एसईओ अनुकूलन: गूगल की एआई कैसे काम करती है (माह वर्ष)

सर्च इंजन ऑप्टिमाइजेशन (एसईओ) वेब पेज को एक विशिष्ट खोज शब्द के लिए उच्च रैंकिंग दिलाने के लिए ऑन-पेज और ऑफ-पेज फैक्टर्स को अनुकूलित करने की प्रक्रिया है। यह एक बहुस्तरीय प्रक्रिया है जिसमें पेज लोडिंग स्पीड को अनुकूलित करना, लिंक बिल्डिंग रणनीति बनाना, एसईओ टूल्स का उपयोग करना, और गूगल की एआई को रिवर्स इंजीनियर करने के लिए कम्प्यूटेशनल थिंकिंग का उपयोग करना शामिल है।

कम्प्यूटेशनल थिंकिंग एक उन्नत प्रकार की विश्लेषण और समस्या-समाधान तकनीक है जिसका उपयोग कंप्यूटर प्रोग्रामर कोड और अल्गोरिदम लिखते समय करते हैं। कम्प्यूटेशनल थिंकर्स पहले सिद्धांतों के आधार पर समस्या का विश्लेषण करके जमीनी सच्चाई की तलाश करते हैं।

चूंकि गूगल अपनी गुप्त सॉस को किसी के साथ साझा नहीं करता है, हम कम्प्यूटेशनल थिंकिंग पर निर्भर रहेंगे। हम गूगल के इतिहास में कुछ महत्वपूर्ण क्षणों पर चलेंगे जिन्होंने उपयोग किए जाने वाले अल्गोरिदम को आकार दिया, और हम सीखेंगे कि यह क्यों महत्वपूर्ण है।

माइंड कैसे बनाएं

हम 2012 में प्रकाशित एक पुस्तक से शुरू करेंगे, जिसका शीर्षक है “माइंड कैसे बनाएं: मानव विचार का रहस्य उजागर” प्रसिद्ध भविष्यवाणी करने वाले और आविष्कारक रे कुर्ज़वील द्वारा। इस पुस्तक ने मानव मस्तिष्क का विश्लेषण किया और यह कैसे काम करता है। हम सीखते हैं कि मस्तिष्क पैटर्न रिकग्निशन का उपयोग करके खुद को प्रशिक्षित करता है, और भविष्य की भविष्यवाणी करने के लिए काम करता है, यहां तक कि अगले शब्द की भविष्यवाणी भी करता है।

मानव जीवन में पैटर्न को कैसे पहचानते हैं? मस्तिष्क में यह कनेक्शन कैसे बनते हैं? पुस्तक संरचनात्मक सोच को समझने से शुरू होती है, यह एक ऐसी संरचना है जो विविध तत्वों से बनी होती है जो एक पैटर्न में व्यवस्थित होते हैं। यह व्यवस्था एक प्रतीक का प्रतिनिधित्व करती है, जैसे कि एक अक्षर या चरित्र, और फिर यह एक अधिक जटिल पैटर्न में व्यवस्थित होती है, जैसे कि एक शब्द, और अंततः एक वाक्य। अंततः, ये पैटर्न विचार बनाते हैं, और ये विचार उन उत्पादों में परिवर्तित हो जाते हैं जो मानव द्वारा निर्मित होते हैं।

मानव मस्तिष्क की नकल करके, एक उन्नत एआई बनाने का मार्ग प्रकट होता है जो वर्तमान तंत्रिका नेटवर्क की क्षमताओं से परे है।

पुस्तक एक ऐसी एआई बनाने के लिए एक नीलाकृति थी जो दुनिया के डेटा को शोषित करके और अपनी बहुस्तरीय पैटर्न रिकग्निशन प्रोसेसिंग का उपयोग करके पाठ, छवियों, ऑडियो और वीडियो को पार्स कर सकती थी। एक ऐसी प्रणाली जो बादल और इसकी समानांतर प्रोसेसिंग क्षमताओं के लाभों के कारण अपस्केलिंग के लिए अनुकूलित थी। दूसरे शब्दों में, डेटा इनपुट या आउटपुट पर कोई अधिकतम सीमा नहीं थी।

यह पुस्तक इतनी महत्वपूर्ण थी कि जल्द ही इसके प्रकाशन के बाद, लेखक रे कुर्ज़वील को गूगल द्वारा मैशीन लर्निंग और भाषा प्रोसेसिंग पर केंद्रित इंजीनियरिंग निदेशक के रूप में नियुक्त किया गया था। यह भूमिका उस पुस्तक के साथ पूरी तरह से संरेखित थी जो उन्होंने लिखी थी।

यह पुस्तक गूगल के भविष्य और वेबसाइटों को रैंक करने के तरीके पर इसके प्रभाव को नकारना असंभव है। यह एआई पुस्तक किसी भी व्यक्ति के लिए अनिवार्य पढ़ाई होनी चाहिए जो एसईओ विशेषज्ञ बनना चाहता है।

डीपमाइंड

2010 में लॉन्च किया गया, डीपमाइंड एक गर्म नया स्टार्टअप था जो एक क्रांतिकारी नए प्रकार के एआई अल्गोरिदम का उपयोग कर रहा था, जिसे रिनफोर्समेंट लर्निंग कहा जाता था। डीपमाइंड ने इसे सबसे अच्छा वर्णित किया है:

“हम पहले डीप लर्निंग मॉडल की प्रस्तुति करते हैं जो उच्च-आयामी संवेदी इनपुट से सीधे नियंत्रण नीतियों को सीखने के लिए रिनफोर्समेंट लर्निंग का उपयोग करके सफलतापूर्वक सीखता है। मॉडल एक कॉन्वोल्यूशनल न्यूरल नेटवर्क है, जो क्यू-लर्निंग के एक संस्करण के साथ प्रशिक्षित है, जिसका इनपुट कच्चे पिक्सेल हैं और जिसका आउटपुट एक मूल्य फंक्शन है जो भविष्य के पुरस्कारों का अनुमान लगाता है।”

