Co-occorrenze

Cosa cambia in pratica con le co-occorrenze

• Definizione: due o più termini che ricorrono insieme nello stesso contesto più spesso di quanto accadrebbe per puro caso.
• In linguistica: si misurano su un corpus di testi e indicano una relazione tematica tra le parole, non una sostituibilità di significato.
• In SEO semantica: aiutano Google a capire quale significato attribuire a una parola chiave ambigua e quale argomento tratta una pagina.
• Nell’intelligenza artificiale: alimentano gli embedding vettoriali con cui i modelli di linguaggio posizionano i concetti nello spazio semantico.
• Livello di calcolo: si possono contare su una singola pagina, su una sezione del sito o sull’intero dominio, con risultati diversi a seconda del livello scelto.

Cosa sono le co-occorrenze

Una co-occorrenza è la comparsa congiunta di due o più parole all’interno della stessa frase, dello stesso paragrafo o dello stesso documento, con una regolarità che non si spiega con la casualità. Se in un testo compaiono spesso vicine “medico” e “ospedale”, quella vicinanza segnala una relazione tematica tra i due termini, non una loro equivalenza.

Qui serve una distinzione che molti articoli in rete saltano: l’occorrenza è il conteggio di un singolo elemento, la co-occorrenza riguarda almeno due elementi insieme. In un testo su Petrarca, contare quante volte compare “amore” è un’occorrenza; verificare quante volte “amore” compare vicino a “pianto” è una co-occorrenza. Sono due misure diverse, e confonderle porta a leggere male qualunque analisi testuale.

Co-occorrenza non è nemmeno sinonimo di sinonimo: due parole sinonime hanno lo stesso significato, due parole in co-occorrenza condividono solo un contesto frequente. “Rischio” e “investimento” co-occorrono spesso in un testo di finanza, ma non sono la stessa cosa; la relazione tra i due concetti riguarda il campo semantico a cui appartengono, più che un rapporto di equivalenza.

Il termine compare anche fuori dalla SEO: in medicina indica la presenza contemporanea di due patologie nello stesso paziente, e la parola italiana “occorrenza” da sola significa più comunemente bisogno o necessità, come in “per qualsiasi occorrenza”. Sono usi estranei a questa pagina e non li riprendo oltre.

Come funzionano le co-occorrenze in linguistica

In linguistica, una co-occorrenza si misura confrontando quante volte due parole compaiono vicine rispetto a quante ce ne aspetteremmo se la loro posizione fosse casuale. “Evasione” e “fiscale” compaiono insieme molto più spesso del previsto in un corpus di articoli economici: questo scarto rispetto al caso è la base di ogni analisi di co-occorrenza, non la semplice conta delle volte in cui due parole stanno vicine.

La finestra di contesto, cioè la distanza massima entro cui due parole vengono contate come co-occorrenti, cambia l’analisi: una finestra stretta (la stessa frase) cattura relazioni dirette, una finestra larga (lo stesso paragrafo o documento) cattura temi condivisi. Chi fa analisi dei corpora testuali sceglie la finestra in base a cosa vuole misurare: uno stile di scrittura, un argomento ricorrente o un pregiudizio implicito in un insieme di testi.

Lo stesso meccanismo spiega perché un termine polisemico cambia significato a seconda delle parole che lo accompagnano. “Mela” vicino a “frutteto” indica il frutto; vicino a “iPhone” o “Cupertino” indica l’azienda. Chi analizza un corpus non legge ogni frase: guarda quali parole ricorrono insieme e ne deduce il tema, un’operazione che in linguistica computazionale si chiama disambiguazione del senso delle parole.

Le co-occorrenze nella SEO semantica

Nella SEO semantica le co-occorrenze sono le parole che accompagnano con regolarità una parola chiave quando si parla di un certo argomento: per “SEO” sono comuni termini come “posizionamento”, “motore di ricerca” o “indicizzazione”. Un motore di ricerca non comprende il significato delle frasi come farebbe una persona: lo approssima osservando quali termini compaiono insieme nel documento e li confronta con una base di conoscenza di riferimento.

