當考慮到與SEO相關的機器學習的興起時,我們可能面臨一個可怕的場景,當然這取決于SEO專業人員的類型。
大多數SEO專業人士都是以邏輯為基礎,我曾經不知道如何“構建優秀的內容,甚至無法想象自己能堅持下來寫一堆亂七八糟的東西。
什么是機器學習?
在SEO的世界中,了解您正在優化的系統非常重要。
您需要了解:
搜索引擎如何抓取并索引網站;
搜索算法功能;
搜索引擎將用戶意圖視為排名信號(以及他們可能會使用它的位置);
機器學習與人工智能(AI)不同,但該應用程序開始變得有點模糊。
如上所述,機器學習是使計算機基于信息得出結論的科學,但沒有專門編程如何完成所述任務。
另一方面,AI是創建系統背后的科學,這些系統以類似的方式擁有或似乎擁有類似人類的智能和過程信息。
其中差異:
機器學習是一個旨在解決問題的系統。它以數學方式工作以產生解決方案。該解決方案可以專門編程,也可以由人工手動編制,但如果沒有這個需求,解決方案會更快。
一個很好的例子就是設置一臺機器,通過大量的數據來概述腫瘤的大小和位置,而無需編程。該機器將被列出已知的良性和惡性結論。有了這個,我們就會要求系統為未來與腫瘤相遇產生一個預測模型,以便根據所分析的數據預先產生幾率。
這純粹是數學上的。幾百名數學家都可以做到這一點 – 但這需要他們多年(假設一個非常大的數據庫),并希望他們中沒有人會犯任何錯誤?;蛘?,可以通過機器學習完成同樣的任務 – 在更短的時間內完成。
另一方面,當我在考慮人工智能時,就會開始想到一個觸及創意的系統,從而變得不那么可預測。
在同一任務上設置的人工智能可以簡單地參考關于該主題的文獻并從先前的研究中得出結論?;蛘咚梢蕴砑有聰祿??;蛘呖梢蚤_始研究新的電機引擎系統,從而完成初始任務。
關鍵詞雖然是人為的,但為了滿足標準,它必須是真實的,從而產生變量和未知數,類似于我們與周圍其他人互動時遇到的變量和未知數。
機器學習如何影響鏈接和鏈接建設?
區域機器學習的最簡單的例子之一:鏈接可以大大增加谷歌的功能。
舉一個小例子,機器學習可以在鏈接評估的一個關鍵方面發揮作用:過濾垃圾郵件。
谷歌已經在Gmail中使用機器學習,成功率達到99.9%,只有0.05%的時間產生假陽性。
將此結合起來鏈接評估,你就擁有了一個非常成功的模型。
以前,Google工程師必須:
創建劣質網站列表并手動阻止其鏈接資產流動。
根據他們之前看到的內容,編制壞鏈接的特定特征。
將貶值函數設置為鏈接計算,并希望它不包含太多誤報。
通過機器學習,世界開放了。
但是仍然有一個主要的起點 – 已知壞域列表和另一個假定的壞信號列表。
但這些是機器學習系統可用于訓練的理由:
了解如何將這些信號應用于他們遇到的其他鏈接。
針對看似垃圾郵件(或對此事件有利)開發自己的信號。
機器可以通過觀察模式來教自己,而不是簡單地依賴這種強硬的標準。
觀察具有假定不良信號的站點(在其鏈接輸出或鏈接中)將對機器進行分析。
然后,一旦確定了壞的確定,它可以啟動逆向工程模式以便將來更快地檢測。
垃圾網站鏈接到哪種類型的網站?
垃圾網站可以獲得哪些類型的鏈接?
有鏈接增長模式嗎?
銷售付費鏈接的網頁是否也傾向于鏈接到其他特定網站(他們這樣做),如果是這樣,哪些網站?
然后,系統可以將這些添加到它應用的指標中。
對于機器如何模擬人類可以做什么并放大它來說,這真的很少觸及冰山一角。
想知道谷歌如何宣布他們正在使用垃圾鏈接貶值網站,而不是手動懲罰他們?
它可以通過能夠以令人難以置信的速度學習和應用貨幣貶值并且誤報率較低的機器來實現。
除此之外,機器還可以了解頁面的內容質量和相關性,并將這些理解單獨和整體地補充到等式中。
一臺機器可以詢問“這個鏈接是否應該為您的個人網站提供高權重?”然后進一步說,“鏈接是否很有可能被支付或有其他問題?”在其他鏈接的數據中發現并且在該頁面和域上進行分析。
這些是可以將機器學習應用于鏈接的極其有限的示例。
垃圾郵件模式已經并且將會以越來越高的成功率被檢測到,而質量鏈接將以更高的速率被理解和獎勵。
這意味著更加注重質量,相關性和合法性 – 除非您認為自己可以提出系統來愚弄Google,而不是機器可以解決問題。
機器學習如何影響內容SEO?
雖然我們使用上面鏈接的例子,但是很少有其他領域的SEO會受到機器學習興起而不是內容的影響。
為了說明這一點,我們只需要看看Google在翻譯方面的工作。
10年來,他們使用基于短語的機器翻譯來解決這個問題 – 主要是匹配已知的短語并提供結果。
2016年9月,他們轉而使用機器學習系統(谷歌神經機器翻譯系統),并在推出后的24小時內,系統提高了前十年的翻譯水平。
基本上,機器學習可以在24小時內比人工編輯更有效地理解語言,即使沒有機器輔助,也可以達到3,650倍。
這對SEO專業人士意味著什么?
數字營銷的圣杯即將到來 – 那時我們唯一的工作就是推出盡可能好的內容和廣泛的內容,并且格式足以滿足更多的用戶意圖和偏好,而不是下一個。如果這些已經完成,谷歌也很有可能理解這一點。
這并不是說機器沒有缺陷或者SEO專業人員沒有角色。
事實上,我認為我們將扮演更重要的角色,但它不會在關鍵詞中使用 – 它將在制定用戶滿意度方面。
機器學習如何影響SEO技術?
談到搜索引擎優化技術,你現在需要關注一個人:??Cindy Krum。注意她要說的話,因為她走在正確的軌道上。
在關于移動優先索引的對話中??,她創造了一個我個人認為能夠很好地總結搜索引擎優化技術的未來的術語。她將“移動優先”稱為一個不正確的術語,將正確的術語命名為“便攜式優先”。
她提出的想法是,內容應該很容易與您的設計和技術結構(即便攜式)分開,以便隨時隨地訪問。
當我們進入機器學習新世界時,我們的目標是為用戶提供滿足其意圖的信息。
我們的工作是確保內容可以從其存在的構造中輕松理解和提取 – 通過標記,XML提要,或者只是以清晰易懂的方式構建頁面上的內容。