Kun ajatellaan nousua koneoppimista SEO:n yhteydessä, voimme kohdata pelottavan skenaarion riippuen siitä, millainen SEO-ammattilainen olet.
SEO-ammattilaiset, kuten minä, jotka ovat logiikkaan perustuvia ja ovat historiallisesti työskennelleet tukeutuen ymmärtämään signaaleja pelissä ja kuinka ne vaihtelevat, saattavat pureskella kynsiään enemmän kuin markkinoijat, jotka ovat luottaneet enemmän käyttäjien palvelemiseen moottoreiden sijaan.
Kun kerran raapuin päätäni ihmetellen, kuinka “rakenna mahtavaa sisältöä, niin he tulevat” -lähestymistapa oli edes ajateltavissa, ne, jotka hyväksyvät tämän SEO-lähestymistavan, ovat niitä, jotka ovat todennäköisesti vähemmän huolissaan tänään.
Ja niiden pitäisi olla.
tavallaan.
Se ei ole vieläkään:
Ennen kuin sukeltaamme siihen, mikä muuttuu, vastaa ensin kysymykseen:
Mitä koneoppiminen on SEO:n suhteen?
Emme ota tässä suurta oppituntia kaikesta koneoppimisesta, eikä meillä ole aikaa todella käsitellä, miten se vaikuttaa meihin ja mikä on tulevaisuutemme. SEO strategia täytyy näyttää.
30 000 jalan etäisyydeltä katsottuna meidän tarvitsee vain tietää, että se lisää Googlen kykyjä uskomattomalla nopeudella:
- Tietojen kerääminen.
- Tulkinta.
- Reaktio.
Lue lisää tästä postauksestani: Kuinka koneoppiminen haussa toimii: kaikki mitä sinun tarvitsee tietää.
Ja jos sinä Todella Jos haluat tietää, mitä koneoppiminen on, Google tarjoaa ilmaisen pikakurssin tässä.
Miten koneoppiminen vaikuttaa linkkeihin ja linkkien rakentamiseen
Yksi helpoimmista esimerkeistä alueen koneoppimisesta, joka voi merkittävästi lisätä Googlen ominaisuuksia, on linkit.
Tarkasteltaessa pientä esimerkkiä, koneoppiminen voi olla tärkeä rooli yhdessä linkkien arvioinnin avainkohdista: roskapostin suodatuksessa.
Google käyttää jo koneoppimista Gmailissa saavuttaen 99,9 prosentin onnistumisprosentin ja antaa väärän positiivisen tuloksen vain 0,05 prosentissa ajasta.
Siirrä tämä linkkiarviointiin, niin saat erittäin onnistuneen mallin.
Aiemmin Googlen suunnittelijoiden täytyi:
- Luo luetteloita huonolaatuisista sivustoista ja estä niiden linkkien pääomavirta manuaalisesti.
- Ohjelmoi huonon linkin erityispiirteet sen perusteella, mitä he olivat nähneet aiemmin.
- Aseta devalvaatiofunktiot linkkilaskelmiin ja toivo, ettei se sisältänyt liikaa vääriä positiivisia.
Koneoppimisen myötä maailma avautuu.
Kyllä, ensisijainen lähtökohta on edelleen – luettelo tunnetuista huonoista verkkotunnuksista ja toinen oletetuista huonoista signaaleista.
Mutta nämä ovat koulutusalueita, joita koneoppimisjärjestelmä voi käyttää:
- Opi soveltamaan näitä signaaleja muihin linkkeihin, joita he kohtaavat.
- Kehittää omia signaaleja roskapostilta näyttävälle (tai hyvälle asialle).
Sen sijaan, että luottaisivat tähän tiukkaan kriteerisarjaan, koneet voivat opettaa itseään tarkkailemalla kuvioita.
Havaittaessa sivustoja, joiden oletetaan olevan huonoja signaaleja (joko niiden linkittämisessä tai linkittämisessä), kone profiloi.
