Βελτιστοποίηση SEO: Πώς λειτουργεί το AI της Google (μηνάς έτους)

Η Βελτιστοποίηση του Μηχανισμού Αναζήτησης (SEO) είναι η διαδικασία βελτιστοποίησης των παραγόντων στην σελίδα και εκτός σελίδας που επηρεάζουν πόσο υψηλά κατατάσσεται μια ιστοσελίδα για một συγκεκριμένη λέξη αναζήτησης. Αυτή είναι μια πολυπρόσωπη διαδικασία που περιλαμβάνει τη βελτιστοποίηση της ταχύτητας φόρτωσης της σελίδας, τη δημιουργία μιας στρατηγικής δημιουργίας συνδέσμων, τη χρήση εργαλείων SEO, καθώς και τη μάθηση του πώς να αντίστροφα σχεδιάσει το AI της Google χρησιμοποιώντας υπολογιστική σκέψη.

Η υπολογιστική σκέψη είναι ένας προηγμένος τύπος ανάλυσης και τεχνικής επίλυσης προβλημάτων που χρησιμοποιούν οι προγραμματιστές υπολογιστών όταν γράφουν κώδικα και αλγορίθμους. Οι υπολογιστικοί σκέπτες θα αναζητήσουν την αλήθεια στο έδαφος με το να σπάσουν ένα πρόβλημα και να το αναλύσουν χρησιμοποιώντας την σκέψη των πρώτων αρχών.

Καθώς η Google δεν δημοσιεύει το μυστικό της σε κανέναν, θα βασιστούμε στη υπολογιστική σκέψη. Θα περάσουμε από了一ά κάποια κρίσιμα σημεία στην ιστορία της Google που διαμόρφωσαν τους αλγορίθμους που χρησιμοποιούνται και θα μάθουμε γιατί αυτό έχει σημασία.

Πώς να Δημιουργήσετε einen Νου

Θα αρχίσουμε με ένα βιβλίο που δημοσιεύθηκε το 2012, με τίτλο “Πώς να Δημιουργήσετε einen Νου: Το Μυστικό της Ανθρώπινης Σκέψης Αποκαλύπτεται” από τον διάσημο μελλοντολόγο και εφευρέτη Ray Kurzweil. Αυτό το βιβλίο ανέλυσε τον ανθρώπινο εγκέφαλο και κατέγραψε τους τρόπους με τους οποίους λειτουργεί. Μάθαμε από την αρχή πώς ο εγκέφαλος εκπαιδεύει τον εαυτό του χρησιμοποιώντας αναγνώριση προτύπων για να γίνει μια μηχανή προβλέψεων, πάντα εργαζόμενη για την πρόβλεψη του μέλλοντος, ακόμη και για την πρόβλεψη της επόμενης λέξης.

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

Με την μίμηση του ανθρώπινου εγκεφάλου, αποκαλύπτεται ένας δρόμος για τη δημιουργία ενός προηγμένου AI πέρα από τις τρέχουσες ικανότητες των νευρωνικών δικτύων που υπήρχαν την εποχή της δημοσίευσης.

Το βιβλίο ήταν ένα蓝πρίν για τη δημιουργία ενός AI που μπορεί να κλιμακωθεί με το να απορροφήσει τα δεδομένα του κόσμου και να χρησιμοποιήσει την πολυσχιδή αναγνώριση προτύπων για να αναλύσει κείμενο, εικόνες, ήχο και βίντεο. Ένα σύστημα που είναι βελτιστοποιημένο για την αύξηση λόγω των πλεονεκτημάτων του cloud και των ικανοτήτων παράλληλης επεξεργασίας. Με άλλα λόγια, δεν θα υπήρχε μέγιστο για την εισαγωγή ή την εξαγωγή δεδομένων.

Αυτό το βιβλίο ήταν τόσο κρίσιμο που σύντομα μετά την δημοσίευσή του, ο Ray Kurzweil προσλήφθηκε από την Google για να γίνει ο Διευθυντής Μηχανικής με επίκεντρο την μηχανική μάθηση και την επεξεργασία γλώσσας. Ένα ρόλο που συμφωνούσε απόλυτα με το βιβλίο που είχε γράψει.

Θα ήταν αδύνατο να αρνηθείτε πόσο επηρέασε αυτό το βιβλίο το μέλλον της Google και τον τρόπο με τον οποίο κατατάσσει τις ιστοσελίδες. Αυτό το βιβλίο AI θα πρέπει να είναι υποχρεωτική ανάγνωση για οποιονδήποτε που επιθυμεί να γίνει ειδικός στο SEO.

DeepMind

Ξεκίνησε το 2010, η DeepMind ήταν μια νέα εταιρεία που χρησιμοποιούσε einen επαναστατικό νέο τύπο αλγορίθμου AI που είχε κατακτήσει τον κόσμο, ονομαζόταν ενίσχυση μάθησης. Η DeepMind την περιέγραψε καλύτερα ως:

“Παρουσιάζουμε το πρώτο μοντέλο βαθιάς μάθησης που学会 να μαθαίνει πολιτικές ελέγχου απευθείας από υψηλοδιάστατη αισθητηριακή είσοδο χρησιμοποιώντας ενίσχυση μάθησης. Το μοντέλο είναι ένα συννευρωνικό νευρωνικό δίκτυο, εκπαιδευμένο με μια παραλλαγή της μάθησης Q, της οποίας η είσοδος είναι raw pixels και η έξοδος είναι μια συνάρτηση τιμής που εκτιμά τις μελλοντικές ανταμοιβές.”

Με την σύντηξη της βαθιάς μάθησης με την ενίσχυση μάθησης, έγινε ένα βαθιά ενίσχυση μάθησης σύστημα. Μέχρι το 2013, η DeepMind χρησιμοποιούσε αυτούς τους αλγορίθμους για να κατακτήσει νίκες ενάντια σε ανθρώπινους παίκτες σε παιχνίδια Atari 2600 – Και αυτό επιτεύχθηκε με την μίμηση του ανθρώπινου εγκεφάλου και τον τρόπο με τον οποίο μαθαίνει από την εκπαίδευση και την επανάληψη.

