Krótka odpowiedź i jej zastrzeżenia

Transkrypcja podnosi użyteczność podstrony i to jest jej realna wartość. Wszystko, co dzieje się w wyszukiwarce, jest tego konsekwencją, nie przyczyną.

Trzy zastrzeżenia, bez których to zdanie jest mylące. Pierwsze: transkrypcja nie jest czynnikiem rankingowym. Nie ma nagrody za jej obecność. Jest natomiast tekst, który wcześniej nie istniał, więc pojawia się coś, na co strona może zostać dopasowana. Drugie: sama obecność tekstu nie wystarczy, jeśli jest to nieuporządkowany strumień słów. Trzecie: transkrypcja nie zastępuje opisu. Podstrona, na której jest wyłącznie nagranie i pod nim ściana surowego zapisu rozmowy, nadal nie mówi wyszukiwarce ani czytelnikowi, o czym właściwie jest.

Co wyszukiwarka faktycznie wyciąga z pliku wideo

Warto wiedzieć, ile Google potrafi samodzielnie, bo od tego zależy, jak dużą lukę transkrypcja zamyka.

Z pliku wideo osadzonego na stronie wyszukiwarka rozpoznaje więcej, niż się często zakłada — potrafi wykryć, że wideo jest głównym elementem podstrony, wyciągnąć miniaturę, ustalić czas trwania, a w niektórych przypadkach rozpoznać fragmenty, do których warto skierować użytkownika bezpośrednio. Serwisy wideo mają własne mechanizmy automatycznej transkrypcji i Google zna ich zawartość.

Czego nie mam podstaw zakładać: że treść wypowiedzi z nagrania osadzonego na mojej podstronie jest traktowana jako treść tej podstrony. To dwie różne rzeczy. Nagranie może być doskonale rozpoznane jako materiał wideo i jednocześnie nie wnosić nic do tego, na jakie zapytania podstrona jest dopasowywana.

Transkrypcja, napisy i opis — trzy różne rzeczy

Te pojęcia mieszają się w rozmowach nagminnie, a mają różne funkcje.

• Napisy to tekst zsynchronizowany z obrazem, wyświetlany w odtwarzaczu. Służą dostępności i odbiorowi bez dźwięku. Zwykle nie są częścią dokumentu HTML strony.

• Transkrypcja to pełny zapis wypowiedzi, umieszczony na stronie jako treść. Nie jest zsynchronizowana z obrazem, jest do czytania.

• Opis materiału to redakcyjne streszczenie: o czym jest nagranie, kto się wypowiada, jakie pytania zostały poruszone. Krótszy od transkrypcji i pisany, a nie przepisany.

Najczęstszy błąd polega na tym, że robi się jedną z tych rzeczy i uznaje sprawę za zamkniętą. Same napisy pomagają użytkownikowi, ale nie budują treści podstrony. Sama transkrypcja daje tekst, ale nie daje żadnej struktury. Sam opis jest za krótki, żeby pokryć to, co w godzinnej rozmowie zostało powiedziane.

Najlepiej działa kombinacja: napisy w odtwarzaczu dla dostępności, krótki opis redakcyjny na górze i uporządkowana transkrypcja poniżej.

Kiedy pomaga, a kiedy szkodzi

Rozdzielenie tych dwóch sytuacji jest w praktyce ważniejsze niż cała teoria powyżej.

Pomaga, gdy nagranie jest merytoryczne i zawiera odpowiedzi na pytania, których nie ma w innych tekstach w serwisie. Pomaga szczególnie w rozmowach ze specjalistami, wykładach, pokazach i wszystkim, gdzie ktoś naprawdę tłumaczy zagadnienie. Pomaga też wtedy, gdy nagranie jest długie — bo im dłuższe, tym większa część jego wartości jest niedostępna dla kogoś, kto nie ma trzydziestu minut.

Szkodzi w trzech przypadkach. Gdy nagranie nie ma treści, a jest materiałem wizerunkowym — transkrypcja ujawnia wtedy, że przez cztery minuty nie powiedziano nic, i robi z tego tysiąc znaków pustego tekstu. Gdy zapis jest surowy, pełen powtórzeń, przejęzyczeń i przerywników, a na stronie zajmuje główną część widoku. I gdy ta sama transkrypcja jest wklejona na kilku podstronach, bo materiał osadzono w kilku miejscach — wtedy tworzysz sobie wewnętrzną konkurencję i zmuszasz wyszukiwarkę do wyboru, którą z podstron uznać za właściwą.