L’esempio più citato è quello della parola “Panda”: in un documento compare vicino ad “algoritmo” e “ranking”, in un altro vicino a “antivirus” e “sicurezza informatica”. Le due co-occorrenze diverse dicono a Google quale significato attribuire al termine e su quale ricerca mostrare quella pagina. È lo stesso meccanismo per cui scrivere un articolo su un argomento senza i termini che lo accompagnano abitualmente rende più difficile per il motore di ricerca capire a quale ricerca semantica rispondere.

Questo è anche il motivo per cui la vecchia keyword density ha perso peso: contare quante volte compare una parola non dice nulla sul tema di un testo, mentre osservare quali parole la accompagnano sì. Per individuare i termini principali di un documento, al netto di articoli e congiunzioni, si usano algoritmi statistici come il TF-IDF, che pesa un termine in base a quanto è frequente nel documento e quanto è raro nel resto del corpus.

Nel mio lavoro parto sempre da questo: prima di scrivere una pagina guardo quali termini ricorrono nei contenuti che già si posizionano su quella ricerca, e li uso come riferimento, non come lista da infilare meccanicamente nel testo. Una pagina che forza le co-occorrenze senza che il discorso lo richieda si legge male. Un testo che si legge male perde tempo di permanenza prima ancora di perdere posizioni.

Co-occorrenze e intelligenza artificiale

I modelli di linguaggio di grandi dimensioni (LLM) imparano le relazioni tra i concetti osservando quanto spesso una parola compare accanto a un’altra in enormi quantità di testo. Questa osservazione statistica è alla base degli embedding vettoriali, cioè le rappresentazioni numeriche con cui un modello colloca ogni concetto in uno spazio matematico: concetti che co-occorrono spesso finiscono vicini in quello spazio, concetti estranei finiscono lontani.

Per chi scrive contenuti questo ha una conseguenza pratica: un modello che deve generare o verificare una risposta su un argomento si aspetta di trovare, attorno a un termine, le parole con cui quel termine co-occorre di norma nei testi di qualità su cui è stato addestrato. Una pagina che nomina l’argomento ma lo isola dal suo contesto naturale di parole è più difficile da collegare a quell’argomento, sia per un motore di ricerca sia per un sistema di risposta generativa.

Non è documentato nelle fonti che ho consultato come un singolo motore di ricerca pesi questo segnale rispetto ad altri, quindi mi fermo qui: la relazione tra co-occorrenze ed embedding è un meccanismo di apprendimento statistico noto, non una leva che si possa dosare a comando dentro un testo.

A quale livello si calcolano le co-occorrenze

Le co-occorrenze si possono misurare su livelli diversi: dentro una singola pagina, dentro una cartella o sottodominio che raccoglie più contenuti sullo stesso tema, oppure sull’intero sito. Il risultato cambia: un termine può co-occorrere poco con la parola chiave principale in una singola pagina e molto se si guarda l’insieme delle pagine di quella sezione, perché il tema emerge dalla somma dei contenuti e non da un solo testo.

Per l’analisi su corpora più ampi, in un manuale di text mining ho trovato citati strumenti come T-LAB e TaLTaC, che costruiscono matrici di co-occorrenza tra le parole di un insieme di documenti e calcolano indici di associazione per individuare i temi ricorrenti senza leggere ogni testo riga per riga. Prima del conteggio, questi strumenti riconducono le forme flesse delle parole alla loro forma base: è lo stesso principio della lemmatizzazione, necessaria perché “cerco”, “cercava” e “cercheranno” vengano contati come occorrenze dello stesso lemma e non come termini diversi.

Co-occorrenza o sinonimo: come distinguerle

Chi scrive contenuti confonde spesso le due cose, e capisco perché: entrambe compaiono nelle stesse checklist di ottimizzazione. Il criterio è semplice da applicare una volta chiaro.

Se due parole hanno lo stesso significato

Sono sinonimi. “Acquistare” e “comprare” si possono sostituire l’una con l’altra nella stessa frase senza cambiarne il senso: è una relazione di equivalenza, indipendente dal fatto che compaiano vicine in un testo.

