Βελτιστοποίηση SEO: Πώς λειτουργεί η Τεχνητή Νοημοσύνη της Google (Σεπτέμβριος 2025)

Η βελτιστοποίηση μηχανών αναζήτησης (SEO) είναι η διαδικασία βελτιστοποίησης παραγόντων εντός και εκτός σελίδας που επηρεάζουν την υψηλή κατάταξη μιας ιστοσελίδας για έναν συγκεκριμένο όρο αναζήτησης. Αυτή είναι μια πολύπλευρη διαδικασία που περιλαμβάνει τη βελτιστοποίηση της ταχύτητας φόρτωσης της σελίδας, τη δημιουργία στρατηγικής δημιουργίας συνδέσμων, τη χρήση Εργαλεία SEO, καθώς και να μάθετε πώς να κάνετε αντίστροφη μηχανική στην τεχνητή νοημοσύνη της Google χρησιμοποιώντας υπολογιστική σκέψη.

Η υπολογιστική σκέψη είναι ένας προηγμένος τύπος τεχνικής ανάλυσης και επίλυσης προβλημάτων που χρησιμοποιούν οι προγραμματιστές υπολογιστών όταν γράφουν κώδικα και αλγόριθμους. Οι υπολογιστικοί στοχαστές θα αναζητήσουν τη βασική αλήθεια αναλύοντας ένα πρόβλημα και αναλύοντάς το χρησιμοποιώντας τη σκέψη πρώτων αρχών.

Δεδομένου ότι η Google δεν αποκαλύπτει τη μυστική συνταγή της σε κανέναν, θα βασιστούμε στην υπολογιστική σκέψη. Θα εξετάσουμε ορισμένες καθοριστικές στιγμές στην ιστορία της Google που διαμόρφωσαν τους αλγόριθμους που χρησιμοποιούνται και θα μάθουμε γιατί αυτό έχει σημασία.

Πώς να δημιουργήσετε ένα μυαλό

Θα ξεκινήσουμε με ένα βιβλίο που εκδόθηκε το 2012, με τίτλο «Πώς να δημιουργήσετε ένα μυαλό: Το μυστικό της ανθρώπινης σκέψης αποκαλύφθηκεαπό τον διάσημο μελλοντολόγο και εφευρέτη Ray Kurzweil. Αυτό το βιβλίο ανατέμνει τον ανθρώπινο εγκέφαλο και κατέρριψε τους τρόπους λειτουργίας του. Μαθαίνουμε από το μηδέν πώς ο εγκέφαλος εκπαιδεύεται χρησιμοποιώντας την αναγνώριση προτύπων για να γίνει μηχανή πρόβλεψης, δουλεύοντας πάντα στην πρόβλεψη του μέλλοντος, ακόμη και στην πρόβλεψη της επόμενης λέξης.

Πώς αναγνωρίζουν οι άνθρωποι τα πρότυπα στην καθημερινή ζωή; Πώς σχηματίζονται αυτές οι συνδέσεις στον εγκέφαλο; Το βιβλίο ξεκινά με την κατανόηση της ιεραρχικής σκέψης, αυτή είναι η κατανόηση μιας δομής που αποτελείται από διαφορετικά στοιχεία που είναι διατεταγμένα σε ένα μοτίβο, αυτή η διάταξη στη συνέχεια αντιπροσωπεύει ένα σύμβολο όπως ένα γράμμα ή χαρακτήρα, και στη συνέχεια αυτό διευθετείται περαιτέρω σε ένα πιο προηγμένο μοτίβο όπως μια λέξη, και τελικά μια πρόταση. Τελικά αυτά τα μοτίβα σχηματίζουν ιδέες και αυτές οι ιδέες μετατρέπονται στα προϊόντα που οι άνθρωποι είναι υπεύθυνοι για την κατασκευή.

Μιμώντας τον ανθρώπινο εγκέφαλο, αποκαλύφθηκε ένας δρόμος για τη δημιουργία ενός προηγμένου AI πέρα ​​από τις τρέχουσες δυνατότητες των νευρωνικών δικτύων που υπήρχαν τη στιγμή της δημοσίευσης.

Το βιβλίο ήταν ένα σχέδιο για τη δημιουργία μιας Τεχνητής Νοημοσύνης που μπορεί να κλιμακώνεται συλλέγοντας δεδομένα από τον κόσμο και να χρησιμοποιεί την πολυεπίπεδη επεξεργασία αναγνώρισης προτύπων για την ανάλυση κειμένου, εικόνων, ήχου και βίντεο. Ένα σύστημα βελτιστοποιημένο για αναβάθμιση λόγω των πλεονεκτημάτων του cloud και των δυνατοτήτων παράλληλης επεξεργασίας που προσφέρει. Με άλλα λόγια, δεν θα υπήρχε μέγιστο όριο στην είσοδο ή την έξοδο δεδομένων.

Αυτό το βιβλίο ήταν τόσο κομβικό που αμέσως μετά την έκδοσή του ο συγγραφέας Ο Ray Kurzweil προσλήφθηκε από την Google να γίνει Διευθυντής Μηχανικής που επικεντρώνεται στη μηχανική εκμάθηση και την επεξεργασία γλωσσών. Ένας ρόλος που ταίριαζε απόλυτα με το βιβλίο που είχε γράψει.

Θα ήταν αδύνατο να αρνηθούμε πόσο επιρροή ήταν αυτό το βιβλίο στο μέλλον της Google και πώς κατατάσσουν τους ιστότοπους. Αυτό Βιβλίο AI θα πρέπει να είναι υποχρεωτική ανάγνωση για όποιον επιθυμεί να γίνει ειδικός SEO.

Deepmind

Η DeepMind ξεκίνησε το 2010 και ήταν μια νέα νέα startup που χρησιμοποιούσε έναν επαναστατικό νέο τύπο αλγόριθμου τεχνητής νοημοσύνης που σάλωνε τον κόσμο, που ονομαζόταν ενισχυτική μάθηση. Η DeepMind το περιέγραψε καλύτερα ως εξής:

«Παρουσιάζουμε το πρώτο μοντέλο βαθιάς μάθησης που μαθαίνει επιτυχώς τις πολιτικές ελέγχου απευθείας από αισθητηριακές εισροές υψηλών διαστάσεων χρησιμοποιώντας ενισχυτική μάθηση. Το μοντέλο είναι ένα συνελικτικό νευρωνικό δίκτυο, εκπαιδευμένο με μια παραλλαγή Q-learning, του οποίου η είσοδος είναι ακατέργαστα pixel και του οποίου η έξοδος είναι μια συνάρτηση τιμής που εκτιμά τις μελλοντικές ανταμοιβές».

