TF-IDF가 콘텐츠 및 SEO 문제를 해결하지 못하지만 해결되는 것처럼 느껴지는 이유

이 게시물에서는 TF-IDF를 사용하여 웹 콘텐츠를 만들고 최적화하는 문제를 살펴봅니다. TF-IDF를 사용하면 기분이 좋아질 수 있지만 실제로 문제를 해결하는 것은 아닙니다. 사용과 관련된 문제를 조사하면서 TF-IDF를 사용하면 실제로 잘못된 방향으로 이끌 수 있음을 알게 될 것입니다.

TF-IDF란 무엇입니까?

용어 빈도 역 문서 빈도( TF-IDF )는 문서 내에서 용어의 관련성을 결정하는 데 사용되는 메트릭입니다. 공식은 주어진 문서에서 용어(TF)의 빈도를 계산하고 역 문서 빈도(IDF) 계수를 적용하여 매우 자주 발생하는 용어의 가중치를 줄이고 드물게 발생하는 용어의 가중치를 높입니다.

TF-IDF는 항의 빈도에 대한 작업에 대한 Hans Peter Luhn (1957) 의 노력과 역 문서 빈도에 대한 연구에 대한 Karen Sparck Jones (1972)의 노력을 기반으로 합니다. 예리한 독자라면 이것이 월드 와이드 웹의 탄생보다 수십 년 앞선다는 사실을 알게 될 것입니다.

Google은 TF-IDF도 사용하며 여전히 관련성이 있습니까?

Google의 John Mueller는 검색 엔진의 TF-IDF 사용이 매우 제한적 이라고 암시했습니다 . 행아웃 동안 그가 TF-IDF를 언급한 유일한 컨텍스트는 불용어 제거에 대한 것이었습니다.

Knowledge Graph, Hummingbird, Rankbrain 및 Topical Layer의 발전을 고려할 때 이는 놀라운 일이 아닙니다 . Google은 사물의 의미와 인간 언어의 모호성을 처리하는 방법에 대해 지속적으로 교육하고 학습하는 지속적으로 발전하는 알고리즘입니다.

우리는 다양한 SERP 기능과 개인화가 있는 결과의 더 나은 처리를 보고 있습니다. 검색 엔진은 의도 분리(여러 의도에 호소하는 검색 쿼리)를 처리하는 기능을 개선하고 있습니다. 그러나 알고리즘은 완벽하지 않습니다. 앞으로 살펴보겠지만, 이는 TF-IDF를 콘텐츠 최적화 수단으로 사용하는 사람들에게 심각한 도전이 됩니다.

AI, 신경망 및 머신 러닝이 표준인 세상에서 TF-IDF는 페라리와 비교했을 때 바퀴 달린 어린이용 자전거와 같습니다.

Roger Montti, 검색 마케팅 담당자 및 연사

TF-IDF가 많은 SEO에게 좋은 이유는 무엇입니까?

Google이 반세기가 된 이 기술을 제한적으로 사용하고 있음에도 불구하고 많은 SEO 전문가들은 TF-IDF가 검색 엔진이 두각을 나타내는 길이라고 믿습니다. 왜 그런 겁니까?

TF-IDF는 SEO 커뮤니티 내에서 비교적 모호한 개념입니다. 그들에게는 낯설기 때문에   SEO는 이 기술이 최첨단이라고 가정합니다. 일정량의 캐시를 제공합니다.

대다수의 SEO는 TF-IDF의 역사를 모르고 있습니다. 그들은 그 진정한 나이와 진정한 목적을 깨닫지 못합니다. 힌트, 콘텐츠 최적화를 위한 것이 아닙니다.

SEO는 TF-IDF가 Google 검색 알고리즘에서 큰 역할을 한다고 생각합니다. Google은 TF-IDF를 참조하는 특허 와 몇 가지 게시물 을 보유하고 있기 때문에 이 기술이 수행하는 역할에 대한 잘못된 가정이 있습니다.

TF-IDF는 대다수의 SEO에게 정교해 보입니다. SEO에 데이터 과학 배경이 있는 경우는 드뭅니다. 이러한 맥락에서 TF-IDF의 명백한 복잡성이 효율성과 동일하다고 가정하기 쉽습니다.