Παρόμοια με τον τρόπο που ένας άνθρωπος μαθαίνει με επανάληψη, είτε είναι το λάκτισμα μιας μπάλας ή το παιχνίδι Tetris, το AI θα μάθει επίσης. Το νευρωνικό δίκτυο του AI παρακολουθούσε την απόδοση και θα αυξανόταν逐渐 με την αυτοβελτίωση, οδηγώντας σε ισχυρότερη επιλογή κινήσεων στην επόμενη επανάληψη.

Η DeepMind ήταν τόσο κυρίαρχη στην τεχνολογική της προηγμένη ότι η Google έπρεπε να αγοράσει την πρόσβαση στην τεχνολογία. Η DeepMind αγοράστηκε για περισσότερα από 500 εκατομμύρια δολάρια το 2014.

Μετά την αγορά, η βιομηχανία AI μάρκετewitnessed διαδοχικές đột pháσεις, ένα τύπο που δεν είχε visto από τις 11 Μαΐου 1997, όταν ο σκακιστής γκραντμάστερ γκραντμάστερ Garry Kasparov έχασε το πρώτο παιχνίδι ενός αγώνα έξι παιχνιδιών ενάντια στο Deep Blue, έναν υπολογιστή που παίζει σκάκι που αναπτύχθηκε από επιστήμονες στην IBM.

Το 2015, η DeepMind βελτίωσε τον αλγόριθμο για να τον δοκιμάσει σε ένα σύνολο 49 παιχνιδιών Atari, και η μηχανή νίκησε την απόδοση των ανθρώπων σε 23 από αυτά.

Αυτό ήταν μόνο η αρχή, αργότερα το 2015 η DeepMind άρχισε να επικεντρώνεται στην AlphaGo, ένα πρόγραμμα με τον σκοπό να νικήσει έναν επαγγελματία παίκτη Go. Το αρχαίο παιχνίδι Go, το οποίο εμφανίστηκε για πρώτη φορά στην Κίνα πριν από 4000 χρόνια, θεωρείται το πιο δύσκολο παιχνίδι στην ιστορία, με τις πιθανές 10³⁶⁰ πιθανές κινήσεις.

Η DeepMind использовала την επιτηρημένη μάθηση για να εκπαιδεύσει το σύστημα AlphaGo μαθαίνοντας από ανθρώπινους παίκτες. Σύντομα μετά, η DeepMind έκανε τις επικεφαλίδες μετά την νίκη του AlphaGo ενάντια στον Lee Sedol, τον παγκόσμιο πρωταθλητή, σε ένα αγώνα πέντε παιχνιδιών τον Μάρτιο του 2016.

Δεν θα υπερνικήσει, το 2017 η DeepMind κυκλοφόρησε το AlphaGo Zero, ένα νέο μοντέλο με τον κρίσιμο διαφορετικό ότι δεν απαιτούσε ανθρώπινη εκπαίδευση. Από τότε που δεν απαιτούσε ανθρώπινη εκπαίδευση, δεν απαιτούσε επίσης καμία επισήμανση δεδομένων, το σύστημα χρησιμοποιούσε ατελείωτη μάθηση. Το AlphaGo Zero προχώρησε γρήγορα πέρα από τον προκάτοχό του, όπως περιγράφηκε από την DeepMind.

“Οι προηγούμενες εκδόσεις του AlphaGo αρχικά εκπαιδεύτηκαν σε χιλιάδες παιχνίδια ανθρώπινων ερασιτεχνών και επαγγελματιών για να μάθουν πώς να παίξουν Go. Το AlphaGo Zero παραλείπει αυτό το βήμα και μαθαίνει να παίξει απλά παίζοντας παιχνίδια ενάντια στον εαυτό του, ξεκινώντας από εντελώς τυχαίο παιχνίδι. Με αυτό, γρήγορα ξεπέρασε το επίπεδο των ανθρώπων και νίκησε την προηγουμένως δημοσιευμένη εκδοχή του AlphaGo με 100 παιχνίδια σε 0.”

Εν τω μεταξύ, ο κόσμος του SEO ήταν υπερεστιασμένος στο PageRank, την σπονδυλική στήλη της Google. Αυτό ξεκίνησε το 1995, όταν οι Larry Page και Sergey Brin ήταν φοιτητές διδακτορικού στο Πανεπιστήμιο του Στάνφορντ. Το δίδυμο άρχισε να συνεργάζεται σε ένα καινοτόμο ερευνητικό έργο με το ψευδώνυμο “BackRub”. Ο σκοπός ήταν να κατατάξει τις ιστοσελίδες σε ένα μέτρο σημασίας μετατρέποντας τα δεδομένα των πίσω συνδέσμων. Ένας πίσω σύνδεσμος είναι απλά οποιοσδήποτε σύνδεσμος από μια σελίδα σε μια άλλη, παρόμοιος με αυτόν τον σύνδεσμο.

Ο αλγόριθμος μετονομάστηκε αργότερα σε PageRank, ονομάστηκε από τον όρο “ισ토σελίδα” και τον συνιδρυτή Larry Page. Οι Larry Page και Sergey Brin είχαν τον φιλόδοξο σκοπό να κατασκευάσουν einen μηχανισμό αναζήτησης που θα μπορούσε να τροφοδοτήσει ολόκληρο το διαδίκτυο μόνο με πίσω συνδέσμους.

Και δούλεψε.