डीप लर्निंग को रिनफोर्समेंट लर्निंग के साथ मिलाकर एक डीप रिनफोर्समेंट लर्निंग सिस्टम बनाया गया था। 2013 तक, डीपमाइंड ने इन अल्गोरिदम का उपयोग करके एटारी 2600 गेम्स पर मानव खिलाड़ियों के खिलाफ जीत हासिल की थी – और यह मानव मस्तिष्क की नकल करके और प्रशिक्षण और पुनरावृत्ति से सीखने के तरीके से हासिल किया गया था।

मानव की तरह, जो पुनरावृत्ति द्वारा सीखता है, चाहे वह एक गेंद को किक करना हो या टेट्रिस खेलना हो, एआई भी सीखता है। एआई का न्यूरल नेटवर्क प्रदर्शन को ट्रैक करता है और स्वयं को सुधारता है, जिससे अगले पुनरावृत्ति में मजबूत चाल चुनने में मदद मिलती है।

डीपमाइंड अपनी तकनीकी अग्रता में इतना प्रभावशाली था कि गूगल को इस तकनीक तक पहुंच प्राप्त करने के लिए इसे खरीदना पड़ा। डीपमाइंड को 2014 में 500 मिलियन डॉलर से अधिक में अधिग्रहित किया गया था।

अधिग्रहण के बाद, एआई उद्योग ने लगातार सफलता देखी, जो 11 मई, 1997 को देखी गई थी जब शतरंज ग्रैंडमास्टर गैरी कास्पारोव ने आईबीएम द्वारा विकसित एक शतरंज खेलने वाले कंप्यूटर डीप ब्लू के खिलाफ एक छह-गेम मैच का पहला गेम खो दिया था।

2015 में, डीपमाइंड ने अल्गोरिदम को परिष्कृत किया और इसे एटारी के 49 गेम्स के सूट पर परीक्षण किया, और मशीन ने 23 गेम्स में मानव प्रदर्शन को पार किया।

यह बस शुरुआत थी, बाद में 2015 में डीपमाइंड ने अल्फागो पर ध्यान केंद्रित किया, जिसका उद्देश्य एक पेशेवर गो विश्व चैंपियन को हराना था। चीन में लगभग 4000 साल पहले देखा गया प्राचीन खेल गो, मानव इतिहास में सबसे चुनौतीपूर्ण खेल माना जाता है, जिसमें 10³⁶⁰ संभावित चालें हैं।

डीपमाइंड ने अल्फागो सिस्टम को मानव खिलाड़ियों से सीखने के लिए पर्यवेक्षित लर्निंग का उपयोग किया। जल्द ही, डीपमाइंड ने अल्फागो को मार्च 2016 में एक पांच-गेम मैच में विश्व चैंपियन ली सेडोल को हराने के बाद हेडलाइंस बनाईं।

अक्टूबर 2017 में, डीपमाइंड ने अल्फागो जीरो को जारी किया, जिसमें एक मुख्य अंतर था कि यह मानव प्रशिक्षण की आवश्यकता नहीं थी। चूंकि यह मानव प्रशिक्षण की आवश्यकता नहीं थी, इसलिए यह डेटा लेबलिंग की भी आवश्यकता नहीं थी, सिस्टम ने मूल रूप से अनपर्यवेक्षित लर्निंग का उपयोग किया। अल्फागो जीरो ने जल्दी से अपने पूर्ववर्ती को पार किया, जैसा कि डीपमाइंड द्वारा वर्णित है।

“अल्फागो के पिछले संस्करणों ने पहले हजारों मानव शौकिया और पेशेवर गेम्स पर प्रशिक्षण लिया था ताकि वे जानें कि गो कैसे खेलना है। अल्फागो जीरो इस चरण को छोड़ देता है और सीधे खुद के खिलाफ गेम खेलकर सीखता है, पूरी तरह से यादृच्छिक खेल से। ऐसा करके, यह जल्दी से मानव स्तर की खेल में पहुंच गया और पहले प्रकाशित चैंपियन-विजेता संस्करण को 100 गेम से 0 से हराया।”

इस बीच, एसईओ दुनिया पेजरैंक पर केंद्रित थी, जो गूगल की रीढ़ है। यह 1995 में शुरू हुआ, जब लैरी पेज और सर्गे ब्रिन स्टैनफोर्ड विश्वविद्यालय में पीएचडी छात्र थे। दोनों ने एक नए शोध परियोजना पर सहयोग करना शुरू किया, जिसे “बैकरब” नाम दिया गया था। लक्ष्य वेब पेजों को उनके बैकलिंक डेटा में परिवर्तित करके महत्व के एक उपाय में रैंक करना था। एक बैकलिंक किसी भी लिंक है जो एक पेज से दूसरे पेज पर जाता है, जैसे कि यह लिंक है।

बाद में अल्गोरिदम का नाम पेजरैंक रखा गया, जो “वेब पेज” शब्द और सह-संस्थापक लैरी पेज के नाम पर रखा गया था। लैरी पेज और सर्गे ब्रिन का एक महत्वाकांक्षी लक्ष्य एक ऐसा सर्च इंजन बनाना था जो केवल बैकलिंक्स द्वारा पूरे वेब को शक्ति प्रदान कर सके।