Se due parole compaiono insieme senza essere intercambiabili

Sono co-occorrenze. “Mutuo” e “tasso d’interesse” ricorrono spesso nello stesso testo, ma non si possono scambiare: descrivono due concetti diversi legati dallo stesso argomento.

Come individuare le co-occorrenze prima di scrivere un testo

Non serve un software dedicato per iniziare: la mia regola, quando preparo un nuovo articolo, è partire da un confronto manuale sui contenuti che già rispondono a quella ricerca.

1. Cerco su Google la parola chiave principale e apro le prime pagine già posizionate.
2. Elenco i termini che ricorrono in più di una di quelle pagine, escludendo articoli, preposizioni e verbi comuni.
3. Verifico quali di questi termini compaiono anche nelle domande correlate e nei box di approfondimento mostrati da Google per quella ricerca.
4. Scrivo il testo includendo i termini pertinenti dove il discorso li richiede, senza forzarli in frasi che non ne hanno bisogno.
5. Rileggo il testo finito e controllo che ogni termine inserito regga il confronto con la frase in cui si trova, non solo con la lista di partenza.

Quando i contenuti da analizzare sono molti, uno strumento di text mining come quelli citati nel paragrafo precedente velocizza il conteggio, ma il criterio di scelta resta lo stesso: un termine entra nel testo perché serve a spiegare l’argomento, non perché compare in una lista generata automaticamente.

Errori frequenti con le co-occorrenze

L’errore più comune è trattarle come la vecchia keyword density con un nome nuovo: infilare una lista di parole correlate nel testo senza che la frase ne abbia bisogno produce un contenuto che si legge male, e un lettore che fatica a leggere un testo non resta sulla pagina abbastanza a lungo da farla posizionare.

Il secondo errore è confondere la co-occorrenza con la ripetizione della parola chiave principale: ripetere “co-occorrenze” dieci volte in un articolo non aggiunge segnale, mentre usare insieme a quel termine le parole con cui ricorre davvero nei testi di settore sì.

Il terzo, meno discusso, è calcolare le co-occorrenze su una sola pagina e ignorare il resto del sito: se un sito tratta un argomento su più pagine disperse, senza una struttura che le colleghi, il tema resta diluito anche quando ogni singola pagina contiene i termini giusti. Collegare le pagine che trattano lo stesso argomento con una strategia di contenuti SEO coerente aiuta più di qualunque lista di parole correlate.

Domande frequenti sulle co-occorrenze

Cosa sono le co-occorrenze?

Sono due o più parole che compaiono insieme nello stesso testo con una frequenza superiore a quella che ci si aspetterebbe per caso, segnalando una relazione tematica tra i termini coinvolti.

Qual è la differenza tra occorrenza e co-occorrenza?

L’occorrenza è il conteggio di un singolo elemento in un testo; la co-occorrenza misura la comparsa congiunta di almeno due elementi nello stesso contesto. Sono due unità di misura diverse, usate per domande diverse.

Le co-occorrenze sono sinonimi?

No. Due sinonimi hanno lo stesso significato e si possono sostituire nella frase; due parole in co-occorrenza condividono solo un contesto frequente, pur restando concetti distinti.

Come si calcolano le co-occorrenze?

Si contano quante volte due termini compaiono entro una finestra di contesto definita, come la stessa frase o lo stesso paragrafo, e si confronta il risultato con la frequenza che avrebbero se la loro posizione fosse casuale.

A cosa servono le co-occorrenze in SEO?

Aiutano il motore di ricerca a capire l’argomento di una pagina e a disambiguare le parole chiave con più significati, osservando quali termini le accompagnano con regolarità nel testo.

Che ruolo hanno le co-occorrenze nei modelli di intelligenza artificiale?

Alimentano gli embedding vettoriali: i modelli di linguaggio osservano quanto spesso due parole compaiono insieme nei testi di addestramento e usano questo dato per posizionare i concetti correlati vicini nello spazio semantico.

Quali strumenti si usano per analizzare le co-occorrenze?

Per corpora ampi esistono software di text mining come T-LAB e TaLTaC, che costruiscono matrici di co-occorrenza tra le parole; per un singolo testo o poche pagine concorrenti basta un confronto manuale dei termini ricorrenti.