Συνδυάζοντας τη βαθιά μάθηση με την ενισχυτική μάθηση έγινε α μάθηση βαθιάς ενίσχυσης Σύστημα. Μέχρι το 2013, η DeepMind χρησιμοποιούσε αυτούς τους αλγόριθμους για να κερδίσει νίκες εναντίον ανθρώπινων παικτών σε παιχνίδια Atari 2600 – Και αυτό επιτυγχανόταν μιμούμενος τον ανθρώπινο εγκέφαλο και πώς μαθαίνει από την προπόνηση και την επανάληψη.

Όπως ακριβώς ένας άνθρωπος μαθαίνει μέσω της επανάληψης, είτε κλωτσάει μια μπάλα είτε παίζει Tetris, έτσι και η Τεχνητή Νοημοσύνη θα μάθαινε. Το νευρωνικό δίκτυο της Τεχνητής Νοημοσύνης παρακολουθούσε την απόδοση και σταδιακά αυτοβελτιωνόταν, με αποτέλεσμα την ισχυρότερη επιλογή κινήσεων στην επόμενη επανάληψη.

Η DeepMind ήταν τόσο κυρίαρχη στο τεχνολογικό της προβάδισμα που η Google έπρεπε να αγοράσει πρόσβαση στην τεχνολογία. Η DeepMind αποκτήθηκε για περισσότερα από 500 εκατομμύρια δολάρια το 2014.

Μετά την εξαγορά, ο κλάδος της τεχνητής νοημοσύνης γνώρισε διαδοχικές ανακαλύψεις, ένας τύπος που δεν έχει παρατηρηθεί έκτοτε 11 Μαΐου 1997, όταν το σκάκι μεγαλομάστορας Έχασε ο Γκάρι Κασπάροφ το πρώτο παιχνίδι ενός αγώνα έξι παιχνιδιών ενάντια στον Deep Blue, έναν υπολογιστή που παίζει σκάκι που αναπτύχθηκε από επιστήμονες της IBM. 

Το 2015, η DeepMind βελτίωσε τον αλγόριθμο για να τον δοκιμάσει στη σουίτα 49 παιχνιδιών της Atari και το μηχάνημα κέρδισε την ανθρώπινη απόδοση σε 23 από αυτά.

Αυτή ήταν μόνο η αρχή, αργότερα το 2015 η DeepMind άρχισε να επικεντρώνεται AlphaGo, ένα πρόγραμμα με δηλωμένο στόχο να νικήσει έναν επαγγελματία Go World Champion. Το αρχαίο παιχνίδι Go, το οποίο εμφανίστηκε για πρώτη φορά στην Κίνα πριν από περίπου 4000 χρόνια, θεωρείται το πιο απαιτητικό παιχνίδι στην ανθρώπινη ιστορία, με τις δυνατότητές του 10³⁶⁰ πιθανές κινήσεις.

Η DeepMind χρησιμοποίησε εποπτευόμενη εκμάθηση για να εκπαιδεύσει το σύστημα AlphaGo μαθαίνοντας από ανθρώπους παίκτες. Αμέσως μετά, το DeepMind έγινε πρωτοσέλιδο μετά την ήττα του AlphaGo Λι Σέντολ, ο παγκόσμιος πρωταθλητής, σε αγώνα πέντε αγώνων τον Μάρτιο του 2016.

Μην ξεχνάτε, τον Οκτώβριο του 2017 η DeepMind κυκλοφόρησε το AlphaGo Zero, ένα νέο μοντέλο με το βασικό διαφορικό ότι απαιτούσε μηδέν ανθρώπινη εκπαίδευση. Δεδομένου ότι δεν απαιτούσε ανθρώπινη εκπαίδευση, δεν απαιτούσε επίσης καμία επισήμανση των δεδομένων, το σύστημα που χρησιμοποιήθηκε ουσιαστικά μη εποπτευόμενη μάθηση. Το AlphaGo Zero ξεπέρασε γρήγορα τον προκάτοχό του, καθώς περιγράφεται από τον DeepMind.

«Οι προηγούμενες εκδόσεις του AlphaGo αρχικά εκπαιδεύονταν σε χιλιάδες ερασιτεχνικά και επαγγελματικά παιχνίδια για να μάθουν πώς να παίζουν το Go. Το AlphaGo Zero παρακάμπτει αυτό το βήμα και μαθαίνει να παίζει απλά παίζοντας παιχνίδια εναντίον του, ξεκινώντας από εντελώς τυχαίο παιχνίδι. Με αυτόν τον τρόπο, ξεπέρασε γρήγορα το ανθρώπινο επίπεδο παιχνιδιού και νίκησε το δημοσιεύτηκε προηγουμένως Πρωταθλήτρια έκδοση του AlphaGo με 100 παιχνίδια προς 0.

Εν τω μεταξύ, ο κόσμος του SEO ήταν υπερβολικά επικεντρωμένος στο PageRank, τη ραχοκοκαλιά της Google. Ξεκινά το 1995, όταν ο Larry Page και ο Sergey Brin ήταν Ph.D. φοιτητές στο Πανεπιστήμιο του Στάνφορντ. Το δίδυμο άρχισε να συνεργάζεται σε ένα νέο ερευνητικό έργο με το παρατσούκλι "Τρίψιμο πλάτης". Ο στόχος ήταν η κατάταξη των ιστοσελίδων σε μέτρο σπουδαιότητας μετατρέποντας τα δεδομένα backlink τους. Ένα backlink είναι πολύ απλά οποιοσδήποτε σύνδεσμος από μια σελίδα σε μια άλλη, παρόμοια με αυτήν σύνδεσμος.

Ο αλγόριθμος μετονομάστηκε αργότερα σε PageRank, που πήρε το όνομά του τόσο από τον όρο "ιστοσελίδα" και από τον συνιδρυτή Larry Page. Ο Λάρι Πέιτζ και ο Σεργκέι Μπριν είχαν τον φιλόδοξο στόχο να δημιουργήσουν μια μηχανή αναζήτησης που θα μπορούσε να τροφοδοτήσει ολόκληρο τον ιστό αποκλειστικά μέσω backlinks.

