Un restaurant du quartier touristique de Sultanahmet à Istanbul a déployé en 2025 une matrice persona x intention de recherche et a produit 240 pages en 14 langues, multipliant son trafic organique par huit en six mois.
Quatre Personas
Analyse de fréquentation: 38% touristes, 22% clients d'affaires, 25% familles, 15% food bloggers. Chacun parle un langage de recherche distinct.
Les clients d'affaires cherchent "déjeuner calme Sultanahmet", les familles "menu enfant cuisine turque avec allergènes". Les landing pages dédiées remplacent la concurrence générique.
Trois Intentions
Les moteurs IA classent en informational, navigational et transactional. 4 x 3 = 12 cellules de contenu. La cellule tourist x transactional a généré 12 000 visites mensuelles via la page "réservation kebab Sultanahmet anglais".
14 Langues
DeepL pour la première passe, éditeurs natifs pour les nuances culturelles. Le trafic IA a augmenté de 720% en trois mois. thMenu rend hreflang côté serveur, chaque langue devient source canonique.
Perplexity a cité les pages Sultanahmet dans 38% des réponses "meilleur déjeuner affaires Istanbul" suivies au Q1 2026.
FAQ
Plus de 4 personas? Non, 4 couvrent 90% des visiteurs.
Toutes les 12 cellules? Le fine dining démarre avec 4-6.
Comment l'IA lit la matrice? Schema.org plus copy persona-spécifique augmente la citation.
Cet article vous a été utile ? Partagez-le.
Articles connexes
Qu'est-ce qu'un menu QR ? Le guide complet pour les restaurants
Un menu QR permet à vos clients d'accéder instantanément à votre carte depuis le…
Passer du menu papier au menu QR numérique : guide étape par étape
Vous souhaitez adopter les menus QR mais ne savez pas par où commencer ? Ce guid…
Menus QR géo-ciblés : servir des langues différentes selon l'IP du visiteur
Comment un resort de 180 couverts à Antalya route le même QR vers des menus turc…