PageRank Κυριαρχεί στις Επικεφαλίδες

Οι επαγγελματίες SEO κατέλαβαν αμέσως τις βασικές του πώς η Google υπολογίζει μια ποιοτική κατάταξη για μια ιστοσελίδα χρησιμοποιώντας το PageRank. Ορισμένοι έξυπνοι μαύροι SEO επιχειρηματίες understood ότι για να κλιμακώσουν το περιεχόμενο, ίσως είχε νόημα να αγοράσουν συνδέσμους αντί να περιμένουν να τους αποκτήσουν οργανικά.

Μια νέα οικονομία εμφανίστηκε γύρω από τους πίσω συνδέσμους. Ευνοϊκές ιστοσελίδες που χρειάζονταν να επηρεάσουν την κατάταξη των μηχανισμών αναζήτησης θα αγόραζαν συνδέσμους, και σε αντάλλαγμα απαιτούσαν να πουλήσουν συνδέσμους.

Οι ιστοσελίδες που αγόραζαν συνδέσμους συχνά εισέβαλαν στην Google και ξεπερνούσαν καθιερωμένες μάρκες.

Η κατάταξη χρησιμοποιώντας αυτή τη μέθοδο δούλεψε πολύ καλά για πολύ καιρό – Μέχρι που σταμάτησε να δούλεψε, πιθανότατα την ίδια στιγμή που η μηχανική μάθηση ξεκίνησε και λύσε το υποκείμενο πρόβλημα. Με την εισαγωγή της βαθιάς ενίσχυσης μάθησης, το PageRank θα γίνει μια μεταβλητή κατάταξης, όχι ο κυρίαρχος παράγοντας.

Τώρα ο κόσμος του SEO είναι διαιρεμένος σχετικά με την αγορά συνδέσμων ως στρατηγική. Προσωπικά πιστεύω ότι η αγορά συνδέσμων προσφέρει υποβελτιστοποιημένα αποτελέσματα και ότι οι καλύτερες μεθόδους για την απόκτηση πίσω συνδέσμων βασίζονται σε μεταβλητές που είναι ειδικές για την βιομηχανία. Μια 合法 υπηρεσία που μπορώ να συστήσω ονομάζεται HARO (Βοήθεια σε einen Δημοσιογράφο). Η ευκαιρία στο HARO είναι να αποκτήσετε πίσω συνδέσμους πληρώνοντας αιτήσεις των μέσων ενημέρωσης.

Οι καθιερωμένες μάρκες δεν χρειάζονταν ποτέ να ανησυχούν για την πηγή συνδέσμων,既然 είχαν το πλεονέκτημα του χρόνου που δούλευε υπέρ τους. Η παλαιότερη μια ιστοσελίδα, τον περισσότερο χρόνο είχε για να συλλέξει υψηλής ποιότητας πίσω συνδέσμους. Με άλλα λόγια, μια κατάταξη αναζήτησης ήταν εξαρτημένη από την ηλικία της ιστοσελίδας, αν υπολογίσετε χρησιμοποιώντας το μέτρο χρόνος = πίσω σύνδεσμοι.

Για παράδειγμα, το CNN θα λάμβανε φυσικά πίσω συνδέσμους για ένα άρθρο ειδήσεων λόγω του brand του, της εμπιστοσύνης του και επειδή ήταν καταχωρημένο ψηλά για να αρχίσει – Έτσι φυσικά κέρδισε περισσότερους πίσω συνδέσμους από ανθρώπους που ερεύνησαν ένα άρθρο και συνδέθηκαν με το πρώτο αποτέλεσμα αναζήτησης που βρήκαν.

Σημαίνει ότι οι ιστοσελίδες με υψηλότερη κατάταξη λάμβαναν φυσικά περισσότερους πίσω συνδέσμους. Δυστυχώς, αυτό σήμαινε ότι οι νέες ιστοσελίδες συχνά αναγκάζονταν να καταχράζονται τον αλγόριθμο πίσω συνδέσμων με το να στρέφονται σε μια αγορά πίσω συνδέσμων.

Στις αρχές της δεκαετίας του 2000, η αγορά πίσω συνδέσμων δούλεψε εξαιρετικά καλά και ήταν μια απλή διαδικασία. Οι αγοραστές συνδέσμων αγόραζαν συνδέσμους από ιστοσελίδες υψηλής εξουσιοδότησης, συχνά συνδέσμους σε ολόκληρη την ιστοσελίδα ή vielleicht σε κάθε άρθρο (συχνά μεταμφιεσμένο ως guest post), και οι πωλητές που ήταν απελπισμένοι να κερδοσκοπήσουν τις ιστοσελίδες τους ήταν ευτυχείς να συμμορφωθούν – Δυστυχώς, συχνά με το θυσίασμα της ποιότητας.

Τελικά η ομάδα ταλαντούχων μηχανικών της Google understood ότι το κωδικοποίηση των αποτελεσμάτων αναζήτησης με το χέρι ήταν μάταιο, και ένα μεγάλο μέρος του PageRank ήταν χειρογραφημένος κώδικας. Αντίθετα, understood ότι το AI θα γίνει τελικά υπεύθυνο για τον πλήρη υπολογισμό των κατατάξεων με ελάχιστη ανθρώπινη παρέμβαση.

Για να παραμείνει ανταγωνιστική, η Google χρησιμοποιεί κάθε εργαλείο στη διάθεσή της και αυτό περιλαμβάνει βαθιά ενίσχυση μάθησης – τον πιο προηγμένο τύπο αλγορίθμου μηχανικής μάθησης στον κόσμο.