Και λειτούργησε.

Το PageRank κυριαρχεί στις επικεφαλίδες

Οι επαγγελματίες SEO κατάλαβαν αμέσως τα βασικά του τρόπου με τον οποίο η Google υπολογίζει μια κατάταξη ποιότητας για μια ιστοσελίδα χρησιμοποιώντας το PageRank. Ορισμένοι επιχειρηματίες SEO με μαύρα καπέλα το πήγαν ένα βήμα παραπέρα, κατανοώντας ότι για να κλιμακώσουν το περιεχόμενο, μπορεί να είναι λογικό να αγοράζουν συνδέσμους αντί να περιμένουν να τους αποκτήσουν οργανικά.

Μια νέα οικονομία αναδύθηκε γύρω από τα backlinks. Οι πρόθυμοι ιδιοκτήτες ιστοτόπων που χρειαζόταν να επηρεάσουν την κατάταξη στις μηχανές αναζήτησης θα αγόραζαν συνδέσμους και σε αντάλλαγμα που ήθελαν απελπισμένα να δημιουργήσουν έσοδα από ιστότοπους θα τους πουλούσαν συνδέσμους.

Οι ιστότοποι που αγόραζαν συνδέσμους συχνά κατά τη διάρκεια της νύχτας εισέβαλαν στην Google υπερτερώντας σε καθιερωμένες επωνυμίες.

Η κατάταξη με χρήση αυτής της μεθόδου λειτούργησε πολύ καλά για μεγάλο χρονικό διάστημα – Μέχρι να σταματήσει να λειτουργεί, πιθανώς την ίδια στιγμή που ξεκίνησε η μηχανική μάθηση και έλυσε το υποκείμενο πρόβλημα. Με την εισαγωγή της μάθησης βαθιάς ενίσχυσης, το PageRank θα γινόταν μεταβλητή κατάταξης και όχι ο κυρίαρχος παράγοντας.

Μέχρι στιγμής η κοινότητα SEO έχει διχαστεί ως προς την αγορά συνδέσμων ως στρατηγική. Προσωπικά πιστεύω ότι η αγορά συνδέσμων προσφέρει μη βέλτιστα αποτελέσματα και ότι οι καλύτερες μέθοδοι για την απόκτηση backlinks βασίζονται σε μεταβλητές που είναι συγκεκριμένες για τον κλάδο. Μια νόμιμη υπηρεσία που μπορώ να προτείνω ονομάζεται HARO (Βοηθήστε έναν δημοσιογράφο να βγει). Η ευκαιρία στο HARO είναι να αποκτήσετε backlinks εκπληρώνοντας αιτήματα πολυμέσων.

Οι καθιερωμένες επωνυμίες δεν χρειάστηκε ποτέ να ανησυχούν για την προμήθεια συνδέσμων, καθώς είχαν τα οφέλη του χρόνου να δουλεύουν υπέρ τους. Όσο παλαιότερος είναι ένας ιστότοπος, τόσο περισσότερος χρόνος χρειάστηκε για τη συλλογή backlinks υψηλής ποιότητας. Με άλλα λόγια, η κατάταξη μιας μηχανής αναζήτησης εξαρτιόταν σε μεγάλο βαθμό από την ηλικία ενός ιστότοπου, εάν υπολογίσετε χρησιμοποιώντας τη μέτρηση χρόνος = backlinks.

Για παράδειγμα, το CNN θα λάμβανε φυσικά backlinks για ένα ειδησεογραφικό άρθρο λόγω της επωνυμίας του, της εμπιστοσύνης του και επειδή καταρχήν ήταν ψηλά στη λίστα – Έτσι φυσικά κέρδισε περισσότερα backlinks από άτομα που ερευνούσαν ένα άρθρο και συνδέονταν με το πρώτο αποτέλεσμα αναζήτησης που βρήκαν .

Αυτό σημαίνει ότι οι ιστοσελίδες με υψηλότερη κατάταξη έλαβαν οργανικά περισσότερα backlinks. Δυστυχώς, αυτό σήμαινε ότι οι νέοι ιστότοποι αναγκάζονταν συχνά να κάνουν κατάχρηση του αλγόριθμου backlink στρεφόμενοι σε μια αγορά backlink.

Στις αρχές της δεκαετίας του 2000, η ​​αγορά backlinks λειτούργησε εξαιρετικά καλά και ήταν μια απλή διαδικασία. Οι αγοραστές συνδέσμων αγόραζαν συνδέσμους από ιστότοπους υψηλής εξουσίας, συχνά συνδέσμους υποσέλιδου σε ολόκληρο τον ιστότοπο, ή ίσως με βάση το άρθρο (συχνά μεταμφιεσμένοι σε ανάρτηση επισκέπτη) και οι πωλητές που ήθελαν απελπισμένα να δημιουργήσουν έσοδα από τους ιστότοπούς τους ήταν πρόθυμοι να υποχρεώσουν - Δυστυχώς, συχνά θυσία ποιότητα.

Τελικά, η δεξαμενή ταλέντων της Google των μηχανικών μηχανικής εκμάθησης κατάλαβε ότι η χειροκίνητη κωδικοποίηση των αποτελεσμάτων της μηχανής αναζήτησης ήταν μάταιη και ότι πολλά PageRank ήταν χειρόγραφη κωδικοποίηση. Αντίθετα, κατάλαβαν ότι η τεχνητή νοημοσύνη θα γινόταν τελικά υπεύθυνη για τον πλήρη υπολογισμό της κατάταξης χωρίς καθόλου ανθρώπινη παρέμβαση.

Για να παραμείνει ανταγωνιστική, η Google χρησιμοποιεί κάθε εργαλείο στο οπλοστάσιό της και αυτό περιλαμβάνει μάθηση βαθιάς ενίσχυσης – Ο πιο προηγμένος τύπος αλγόριθμου μηχανικής μάθησης στον κόσμο.