Jest jeszcze czwarty przypadek, rzadszy, ale kosztowny: automatyczna transkrypcja polskiej wypowiedzi z terminologią branżową, opublikowana bez korekty. Nazwy własne i skróty wychodzą z niej przekręcone i publikujesz na własnej stronie tekst, w którym Twoja własna nazwa produktu jest zapisana błędnie.

Jak przygotować zapis nadający się do publikacji

Robię z tego zawsze te same kilka kroków i to jest jedyna praca, której w tym zadaniu nie da się pominąć.

Zaczynam od automatycznego rozpoznania mowy, bo przepisywanie ręczne nie ma sensu. Potem przechodzę zapis i robię cztery rzeczy: poprawiam nazwy własne i terminy, usuwam przerywniki i powtórzenia, dzielę strumień na akapity zgodne z tokiem rozmowy, i dodaję nad każdą większą częścią krótki nagłówek mówiący, o co w niej chodzi.

Ten czwarty krok jest najważniejszy i najczęściej pomijany. Śródtytuły zmieniają ścianę tekstu w coś, po czym da się nawigować, a przy okazji dają wyszukiwarce sygnał o tematyce poszczególnych fragmentów. Jeśli nagranie było rozmową pytanie–odpowiedź, śródtytułem może być po prostu zadane pytanie.

Czego nie robię: nie „optymalizuję” transkrypcji. Nie wstawiam słów kluczowych, których nikt nie powiedział, nie przepisuję zdań tak, żeby brzmiały bardziej pod frazę. Po pierwsze, to przestaje być zapis wypowiedzi, a po drugie, to najprostsza droga do tekstu, który brzmi nieludzko.

Transkrypcje a odpowiedzi generatywne

To wątek, który rok temu byłby spekulacją, a dziś jest po prostu praktyczną obserwacją, choć wciąż bez dobrych danych.

AI Overviews są u nas obecne od marca, a od kilku tygodni działa w Polsce także AI Mode — osobny tryb rozmowy z wyszukiwarką, który przez pół roku omijał nasz region. Obie te warstwy operują na tekście. Nie mam żadnego powodu przypuszczać, że odpowiedź generatywna zacytuje treść wypowiedzianą w nagraniu, do której nie ma dostępu w formie tekstowej.

Z tego wynika prosty wniosek: jeśli w Twoim serwisie najlepsza merytoryka siedzi w godzinnych nagraniach, to jest ona nieobecna w tej warstwie wyszukiwania. Transkrypcja jest najtańszym sposobem, żeby to zmienić.

Nie posunę się dalej, bo nie wiem, jak duży jest ten efekt, i po trzech tygodniach od uruchomienia tego trybu w naszym regionie nikt uczciwie nie wie. Traktuję to jako argument dodatkowy, nie jako główne uzasadnienie.

Detale techniczne osadzenia

Kilka rzeczy, które w tym miejscu psują się najczęściej.

Transkrypcja powinna być treścią strony, a nie zawartością pobieraną po kliknięciu. Ukrycie jej pod przyciskiem rozwijającym jest w porządku, dopóki tekst jest w kodzie strony od początku. Doczytywanie go osobnym żądaniem po interakcji użytkownika jest już ryzykiem — trafiasz w scenariusz, w którym treści może po prostu nie być w momencie indeksowania.

Druga rzecz to dane strukturalne opisujące materiał wideo. Warto je mieć niezależnie od transkrypcji i warto pilnować, żeby opis w znaczniku zgadzał się z opisem widocznym na stronie.

Trzecia: jeden materiał, jedna podstrona kanoniczna. Jeśli nagranie ma się pojawiać w kilku miejscach serwisu, w pozostałych umieszczam sam odtwarzacz z krótkim opisem i odnośnikiem, a pełny zapis trzymam w jednym miejscu.

Podsumowując: warto, prawie zawsze, ale nie z powodu objętości. Transkrypcja ma sens jako sposób udostępnienia treści, którą i tak już wyprodukowałeś. Jeśli traktujesz ją jako sposób na zwiększenie liczby znaków na podstronie, to zabieg zadziała odwrotnie do zamierzenia.