누가 정교하고 획기적인 검색 엔진 최적화 기술을 사용하고 싶지 않겠습니까? 특히 그것이 매우 유망하게 들릴 때!

그렇지 않다는 것을 제외하고.

TF-IDF 의 문제점

SEO를 위한 콘텐츠 최적화 방법으로 TF-IDF를 사용한다고 주장하는 무료 또는 저렴한 SEO 도구가 많이 있습니다. 그들 모두는 다음과 같은 문제로 고통 받고 있습니다.

TF-IDF는 원시적 접근 방식입니다.

Adapt Partners의 기술 SEO 연구 수석 이사인 JR Oakes에게 TF-IDF에 대한 의견을 물었습니다. 그는 한계에 대한 간결한 분석을 제공합니다.

TF-IDF는 문서가 다른 문서와 비교하여 명시적 용어에 얼마나 중요한지를 나타내는 좋은 척도입니다. 평평한 곳은 TF-IDF에 따르면 "아기"와 관련성이 높은 문서가 있지만 "유아"를 검색하고 있을 수 있다는 것입니다. "아기"와 가장 관련이 있는 문서에서 이 용어를 드물게 사용하기 때문에 관련 일치 항목으로 간주되지 않습니다.

Google은 '아기'와 '유아'가 밀접하게 관련된(종종 동의어인) 용어이며, 검색어의 나머지 부분에 달리 말하는 문맥 단서가 없는 한, 한 페이지와 관련이 있는 페이지가 다른 페이지와 관련이 있을 가능성이 높다는 것을 이해합니다. . 이것은 인터넷 전반에 걸친 사용의 동시 발생과 둘 다 유사한 컨텍스트에서 사용될 확률을 기반으로 합니다.

또 다른 좋은 예는 맞춤법 오류입니다. "reebok" 신발에 대한 문서가 있고 TF-IDF로 "rebok"을 검색하면 누군가 철자가 틀린 페이지를 찾을 가능성이 더 큽니다. Google은 이를 동일하게 이해하고 적절한 결과를 반환합니다.

JR Oakes, Adapt Partners의 기술 SEO 연구 수석 이사

TF-IDF 애플리케이션은 Google 검색 결과에 의존

SERP에 나타나는 문서를 사용하는 용어 빈도 역 문서 빈도입니다. 이러한 애플리케이션은 일반적으로 더 깊이 생각하지 않고 이 페이지에 이러한 주제가 포함된 이유를 조사하지 않고 맹목적으로 SERP의 상위 10개 또는 20개 페이지에 의존합니다.

너무 적은 수의 문서를 말뭉치로 사용하면 결과의 품질에 큰 영향을 미칩니다. 그들은 낮은 품질의 콘텐츠 또는 해당 모델에 대한 가치를 제공하지 못하는 짧은 콘텐츠 항목이 있는 이상치를 고려하지 않습니다.

Google에서 최고의 결과를 가져 오면 페이지 외부 요인에 대한 이상값은 무시됩니다. 콘텐츠에도 불구하고 순위가 높은 페이지. 관련된 오류가 너무 커서 이러한 사항을 고려하더라도 결정을 내리는 데 필요한 정보가 부족하고 잠재적으로 잘못된 길로 가게 됩니다.

자연어 처리와 같은 시간 절약 기능을 사용합니다. 주제에 대해 모든 것을 처리해야 합니다.

TF-IDF 및 키워드 밀도 솔루션은 모든 것을 창 밖으로 던져줍니다. 그들의 조언을 따르면 주사위를 던진 것처럼 성공할 가능성이 높습니다.

Go Fish Digital의 SEO 연구 이사인 Bill Slawski에게 연락했습니다. Bill은 2005년부터 Google의 검색 특허를 분석하고 자신의 블로그 SEO by Sea에 글을 쓰고 있습니다.

TF-IDF는 검색 엔진이 쿼리 구체화 생성과 같은 프로세스의 일부로 사용할 수 있는 것으로 여러 Google 특허에서 언급됩니다. Google은 웹상의 문서 모음과 색인에서 해당 문서에 사용된 단어에 액세스할 수 있으므로 이는 매우 합리적입니다.

TF-IDF의 IDF 부분은 웹상의 Google Corpus에서 단어가 얼마나 희귀한지 또는 얼마나 흔한지를 식별하는 데 사용할 수 있습니다. 불행히도 Google은 해당 자료를 공유하지 않습니다.