Αυτό το σύστημα στρώθηκε πάνω από την αγορά της MetaWeb από την Google ήταν ένας gamechanger. Ο λόγος για τον οποίο η αγορά της MetaWeb το 2010 ήταν τόσο σημαντική είναι ότι μειώθηκε το βάρος που η Google έθεσε στα κλειδιά λέξεων. Το контέκστ ήταν ξαφνικά σημαντικό, αυτό επιτεύχθηκε χρησιμοποιώντας eine μεθοδολογία κατηγοριοποίησης που ονομάζεται ‘οντότητες’. Όπως περιγράφηκε από την Fast Company:

Μόλις η MetaWeb καταλάβει σε ποια οντότητα αναφέρεστε, μπορεί να παρέχει ένα σύνολο αποτελεσμάτων. Μπορεί ακόμη και να συνδυάσει οντότητες για πιο σύνθετες αναζητήσεις– “ηθοποιοί άνω των 40” μπορεί να είναι μια οντότητα, “ηθοποιοί που ζουν στη Νέα Υόρκη” μπορεί να είναι μια άλλη, και “ηθοποιοί με μια ταινία που παίζεται αυτή τη στιγμή” μπορεί να είναι μια άλλη. “.

Αυτή η τεχνολογία ενσωματώθηκε σε μια σημαντική ενημέρωση αλγορίθμου που ονομάζεται RankBrain που κυκλοφόρησε την άνοιξη του 2015. Το RankBrain εστιάστηκε στην κατανόηση του контέκστ σε σχέση με την καθαρή βάση κλειδιών λέξεων, και το RankBrain θα λάβει επίσης υπόψη περιβαλλοντικά контέκστ (π.χ. θέση αναζήτησης) και θα εξαγάγει νόημα όπου δεν υπήρχε προηγουμένως. Αυτή ήταν μια σημαντική ενημέρωση, ιδιαίτερα για τους χρήστες κινητών.

Τώρα που καταλαβαίνουμε πώς η Google χρησιμοποιεί αυτές τις τεχνολογίες, ας χρησιμοποιήσουμε τη υπολογιστική θεωρία για να υποθέσουμε πώς γίνεται.

Τι είναι το Βαθύ Μάθημα;

Το βαθύ μάθημα είναι ο πιο συχνά χρησιμοποιούμενος τύπος μηχανικής μάθησης – Θα ήταν αδύνατο για την Google να μην χρησιμοποιήσει αυτόν τον αλγόριθμο.

Το βαθύ μάθημα επηρεάζεται σημαντικά από τον τρόπο με τον οποίο λειτουργεί ο ανθρώπινος εγκέφαλος και προσπαθεί να μιμηθεί τη συμπεριφορά του εγκεφάλου με τον τρόπο που χρησιμοποιεί την αναγνώριση προτύπων για να αναγνωρίσει και να κατηγοριοποιήσει αντικείμενα.

Για παράδειγμα, αν δείτε το γράμμα a, ο εγκέφαλος σας αναγνωρίζει αυτόματα τις γραμμές και τις μορφές για να το αναγνωρίσει ως το γράμμα a. Το ίδιο ισχύει για τα γράμματα ap, ο εγκέφαλος σας προσπαθεί αυτόματα να προβλέψει το μέλλον με την προώθηση πιθανών λέξεων όπως app ή apple. Άλλα πρότυπα μπορεί να περιλαμβάνουν αριθμούς, οδικές πινακίδες ή την αναγνώριση ενός αγαπημένου στην πλήρη αερολιμένα.

Μπορείτε να σκεφτείτε τις διασυνδέσεις σε ένα σύστημα βαθιάς μάθησης να είναι παρόμοιες με τον τρόπο που λειτουργεί ο ανθρώπινος εγκέφαλος με τη σύνδεση των νευρώνων και των συνάψεων.

Το βαθύ μάθημα είναι τελικά ο όρος που δίνεται στις αρχιτεκτονικές μηχανικής μάθησης που ενώνουν πολλά multilayer perceptron μαζί, ώστε να μην υπάρχει μόνο ένας κρυφός στρώνας αλλά πολλοί κρυφοί στρώες. Ο “βαθύτερος” που είναι το βαθύ νευρωνικό δίκτυο, το πιο σύνθετο πρότυπο που μπορεί να μάθει η мережα.

Τα πλήρως συνδεμένα δίκτυα μπορούν να συνδυαστούν με άλλες λειτουργίες μηχανικής μάθησης για να δημιουργήσουν διαφορετικές αρχιτεκτονικές βαθιάς μάθησης.

Πώς η Google Χρησιμοποιεί το Βαθύ Μάθημα

Η Google αναζητά τις ιστοσελίδες του κόσμου ακολουθώντας υπερσυνδέσμους (σκέφτεστε νεύρα) που συνδέουν τις ιστοσελίδες μεταξύ τους. Αυτή ήταν η αρχική μεθοδολογία που η Google χρησιμοποίησε από την πρώτη μέρα και εξακολουθεί να χρησιμοποιείται. Μόλις οι ιστοσελίδες έχουν καταχωρηθεί, διάφοροι τύποι AI χρησιμοποιούνται για να αναλύσουν αυτό το θησαυρό δεδομένων.

Το σύστημα της Google επισημαίνει τις ιστοσελίδες σύμφωνα με διάφορους εσωτερικούς μετρητές, με ελάχιστη ανθρώπινη παρέμβαση ή παρέμβαση. Ένα παράδειγμα παρέμβασης θα ήταν η χειροκίνητη αφαίρεση ενός συγκεκριμένου URL λόγω αίτησης αφαίρεσης DMCA.

Οι μηχανικοί της Google είναι διάσημοι για το να απογοητεύουν τους συμμετέχοντες σε συνέδρια SEO, και αυτό είναι επειδή οι εκτελεστικοί της Google δεν μπορούν ποτέ να εξηγήσουν σωστά πώς λειτουργεί η Google. Όταν ζητούνται ερωτήσεις σχετικά με το γιατί ορισμένες ιστοσελίδες δεν κατατάσσονται, είναι σχεδόν πάντα η ίδια κακοσυντηρημένη απάντηση. Η απάντηση είναι τόσο συχνή που οι συμμετέχοντες συχνά προλαμβάνουν ότι έχουν δεσμευτεί να δημιουργήσουν καλό περιεχόμενο για μήνες ή ακόμη και χρόνια χωρίς θετικά αποτελέσματα.

