Руководство для начинающих по SEO в мире машинного обучения

1. Что такое машинное обучение в связи с SEO?
2. Как машинное обучение влияет на ссылки и создание ссылок
3. Как машинное обучение влияет на содержание SEO
4. Как машинное обучение влияет на техническое SEO
5. Так что же вы делаете сейчас?

Размышляя о взлете машинное обучение как оно связано с SEO Мы можем столкнуться с пугающим сценарием, в зависимости от типа профессионала SEO, которым вы являетесь.

SEO профессионалы, как и я, которые основаны на логике и исторически работали, полагаясь на понимание сигналы в игре и от того, как они колеблются, могут жевать ногти больше, чем маркетологи, которые больше полагаются на обслуживание пользователей, а не на движки.

Когда я когда-то почесывал голову, размышляя о том, как подход «создай отличный контент, и они придут», был даже мыслимым, те, кто подписывается на этот подход SEO, - те, кто, вероятно, меньше беспокоится сегодня.

И они должны быть.

Вроде, как бы, что-то вроде.

Это все еще не

Прежде чем мы углубимся в то, что меняется, давайте сначала ответим на вопрос:

Что такое машинное обучение в связи с SEO?

Мы не будем получать большой урок по всему, что здесь является машинным обучением, и у нас не будет времени, чтобы на самом деле осветить, как это влияет на нас и каково наше будущее. SEO стратегия должен выглядеть так.

С точки зрения 30 000 футов все, что нам действительно нужно знать, это то, что он добавляет к возможностям Google невероятную скорость:

• Накопление данных
• Интерпретация.
• Реакция.

Подробнее об этом читайте в моем посте: Как работает машинное обучение в поиске: все, что нужно знать ,

И если вы действительно хотите узнать, что такое машинное обучение, Google предлагает бесплатный ускоренный курс Вот ,

Как машинное обучение влияет на ссылки и создание ссылок

Один из самых простых примеров машинного обучения в области может значительно увеличить возможности Google в ссылках.

Рассматривая небольшой пример, машинное обучение может играть роль в одном из ключевых аспектов оценки ссылок: фильтрации спама.

Google уже использует машинное обучение в Gmail, достигая успеха в 99,9% и лишь в 0,05% случаев дает ложноположительные результаты.

Перенесите это, чтобы связать оценки, и вы получите очень успешную модель.

Ранее инженеры Google должны были:

• Создавайте списки некачественных сайтов и блокируйте поток ссылок вручную.
• Запрограммируйте специфические характеристики плохой ссылки на основе того, что они видели ранее.
• Настройте функции девальвации в вычислениях ссылок и надеюсь, что они не содержат слишком много ложных срабатываний.

С машинным обучением мир открывается.

Да, все еще есть основная отправная точка - список известных плохих доменов и еще один из предполагаемых плохих сигналов.

Но это тренировочные площадки, которые система машинного обучения может использовать для:

• Узнайте, как применить эти сигналы к другим ссылкам, с которыми они сталкиваются.
• Разработайте свои собственные сигналы для того, что кажется спамом (или хорошим в этом отношении).

Вместо того, чтобы просто полагаться на этот жесткий и быстрый набор критериев, машины могут обучаться, наблюдая за паттернами.

Наблюдение за сайтами с предположительно плохими сигналами (либо с их подключением, либо с подключением) будет профилировать машину.

Затем, после подтверждения определения плохого, он может начать обратный инжиниринг для более быстрого обнаружения в будущем.

• На какие сайты ссылаются спам-сайты?
• Какие типы ссылок получают спам-сайты?
• Есть ли модель роста ссылок?
• Страницы, которые продают платные ссылки, также имеют тенденцию ссылаться на другие конкретные сайты (они делают), и если да, то на какие сайты?

Затем система может добавить их к применяемым метрикам.

Это действительно затрагивает не только верхушку айсберга о том, как машины могут имитировать то, что могут делать люди, и усиливать это.

Хотите знать, как Google может объявить, что они обесценивают сайты со ссылками на спам, а не наказывать их вручную?