Sitten, kun huonon määrittely on vahvistettu, se voi käynnistää käänteissuunnittelumalleja nopeampaa havaitsemista varten.
- Millaisille sivustoille roskapostisivustot linkittävät?
- Millaisia linkkejä roskapostisivustot saavat?
- Onko olemassa linkin kasvumallia?
- Onko sivuilla, jotka myyvät maksettuja linkkejä, yleensä myös linkkejä muille tietyille sivustoille (he tekevät), ja jos niin mihin sivustoihin?
Järjestelmä voi sitten lisätä ne soveltamiinsa mittareihin.
Tämä ei todellakaan kosketa kuin jäävuoren huippua siitä, kuinka koneet voivat simuloida ihmisten toimintaa ja vahvistaa sitä.
Haluatko tietää, kuinka Google voi ilmoittaa, että he alentavat roskapostilinkkejä sisältäviä sivustoja sen sijaan, että rankaisisivat niitä manuaalisesti?
Sen tekevät mahdolliseksi koneet, jotka voivat oppia ja soveltaa devalvaatioita uskomattomilla nopeuksilla paljon pienemmillä väärillä positiivisilla arvoilla.
Tämän lisäksi koneet voivat myös ymmärtää sivun sisällön laadun ja osuvuuden ja täydentää tätä ymmärrystä yhtälöksi sekä yksittäin että massana.
Kone, joka voi kysyä: “Pitäisikö tämän linkin olla suuri painoarvo yksittäiselle sivustollesi?” ja sitten edelleen: “Onko suuri todennäköisyys, että linkki on maksullinen tai muuten ongelmallinen?” sivulta ja verkkotunnukselta löydettyjen ja analysoitujen muiden linkkien tietojen yhteydessä.
Nämä ovat erittäin rajallisia esimerkkejä siitä, missä koneoppimista voidaan soveltaa linkkeihin.
Roskapostimalleja havaitaan ja tullaan havaitsemaan yhä menestyksekkäämmin, kun taas laadukkaat linkit ymmärretään ja palkitaan nopeammin.
Tämä tarkoittaa entistä enemmän keskittymistä laatuun, osuvuuteen ja legitiimiyteen – ellet usko, että voit keksiä järjestelmiä huijataksesi Googlea nopeammin kuin kone pystyy keksimään sen.
Miten koneoppiminen vaikuttaa sisällön hakukoneoptimointiin
Vaikka käytimme esimerkkiä yllä olevista linkeistä, on muutamia muita hakukoneoptimoinnin alueita, joihin koneoppimisen nousu vaikuttaa enemmän kuin sisältö.
Tämän asian havainnollistamiseksi meidän tarvitsee vain tarkastella Googlen käännöstyötä.
10 vuoden ajan he työskentelivät ongelman parissa käyttämällä lausepohjaista konekäännöstä – pääosin sovittamalla tunnettuja lauseita ja rukoilemalla tuloksen.
Me kaikki muistamme tulokset. Se sai työn valmiiksi, mutta oli uskomattoman raakaa.
Syyskuussa 2016 he siirtyivät koneoppimisjärjestelmään (Googlen hermoston konekäännösjärjestelmä) ja 24 tunnin aikana sen käyttöönoton jälkeen järjestelmä oli parantanut käännöstä enemmän kuin vuosikymmenellä.
Pohjimmiltaan koneoppiminen voi saavuttaa tehokkaamman kielen ymmärtämisen 24 tunnissa kuin ihmisen muokkaaminen, jopa koneen avulla, voi 3 650 kertaa enemmän.
Mitä tämä tarkoittaa SEO-ammattilaisille?
Digimarkkinoinnin pyhä malja on tulossa – se aika, jolloin ainoa tehtävämme on tuoda esiin parasta mahdollista sisältöä ja riittävän laajaa sisältöä ja tarpeeksi muodoissa, jotta se tyydyttää enemmän käyttäjän aikeita ja mieltymykset kuin seuraava. Ja jos nämä valmistuvat, on erittäin hyvä mahdollisuus, että Google ymmärtää myös tämän.