Προβλέψιμα, οι ιδιοκτήτες ιστοσελίδων οδηγούνται να εστιάσουν στην δημιουργία πολύτιμου περιεχομένου – Ένα σημαντικό στοιχείο, αλλά μακριά από το να είναι綜合.

Αυτή η έλλειψη απάντησης είναι επειδή οι εκτελεστικοί δεν είναι ικανοί να απαντήσουν σωστά στην ερώτηση. Το αλγόριθμο της Google λειτουργεί σε ένα μαύρο κουτί. Υπάρχει είσοδος, και στη συνέχεια έξοδος – και αυτό είναι πώς λειτουργεί το βαθύ μάθημα.

Ας επιστρέψουμε σε μια ποινή κατάταξης που επηρεάζει αρνητικά εκατομμύρια ιστοσελίδες συχνά χωρίς την γνώση του ιδιοκτήτη της ιστοσελίδας.

PageSpeed Insights

Η Google δεν είναι συχνά διαφανής, τα PageSpeed Insights είναι η εξαίρεση. Οι ιστοσελίδες που αποτυγχάνουν σε αυτό το τεστ ταχύτητας θα σταλούν σε μια ποινή box για φόρτωση αργά – Ιδιαίτερα αν οι χρήστες κινητών επηρεάζονται.

Τι υποψιάζεται είναι ότι σε κάποιο σημείο της διαδικασίας υπάρχει ένα δέντρο αποφάσεων που αναλύει γρήγορες ιστοσελίδες, έναντι αργών ιστοσελίδων (PageSpeed Insights αποτυχημένες). Ένα δέντρο αποφάσεων είναι ουσιαστικά μια αλγοριθμική προσέγγιση που χωρίζει το σύνολο δεδομένων σε 개별ικά δεδομένα με βάση διαφορετικά κριτήρια. Τα κριτήρια μπορεί να είναι να επηρεάσουν αρνητικά το πόσο υψηλά κατατάσσεται μια σελίδα για χρήστες κινητών έναντι χρηστών υπολογιστών.

Υποθετικά, μια ποινή θα μπορούσε να εφαρμοστεί στο φυσικό σκορ κατάταξης. Για παράδειγμα, μια ιστοσελίδα που χωρίς ποινή θα κατατάσσεται στο #5 μπορεί να έχει ένα -20, -50, ή κάποια άλλη άγνωστη μεταβλητή που θα μειώσει την κατάταξη στο #25, #55, ή κάποιο άλλο αριθμό που επιλέγεται από το AI.

Στο μέλλον μπορεί να δούμε το τέλος των PageSpeed Insights, όταν η Google γίνει πιο自信 στην AI της. Αυτή η τρέχουσα παρέμβαση της ταχύτητας από την Google είναι επικίνδυνη, καθώς μπορεί потенτικά να εξαφανίσει αποτελέσματα που θα ήταν ιδανικά, και μπορεί να διακρίνει ενάντια στους λιγότερο τεχνολογικούς.

Είναι μια μεγάλη απαίτηση να ζητήσετε από όλους όσους διευθύνουν μια μικρή επιχείρηση να έχουν την εμπειρία για να διαγνώσουν και να θεραπεύσουν προβλήματα ταχύτητας. Μια απλή λύση θα ήταν για την Google να κυκλοφορήσει ένα plug-in βελτιστοποίησης ταχύτητας για χρήστες WordPress,既然 το WordPress δίνει ενέργεια 43% του διαδικτύου.

Δυστυχώς, όλες οι προσπάθειες SEO είναι μάταιες αν μια ιστοσελίδα αποτυγχάνει να περάσει τα PageSpeed Insights της Google. Τα στοιχήματα δεν είναι τίποτα λιγότερο από μια ιστοσελίδα που εξαφανίζεται από την Google.

Πώς να περάσετε αυτό το τεστ είναι ένα άρθρο για άλλη φορά, αλλά τουλάχιστον πρέπει να επιβεβαιώσετε αν η ιστοσελίδα σας περνά.

Ένα άλλο σημαντικό τεχνικό μέτρο για να ανησυχείτε είναι ένα πρωτόκολλο ασφαλείας που ονομάζεται SSL (Ασφαλείς Πρακτορείο). Αυτό αλλάζει το URL ενός домένιου από http σε https, και διασφαλίζει τη μεταφορά δεδομένων. Κάθε ιστοσελίδα που δεν έχει ενεργοποιημένο SSL θα ποινικοποιηθεί. Ενώ υπάρχουν κάποιες εξαιρέσεις σε αυτόν τον κανόνα, ιστοσελίδες e-commerce και χρηματοοικονομικών θα επηρεαστούν περισσότερο.

Οι φθηνοί webhosts χρεώνουν einen ετήσιο τέλος για την εφαρμογή SSL, ενώ καλοί webhosts όπως Siteground εκδίδουν πιστοποιητικά SSL δωρεάν και τα ενσωματώνουν αυτόματα.

Μετα-Δεδομένα

Ένα άλλο σημαντικό στοιχείο στην ιστοσελίδα είναι ο Τίτλος Meta και η Περιγραφή Meta. Αυτά τα πεδία περιεχομένου έχουν μια υπερβολική σειρά σημασίας που μπορεί να συνεισφέρει τόσο στην επιτυχία ή την αποτυχία μιας σελίδας όσο και όλο το περιεχόμενο της σελίδας.

Αυτό είναι επειδή η Google έχει μια υψηλή πιθανότητα να επιλέξει τον Τίτλο Meta και την Περιγραφή Meta για να τις εμφανίσει στα αποτελέσματα αναζήτησης. Και αυτό είναι γιατί είναι σημαντικό να συμπληρώσετε το πεδίο τίτλου meta και περιγραφής meta όσο το δυνατόν πιο προσεκτικά.