और यह काम कर गया।

पेजरैंक हेडलाइंस पर हावी है

एसईओ पेशेवरों ने तुरंत समझ लिया कि गूगल कैसे पेजरैंक का उपयोग करके एक वेब पेज के लिए एक गुणवत्ता रैंकिंग की गणना करता है। कुछ चतुर ब्लैक हैट एसईओ उद्यमियों ने इसे एक कदम आगे ले जाने का फैसला किया, यह समझते हुए कि सामग्री को स्केल करने के लिए लिंक खरीदना समझ में आता है, बजाय इसके कि उन्हें जैविक रूप से प्राप्त करने का इंतजार किया जाए।

एक नया अर्थव्यवस्था बैकलिंक्स के आसपास उत्पन्न हुई। वेबसाइट मालिक जो खोज इंजन रैंकिंग को प्रभावित करना चाहते थे, लिंक खरीदते थे, और बदले में वेबसाइटें जो मुद्रीकरण करने के लिए उत्सुक थीं, लिंक बेचती थीं।

जिन वेबसाइटों ने लिंक खरीदे, वे अक्सर रातोंरात गूगल को पार कर गए, स्थापित ब्रांडों को पीछे छोड़ दिया।

इस तरीके से रैंकिंग करना लंबे समय तक बहुत अच्छा काम किया – जब तक यह काम करना बंद नहीं हो गया, शायद तब जब मैशीन लर्निंग ने अंतर्निहित समस्या का समाधान किया और पेजरैंक एक रैंकिंग चर बन गया, न कि प्रमुख कारक।

अब एसईओ समुदाय लिंक खरीदने की रणनीति पर विभाजित है। मैं व्यक्तिगत रूप से मानता हूं कि लिंक खरीदने से उप-आदर्श परिणाम मिलते हैं, और बैकलिंक्स प्राप्त करने का सबसे अच्छा तरीका उद्योग-विशिष्ट चरों पर आधारित होता है। एक वैध सेवा जिसकी मैं अनुशंसा कर सकता हूं वह है एचएआरओ (हेल्प ए रिपोर्टर आउट)। एचएआरओ में मीडिया अनुरोधों को पूरा करके बैकलिंक्स प्राप्त करने का अवसर है।

स्थापित ब्रांडों को कभी लिंक सोर्सिंग के बारे में चिंता नहीं करनी पड़ी, क्योंकि उन्हें समय का लाभ था। एक वेबसाइट जितनी पुरानी होती है, उतना ही अधिक समय यह उच्च गुणवत्ता वाले बैकलिंक्स एकत्र करने के लिए मिला है। दूसरे शब्दों में, खोज इंजन रैंकिंग वेबसाइट की उम्र पर बहुत अधिक निर्भर करती थी, यदि आप मेट्रिक समय = बैकलिंक्स का उपयोग करते हैं।

उदाहरण के लिए, सीएनएन एक समाचार लेख के लिए बैकलिंक्स प्राप्त करेगा, क्योंकि इसका ब्रांड, विश्वास, और यह पहले से ही उच्च स्थान पर सूचीबद्ध था। इसलिए, यह स्वाभाविक रूप से अधिक बैकलिंक्स प्राप्त करता था, क्योंकि लोग एक लेख के बारे में शोध करते थे और पहले खोज परिणाम पर लिंक करते थे।

इसका अर्थ है कि उच्च रैंक वाले वेब पेज स्वाभाविक रूप से अधिक बैकलिंक्स प्राप्त करते थे। दुर्भाग्य से, इसका मतलब यह था कि नई वेबसाइटें अक्सर बैकलिंक अल्गोरिदम का दुरुपयोग करने के लिए मजबूर हो जाती थीं, और बैकलिंक बाजार में जाती थीं।

2000 के दशक की शुरुआत में, लिंक खरीदना बहुत अच्छा काम करता था और यह एक सरल प्रक्रिया थी। लिंक खरीदार उच्च प्राधिकरण वाली वेबसाइटों से लिंक खरीदते थे, अक्सर साइटवाइड फुटर लिंक, या शायद एक प्रति लेख के आधार पर (अक्सर एक अतिथि पोस्ट के रूप में छिपा हुआ), और वेबसाइटें जो मुद्रीकरण करने के लिए उत्सुक थीं, वे खुशी से पालन करती थीं – दुर्भाग्य से, अक्सर गुणवत्ता की बलि देते हुए।

अंततः, गूगल के मैशीन लर्निंग इंजीनियरों ने समझा कि खोज इंजन परिणामों को हाथ से कोड करना व्यर्थ था, और पेजरैंक का एक बड़ा हिस्सा हाथ से लिखा गया था। इसके बजाय, उन्होंने समझा कि एआई अंततः पूरी तरह से रैंकिंग की गणना के लिए जिम्मेदार होगा, मानव हस्तक्षेप के साथ या उसके बिना।

गूगल के पास अपने शस्त्रागार में हर उपकरण का उपयोग करने के लिए एक तरीका है, और इसमें डीप रिनफोर्समेंट लर्निंग शामिल है – दुनिया में सबसे उन्नत प्रकार का मैशीन लर्निंग अल्गोरिदम।

यह सिस्टम गूगल के मेटावेब के अधिग्रहण के शीर्ष पर परतदार था, जो 2010 में हुआ था। मेटावेब अधिग्रहण का महत्व यह था कि यह गूगल द्वारा कीवर्ड पर रखे गए भार को कम कर दिया। संदर्भ अचानक महत्वपूर्ण हो गया, यह एक ऐसी पद्धति का उपयोग करके हासिल किया गया जिसे ‘एंटिटी’ कहा जाता है। जैसा कि फास्ट कंपनी ने वर्णित किया है:

“एक बार मेटावेब यह पता लगा लेता है कि आप किस इकाई के बारे में पूछ रहे हैं, तो यह परिणामों का एक सेट प्रदान कर सकता है। यह परिणामों को अधिक जटिल खोजों के लिए संयोजित भी कर सकता है – ’40 से अधिक अभिनेत्रियां’ एक इकाई हो सकती है, ‘न्यूयॉर्क शहर में रहने वाली अभिनेत्रियां’ एक और हो सकती है, और ‘वर्तमान में एक फिल्म में अभिनेत्रियां’ एक और हो सकती हैं। “

यह प्रौद्योगिकी रैंकब्रेन नामक एक प्रमुख अल्गोरिदम अपडेट में शामिल की गई थी, जिसे 2015 के वसंत में लॉन्च किया गया था। रैंकब्रेन ने कीवर्ड-आधारित होने के बजाय संदर्भ को समझने पर ध्यान केंद्रित किया, और रैंकब्रेन ने पर्यावरणीय संदर्भों (जैसे खोजकर्ता का स्थान) और पहले के बिना अर्थ का अनुमान लगाने पर भी विचार किया। यह मोबाइल उपयोगकर्ताओं के लिए विशेष रूप से एक महत्वपूर्ण अपडेट था।

अब हम गूगल की इन तकनीकों का उपयोग कैसे करते हैं यह जानने के लिए कम्प्यूटेशनल सिद्धांत का उपयोग करके अनुमान लगाएंगे।

गहरा सीखना क्या है?

गहरा सीखना सबसे आम तौर पर इस्तेमाल किया जाने वाला मैशीन लर्निंग प्रकार है – यह असंभव है कि गूगल इस अल्गोरिदम का उपयोग न करे।

गहरा सीखना मानव मस्तिष्क के कामकाज से बहुत प्रभावित होता है और यह पैटर्न रिकग्निशन का उपयोग करके वस्तुओं की पहचान और वर्गीकरण करने के तरीके में इसका अनुकरण करने का प्रयास करता है।

उदाहरण के लिए, यदि आप ए अक्षर देखते हैं, तो आपका मस्तिष्क स्वचालित रूप से रेखाओं और आकारों को पहचानता है और इसे ए अक्षर के रूप में पहचानता है। उसी तरह, एपी अक्षरों के लिए, आपका मस्तिष्क स्वचालित रूप से भविष्य की भविष्यवाणी करने की कोशिश करता है और संभावित शब्दों जैसे एप या सेब के साथ आता है। अन्य पैटर्न में संख्याएं, सड़क संकेत, या एक भीड़ भरे हवाई अड्डे पर एक प्रियजन की पहचान शामिल हो सकती हैं।

आप गहरा सीखने वाले सिस्टम में अंतर्संबंधों को मानव मस्तिष्क में न्यूरॉन्स और सिनैप्स के संबंधों के समान मान सकते हैं।

गहरा सीखना अंततः मैशीन लर्निंग आर्किटेक्चर को कई मल्टीलेयर परसेप्ट्रोन को एक साथ जोड़ने के लिए दिया गया नाम है, ताकि केवल एक हidden लेयर न हो, बल्कि कई हिडन लेयर हों। गहरा न्यूरल नेटवर्क जितना अधिक होगा, उतनी ही जटिल पैटर्न नेटवर्क सीख सकता है।

गहरी नेटवर्क को अन्य मैशीन लर्निंग फंक्शन के साथ मिलाकर विभिन्न गहरा सीखने वाले आर्किटेक्चर बनाए जा सकते हैं।

गूगल गहरा सीखना का उपयोग कैसे करता है

गूगल दुनिया की वेबसाइटों को हाइपरलिंक्स (न्यूरॉन्स की तरह सोचें) का पालन करके स्पाइडर करता है जो वेबसाइटों को एक दूसरे से जोड़ते हैं। यह मूल रूप से गूगल द्वारा दिन एक से उपयोग की जाने वाली विधि है, और अभी भी उपयोग में है। एक बार वेबसाइटों को अनुक्रमित किया जाता है, तो विभिन्न प्रकार के एआई का उपयोग करके इस डेटा का विश्लेषण किया जाता है।

गूगल की प्रणाली विभिन्न आंतरिक मेट्रिक्स के अनुसार वेब पेजों को लेबल करती है, जिसमें मानव हस्तक्षेप या हस्तक्षेप की只 न्यूनतम मात्रा होती है। एक हस्तक्षेप का एक उदाहरण एक विशिष्ट यूआरएल को मैनुअल रूप से डीएमसीए रिमूवल अनुरोध के कारण हटाना हो सकता है।

गूगल के इंजीनियर एसईओ सम्मेलनों में उपस्थित लोगों को निराश करने के लिए प्रसिद्ध हैं, और यह इसलिए है क्योंकि गूगल के कार्यकारी गूगल के कामकाज के बारे में ठीक से बता नहीं पाते हैं। जब उनसे पूछा जाता है कि कुछ वेबसाइटें क्यों रैंक नहीं करती हैं, तो यह लगभग हमेशा एक ही खराब तरीके से बताया जाता है जवाब है। जवाब इतना बार-बार दिया जाता है कि अक्सर उपस्थित लोग पहले से ही कहते हैं कि वे महीनों या даже वर्षों से अच्छी सामग्री बनाने के लिए प्रतिबद्ध हैं, लेकिन अभी तक कोई सकारात्मक परिणाम नहीं मिला है।

यह जवाब इसलिए है क्योंकि कार्यकारी ठीक से जवाब देने में असमर्थ हैं। गूगल का अल्गोरिदम एक ब्लैक बॉक्स में काम करता है। इसमें इनपुट होता है, और फिर आउटपुट – और यही गहरा सीखना कैसे काम करता है।