Αυτό το σύστημα στρώθηκε στην κορυφή του Εξαγορά της MetaWeb από την Google ήταν μια ριζική αλλαγή. Ο λόγος που η εξαγορά της MetaWeb το 2010 ήταν τόσο σημαντική είναι ότι μείωσε το βάρος που έδινε η Google στις λέξεις-κλειδιά. Το πλαίσιο έγινε ξαφνικά σημαντικό, κάτι που επιτεύχθηκε χρησιμοποιώντας μια μεθοδολογία κατηγοριοποίησης που ονομάζεται «οντότητες». Ως Περιγράφεται η Fast Company:

Μόλις το Metaweb καταλάβει σε ποια οντότητα αναφέρεστε, μπορεί να παρέχει ένα σύνολο αποτελεσμάτων. Μπορεί ακόμη και να συνδυάσει οντότητες για πιο σύνθετες αναζητήσεις – «οι ηθοποιοί άνω των 40» μπορεί να είναι μια οντότητα, «οι ηθοποιοί που ζουν στη Νέα Υόρκη» μπορεί να είναι μια άλλη και «οι ηθοποιοί με μια ταινία που παίζεται αυτήν τη στιγμή» μπορεί να είναι μια άλλη. ".

Αυτή η τεχνολογία μετατράπηκε σε μια σημαντική ενημέρωση αλγορίθμου που ονομάζεται RankBrain που κυκλοφόρησε την άνοιξη του 2015. Το RankBrain επικεντρώθηκε στην κατανόηση του πλαισίου αντί να βασίζεται αποκλειστικά σε λέξεις-κλειδιά και το RankBrain θα λάμβανε επίσης υπόψη τα περιβαλλοντικά πλαίσια (π.χ. τοποθεσία αναζήτησης) και θα προέκυπτε το νόημα εκεί όπου δεν υπήρχε πριν. Αυτή ήταν μια σημαντική ενημέρωση ειδικά για χρήστες κινητών.

Τώρα που κατανοούμε πώς χρησιμοποιεί η Google αυτές τις τεχνολογίες, ας χρησιμοποιήσουμε την υπολογιστική θεωρία για να κάνουμε εικασίες σχετικά με το πώς γίνεται αυτό.

Τι είναι το Deep Learning;

Βαθιά μάθηση είναι ο πιο συχνά χρησιμοποιούμενος τύπος μηχανικής εκμάθησης – Θα ήταν αδύνατο για την Google να μην χρησιμοποιήσει αυτόν τον αλγόριθμο.

Η βαθιά μάθηση επηρεάζεται σημαντικά από τον τρόπο λειτουργίας του ανθρώπινου εγκεφάλου και επιχειρεί να αντικατοπτρίσει τη συμπεριφορά του εγκεφάλου στον τρόπο με τον οποίο χρησιμοποιεί την αναγνώριση προτύπων για τον εντοπισμό και την κατηγοριοποίηση αντικειμένων.

Για παράδειγμα, αν δείτε το γράμμα a, ο εγκέφαλός σας αναγνωρίζει αυτόματα τις γραμμές και τα σχήματα για να τα αναγνωρίσει ως το γράμμα a. Το ίδιο ισχύει και με τα γράμματα ap, ο εγκέφαλός σας επιχειρεί αυτόματα να προβλέψει το μέλλον βρίσκοντας πιθανές λέξεις όπως π.χ app or μήλο. Άλλα μοτίβα μπορεί να περιλαμβάνουν αριθμούς, οδικές πινακίδες ή ταυτοποίηση ενός αγαπημένου προσώπου σε ένα γεμάτο αεροδρόμιο.

Μπορείτε να σκεφτείτε ότι οι διασυνδέσεις σε ένα σύστημα βαθιάς μάθησης είναι παρόμοιες με το πώς λειτουργεί ο ανθρώπινος εγκέφαλος με τη σύνδεση νευρώνων και συνάψεων.

Βαθιά μάθηση είναι τελικά ο όρος που δίνεται σε αρχιτεκτονικές μηχανικής μάθησης που ενώνουν πολλά πολυεπίπεδα perceptron, έτσι ώστε να μην υπάρχει μόνο ένα κρυφό επίπεδο αλλά πολλά κρυφά επίπεδα. Όσο «βαθύτερο» είναι το βαθύ νευρωνικό δίκτυο, τόσο πιο εξελιγμένα μοτίβα μπορεί να μάθει το δίκτυο.

Τα πλήρως συνδεδεμένα δίκτυα μπορούν να συνδυαστούν με άλλες λειτουργίες μηχανικής εκμάθησης για τη δημιουργία διαφορετικών αρχιτεκτονικών βαθιάς μάθησης.

Πώς η Google χρησιμοποιεί τη βαθιά μάθηση

Η Google «αράχνη» (spider) στις ιστοσελίδες όλου του κόσμου ακολουθώντας υπερσυνδέσμους (σκεφτείτε νευρώνες) που συνδέουν τις ιστοσελίδες μεταξύ τους. Αυτή ήταν η αρχική μεθοδολογία που χρησιμοποίησε η Google από την πρώτη μέρα και εξακολουθεί να χρησιμοποιείται. Μόλις οι ιστοσελίδες καταχωρηθούν, χρησιμοποιούνται διάφοροι τύποι τεχνητής νοημοσύνης για την ανάλυση αυτού του θησαυρού δεδομένων.

Το σύστημα της Google επισημαίνει τις ιστοσελίδες σύμφωνα με διάφορες εσωτερικές μετρήσεις, με ελάχιστη ανθρώπινη παρέμβαση ή παρέμβαση. Ένα παράδειγμα παρέμβασης θα ήταν η μη αυτόματη κατάργηση μιας συγκεκριμένης διεύθυνσης URL λόγω... Αίτημα αφαίρεσης DMCA.

Οι μηχανικοί της Google είναι γνωστοί για την απογοήτευση των παρευρισκομένων στο Συνέδρια SEO, και αυτό συμβαίνει επειδή τα στελέχη της Google δεν μπορούν ποτέ να διατυπώσουν σωστά τον τρόπο λειτουργίας της. Όταν τίθενται ερωτήσεις σχετικά με το γιατί ορισμένοι ιστότοποι δεν κατατάσσονται στην κατάταξη, σχεδόν πάντα δίνεται η ίδια κακώς διατυπωμένη απάντηση. Η απάντηση είναι τόσο συχνή που συχνά οι συμμετέχοντες δηλώνουν προληπτικά ότι έχουν δεσμευτεί να δημιουργούν καλό περιεχόμενο για μήνες ή και χρόνια συνεχόμενα, χωρίς θετικά αποτελέσματα.