Η εναλλακτική είναι η Google μπορεί να αγνοήσει τον τίτλο meta και την περιγραφή meta για να αυτο-δημιουργήσει δεδομένα που προβλέπει ότι θα οδηγήσουν σε περισσότερα κλικ.

Αν η Google πιστεύει ότι η περιλαμβανόμενη περιγραφή meta είναι βελτιστοποιημένη για να λάβει κλικ, θα την εμφανίσει στα αποτελέσματα αναζήτησης. Αλλιώς, η Google θα επιλέξει ένα τυχαίο τμήμα κειμένου από την ιστοσελίδα. Συχνά η Google επιλέγει το καλύτερο κείμενο στη σελίδα, το πρόβλημα είναι ότι αυτό είναι το σύστημα loterie και η Google είναι συνεχώς κακή στην επιλογή της περιγραφής που πρέπει να επιλέξει.

Βέβαια, αν πιστεύετε ότι το περιεχόμενο στη σελίδα σας είναι πραγματικά καλό, đôi fois έχει νόημα να επιτρέψετε στην Google να επιλέξει την βελτιστοποιημένη περιγραφή meta που ταιριάζει καλύτερα με την ερώτηση του χρήστη. Θα επιλέξουμε keine περιγραφή meta για αυτό το άρθρο,既然 είναι πλούσιο σε περιεχόμενο, και η Google είναι πιθανό να επιλέξει μια καλή περιγραφή.

Εν τω μεταξύ, δισεκατομμύρια άνθρωποι κάνουν κλικ στα καλύτερα αποτελέσματα αναζήτησης – Αυτό είναι το ανθρώπινο στο loop, το τελευταίο μηχανισμό ανατροφοδότησης της Google – Και αυτό είναι όπου η ενίσχυση μάθησης ξεκινά.

Τι είναι η Ενίσχυση Μάθησης;

Η ενίσχυση μάθησης είναι μια τεχνική μηχανικής μάθησης που περιλαμβάνει την εκπαίδευση ενός एजέντα AI μέσω της επανάληψης ενεργειών και των συσχετιζόμενων ανταμοιβών. Ένας एजέντης ενίσχυσης μάθησης πειραματίζεται σε ένα περιβάλλον, λαμβάνει ενέργειες και ανταμοίβεται όταν λαμβάνει τις σωστές ενέργειες. Με τον καιρό, ο एजέντης μαθαίνει να λαμβάνει τις ενέργειες που θα μεγιστοποιήσουν την ανταμοιβή του.

Η ανταμοιβή θα μπορούσε να βασιστεί σε einen απλό υπολογισμό που υπολογίζει τον χρόνο που περνάει σε μια συσταθείσα σελίδα.

Αν συνδυάσετε αυτή τη μεθοδολογία με einen ανθρώπινο στο loop υπορουτίνα, αυτό θα ήχουσε πολύ σαν τα υπάρχοντα συστήματα recommender που ελέγχουν όλα τα aspects της ψηφιακής μας ζωής, όπως το YouTube, το Netflix, το Amazon Prime – Και αν αυτό ακούγεται σαν τον τρόπο με τον οποίο θα πρέπει να λειτουργεί ένας μηχανισμός αναζήτησης, είστε σωστοί.

Πώς η Google Χρησιμοποιεί την Ενίσχυση Μάθησης

Το φτερό της Google βελτιώνεται με κάθε αναζήτηση, οι άνθρωποι εκπαιδεύουν το AI επιλέγοντας το καλύτερο αποτέλεσμα που αντιστοιχεί καλύτερα στην ερώτησή τους, και την παρόμοια ερώτηση εκατομμυρίων άλλων χρηστών.

Ο एजέντης ενίσχυσης μάθησης συνεχίζει να αυτοβελτιώνεται με την ενίσχυση μόνο των πιο θετικών αλληλεπιδράσεων μεταξύ αναζήτησης και παραγόμενου αποτελέσματος αναζήτησης.

Η Google μετρά τον χρόνο που χρειάζεται για να σκανάρει η σελίδα αποτελεσμάτων, το URL που κάνετε κλικ, και μετρά τον χρόνο που περνάτε στην επισκεφθείσα ιστοσελίδα, και καταγράφει το κλικ επιστροφής. Αυτά τα δεδομένα στη συνέχεια συλλέγονται και συγκρίνονται για κάθε ιστοσελίδα που προσφέρει παρόμοια δεδομένα ή εμπειρία χρήστη.

Μια ιστοσελίδα με χαμηλό ποσοστό συγκράτησης (χρόνος που περνάται στη σελίδα), τότε τροφοδοτείται από το σύστημα ενίσχυσης μάθησης με μια αρνητική τιμή, και άλλες ανταγωνιστικές ιστοσελίδες δοκιμάζονται για να βελτιώσουν τις προσφερόμενες κατατάξεις. Η Google είναι αμερόληπτη, με την υπόθεση ότι δεν υπάρχει χειροκίνητη παρέμβαση, η Google τελικά παρέχει τα επιθυμητά αποτελέσματα αναζήτησης.

Οι χρήστες είναι το ανθρώπινο στο loop που παρέχει στην Google δωρεάν δεδομένα και γίνεται το τελικό στοιχείο του συστήματος βαθιάς ενίσχυσης μάθησης. Σε αντάλλαγμα για αυτή την υπηρεσία, η Google προσφέρει στον τελικό χρήστη την ευκαιρία να κάνει κλικ σε μια διαφήμιση.