अब हम एक रैंकिंग दंड के बारे में बात करेंगे जो अक्सर वेबसाइट मालिकों के ज्ञान के बिना लाखों वेबसाइटों को नकारात्मक रूप से प्रभावित करता है।

पेजस्पीड इनसाइट्स

गूगल आमतौर पर पारदर्शी नहीं होता है, पेजस्पीड इनसाइट्स एक अपवाद है। जो वेबसाइटें इस स्पीड टेस्ट में विफल होती हैं, उन्हें धीरे-धीरे लोड होने के लिए एक दंड बॉक्स में भेजा जाएगा – विशेष रूप से यदि मोबाइल उपयोगकर्ता प्रभावित होते हैं।

क्या संदेह है कि किसी बिंदु पर प्रक्रिया में एक निर्णय पेड़ है जो तेजी से वेबसाइटों को धीमी लोडिंग (पेजस्पीड इनसाइट्स विफल) वेबसाइटों से अलग करता है। एक निर्णय पेड़ मूल रूप से एक अल्गोरिदमिक दृष्टिकोण है जो डेटासेट को विभिन्न मानदंडों के आधार पर व्यक्तिगत डेटा बिंदुओं में विभाजित करता है। मानदंड मोबाइल के लिए मोबाइल के लिए रैंकिंग को नकारात्मक रूप से प्रभावित करने के लिए हो सकता है।

काल्पनिक रूप से, एक दंड एक प्राकृतिक रैंकिंग स्कोर पर लागू किया जा सकता है। उदाहरण के लिए, एक वेबसाइट जो दंड के बिना #5 पर रैंक करेगी, #25 या #55 पर रैंक करने के लिए -20, -50, या कुछ अन्य अज्ञात चर को कम कर सकती है।

भविष्य में, हम पेजस्पीड इनसाइट्स के अंत को देख सकते हैं जब गूगल अपने एआई में अधिक आत्मविश्वास महसूस करता है। गूगल द्वारा गति पर यह वर्तमान हस्तक्षेप खतरनाक है क्योंकि यह उन परिणामों को समाप्त कर सकता है जो अन्यथा इष्टतम हो सकते थे, और यह कम तकनीकी ज्ञान वाले लोगों के खिलाफ भेदभावपूर्ण है।

यह एक बड़ा अनुरोध है कि हर कोई जो एक छोटा व्यवसाय चलाता है को अपनी वेबसाइट की गति की समस्याओं का निदान करने और उन्हें ठीक करने में महारत हासिल करनी चाहिए। एक सरल समाधान यह हो सकता है कि गूगल वेबसाइट मालिकों के लिए एक गति अनुकूलन प्लग-इन जारी करे – जैसे कि वर्डप्रेस उपयोगकर्ताओं के लिए, क्योंकि वर्डप्रेस इंटरनेट के 43% को शक्ति प्रदान करता है।

दुर्भाग्य से, सभी एसईओ प्रयास व्यर्थ हो जाते हैं यदि एक वेबसाइट गूगल के पेजस्पीड इनसाइट्स को पास नहीं कर सकती है। दांव कुछ भी कम नहीं है – एक वेबसाइट का गूगल से गायब हो जाना।

इस परीक्षण को पास करने का तरीका एक अन्य लेख का विषय है, लेकिन कम से कम आपको यह जांचना चाहिए कि आपकी वेबसाइट पास है या नहीं।

एक अन्य महत्वपूर्ण तकनीकी मेट्रिक जिस पर चिंता करनी चाहिए वह है एसएसएल (सिक्योर सॉकेट लेयर) नामक एक सुरक्षा प्रोटोकॉल। यह एक डोमेन के यूआरएल को http से https में बदलता है, और डेटा के सुरक्षित संचरण को सुनिश्चित करता है। कोई भी वेबसाइट जिस पर एसएसएल सक्षम नहीं है, उसे दंडित किया जाएगा। जबकि इस नियम के कुछ अपवाद हैं, ईकॉमर्स और वित्तीय वेबसाइटें सबसे अधिक प्रभावित होंगी।

कम लागत वाले वेबहोस्ट एसएसएल कार्यान्वयन के लिए एक वार्षिक शुल्क लेते हैं, जबकि अच्छे वेबहोस्ट जैसे साइटग्राउंड निशुल्क एसएसएल प्रमाण पत्र जारी करते हैं और उन्हें स्वचालित रूप से एकीकृत करते हैं।

मेटा डेटा

वेबसाइट पर एक और महत्वपूर्ण तत्व मेटा शीर्षक और मेटा विवरण है। इन सामग्री फील्डों में एक पेज की सफलता या विफलता में योगदान देने के लिए एक उच्च क्रम का महत्व हो सकता है, जितना कि उस पेज की सामग्री का बाकी हिस्सा।

इसका कारण यह है कि गूगल को मेटा शीर्षक और मेटा विवरण को खोज परिणामों में प्रदर्शित करने की संभावना है। और यही कारण है कि मेटा शीर्षक और मेटा विवरण फील्ड को सावधानी से भरना महत्वपूर्ण है।

विकल्प यह है कि गूगल मेटा शीर्षक और मेटा विवरण को नजरअंदाज कर सकता है और इसके बजाय अधिक क्लिक प्राप्त करने वाले डेटा को स्वचालित रूप से उत्पन्न कर सकता है। यदि गूगल खराब तरीके से अनुमान लगाता है कि कौन सा शीर्षक उत्पन्न करना है, तो यह खोजकर्ताओं द्वारा कम क्लिक-थ्रू और परिणामस्वरूप खोज इंजन रैंकिंग में कमी का कारण बन सकता है।