Όπως ήταν αναμενόμενο, οι ιδιοκτήτες ιστότοπων λαμβάνουν οδηγίες να επικεντρωθούν στη δημιουργία πολύτιμου περιεχομένου – Ένα σημαντικό στοιχείο, αλλά απέχει πολύ από το να είναι περιεκτικό.

Αυτή η έλλειψη απάντησης οφείλεται στο γεγονός ότι τα στελέχη δεν είναι σε θέση να απαντήσουν σωστά στην ερώτηση. Ο αλγόριθμος της Google λειτουργεί σε ένα μαύρο κουτί. Υπάρχει η είσοδος και στη συνέχεια η έξοδος - και έτσι λειτουργεί η βαθιά μάθηση.

Ας επιστρέψουμε τώρα σε μια ποινή κατάταξης που επηρεάζει αρνητικά εκατομμύρια ιστότοπους, συχνά εν αγνοία του κατόχου του ιστότοπου.

PageSpeed ​​Insights

Το Google δεν είναι συχνά διαφανές, το PageSpeed ​​Insights είναι η εξαίρεση. Οι ιστότοποι που αποτυγχάνουν σε αυτό το τεστ ταχύτητας θα αποστέλλονται σε ένα πλαίσιο ποινής για αργή φόρτωση – Ειδικά εάν επηρεαστούν οι χρήστες κινητών.

Αυτό που υποψιάζονται είναι ότι σε κάποιο σημείο της διαδικασίας υπάρχει ένα δέντρο αποφάσεων που αναλύει ιστότοπους με γρήγορη φόρτωση, σε αντίθεση με ιστότοπους με αργή φόρτωση (PageSpeed ​​Insights απέτυχε). Ένα δέντρο αποφάσεων είναι ουσιαστικά μια αλγοριθμική προσέγγιση που χωρίζει το σύνολο δεδομένων σε μεμονωμένα σημεία δεδομένων με βάση διαφορετικά κριτήρια. Τα κριτήρια μπορεί να είναι να επηρεάσουν αρνητικά την υψηλή κατάταξη μιας σελίδας για χρήστες κινητών σε σύγκριση με χρήστες υπολογιστών.

Υποθετικά μια ποινή θα μπορούσε να εφαρμοστεί στη φυσική βαθμολογία κατάταξης. Για παράδειγμα, ένας ιστότοπος που χωρίς ποινή θα κατατάσσεται στο #5 μπορεί να έχει -20, -50 ή κάποια άλλη άγνωστη μεταβλητή που θα μειώσει την κατάταξη σε #25, #55 ή σε έναν άλλο αριθμό όπως επιλέγεται από το AI.

Στο μέλλον μπορεί να δούμε το τέλος των PageSpeed ​​Insights, όταν η Google αποκτήσει μεγαλύτερη αυτοπεποίθηση για την τεχνητή νοημοσύνη της. Αυτή η τρέχουσα παρέμβαση της Google για την ταχύτητα είναι επικίνδυνη, καθώς ενδέχεται να εξαλείψει αποτελέσματα που θα ήταν βέλτιστα και κάνει διακρίσεις σε βάρος των λιγότερο έμπειρων τεχνολογιών.

Είναι ένα μεγάλο αίτημα να απαιτήσουμε από όλους όσους διαχειρίζονται μια μικρή επιχείρηση να έχουν την εμπειρία για να διαγνώσουν και να διορθώσουν με επιτυχία προβλήματα με τα τεστ ταχύτητας. Μια απλή λύση θα ήταν η Google να κυκλοφορήσει απλώς ένα πρόσθετο βελτιστοποίησης ταχύτητας για τους χρήστες του WordPress, όπως... εξουσίες wordpress 43% του Διαδικτύου.

Δυστυχώς, όλες οι προσπάθειες SEO είναι μάταιες εάν ένας ιστότοπος δεν περάσει Insights PageSpeed ​​της Google. Τα στοιχήματα δεν είναι τίποτα λιγότερο από έναν ιστότοπο που εξαφανίζεται από την Google.

Πώς να περάσετε αυτό το τεστ είναι ένα άρθρο για άλλη φορά, αλλά τουλάχιστον θα πρέπει να επαληθεύσετε εάν το κάνετε περάσματα ιστότοπου.

Μια άλλη σημαντική τεχνική μέτρηση που πρέπει να ανησυχείτε είναι ένα πρωτόκολλο ασφαλείας που ονομάζεται SSL (Secure Sockets Layer). Αυτό αλλάζει τη διεύθυνση URL ενός τομέα από http σε https και διασφαλίζει την ασφαλή μετάδοση δεδομένων. Οποιοσδήποτε ιστότοπος δεν έχει ενεργοποιημένο το SSL θα τιμωρείται. Αν και υπάρχουν ορισμένες εξαιρέσεις σε αυτόν τον κανόνα, το ηλεκτρονικό εμπόριο και οι οικονομικοί ιστότοποι θα επηρεαστούν περισσότερο.

Οι οικοδεσπότες ιστοσελίδων χαμηλού κόστους χρεώνουν ετήσια χρέωση για την εφαρμογή SSL, ενώ οι καλοί οικοδεσπότες ιστοσελίδων όπως Siteground εκδίδουν δωρεάν πιστοποιητικά SSL και τα ενσωματώνουν αυτόματα.

Μέτα δεδομένα

Ένα άλλο σημαντικό στοιχείο στον ιστότοπο είναι ο τίτλος Meta και η περιγραφή Meta. Αυτά τα πεδία περιεχομένου έχουν μεγάλη τάξη σημασίας που μπορεί να συμβάλει στην επιτυχία ή την αποτυχία μιας σελίδας όσο και ολόκληρο το περιεχόμενο αυτής της σελίδας.

Αυτό συμβαίνει επειδή η Google έχει μεγάλη πιθανότητα να επιλέξει τον τίτλο Meta και την περιγραφή Meta για εμφάνιση στα αποτελέσματα αναζήτησης. Και αυτός είναι ο λόγος για τον οποίο είναι σημαντικό να συμπληρώσετε το πεδίο τίτλου και περιγραφής μεταδεδομένων όσο πιο προσεκτικά γίνεται.