Η Google ουσιαστικά μαθαίνει τι θέλει ο χρήστης. Αυτό μπορεί να συγκριθεί χαλαρά με ένα σύστημα recommender από μια υπηρεσία βίντεο streaming. Σε αυτή την περίπτωση, ένα σύστημα recommender θα τροφοδοτούσε τον χρήστη με περιεχόμενο που στοχεύει στα ενδιαφέροντά του. Για παράδειγμα, ένας χρήστης που συνήθως απολαμβάνει μια ροή ρομαντικών κωμωδιών μπορεί να απολαύσει κάποια παρωδίες αν μοιράζονται τους ίδιους κωμικούς.

Πώς Αυτό Βοηθά το SEO;

Αν συνεχίσουμε με την υπολογιστική σκέψη, μπορούμε να υποθέσουμε ότι η Google έχει εκπαιδεύσει τον εαυτό της για να παραδώσει τα καλύτερα αποτελέσματα, και αυτό συχνά επιτυγχάνεται με την γενίκευση και την ικανοποίηση των ανθρώπινων προκαταλήψεων. Θα ήταν αδύνατο για το AI της Google να μην βελτιστοποιήσει αποτελέσματα που προσεγγίζουν αυτές τις προκαταλήψεις, αν το έκανε, τα αποτελέσματα θα ήταν υποβελτιστοποιημένα.

Με άλλα λόγια, δεν υπάρχει μαγικό συνταγή, αλλά υπάρχουν κάποια καλύτερες πρακτικές.

Είναι η ευθύνη του praktikou του SEO να αναγνωρίσει τις προκαταλήψεις που η Google αναζητά που είναι συγκεκριμένες για την βιομηχανία του – Και να ταΐσει σε αυτές τις προκαταλήψεις. Για παράδειγμα, κάποιος που αναζητά αποτελέσματα δημοσκοπήσεων εκλογών χωρίς να ορίσει μια ημερομηνία, είναι πιθανό να αναζητά τα πιο πρόσφατα αποτελέσματα – Αυτό είναι μια προκατάληψη της πρόσφατης χρονολογίας. Κάποιος που αναζητά μια συνταγή, πιθανότατα δεν χρειάζεται το πιο πρόσφατο σελίδα, και μπορεί να προτιμήσει μια συνταγή που έχει αντέξει την δοκιμή του χρόνου.

Είναι η ευθύνη του praktikou του SEO να προσφέρει στους επισκέπτες τα αποτελέσματα που αναζητούν. Αυτός είναι ο πιο βιώσιμος τρόπος για να κατατάξετε στην Google.

Οι ιδιοκτήτες ιστοσελίδων πρέπει να εγκαταλείψουν την στόχευση σε einen συγκεκριμένο κλειδί λέξης με την προσδοκία ότι μπορούν να προσφέρουν ο,τιδήποτε στον τελικό χρήστη. Το αποτέλεσμα αναζήτησης πρέπει να ταιριάζει ακριβώς με την ανάγκη του χρήστη.

Τι είναι μια προκατάληψη; Μπορεί να είναι το να έχειτε einen τομέα που φαίνεται υψηλής εξουσιοδότησης, δηλαδή το όνομα του τομέα ταιριάζει με την αγορά που σας εξυπηρετεί; Το να έχειτε einen one-word τομέα μπορεί επίσης να δώσει την ψευδαίσθηση της εξουσιοδότησης.

Η πιο σημαντική προκατάληψη είναι τι θέλει ο χρήστης να ταιριάζει με την ερώτησή του; Είναι ένα FAQ, μια λίστα top 10, ένα blog post; Αυτό πρέπει να απαντηθεί, και η απάντηση είναι εύκολη να βρεθεί. Απλώς πρέπει να αναλύσετε τον ανταγωνισμό με την εκτέλεση einer αναζήτησης Google στην αγορά σας.

Το Μαύρο SEO είναι Νεκρό

Συγκρίνετε αυτό με το Μαύρο SEO, einen επιθετικό τρόπο για να κατατάξετε ιστοσελίδες που εκμεταλλεύεται δόλια SPAM τεχνικές, συμπεριλαμβανομένης της αγοράς πίσω συνδέσμων, της ψευδούς πίσω συνδέσμων, της εισβολής σε ιστοσελίδες, της αυτοματοποιημένης δημιουργίας κοινωνικών σελιδοδείκτων σε κλίμακα, και άλλες σκοτεινές μεθοδολογίες που εφαρμόζονται μέσω ενός δικτύου μαύρων εργαλείων.

Εργαλεία που συχνά επαναχρησιμοποιούνται και πωλούνται σε διάφορα φόρουμ marketing αναζήτησης, προϊόντα με σχεδόν keine αξία και λίγες πιθανότητες επιτυχίας. Αυτό είναι γιατί οι πωλητές αυτών των εργαλείων μπορούν να γίνουν πλούσιοι, ενώ προσφέρουν ελάχιστη αξία στον τελικό χρήστη.

Αυτό είναι γιατί σας συνιστώ να εγκαταλείψετε το Μαύρο SEO. Εστιάστε το SEO σας σε το να το δείτε από την οπτική της μηχανικής μάθησης. Είναι σημαντικό να καταλάβετε ότι κάθε φορά που κάποιος παραλείπει ένα αποτέλεσμα αναζήτησης για να κάνει κλικ σε ένα αποτέλεσμα που είναι θαμμένο κάτω, είναι το ανθρώπινο στο loop που συνεργάζεται με το σύστημα βαθιάς ενίσχυσης μάθησης. Ο άνθρωπος βοηθά το AI να αυτοβελτιωθεί, γίνεται ατελείωτα καλύτερο με τον καιρό.

Αυτό είναι ένα σύστημα μηχανικής μάθησης που έχει εκπαιδευτεί από περισσότερους χρήστες από οποιοδήποτε άλλο σύστημα στην ιστορία.