쿼리를 수행할 때 Google은 쿼리 용어가 포함된 결과의 수를 말하지만 그 양은 Google 웹 코퍼스에 있는 문서의 백분율에 대한 추정치입니다(Google의 특허 중 하나에서 알 수 있듯이). 그러나 TF를 사용하는 Google 이외의 사람 - Google의 말뭉치가 없는 문서의 IDF는 실제로 Google의 말뭉치를 사용하지 않는 문서에서 얼마나 흔한 단어인지 또는 얼마나 희귀한 단어를 결정할 수 없습니다.

TF-IDF 도구를 제공하는 일부 도구 제작자가 있습니다. 사용자가 입력한 특정 검색어에 대해 순위가 높은 페이지에 어떤 검색어가 표시되는지 확인하는 것과 같은 작업을 수행합니다. 이것들이 반드시 의미적으로 서로 관련이 있는 것은 아님을 명심하십시오. 이러한 방식으로 사용되는 TF-IDF가 서로 의미적으로 관련된 단어를 식별할 수 있다는 주장을 본 적이 있습니다.

Bill Slawski, Go Fish Digital의 SEO 연구 이사

TF-IDF는 서로 다른 목표를 달성하고 함께 병합하는 페이지를 살펴봅니다.

SERP의 상위 "N" 페이지에 의존하면 다른 문제가 발생합니다. 너무 일반적이거나 너무 구체적이거나 다른 산업을 대상으로 하는 페이지를 사용하고 있을 수 있습니다. 콘텐츠가 잘못 작성되었을 수 있으며 순위를 결정하는 중요한 페이지 외 가치가 있을 수 있습니다. 링크 구축 전략에 의해 SERP에서 지원되는 방문 페이지 방문 페이지를 예로 들어 보겠습니다.

주제와 관련된 키워드 목록이 귀하의 비즈니스에 꼭 적합하지 않습니다.

TF-IDF는 해당 콘텐츠 항목과 관련된 주제 관련 키워드 목록을 제공합니다. 그러나 여전히 이러한 문구가 귀하의 비즈니스와 관련이 있는지 확인해야 합니다. 품질이 낮은 랜딩 페이지나 콘텐츠 페이지를 모델로 하거나 의도와 연결되지 않는 블로그 게시물을 작성하면 적합하지 않을 것입니다.

TF-IDF는 주로 키워드 기반입니다.

페이지 나이는 키워드에 관한 것이 아닙니다. 많은 일을 잘 수행하는 페이지는 많은 일에 관한 것입니다. 하나의 키워드에서 TF-IDF를 사용하여 페이지를 생성하거나 최적화하면 많은 부분이 생략됩니다. 특히, 다른 모든 키워드의 다른 모든 검색 결과는 다릅니다. 그것은 큰 미스입니다.

용어 키워드는 형태소 분석 및 동의어 및 기타 관련성 개념이 누적되어 나타날 수 있습니다. 그런 종류의 키워드를 사용하여 폭로합니다. 그것은 상위 "N"페이지 또는 키워드만을 사용하여 생성되는 편향입니다.

궁극적으로 이러한 페이지 중 실제로 전문적으로 포괄적인 방식으로 작성되었는지 여부를 진정으로 알 수는 없습니다. 각 페이지는 "N"개의 다른 주제에 대해서도 순위를 매기므로 평가해야 하는 페이지 풀이 생성됩니다 . 해당 페이지와 내용에 따라 계속 분기할 수 있습니다.

키워드 초점은 정말 부자연스러운 언어로 이어질 수 있습니다. 무슨 수를 써서라도 키워드를 콘텐츠에 강제로 넣는 저품질의 쓰레기 같은 콘텐츠입니다. 또는 콘텐츠는 좋지만 사이트의 어떤 것과도 연결되어 있지 않을 수 있습니다.

Orbit Media Studios의 공동 설립자/최고 마케팅 책임자인 Andy Crestodina는 이렇게 말합니다.

"좋은 기사지만 TF-IDF가 조금 더 좋았을 텐데..." 독자로부터 그 의견을 받으면 역 문서 빈도와 같은 것에 대해 걱정하기 시작할 것입니다.