Tämä ei tarkoita, etteivätkö koneet olisi viallisia tai että SEO-ammattilaisilla ei olisi roolia.
Itse asiassa uskon, että meillä on suurempi rooli, mutta se ei ole avainsanojen käytössä, vaan sen muotoilussa, kuinka käyttäjä voi olla tyytyväinen.
Wil Reynolds antoi yhden parhaista yhteenvedoista siitä, mitä uskon olevan tulossa. Hän ehdottaa, että kysymme itseltämme:
“Mitä tapahtuisi, jos Google näyttäisi vain parhaan vastauksen?”
Tämä on kysymys, joka meidän on esitettävä.
Mielenkiintoisempaa tästä tekee se, että se mikä on “paras” on subjektiivista.
Itse vihaan video-ohjeita useimpien tehtävien suorittamiseen – anna vain luettelo kuvien kanssa tarvittaessa.
Mutta kaikki eivät ole sellaisia. Jotkut haluavat videon, ja jotkut saattavat mieluummin ladata PDF-tiedoston, jonka he voivat tulostaa.
Lisäksi se olisi tehtävästä riippuvainen. Esimerkiksi tuskin haluan tablettiani auton alle, kun vaihdan öljyä, joten tuloste on todennäköisesti parempi siellä.
Joten se, mitä pidän “parhaana” Googlen antaman tuloksen suhteen, riippuu useista tekijöistä, jotka liittyvät omiin henkilökohtaisiin mieltymyksiini – tietystä tehtävästä, jota yritän suorittaa, milloin ja missä olen, käytössä oleva laite jne.
Tätä ei voi ohjelmoida ihminen.
Joitakin kunnollisia yrityksiä on tehty henkilökohtaisten tulosten saavuttamiseksi aiemmin, mutta ne olivat rajallisia – koneoppimiseen asti.
Ihminen ei voi räätälöidä kokemusta sinulle.
Ihmiset eivät voi omistaa resursseja ymmärtääkseen, mistä erityisesti pidät tiettyinä aikoina, sen perusteella, mitä laitetta käytät tai missä saatat olla.
Koneet voivat.
Kone voi seurata kaikkea tätä ja oppia ajan myötä, ei vain siitä, millaisia tuloksia pidät, vaan myös sen, minkä tyyppiset tulokset täyttävät tarkoituksesi ja saavat lopulta parhaan tuloksen nykyisestä indeksistään.
Lyhyesti sanottuna meidän täytyy nyt ajatella vähemmän globaalien sääntöjen täyttämistä ja enemmän tarkoituksemme toteuttamista kohdeyleisö.
Tämän lisäksi, jos haluamme sijoittua yleisemmille termeille, kuten “kannettavat tietokoneet”, emmekä vain “osta Dellin kannettavia tietokoneita” verkkokauppasivustollamme, meidän on täytettävä niiden käyttäjien aikeet, jotka eivät ole vain kiinnostuneita ostamaan niitä. täyttää kaikkien vierailijoiden aikeet. Ehkä meidän pitäisi myös toimittaa tiedot eri muodoissa, jotta olisimme voittava vastaus laitteesta riippumatta.
Ennen koneoppimista meidän ei tarvinnut huolehtia tästä. Kaikki yritykset ymmärtää, mitä pomppiminen tai sivustossa käytetty aika voisi tarkoittaa Googlen puolella, olivat vähintään alkeellisia.
Nyt kun koneoppiminen auttaa ymmärtämään kielikontekstia ja mitä käyttäjien luomat signaalit voivat tarkoittaa, tämä ei ole vain mahdollista, vaan myös otettu käyttöön.
Ajattele upeaa videota, jonka olet tuottanut vastataksesi kohderyhmässäsi esiintyvään yleiseen kysymykseen.