Η εναλλακτική είναι ότι η Google μπορεί να επιλέξει να αγνοήσει τον τίτλο και τη μετα-περιγραφή για να δημιουργήσει αυτόματα δεδομένα που προβλέπει ότι θα οδηγήσουν σε περισσότερα κλικ. Εάν η Google προβλέπει κακώς ποιον τίτλο θα δημιουργήσει αυτόματα, αυτό θα συμβάλει σε λιγότερα κλικ από τους ερευνητές και, κατά συνέπεια, αυτό συμβάλλει στην απώλεια κατάταξης στις μηχανές αναζήτησης.

Εάν η Google πιστεύει ότι η περιλαμβανόμενη μετα-περιγραφή είναι βελτιστοποιημένη για να λαμβάνει κλικ, θα την εμφανίσει στα αποτελέσματα αναζήτησης. Σε περίπτωση αποτυχίας, το Google αφαιρεί ένα τυχαίο κομμάτι κειμένου από τον ιστότοπο. Συχνά η Google επιλέγει το καλύτερο κείμενο στη σελίδα, το πρόβλημα είναι ότι αυτό είναι το σύστημα λοταρίας και η Google είναι σταθερά κακή στην επιλογή της περιγραφής που θα επιλέξει.

Φυσικά, εάν πιστεύετε ότι το περιεχόμενο στη σελίδα σας είναι πραγματικά καλό, μερικές φορές είναι λογικό να επιτρέπετε στην Google να επιλέξει τη βελτιστοποιημένη μετα-περιγραφή που ταιριάζει καλύτερα στο ερώτημα χρήστη. Δεν θα επιλέξουμε καμία μετα-περιγραφή για αυτό το άρθρο, καθώς είναι πλούσιο σε περιεχόμενο και η Google είναι πιθανό να επιλέξει μια καλή περιγραφή.

Στο μεταξύ, δισεκατομμύρια άνθρωποι κάνουν κλικ στα καλύτερα αποτελέσματα αναζήτησης – Αυτό είναι το άνθρωπος στη θηλιά, ο τελευταίος μηχανισμός ανατροφοδότησης της Google – Και εδώ είναι που μπαίνει σε εφαρμογή η ενισχυτική μάθηση.

Τι είναι η Ενισχυτική Μάθηση;

Ενίσχυση μάθησης είναι μια τεχνική μηχανικής μάθησης που περιλαμβάνει την εκπαίδευση ενός πράκτορα AI μέσω της επανάληψης ενεργειών και των σχετικών ανταμοιβών. Ένας ενισχυτικός πράκτορας μάθησης πειραματίζεται σε ένα περιβάλλον, αναλαμβάνει ενέργειες και ανταμείβεται όταν γίνονται οι σωστές ενέργειες. Με τον καιρό ο πράκτορας μαθαίνει να κάνει τις ενέργειες που θα μεγιστοποιήσουν την ανταμοιβή του.

Η ανταμοιβή θα μπορούσε να βασίζεται σε έναν απλό υπολογισμό που υπολογίζει τον χρόνο που αφιερώνεται σε μια προτεινόμενη σελίδα.

Εάν συνδυάσετε αυτήν τη μεθοδολογία με μια υπο-ρουτίνα Human-in-the-loop, αυτό θα ακουγόταν απαίσια πολύ σαν υπάρχουσες μηχανές συστάσεων που ελέγχουν όλες τις πτυχές της ψηφιακής μας ζωής όπως το YouTube, το Netflix, το Amazon Prime – Και αν ακούγεται πώς μια μηχανή αναζήτησης πρέπει να λειτουργεί έχετε δίκιο.

Πώς χρησιμοποιεί η Google την Ενισχυτική μάθηση

Ο σφόνδυλος της Google βελτιώνεται με κάθε αναζήτηση, οι άνθρωποι εκπαιδεύουν την τεχνητή νοημοσύνη επιλέγοντας το καλύτερο αποτέλεσμα που απαντά καλύτερα στο ερώτημά τους και το παρόμοιο ερώτημα εκατομμυρίων άλλων χρηστών.

Ο ενισχυτικός παράγοντας μάθησης εργάζεται συνεχώς για την αυτοβελτίωση ενισχύοντας μόνο τις πιο θετικές αλληλεπιδράσεις μεταξύ αναζήτησης και παραδοθέντος αποτελέσματος αναζήτησης.

Η Google μετρά τον χρόνο που χρειάζεται ένας χρήστης για να σαρώσει τη σελίδα αποτελεσμάτων, τη διεύθυνση URL στην οποία κάνει κλικ και μετράει το χρόνο που αφιερώνει στον ιστότοπο που επισκέφθηκε και καταγράφει το κλικ επιστροφής. Στη συνέχεια, αυτά τα δεδομένα συγκεντρώνονται και συγκρίνονται για κάθε ιστότοπο που προσφέρει παρόμοια αντιστοίχιση δεδομένων ή εμπειρία χρήστη.

Ένας ιστότοπος με χαμηλό ποσοστό διατήρησης (χρόνος που αφιερώνεται στον ιστότοπο), λαμβάνει στη συνέχεια από το σύστημα ενισχυτικής μάθησης μια αρνητική τιμή και άλλοι ανταγωνιστικοί ιστότοποι δοκιμάζονται για τη βελτίωση της προσφερόμενης κατάταξης. Η Google είναι αμερόληπτη, υποθέτοντας ότι δεν υπάρχει χειροκίνητη παρέμβαση, η Google τελικά παρέχει την επιθυμητή σελίδα αποτελεσμάτων αναζήτησης.

Οι χρήστες είναι οι άνθρωποι που παρέχουν στην Google δωρεάν δεδομένα και γίνονται το τελευταίο συστατικό του συστήματος εκμάθησης βαθιάς ενίσχυσης. Σε αντάλλαγμα για αυτήν την υπηρεσία, η Google προσφέρει στον τελικό χρήστη την ευκαιρία να κάνει κλικ σε μια διαφήμιση.

Οι διαφημίσεις εκτός της δημιουργίας εσόδων χρησιμεύουν ως δευτερεύων παράγοντας κατάταξης, μεταφέροντας περισσότερα δεδομένα σχετικά με το τι κάνει έναν χρήστη να θέλει να κάνει κλικ.