예, 손이 닿는 범위 내에서 기본 키워드를 선택하십시오. 예, 제목, 헤더 및 본문에 해당 문구를 사용하십시오. 예, 의미적으로 관련된 구문과 하위 주제에서 작업하십시오. 예, 관련 "사람들도 묻는다" 질문에 답하십시오. 그러나 아니요, TF-IDF를 계산하지 마십시오. 그것은 단지 어리석기 때문입니다.

대신 독창적이고 예기치 않게 유용한 것을 작성하십시오. 독자를 기쁘게 하는 것에 대해 더 걱정하십시오. 이렇게 하면 모든 올바른 검색 신호를 보낼 수 있습니다. 링크, 체류 시간, 입소문 및 브랜드 검색을 얻을 수 있습니다. 수학은 잊고 멋진 일을 하십시오. 독자들은 당신이 이 조언을 받아들이기를 바라고 있습니다.

Andy Crestodina, Orbit Media Studios 공동 설립자/최고 마케팅 책임자

TF-IDF를 사용하여 중요도를 결정하는 것은 결함이 있는 지표입니다.

SERP 대 관련성에서 사용 빈도로 중요성을 계산하는 것은 절대적으로 결함이 있는 지표입니다. SERP의 일부 항목이 한 의도에 초점을 맞추고 다른 항목이 다른 의도에 초점을 맞추면 용어 가중치(중요도)는 50%로 채점될 수 있습니다. 그러나 모든 사람들이 일종의 공통 단어를 사용한다면 그것이 더 중요하게 판단될 것입니다.

그래서, 당신은 그 하나의 의도에 호소하려고합니다. 그러나 이 모델은 결과 중 5개만 이 용어를 사용하기 때문에 해당 경로를 추구하는 것을 방해할 것입니다. 모델은 10점 만점에 5점에 불과하다고 말합니다.

즉, 고품질 콘텐츠를 가지고 있고 다른 의도에 초점을 맞추면 길을 잃는 것입니다. 오프 페이지 요소가 높고 품질이 낮은 콘텐츠가 있는 경우 잘못된 경로로 안내할 것입니다. 당신이 혼합 의도를 가지고 있다면, 그것은 당신을 코스에서 벗어나게 할 것입니다. 따라서 이를 지표로 사용하는 것은 쓰레기일 뿐입니다.

TF-IDF 응용 프로그램은 페이지 수준에서만 초점을 맞춥니다.

페이지 수준으로 TF-IDF 애플리케이션을 제한함으로써 사이트의 나머지 콘텐츠 사이에 점을 연결할 수 없습니다. 주제의 한 페이지는 일반적으로 잘리지 않습니다. 잘 하려면 관련 앵커 텍스트의 적절한 상호 연결 및 사용을 통해 권한을 강화하고 함께 작동하는 다른 콘텐츠가 필요 합니다 .

등급은 통찰력을 제공하지 않습니다

TF-IDF 준수 여부에 따라 페이지 등급을 매기는 것은 좋은 생각인 것 같습니다. 그러나 해당 사이트나 페이지에 대해 자세히 알아볼 수 없는 경우 해당 정보는 의미가 없으며 실행할 수 없습니다.

등급이 가장 높은 페이지는 다음을 수행할 수 있습니다.

• 당신과 다른 목표를 가지세요.
• 당신보다 훨씬 강하거나 약합니다.
• 두 가지 목표가 있습니다.
• 이 주제를 잘 다룰 수 있지만 다른 주제도 다룰 수 있습니다.

따라서 TF-IDF를 사용하여 이 연구 프로젝트 프로세스를 단순화하려는 목표는 달성할 수 없습니다. 이 등급을 받았지만 TF IDF 데이터가 각 페이지에 유효한지 확인하기 위해 수동으로 조사해야 합니다.

그게 무슨 소용이야?

등급을 받았지만 여전히 페이지를 통해 수동으로 작업해야 하는 경우 TF-IDF를 사용하는 이유는 무엇입니까? 이 기술을 통해 다음을 포함한 정교한 분석을 수행할 수 있어야 합니다.

• 해당 주제와 해당 주제가 순위를 매기는 다른 모든 단어 대 귀하의 페이지 및 순위에 대한 명시적 주제 중복 분석.
• 경쟁 사이트 구조
• 경쟁자가 서비스를 찾고자 하는 의도입니다.