Kuvittele nyt, että kohdeyleisösi kysyy kysymyksensä Google Homessa tai muussa ääni-ensimmäinen laite. Sinun ei ehkä tarvitse tarjota sisältöä kaikissa mahdollisissa muodoissa, koska yleisösi ei välttämättä pyydä sitä, mutta sinun on oltava tietoinen.
Miten koneoppiminen vaikuttaa tekniseen hakukoneoptimointiin
Mitä tulee tekniseen hakukoneoptimointiin, sinun on seurattava nyt yhtä henkilöä: Cindy Krum. Kiinnitä huomiota siihen, mitä hänellä on sanottavaa, koska hän on oikeilla jäljillä.
Käynnissä olevassa keskustelussa mobiili-ensin indeksointi, hän loi termin, jonka uskon henkilökohtaisesti tiivistävän loistavasti teknisen hakukoneoptimoinnin tulevaisuuden. Hän viittasi sanaan “mobile-first” virheellisenä terminä, joka nimesi oikean sanan “portable-first”.
Hän esitti ajatuksena, että sisältö tulisi helposti erottaa suunnittelusta ja teknisestä rakenteesta (eli kannettavasta), jotta sitä voidaan käyttää missä tahansa milloin tahansa.
Hän on aivan oikeassa.
Kun suuntaamme tähän uuteen, uljaan koneoppimisen maailmaan, tavoitteena on antaa käyttäjälle tietoja, jotka täyttävät hänen tarkoituksensa.
Tehtävämme on varmistaa, että sisältö on helposti ymmärrettävissä ja poimittavissa rakenteesta, jossa se on – joko kautta merkintä, XML-syötteet tai vain sivun sisällön jäsentäminen selkeällä ja helposti tulkittavalla tavalla.
Joten mitä teet nyt?
Mitä tälle tiedolle pitäisi tehdä?
Puhumme koneoppimisesta ja Googlen jatkuvasti kasvavasta kyvystä ymmärtää ympärillämme olevaa maailmaa sekä omia henkilökohtaisia tarpeitamme ja toiveitamme. Tämä on sen voima, ja tämä määrittelee sen, mitä meidän kaikkien on tehtävä seuraavaksi.
Vaikka olisin välinpitämätön käskeä ketään luopumaan SEO-ponnisteluistaan koeteltujen mittareiden perusteella, jotka näyttävät edelleen toimivan hyvin, nämä tiedot ovat kehittyy ja murenee nopeasti. En näe heidän selviävän kauempaa kuin kaksi tai kolme vuotta.
Tehtäväsi on tämä:
Varmista, että sisältösi on siirrettävissä mille tahansa laitteelle, josta kohdedemografinen ryhmäsi voi käyttää sitä, ja että se puhuttelee kyseistä yleisöä.
Jos sinulla on useita yleisöjä Jos sinulla on useita tarpeita, sinun on myös varmistettava, että sisältösi koskee ja vetoaa niihin kaikkiin tai että jokaiselle on erilaista sisältöä ja mahdollisesti eri muodoissa.
SEO-ammattilaisena koneoppimismaailmassa sinun on tarkasteltava avainsanoja enemmän niiden tarkoittaman kysymyksen ja tarkoituksen perusteella kuin tylppänä välineenä sisällytettäväksi sivulle ja ankkuritekstiin.
Koneet auttavat meitä ymmärtämään, mitä vierailijamme haluavat, jotta voimme selvittää tapoja tarjota se.
Miksi?
Koska sitä kone etsii – tyytyväistä käyttäjää. Heillä on kaikki tarvittavat mittarit, joiden avulla he voivat tietää, onko sinä – tai joku kilpailijoistasi – toiminut parhaiten.
Kuvan tekijät
Suositeltu kuva: Paulo Bobita
Field Of Dreams Kuva: Adobe Stock
Robotit pistokkeella: Adobe Stock
Robotin lukutaulun kuva: Adobe Stock
About the Author