Η Google χειρίζεται 3,8 εκατομμύρια αναζητήσεις ανά λεπτό σε μέσο όρο σε όλο τον κόσμο. Αυτό ισοδυναμεί με 228 εκατομμύρια αναζητήσεις ανά ώρα, 5,6 δισεκατομμύρια αναζητήσεις ανά ημέρα. Αυτό είναι πολλά δεδομένα, και αυτό είναι γιατί είναι άφρονο να προσπαθήσετε να κάνετε μαύρο SEO. Υποθέτοντας ότι το AI της Google θα παραμείνει στατικό, το σύστημα χρησιμοποιεί τον Νόμο της Επιταχυνόμενης Επιστροφής για να αυτοβελτιωθεί εκпонενσιαλά.

Το AI της Google γίνεται τόσο ισχυρό που είναι πιθανό να γίνει το πρώτο AI που θα φτάσει στην Γενική Νοημοσύνη του AI (AGI). Ένα AGI είναι μια νοημοσύνη που μπορεί να χρησιμοποιήσει μεταφορά μάθησης για να κυριαρχήσει σε ένα πεδίο και στη συνέχεια να εφαρμόσει αυτή τη μάθηση σε πολλαπλά πεδία. Ενώ μπορεί να είναι ενδιαφέρον να εξερευνήσουμε τις μελλοντικές προσπάθειες AGI της Google, πρέπει να καταλαβαίνουμε ότι όταν η διαδικασία είναι σε κίνηση, είναι δύσκολο να σταματήσει. Αυτό είναι φυσικά να υποθέσουμε προς το μέλλον, καθώς η Google είναι τώρα ένας τύπος στενής AI, αλλά αυτό είναι ένα θέμα για ένα άλλο άρθρο.

Γνωρίζοντας αυτό, η διεξαγωγή ενός δευτερολέπτου περισσότερο στο μαύρο SEO είναι ένας άφρονας εργασία.

Λευκό SEO

Αν αποδεχθούμε ότι το AI της Google θα συνεχίσει να αυτοβελτιώνεται, τότε δεν έχουμε άλλη επιλογή παρά να εγκαταλείψουμε την προσπάθεια να ξεπεράσουμε την Google. Αντίθετα, εστιάστε στην βελτιστοποίηση μιας ιστοσελίδας για να προσφέρει στην Google συγκεκριμένα αυτό που αναζητά.

Όπως περιγράφηκε, αυτό περιλαμβάνει την ενεργοποίηση του SSL, την βελτιστοποίηση της ταχύτητας φόρτωσης της σελίδας, και την βελτιστοποίηση του Τίτλου Meta και της Περιγραφής Meta. Για να βελτιστοποιήσετε αυτά τα πεδία, ο Τίτλος Meta και η Περιγραφή Meta πρέπει να συγκριθούν με ανταγωνιστικές ιστοσελίδες – Αναγνωρίστε τα κερδισμένα στοιχεία που οδηγούν σε υψηλό ποσοστό κλικ.

Αν βελτιστοποιήσετε το να κάνετε κλικ, το επόμενο ορόσημο είναι η δημιουργία της καλύτερης σελίδας προώθησης. Ο στόχος είναι μια σελίδα προώθησης που βελτιστοποιεί την αξία του χρήστη τόσο πολύ που ο μέσος χρόνος που περνάται στη σελίδα υπερβαίνει τους ανταγωνιστές που αγωνίζονται για τις κορυφαίες θέσεις αναζήτησης.

Μόνο προσφέροντας την καλύτερη εμπειρία χρήστη μπορεί μια ιστοσελίδα να αυξήσει την κατάταξή της.

Έτσι μέχρι τώρα, έχουμε αναγνωρίσει αυτά τα μετρητικά να είναι τα πιο σημαντικά:

• Τάχυτητα Φόρτωσης
• SSL Ενεργοποιημένο
• Τίτλος Meta και Περιγραφή Meta
• Σελίδα Προώθησης

Η σελίδα προώθησης είναι το πιο δύσκολο στοιχείο, καθώς ανταγωνίζεστε τον κόσμο. Η σελίδα προώθησης πρέπει να φορτώνει γρήγορα, και πρέπει να προσφέρει όλα όσα αναμένεται, και στη συνέχεια να εκπλήξει τον χρήστη με περισσότερα.

Τελικές Σκέψεις

Θα ήταν εύκολο να γεμίσετε άλλα 2000 λέξεις περιγράφοντας άλλες τεχνολογίες AI που χρησιμοποιεί η Google, καθώς και να πηδήξετε sâu hơn στο κουνέλι της SEO. Η πρόθεση εδώ είναι να επανασυνδεθεί η προσοχή στα πιο σημαντικά μετρητικά.

Οι praktikoi του SEO είναι τόσο εστιασμένοι στο να παίξουν το σύστημα που ξεχνούν ότι στο τέλος της ημέρας, το πιο σημαντικό στοιχείο του SEO είναι να δώσουν στους χρήστες όσο το δυνατόν περισσότερη αξία.

Ένας τρόπος για να επιτύχετε αυτό είναι να μην επιτρέψετε nunca στο σημαντικό περιεχόμενο να γεράσει. Αν σε einen μήνα σκεφτώ μια σημαντική συνεισφορά, θα προστεθεί σε αυτό το άρθρο. Η Google μπορεί να αναγνωρίσει πώς φρέσκο είναι το περιεχόμενο, αντιστοιχισμένο με την ιστορία της σελίδας που προσφέρει αξία.

Αν εξακολουθείτε να ανησυχείτε για την απόκτηση πίσω συνδέσμων, η λύση είναι απλή. Σεβαστείτε τον χρόνο των επισκεπτών και προσφέρετε αξία. Οι πίσω σύνδεσμοι θα έρθουν φυσικά,既然 οι χρήστες θα βρουν αξία στο να μοιράζονται το περιεχόμενό σας.

Το ερώτημα τότε μεταφέρεται στον ιδιοκτήτη της ιστοσελίδας σχετικά με το πώς να προσφέρει την καλύτερη αξία και εμπειρία χρήστη.