Η Google ουσιαστικά μαθαίνει τι θέλει ένας χρήστης. Αυτό μπορεί να συγκριθεί χαλαρά με μια μηχανή συστάσεων από μια υπηρεσία ροής βίντεο. Σε αυτήν την περίπτωση, μια μηχανή συστάσεων θα τροφοδοτούσε ένα περιεχόμενο χρήστη που στοχεύει στα ενδιαφέροντά του. Για παράδειγμα, ένας χρήστης που απολαμβάνει συνήθως μια ροή ρομαντικών κωμωδιών μπορεί να απολαύσει μερικές παρωδίες εάν μοιράζεται τους ίδιους κωμικούς.

Πώς βοηθά αυτό το SEO;

Αν συνεχίσουμε με την υπολογιστική σκέψη, μπορούμε να υποθέσουμε ότι η Google έχει εκπαιδευτεί να προσφέρει τα καλύτερα δυνατά αποτελέσματα και αυτό συχνά επιτυγχάνεται με τη γενίκευση και την ικανοποίηση των ανθρώπινων προκαταλήψεων. Θα ήταν στην πραγματικότητα αδύνατο για την Τεχνητή Νοημοσύνη της Google να μην βελτιστοποιήσει τα αποτελέσματα που ανταποκρίνονται σε αυτές τις προκαταλήψεις. Αν το έκανε, τα αποτελέσματα θα ήταν μη βέλτιστα.

Με άλλα λόγια, δεν υπάρχει μαγική φόρμουλα, αλλά υπάρχουν μερικές βέλτιστες πρακτικές.

Είναι ευθύνη του επαγγελματία SEO να αναγνωρίσει τις μεροληψίες που αναζητά η Google που αφορούν συγκεκριμένα τον κλάδο της – και να τροφοδοτήσει αυτές τις προκαταλήψεις. Για παράδειγμα, κάποιος που αναζητά αποτελέσματα εκλογικών δημοσκοπήσεων χωρίς να προσδιορίσει ημερομηνία, είναι πολύ πιθανό να αναζητά τα πιο πρόσφατα αποτελέσματα - αυτό είναι μια μεροληψία πρόσφατου. Κάποιος που ψάχνει για μια συνταγή, πιθανότατα δεν χρειάζεται την πιο πρόσφατη σελίδα και μπορεί στην πραγματικότητα να προτιμήσει μια συνταγή που έχει αντέξει στο χρόνο.

Είναι ευθύνη του επαγγελματία SEO να προσφέρει στους επισκέπτες τα αποτελέσματα που αναζητούν. Αυτός είναι ο πιο βιώσιμος τρόπος κατάταξης στο Google.

Οι ιδιοκτήτες ιστοτόπων πρέπει να εγκαταλείψουν τη στόχευση μιας συγκεκριμένης λέξης-κλειδιού με την προσδοκία ότι μπορούν να παραδώσουν ό,τι θέλουν στον τελικό χρήστη. Το αποτέλεσμα αναζήτησης πρέπει να αντιστοιχεί ακριβώς στις ανάγκες του χρήστη.

Τι είναι η προκατάληψη; Θα μπορούσε να είναι ένα όνομα τομέα που φαίνεται να έχει υψηλή αυθεντία. Με άλλα λόγια, ταιριάζει το όνομα τομέα με την αγορά που εξυπηρετείτε; Το να έχετε ένα όνομα τομέα με τη λέξη Ινδία μπορεί να αποθαρρύνει τους χρήστες των ΗΠΑ από το να κάνουν κλικ στη διεύθυνση URL, λόγω μιας εθνικιστικής προκατάληψης που εμπιστεύεται τα αποτελέσματα που προέρχονται από τη χώρα διαμονής ενός χρήστη. Το να έχετε ένα όνομα τομέα που αποτελείται από μία μόνο λέξη μπορεί επίσης να δίνει την ψευδαίσθηση της αυθεντίας.

Η πιο σημαντική μεροληψία είναι τι θέλει ένας χρήστης να ταιριάζει με το ερώτημα αναζήτησής του; Είναι μια συχνή ερώτηση, μια λίστα με τα 10 κορυφαία, μια ανάρτηση ιστολογίου; Αυτό πρέπει να απαντηθεί, και η απάντηση είναι εύκολο να βρεθεί. Απλά πρέπει να αναλύσετε τον ανταγωνισμό πραγματοποιώντας μια αναζήτηση Google στην αγορά-στόχο σας.

Το Black Hat SEO είναι νεκρό

Συγκρίνετε το με το Black Hat SEO, μια επιθετική μέθοδο κατάταξης ιστότοπων που εκμεταλλεύεται δόλιες τεχνικές SPAM, συμπεριλαμβανομένης της αγοράς backlinks, της παραποίησης backlinks, της εισβολής ιστοτόπων, της αυτόματης δημιουργίας κοινωνικών σελιδοδεικτών σε κλίμακα και άλλων σκοτεινών μεθοδολογιών που εφαρμόζονται μέσω ενός δικτύου εργαλείων μαύρου καπέλου .

Εργαλεία που συχνά επαναπροσδιορίζονται και μεταπωλούνται σε διάφορα φόρουμ μάρκετινγκ μηχανών αναζήτησης, προϊόντα χωρίς σχεδόν καμία αξία και λίγες πιθανότητες επιτυχίας. Προς το παρόν, αυτά τα εργαλεία επιτρέπουν στους πωλητές να γίνουν πλούσιοι ενώ προσφέρουν ελάχιστη αξία στον τελικό χρήστη.

Γι' αυτό προτείνω να εγκαταλείψετε το Black Hat. Εστιάστε το SEO σας στην προβολή του από το πρίσμα της μηχανικής μάθησης. Είναι σημαντικό να κατανοήσετε ότι κάθε φορά που κάποιος παραλείπει ένα αποτέλεσμα αναζήτησης για να κάνει κλικ σε ένα αποτέλεσμα που κρύβεται από κάτω, είναι ο άνθρωπος που βρίσκεται εν κινήσει και συνεργάζεται με το σύστημα βαθιάς ενισχυτικής μάθησης. Ο άνθρωπος βοηθά την Τεχνητή Νοημοσύνη να αυτοβελτιωθεί, γινόμενη απείρως καλύτερη με την πάροδο του χρόνου.

Αυτός είναι ένας αλγόριθμος μηχανικής μάθησης που έχει εκπαιδευτεί από περισσότερους χρήστες από οποιοδήποτε άλλο σύστημα στην ανθρώπινη ιστορία.

