les internautes qui cherchent la vidéo d’origine (et qui utilisent la terminologie associée dans les requêtes qu’ils formulent à Google) et ceux qui veulent uniquement l’extrait de la vidéo, c’est à dire l’élément spécifique qui fait le buzz. Un recoupement entre ces informations dans les résultats de recherche est même possible, les deux vidéos pouvant apparaitre de façon commune.

Un dispositif de détection très performant

Cette évolution dans l’exploitation des requêtes en fonction des tendances de volume de recherches et de leur temporalité fait l’objet d’articles détaillés qui décryptent le processus de fonctionnement d’un algorithme comme celui de Google.

Dans un cas de figure typique de détection de l’émergence d’une tendance, le système d’identification et d’indexation de Google constate un nombre très élevé de nouvelles pages traitant du sujet visé entre 5 et 15 jours après que le phénomène ait commencé à faire parler de lui, puis un lent déclin.

Il existe une myriade d’applications pour les systèmes de surveillance temporelle. La détection des variations de volumes de recherches sur des nouvelles requêtes peut par exemple contribuer à faire le tri entre les sites de faible qualité éditoriale qui ne font que surfer sur le buzz et les sites d’autorité qui fournissent de l’information pertinente. Ces données permettent clairement d’améliorer encore et toujours la pertinence des résultats qui sont remontés par un moteur de recherche comme Google.

Aussi, il est évident que l’exploitation des données temporelles peut s’avérer très utile pour les algorithmes en SEO.