यदि गूगल मानता है कि शामिल मेटा विवरण क्लिक प्राप्त करने के लिए अनुकूलित है, तो यह खोज परिणामों में प्रदर्शित होगा। असफल होने पर गूगल वेबसाइट से एक यादृच्छिक टुकड़ा टेक्स्ट चुन लेता है। अक्सर गूगल पेज पर सबसे अच्छा टेक्स्ट चुनता है, समस्या यह है कि यह लॉटरी प्रणाली है और गूगल लगातार यह तय करने में खराब है कि कौन सा विवरण चुनना है।

बेशक, यदि आप मानते हैं कि आपके पेज पर सामग्री वास्तव में अच्छी है, तो कभी-कभी यह समझ में आता है कि गूगल को मेटा विवरण चुनने दें जो उपयोगकर्ता क्वेरी से सबसे अच्छी तरह मेल खाता है। हम इस लेख के लिए कोई मेटा विवरण नहीं चुनेंगे, क्योंकि यह सामग्री समृद्ध है, और गूगल संभवतः एक अच्छा विवरण चुनेगा।

इस बीच, अरबों मानव खोज परिणामों पर क्लिक कर रहे हैं – यह गूगल की मानव-इन-द-लूप है, गूगल की अंतिम प्रतिक्रिया तंत्र – और यहीं रिनफोर्समेंट लर्निंग किक इन होती है।

रिनफोर्समेंट लर्निंग क्या है?

रिनफोर्समेंट लर्निंग एक मैशीन लर्निंग तकनीक है जिसमें एक एआई एजेंट को क्रियाओं और संबंधित पुरस्कारों के पुनरावृत्ति द्वारा प्रशिक्षित किया जाता है। एक रिनफोर्समेंट लर्निंग एजेंट एक वातावरण में प्रयोग करता है, क्रियाएं करता है और सही क्रियाएं करने पर पुरस्कृत किया जाता है। समय के साथ, एजेंट सीखता है कि कौन सी क्रियाएं अपने पुरस्कार को अधिकतम करेंगी।

पुरस्कार एक सरल गणना पर आधारित हो सकता है जो एक अनुशंसित पेज पर बिताए गए समय की मात्रा को गणना करता है।

यदि आप इस पद्धति को मानव-इन-द-लूप सबरूटीन के साथ जोड़ते हैं, तो यह मौजूदा रिकमेंडर इंजनों जैसा लगेगा जो हमारे डिजिटल जीवन को नियंत्रित करते हैं जैसे यूट्यूब, नेटफ्लिक्स, अमेज़ॅन प्राइम – और यदि यह लगता है कि एक खोज इंजन कैसे काम करना चाहिए तो आप सही हैं।

गूगल रिनफोर्समेंट लर्निंग का उपयोग कैसे करता है

गूगल फ्लाईव्हील प्रत्येक खोज के साथ सुधारता है, मानव खोज परिणामों का चयन करते हैं जो उनकी क्वेरी का सबसे अच्छा जवाब देते हैं, और लाखों अन्य उपयोगकर्ताओं की समान क्वेरी के साथ, एआई को प्रशिक्षित करते हैं।

रिनफोर्समेंट लर्निंग एजेंट लगातार स्वयं को सुधारता है और केवल सबसे सकारात्मक इंटरैक्शन को मजबूत करता है जो खोज और वितरित खोज परिणाम के बीच होते हैं।

गूगल खोज परिणाम पेज पर स्कैन करने में लगने वाले समय, क्लिक किए गए यूआरएल, और उस वेबसाइट पर बिताए गए समय को मापता है, और रिटर्न क्लिक को रजिस्टर करता है। यह डेटा तब संकलित किया जाता है और प्रत्येक वेबसाइट के लिए तुलना की जाती है जो एक समान डेटा मैच या उपयोगकर्ता अनुभव प्रदान करती है।

एक वेबसाइट जिसमें कम रिटेंशन रेट (वेबसाइट पर बिताया गया समय) है, रिनफोर्समेंट लर्निंग सिस्टम द्वारा एक नकारात्मक मूल्य के साथ खिलाया जाता है, और अन्य प्रतिस्पर्धी वेबसाइटों का परीक्षण किया जाता है ताकि रैंकिंग में सुधार किया जा सके। गूगल तटस्थ है, मान लें कि मैनुअल हस्तक्षेप नहीं है, गूगल अंततः वांछित खोज परिणाम पृष्ठ प्रदान करता है।

उपयोगकर्ता मानव-इन-द-लूप प्रदान करके गूगल को मुफ्त डेटा और सेवा प्रदान करते हैं, और इसके बदले में गूगल उन्हें एक विज्ञापन पर क्लिक करने का अवसर प्रदान करता है।

विज्ञापन राजस्व उत्पन्न करने के अलावा, वे एक द्वितीयक रैंकिंग कारक के रूप में कार्य करते हैं, जो यह बताते हैं कि कौन सा उपयोगकर्ता क्लिक करना चाहता है। गूगल मूल रूप से सीखता है कि उपयोगकर्ता क्या चाहता है। यह एक वीडियो स्ट्रीमिंग सेवा द्वारा एक रिकमेंडर इंजन की तरह है, जो उपयोगकर्ता को उनके हितों के अनुसार सामग्री प्रदान करता है। उदाहरण के लिए, एक उपयोगकर्ता जो रोमांटिक कॉमेडी की एक धारा का आनंद लेता है, हो सकता है कि वे समान हास्य अभिनेताओं के साथ व्यंग्य का आनंद लें।

गूगल कैसे रिनफोर्समेंट लर्निंग का उपयोग करता है यह जानने के बाद, आइए देखें कि यह एसईओ कैसे मदद करता है।

यह एसईओ को कैसे मदद करता है?