Это стало возможным благодаря машинам, которые могут учиться и применять девальвации на невероятных скоростях с гораздо меньшими ложными срабатываниями.

Добавьте к этому, машины могут также понимать качество контента и актуальность страницы и дополнять это понимание в уравнении как индивидуально, так и массово.

Машина, которая может спросить «Должна ли эта ссылка иметь большой вес для вашего отдельного сайта?», А затем еще раз: «Существует ли высокая вероятность того, что ссылка является платной или иным образом проблематичной?» В контексте данных из других найденных ссылок и проанализировано на этой странице и домене.

Это крайне ограниченные примеры применения машинного обучения к ссылкам.

Спам-паттерны обнаруживаются и будут обнаруживаться с возрастающей степенью успеха, в то время как качественные ссылки будут восприниматься и вознаграждаться с большей скоростью.

Это означает повышенное внимание к качеству, актуальности и легитимности - если только вы не чувствуете, что можете придумать системы, чтобы обмануть Google быстрее, чем машина сможет это понять.

Как машинное обучение влияет на содержание SEO

Хотя мы использовали приведенный выше пример ссылок, есть несколько других областей SEO, которые будут затронуты в большей степени ростом машинного обучения, чем содержанием.

Чтобы проиллюстрировать это, нам нужно только взглянуть на работу Google в переводе.

В течение 10 лет они работали над этой проблемой, используя машинный перевод на основе фраз - в основном сопоставляя известные фразы и выбрасывая результат.

Мы все помним результаты. Это сделало работу, но было невероятно грубо.

В сентябре 2016 года они перешли на систему машинного обучения ( Google Neural Система машинного перевода ) и через 24 часа после ее внедрения система улучшила перевод более, чем в предшествующее десятилетие.

По сути, машинное обучение может достичь эффективности в понимании языка за 24 часа больше, чем редактирование человеком, даже с помощью машины, может в 3650 раз больше.

Что это значит для профессионалов SEO?

Наступает святой Грааль цифрового маркетинга - в то время, когда нашей единственной работой будет выпуск лучшего контента, который мы можем, и широты контента, достаточно широкого и в достаточном количестве форматов, чтобы он удовлетворял больше намерения пользователя и предпочтения, чем следующий. И если они будут завершены, есть очень хороший шанс, что Google также поймет это.

Это не значит, что машины не лишены недостатков или что для профессионалов SEO не будет никакой роли.

На самом деле, я думаю, что мы будем играть более важную роль, но не в использовании ключевых слов, а в формулировании того, как пользователь может быть удовлетворен.

Уил Рейнольдс дал одно из лучших резюме того, что я верю, должно прибыть. Он предлагает нам спросить себя:

«Что произойдет, если Google улучшится, чтобы просто показать лучший ответ?»

Это вопрос, который нам нужно задать.

Что делает это более интересным, так это то, что «лучшее» является субъективным.

Я лично ненавижу видеоинструкции о том, как выполнять большинство задач - просто дайте мне список с некоторыми фотографиями, если это необходимо.

Но не все такие. Некоторые хотят видео, а некоторые могут предпочесть PDF-файл, который они могут распечатать.

Кроме того, это будет зависеть от задачи. Например, я не хочу, чтобы мой планшет находился под машиной, когда я меняю масло, поэтому распечатка там лучше.

Таким образом, то, что я буду считать «лучшим» в отношении результата, который может дать Google, зависит от целого ряда факторов, связанных с моими личными предпочтениями - конкретной задачи, которую я пытаюсь решить, когда и где я нахожусь, тип устройство я нахожусь и т.д.

Это не может быть запрограммировано человеком.

В прошлом были предприняты некоторые достойные попытки получить персонализированные результаты, но они были ограничены - до машинного обучения.

Человек не может адаптировать для вас опыт.

Люди не могут выделять ресурсы для понимания того, что вам конкретно нравится в определенное время, исходя из того, к какому устройству вы обращаетесь или где вы можете быть.

Машины могут.

Машина может отслеживать все это и со временем узнавать не только о том, какие результаты вам нравятся, но и о том, какие типы результатов соответствуют вашим намерениям, и в конечном итоге получить для вас лучший результат из своего текущего индекса.