이것이 TF-IDF가 무너지는 부분입니다. 신뢰할 수 있는 바로 가기 값을 제공하지 않습니다.

기술을 사용하여 파고들 수 없다는 것은 결함이 있는 방법론입니다. 한 의도에 접근하는 것과 다른 의도에 접근하는 것이 무엇을 의미하는지 직접 대면하여 분석하려면 추가 연구 계층을 수행해야 하기 때문입니다.

TF-IDF를 워크플로에 맞추는 방법

TF-IDF를 사용하는 도구는 작가와 SEO에 나쁜 습관을 유발합니다. 그들은 자연스럽게 맞지 않는 단어를 짜려고 하거나 내러티브와 잘 어울리지 않는 부분을 추가할 수 있습니다.

이러한 응용 프로그램은 연구원과 작가 간의 관계를 무시합니다. 작가의 비전과 연결되지 않을 수 있는 단어 목록을 전달하는 것은 갈등을 일으킬 것입니다. 그들은 그 단어들 중 일부에서 영감을 받았을 수 있지만 가장하는 것처럼 가장하는 것은 워크플로 지원 솔루션이 아닙니다.

이 방법론을 사용하여 키워드 목록을 제공하면 어떻게 됩니까? 그들 중 일부는 한 주제에 있고 일부는 다른 의도에 있습니다. 받는 사람은 이것으로 무엇을 해야할지 모릅니다. 단지 제대로 보이지 않을 뿐입니다.

진정한 콘텐츠 전략가는 평가해야 함을 알고 있습니다. 그들은 주제 전문가가 된다는 것이 무엇을 의미하는지 이해하고 사용자 의도를 이해하기 위해 작업을 수행해야 합니다.

좋은 점수를 받는 페이지처럼 되도록 노력해야 할까요? 내가 그렇게 하면 성공의 가능성은 다른 연구 방법과 마찬가지로 무작위이기 때문입니다. 솔직히 말해서, 내가 가지고 있는 이 측정항목에 대한 모든 수동 연구를 수행해야 한다면 그것이 진정으로 제공하는 가치는 무엇입니까? 나는 그것에 의존할 수 없습니다.

TF-IDF와 다른 데이터 포인트 결합

다른 결함이 있는 데이터 포인트와 함께 TF-IDF 데이터를 사용하면 잘못된 결론이 나옵니다. 다음은 TF-IDF와 관련하여 사용되는 몇 가지입니다.

검색량

무엇에 대해 쓸지 결정하기 위해 검색량에 의존할 수도 있습니다. 이 주제에 대해 최고 순위를 달성한 페이지가 산출할 수 있는 진정한 잠재력을 평가하는 대신 이러한 유형의 경쟁 분석과 혼합합니다.

귀하가 타겟팅하는 키워드의 월간 검색 수가 8,100회라고 가정해 보겠습니다. 그러나 당신이 모델로 삼고 있는 경쟁자는 그 페이지와 그 안에 존재하는 페이지의 웹 네트워크와 함께 수십, 수백 또는 수천 단어의 순위가 매겨지는 콘텐츠를 가지고 있습니다.

그들 각각은 매월 10,000번의 방문을 받을 수 있지만 귀하의 경우 1,000번만 방문할 수 있습니다. 따라서 검색량을 사용하여 결함이 있는 방식으로 잠재력을 계산하고 있습니다. 당신은 연구에 뛰어들지 않고 콘텐츠에 등급을 매겨 경쟁 분석을 하고 있습니다. 이 두 가지를 결함이 있는 방식으로 결합하고 이 두 가지 지표를 사용하는 지침은 실패를 초래하는 것만큼이나 성공을 제공할 가능성이 높습니다.

SERP 기능

필요한 페이지 유형을 결정하기 위한 지침의 일부로 SERP 기능 및 페이지 유형 분석을 사용하는 것은 쿼리의 진정한 의도와 관련이 없습니다.

어떤 SERP 기능이 있습니까? 나에게 성공할 기회가 있는가?

하지만 다음과 같은 경우:

• 이것에 대해 쓴 적이 없습니다.
• 오프 페이지 권한이 없습니다.
• 콘텐츠 모음이나 콘텐츠 기반 또는 클러스터가 없습니다.