यदि हम कम्प्यूटेशनल सोच के साथ जारी रखते हैं, तो हम मान सकते हैं कि गूगल ने खुद को सर्वोत्तम परिणाम प्रदान करने के लिए प्रशिक्षित किया है, और यह अक्सर मानव पूर्वाग्रहों को संतुष्ट करने के द्वारा हासिल किया जाता है। वास्तव में, यह असंभव होगा कि गूगल का एआई परिणामों को अनुकूलित करे जो इन पूर्वाग्रहों को पूरा नहीं करते हैं, यदि यह परिणाम उप-आदर्श होंगे।

दूसरे शब्दों में, कोई जादू सूत्र नहीं है, लेकिन कुछ सर्वोत्तम अभ्यास हैं।

यह एसईओ प्रैक्टिशनर की जिम्मेदारी है कि वे अपने उद्योग के लिए गूगल द्वारा मांगे जाने वाले पूर्वाग्रहों को पहचानें, और उनमें योगदान दें। उदाहरण के लिए, किसी ऐसे व्यक्ति के लिए जो चुनाव परिणामों के बिना चुनाव परिणामों की खोज कर रहा है, वे सबसे हाल के परिणामों की खोज कर रहे होंगे – यह एक ताजगी पूर्वाग्रह है। किसी के लिए जो एक नुस्खा की खोज कर रहा है, उन्हें शायद सबसे हाल का पृष्ठ नहीं चाहिए, और वे वास्तव में एक ऐसा नुस्खा पसंद कर सकते हैं जो समय की कसौटी पर खड़ा हो।

यह एसईओ प्रैक्टिशनर की जिम्मेदारी है कि वे आगंतुकों को वह परिणाम प्रदान करें जो वे खोज रहे हैं। यह गूगल में रैंक करने का सबसे टिकाऊ तरीका है।

वेबसाइट मालिकों को एक विशिष्ट कीवर्ड पर निशाना साधते हुए कि वे उपयोगकर्ता को जो कुछ भी देना चाहते हैं उसे प्रदान करने की उम्मीद के साथ लक्ष्य करना बंद करना चाहिए। खोज परिणाम उपयोगकर्ता की जरूरत के साथ बिल्कुल मेल खाना चाहिए।

पूर्वाग्रह क्या है? यह एक ऐसा डोमेन नाम हो सकता है जो उच्च प्राधिकरण की तरह दिखता है, अर्थात क्या डोमेन नाम बाजार के साथ मेल खाता है जिसे आप सेवा दे रहे हैं? एक डोमेन नाम में भारत जैसे शब्द होने से अमेरिकी उपयोगकर्ताओं को यूआरएल पर क्लिक करने से रोका जा सकता है, क्योंकि वे अपने निवास के देश से उत्पन्न परिणामों पर विश्वास करने के लिए एक राष्ट्रवादी पूर्वाग्रह हो सकते हैं। एक शब्द डोमेन नाम भी एक प्राधिकरण का भ्रम पैदा कर सकता है।

सबसे महत्वपूर्ण पूर्वाग्रह यह है कि उपयोगकर्ता अपनी खोज क्वेरी से मेल खाने के लिए क्या चाहता है। क्या यह एक एफएक्यू है, एक शीर्ष 10 सूची, एक ब्लॉग पोस्ट है? इसका उत्तर देने की जरूरत है, और उत्तर खोजना आसान है। आपको बस अपने लक्षित बाजार में गूगल खोज करनी है और प्रतिस्पर्धा का विश्लेषण करना है।

ब्लैक हैट एसईओ मृत है

इसे ब्लैक हैट एसईओ की तुलना में देखें, जो वेबसाइटों को रैंक करने के लिए एक आक्रामक विधि है जो दुर्भाग्यपूर्ण स्पैम तकनीकों का शोषण करती है, जिसमें बैकलिंक्स खरीदना, बैकलिंक्स को गलत साबित करना, वेबसाइटों को हैक करना, बड़े पैमाने पर स्वचालित सोशल बुकमार्क बनाना और अन्य गहरे तरीके शामिल हैं जो ब्लैक हैट टूल्स के नेटवर्क के माध्यम से लागू किए जाते हैं।

जो उपकरण अक्सर पुनर्निर्देशित और विभिन्न खोज इंजन विपणन मंचों पर पुनर्विक्रय किए जाते हैं, जिनका मूल्य लगभग शून्य होता है और उपयोगकर्ता के लिए बहुत कम सफलता की संभावना होती है। इस समय ये उपकरण विक्रेताओं को समृद्ध बनाने में मदद करते हैं जबकि वे अंतिम उपयोगकर्ता के लिए बहुत कम मूल्य प्रदान करते हैं।

यही कारण है कि मैं ब्लैक हैट को छोड़ने की सलाह देता हूं। अपने एसईओ को मशीन लर्निंग के दृष्टिकोण से देखने पर ध्यान केंद्रित करें। यह महत्वपूर्ण है कि हर बार जब कोई खोज परिणाम को छोड़ देता है और नीचे दफन एक परिणाम पर क्लिक करता है, तो यह मानव-इन-द-लूप गूगल के साथ सहयोग कर रहा है डीप रिनफोर्समेंट लर्निंग सिस्टम, मानव स्वयं को सुधारने में मदद कर रहा है, जो समय के साथ अनंत रूप से बेहतर हो जाता है।

यह एक मशीन लर्निंग अल्गोरिदम है जिसे मानव इतिहास में किसी भी अन्य प्रणाली की तुलना में अधिक उपयोगकर्ताओं द्वारा प्रशिक्षित किया गया है।