Η Google διαχειρίζεται 3.8 εκατομμύρια αναζητήσεις ανά λεπτό κατά μέσο όρο σε όλο τον κόσμο. Αυτό ανέρχεται σε 228 εκατομμύρια αναζητήσεις ανά ώρα, 5.6 δισεκατομμύρια αναζητήσεις την ημέραΑυτά είναι πολλά δεδομένα και γι' αυτό είναι ανόητο να επιχειρήσετε black hat SEO. Το να υποθέσουμε ότι η τεχνητή νοημοσύνη της Google θα παραμείνει στάσιμη είναι ανόητο, το σύστημα χρησιμοποιεί τον Νόμο των Επιταχυνόμενων Αποδόσεων για να αυτοβελτιωθεί εκθετικά.

Η τεχνητή νοημοσύνη της Google γίνεται τόσο ισχυρή που είναι πιθανό να γίνει τελικά η πρώτη τεχνητή νοημοσύνη που θα φτάσει... Τεχνητή Γενική Νοημοσύνη (AGI). Ένα AGI είναι μια νοημοσύνη που μπορεί να χρησιμοποιηθεί μεταφορά της μάθησης να κατακτήσουν έναν τομέα και στη συνέχεια να εφαρμόσουν αυτήν την αποκτηθείσα νοημοσύνη σε πολλαπλούς τομείς. Ενώ μπορεί να είναι ενδιαφέρον να διερευνηθούν οι μελλοντικές προσπάθειες της Google στον τομέα της Τεχνητής Νοημοσύνης (AGI), θα πρέπει να γίνει κατανοητό ότι μόλις η διαδικασία ξεκινήσει, είναι δύσκολο να σταματήσει. Αυτό φυσικά αποτελεί εικασία για το μέλλον, καθώς η Google είναι επί του παρόντος ένα είδος περιορισμένης τεχνητής νοημοσύνης, αλλά αυτό είναι θέμα για άλλο άρθρο.

Το να ξέρεις αυτό, το να ξοδεύεις ένα δευτερόλεπτο παραπάνω σε μαύρο καπέλο είναι ανόητο.

Λευκό καπέλο SEO

Αν δεχτούμε ότι η Τεχνητή Νοημοσύνη της Google θα βελτιώνεται συνεχώς, τότε δεν έχουμε άλλη επιλογή από το να εγκαταλείψουμε την προσπάθεια να ξεγελάσουμε την Google. Αντίθετα, να επικεντρωθούμε στη βελτιστοποίηση ενός ιστότοπου για να παρέχουμε με τον βέλτιστο τρόπο στην Google αυτό που αναζητά.

Όπως περιγράφεται, αυτό περιλαμβάνει την ενεργοποίηση του SSL, τη βελτιστοποίηση της ταχύτητας φόρτωσης της σελίδας και τη βελτιστοποίηση του Meta Title και της Meta Description. Για να βελτιστοποιήσετε αυτά τα πεδία, ο τίτλος Meta και η Meta Description πρέπει να συγκριθούν με ανταγωνιστικούς ιστότοπους – Προσδιορίστε τα στοιχεία που κερδίζουν που οδηγούν σε υψηλή αναλογία κλικ προς αριθμό εμφανίσεων.

Εάν βελτιστοποιήσατε το να κάνετε κλικ, το επόμενο ορόσημο είναι η δημιουργία της καλύτερης σελίδας προορισμού. Ο στόχος είναι μια σελίδα προορισμού που βελτιστοποιεί την αξία των χρηστών τόσο πολύ, ώστε ο μέσος χρόνος που αφιερώνεται στη σελίδα να ξεπερνά τους παρόμοιους ανταγωνιστές που διεκδικούν τα κορυφαία αποτελέσματα των μηχανών αναζήτησης.

Μόνο με την προσφορά της καλύτερης εμπειρίας χρήστη μπορεί μια ιστοσελίδα να αυξήσει την κατάταξη.

Μέχρι στιγμής έχουμε εντοπίσει αυτές τις μετρήσεις ως τις πιο σημαντικές:

• Φόρτωση ταχύτητας
• Ενεργοποιημένο SSL
• Meta Τίτλος και Meta Description
• Landing Page

Η σελίδα προορισμού είναι το πιο δύσκολο στοιχείο καθώς ανταγωνίζεστε τον κόσμο. Η σελίδα προορισμού πρέπει να φορτώνει γρήγορα και να εξυπηρετεί όλα όσα αναμένεται και στη συνέχεια να εκπλήσσει τον χρήστη με περισσότερα.

Τελικές Σκέψεις

Θα ήταν εύκολο να συμπληρώσετε άλλες 2000 λέξεις που να περιγράφουν άλλες τεχνολογίες τεχνητής νοημοσύνης που χρησιμοποιεί η Google, καθώς και να σκάψετε βαθύτερα στη λαγουδίσια τρύπα του SEO. Η πρόθεση εδώ είναι να επικεντρωθεί εκ νέου η προσοχή στις πιο σημαντικές μετρήσεις.

Οι κατατμητές SEO είναι τόσο εστιασμένοι στο gaming του συστήματος που ξεχνούν ότι στο τέλος της ημέρας, το πιο σημαντικό στοιχείο του SEO είναι να δίνουν στους χρήστες όσο το δυνατόν περισσότερη αξία.

Ένας τρόπος για να το πετύχετε αυτό είναι να μην αφήνετε ποτέ το σημαντικό περιεχόμενο να μπαγιάτιζε. Αν σε ένα μήνα σκεφτώ μια σημαντική συνεισφορά, θα προστεθεί σε αυτό το άρθρο. Στη συνέχεια, η Google μπορεί να προσδιορίσει πόσο φρέσκο ​​είναι το περιεχόμενο, σε συνδυασμό με το ιστορικό της αξίας της σελίδας.

Εάν εξακολουθείτε να ανησυχείτε για την απόκτηση backlinks, η λύση είναι απλή. Σεβαστείτε τον χρόνο των επισκεπτών σας και δώστε τους αξία. Τα backlinks θα έρθουν φυσικά, καθώς οι χρήστες θα βρουν αξία στο να μοιράζονται το περιεχόμενό σας.

Στη συνέχεια, η ερώτηση μετατίθεται στον κάτοχο του ιστότοπου σχετικά με τον τρόπο παροχής της καλύτερης αξίας και εμπειρίας χρήστη.