그런 다음 검색량 및 경쟁력 있는 콘텐츠와 함께 SERP 기능을 사용하면 내가 수행할 수 있는 기회에 혼란과 무질서가 추가됩니다. 전혀 쓸모없는 데이터입니다.

AdWords 경쟁 및 AdWords CPC

AdWords 경쟁 및 AdWords CPC는 검색 엔진 마케팅(유료 광고)에만 사용되는 측정항목입니다. 어떤 측정항목도 난이도와 상관관계가 없습니다. 또한 자연 검색 결과에서 순위를 매기는 것이 얼마나 쉬운지 또는 어려운지에 대한 어떠한 관계도 나타내지 않습니다.

TF-IDF의 가치

TF-IDF의 상환 기능이 있습니까?

• 그것은 당신에게 영감을 주거나 당신이 고려하지 않았을 수도 있는 주제를 드러내는 역할을 할 수 있습니다.
• 페이지 최적화가 자연스러운지 여부를 판단하는 데 도움이 될 수 있습니다.
• 추가 세부 조사를 수행해야 하는 경쟁업체를 찾는 데 도움이 될 수도 있습니다.

G2의 SEO 및 콘텐츠 부사장인 Kevin Indig는 정기적으로 자신의 블로그에서 신선한 디지털 마케팅 아이디어에 대한 블로그를 운영합니다. 나는 그가 TF-IDF에 대한 자신의 경험에 대한 통찰력을 제공할 수 있는지 물었습니다.

저는 TF-IDF에 대해 약간 모호합니다. Google은 그것을 사용하지 않는다고 말했으며 사용하더라도 전체 Google 코퍼스(Google이 인덱싱한 인터넷의 모든 콘텐츠를 의미함)가 없으면 정확한 TF/IDF 값을 얻을 수 없습니다. 하지만 과거에 TF-IDF 도구를 사용할 때마다 내 콘텐츠가 없는 것보다 순위가 더 높았습니다. 따라서 개념이 얼마나 부정확하거나 적용할 수 없는 것처럼 보이더라도 이러한 도구 중 일부를 사용하는 것은 가치가 있는 것 같습니다.

Kevin Indig, G2 SEO 및 콘텐츠 부사장

이것은 Joe Hall이 TF-IDF가 귀하의 SEO를 돕지 않을 게시물에서 쓴 경험과 유사한 것으로 보입니다.

이러한 유형의 도구는 SEO용 콘텐츠를 최적화하는 데 도움이 될 수 있지만 TF-IDF 때문은 아닙니다 . 단순히 일반적으로 사용되는 보다 자연스러운 언어로 콘텐츠를 다시 작성하도록 지침과 격려를 제공하기 때문입니다. 이러한 동일한 도구는 서로 비교할 수 있는 "키워드 밀도" 또는 "총 용어 수"와 같은 다른 측정항목을 사용하여 만들 수 있습니다.

Joe Hall, SEO 컨설턴트 및 Hall Analysis 수석 분석가

마지막 말

그러나 TF-IDF가 전체 워크플로를 지원하기에 충분한 정보를 제공하는 것입니까? 별말씀을요.

많은 SEO에게는 기분이 좋을지 모르지만 현실은 이 50년 된 지표가 Google의 검색 알고리즘에서 매우 제한된 역할을 한다는 것입니다. 완전 최첨단 아닌가요?

이제 페이지가 포괄적이고 고품질이어야 합니까? 네.

TF-IDF를 사용하여 모델링합니까? 아니요.

관련 주제 모델을 구축하는 것이 이상적이며 이 계산의 일부로 관련성이 필요합니다. 검색 엔진은 TF-IDF를 사용할 수 있지만 이는 하나의 요소일 뿐입니다.

이는 적절한 연구와 콘텐츠 최적화에 필요한 전체 그림의 한 구성요소입니다. 따라서 누군가 TF-IDF 도구를 종단 간 솔루션으로 판매하는 경우 비즈니스를 위한 훌륭한 결정을 내리는 데 필요한 정보가 부족한 이야기를 판매하는 것입니다.

그러한 비즈니스 결정을 내리기 위해 편집자를 신뢰할 수도 있습니다. 아니면 그냥 주사위를 굴립니다. 어느 쪽이든 마찬가지입니다.

TF-IDF에 대해 여전히 질문이 있습니까? 여기에서 TF-IDF for SEO FAQ의 답변을 읽어보세요.