गूगल प्रति मिनट औसतन दुनिया भर में 3.8 मिलियन खोजें संभालता है। यह प्रति घंटे 228 मिलियन खोजों के बराबर है, 5.6 बिलियन खोज प्रतिदिन। यह बहुत सारा डेटा है, और यही कारण है कि ब्लैक हैट एसईओ का प्रयास करना मूर्खता है। यह मान लेना कि गूगल का एआई स्थिर रहेगा मूर्खता है, प्रणाली त्वरण के नियम का उपयोग करके स्वयं को असीमित रूप से सुधार रही है।

गूगल का एआई इतना शक्तिशाली हो रहा है कि यह कल्पना की जा सकती है कि यह अंततः पहला एआई बन सकता है जो आर्टिफिशियल जनरल इंटेलिजेंस (एजीआई) तक पहुंच जाएगा। एक एजीआई एक ऐसी बुद्धिमत्ता है जो एक क्षेत्र में महारत हासिल करने के लिए ट्रांसफर लर्निंग का उपयोग कर सकती है और फिर सीखी गई बुद्धिमत्ता को कई डोमेन में लागू कर सकती है। जबकि गूगल के भविष्य के एजीआई प्रयासों का अन्वेषण करना दिलचस्प हो सकता है, यह समझा जाना चाहिए कि एक बार प्रक्रिया शुरू हो जाने के बाद इसे रोकना मुश्किल हो जाता है। यह भविष्य की ओर देखने की बात है, क्योंकि गूगल वर्तमान में एक प्रकार का संकीर्ण एआई है, लेकिन यह एक अन्य लेख का विषय है।

जानते हुए कि ब्लैक हैट पर एक सेकंड और खर्च करना एक मूर्खता है।

व्हाइट हैट एसईओ

यदि हम स्वीकार करते हैं कि गूगल का एआई लगातार स्वयं को सुधारेगा, तो हमें गूगल को प्रभावित करने का प्रयास छोड़ने का कोई विकल्प नहीं है। इसके बजाय, एक वेबसाइट को अनुकूलित करने पर ध्यान केंद्रित करें ताकि यह गूगल को विशेष रूप से वही प्रदान करे जो यह खोज रहा है।

जैसा कि वर्णित है, इसमें एसएसएल को सक्षम करना, पेज लोडिंग स्पीड को अनुकूलित करना, और मेटा शीर्षक और मेटा विवरण को अनुकूलित करना शामिल है। इन फील्डों को अनुकूलित करने के लिए, मेटा शीर्षक और मेटा विवरण की तुलना प्रतिस्पर्धी वेबसाइटों से करनी होगी – जो तत्व जीतने वाले हैं उन्हें पहचानें जो उच्च क्लिक-थ्रू दर में परिणाम हैं।

यदि आपने क्लिक किए जाने पर अनुकूलन किया है, तो अगला मील का पत्थर एक उत्कृष्ट लैंडिंग पेज बनाना है। लक्ष्य एक लैंडिंग पेज है जो उपयोगकर्ता मूल्य को इतना अनुकूलित करता है कि औसत समय प्रतिस्पर्धियों को पार करता है जो शीर्ष खोज इंजन परिणामों के लिए प्रतिस्पर्धा कर रहे हैं।

केवल उपयोगकर्ता को सर्वोत्तम अनुभव प्रदान करके ही एक वेब पेज अपनी रैंकिंग में सुधार कर सकता है।

अब तक हमने इन मेट्रिक्स को सबसे महत्वपूर्ण होने की पहचान की है:

• लोडिंग स्पीड
• एसएसएल सक्षम
• मेटा शीर्षक और मेटा विवरण
• लैंडिंग पेज

लैंडिंग पेज सबसे कठिन तत्व है क्योंकि आप दुनिया के साथ प्रतिस्पर्धा कर रहे हैं। लैंडिंग पेज को तेजी से लोड होना चाहिए, और अपेक्षित सभी चीजों की पेशकश करनी चाहिए, और फिर उपयोगकर्ता को अधिक से आश्चर्यचकित करना चाहिए।

अंतिम विचार

यह 2000 शब्दों को भरने के लिए आसान होगा जो गूगल द्वारा उपयोग की जाने वाली अन्य एआई प्रौद्योगिकियों का वर्णन करता है, साथ ही एसईओ के रब्बित होल में गहराई से जाने के लिए। यहां इरादा ध्यान को सबसे महत्वपूर्ण मेट्रिक्स पर केंद्रित करना है।

एसईओ पार्टिशनर इतने ज्यादा सिस्टम को गेम करने में व्यस्त हैं कि वे भूल जाते हैं कि एसईओ का सबसे महत्वपूर्ण तत्व अंत में उपयोगकर्ताओं को यथासंभव अधिक मूल्य प्रदान करना है।

एक तरीका यह है कि महत्वपूर्ण सामग्री को कभी भी पुराना न होने दें। यदि मैं एक महीने में एक महत्वपूर्ण योगदान सोचता हूं, तो यह इस लेख में जोड़ा जाएगा। गूगल तब देख सकता है कि सामग्री कितनी ताज़ा है, मिलान की जाती है पेज के इतिहास के साथ मूल्य प्रदान करने वाला।

यदि आप अभी भी बैकलिंक्स प्राप्त करने के बारे में चिंतित हैं, तो समाधान सरल है। अपने आगंतुकों का समय सम्मान करें और उन्हें मूल्य प्रदान करें। बैकलिंक्स स्वाभाविक रूप से आएंगे, क्योंकि उपयोगकर्ता अपनी सामग्री साझा करने में मूल्य पाएंगे।

प्रश्न तब वेबसाइट मालिक पर स्थानांतरित हो जाता है कि उपयोगकर्ता को सबसे अच्छा उपयोगकर्ता मूल्य और उपयोगकर्ता अनुभव कैसे प्रदान किया जाए।