Короче говоря, теперь мы должны меньше думать о выполнении глобальных правил и больше о выполнении намерений нашего целевая аудитория ,

Кроме того, если мы хотим получить более общие термины, такие как «ноутбуки», а не просто «покупать ноутбуки dell» с нашим сайтом электронной коммерции, нам нужно выполнить намерения пользователей, которые не просто заинтересованы в том, чтобы их покупать. выполнить намерения всех тех посетителей. Возможно, нам следует также предоставлять эти данные в различных форматах, чтобы мы были победителем независимо от устройства.

До машинного обучения нам не пришлось об этом беспокоиться. Любые попытки понять, что может означать отскок или время на сайте со стороны Google, были, по меньшей мере, зачаточными.

Теперь, когда машинное обучение помогает в понимании языкового контекста и того, что могут означать генерируемые пользователем сигналы, это не просто возможно, а развернуто.

Подумайте о великолепном видео, которое вы создали для решения общего вопроса, который есть у вашей целевой аудитории.

Теперь представьте, что ваша целевая аудитория задает свой вопрос в Google Home или другом голосовое устройство , Вам может не потребоваться предоставлять контент во всех возможных форматах, поскольку ваша аудитория может не запрашивать его, но вы должны знать об этом.

Как машинное обучение влияет на техническое SEO

Когда дело доходит до технического SEO, есть один человек, которому вы должны следовать прямо сейчас: Синди Крум , Обратите внимание на то, что она должна сказать, потому что она на правильном пути.

В разговоре о индексация с мобильного телефона Она придумала термин, который, как я лично считаю, блестяще резюмирует будущее технического SEO. Она назвала «mobile-first» неверным термином, называя подходящий термин «portable-first».

Идея, которую она выдвинула, состояла в том, что контент должен быть легко отделен от вашего дизайна и технической структуры (т. Е. Переносим), чтобы к нему можно было получить доступ в любом месте в любое время.

Она совершенно права.

Когда мы направляемся в этот дивный новый мир машинного обучения, цель состоит в том, чтобы предоставить пользователю информацию, которая будет соответствовать его намерениям.

Наша задача - убедиться, что контент может быть легко понят и извлечен из конструкции, в которой он существует, - либо через наценка XML-каналы или просто структурирование контента на странице понятным и легко интерпретируемым способом.

Так что же вы делаете сейчас?

Что вы должны делать с этой информацией?

Мы говорим о машинном обучении и постоянно растущей способности Google понимать мир вокруг нас, а также о наших личных потребностях и желаниях. Это его сила, и именно это определяет, что нам всем нужно делать дальше.

Хотя было бы упущением сказать кому-либо отказаться от своих усилий по SEO, основываясь на проверенных и проверенных метриках, которые все еще работают хорошо, эти метрики быстро развивается и разрушается , Я не вижу, чтобы они выжили более двух или трех лет.

Ваша задача заключается в следующем:

Убедитесь, что ваш контент переносим на любое устройство, к которому он может получить доступ вашей целевой аудиторией, и чтобы он общался с этой аудиторией.

Если у вас есть несколько аудиторий В случае множественных потребностей вы также должны убедиться, что ваш контент применяется ко всем и относится ко всем, или что для каждого есть разный контент и, возможно, в разных форматах.

Как профессионал SEO в мире машинного обучения, вам нужно больше просматривать ключевые слова для вопроса и намерения, которые они подразумевают, а не в качестве тупого инструмента для включения на страницу и в основной текст.

Машины помогут нам понять, чего хотят наши посетители, и мы сможем найти способы обеспечить это.

Зачем?

Потому что это то, что машина будет искать - довольный пользователь. У них будут все метрики, которые им нужны, чтобы знать, выполняете ли вы - или один из ваших конкурентов - лучшую работу по его достижению.

Кредиты изображений
Главное изображение: Пауло Бобита
Поле Мечты Фото: Adobe Stock
Роботы с вилкой: Adobe Stock
Планшет для чтения роботов Фото: Adobe Stock

Похожие

Комментарии