SEO अनुकूलन: Google का AI कैसे काम करता है (मई 2024)

सर्च इंजन ऑप्टिमाइजेशन (एसईओ) ऑन-पेज और ऑफ-पेज कारकों को अनुकूलित करने की प्रक्रिया है जो यह प्रभावित करती है कि किसी विशिष्ट खोज शब्द के लिए वेब पेज कितनी ऊंची रैंक पर है। यह एक बहुआयामी प्रक्रिया है जिसमें पेज लोडिंग गति को अनुकूलित करना, लिंक निर्माण रणनीति तैयार करना, उपयोग करना शामिल है एसईओ उपकरण, साथ ही Google के AI का उपयोग करके रिवर्स इंजीनियर करना सीखें कम्प्यूटेशनल सोच.

कम्प्यूटेशनल सोच एक उन्नत प्रकार की विश्लेषण और समस्या-समाधान तकनीक है जिसका उपयोग कंप्यूटर प्रोग्रामर कोड और एल्गोरिदम लिखते समय करते हैं। कम्प्यूटेशनल विचारक किसी समस्या को तोड़कर और पहले सिद्धांतों की सोच का उपयोग करके उसका विश्लेषण करके जमीनी सच्चाई की तलाश करेंगे।

चूँकि Google अपनी गुप्त जानकारी किसी को नहीं देता, इसलिए हम कम्प्यूटेशनल सोच पर भरोसा करेंगे। हम Google के इतिहास के कुछ महत्वपूर्ण क्षणों से गुजरेंगे जिन्होंने उपयोग किए जाने वाले एल्गोरिदम को आकार दिया, और हम सीखेंगे कि यह क्यों मायने रखता है।

मन कैसे बनाएं

हम 2012 में प्रकाशित एक किताब से शुरुआत करेंगे, जिसका नाम है "मन कैसे बनाएं: मानव विचार का रहस्य उजागरप्रसिद्ध भविष्यवादी और आविष्कारक रे कुर्ज़वील द्वारा। इस पुस्तक ने मानव मस्तिष्क का विश्लेषण किया और उसके काम करने के तरीकों को तोड़ दिया। हम जमीनी स्तर से सीखते हैं कि कैसे मस्तिष्क एक भविष्यवाणी मशीन बनने के लिए पैटर्न पहचान का उपयोग करके खुद को प्रशिक्षित करता है, हमेशा भविष्य की भविष्यवाणी करने पर काम करता है, यहां तक ​​कि अगले शब्द की भी भविष्यवाणी करता है।

मनुष्य रोजमर्रा की जिंदगी में पैटर्न को कैसे पहचानते हैं? मस्तिष्क में ये संबंध कैसे बनते हैं? पुस्तक पदानुक्रमित सोच को समझने के साथ शुरू होती है, यह एक ऐसी संरचना को समझना है जो विभिन्न तत्वों से बना है जो एक पैटर्न में व्यवस्थित हैं, यह व्यवस्था फिर एक अक्षर या चरित्र जैसे प्रतीक का प्रतिनिधित्व करती है, और फिर इसे और अधिक उन्नत पैटर्न में व्यवस्थित किया जाता है जैसे कि एक शब्द, और अंततः एक वाक्य। अंततः ये पैटर्न विचारों का निर्माण करते हैं, और ये विचार उन उत्पादों में बदल जाते हैं जिन्हें बनाने के लिए मनुष्य जिम्मेदार हैं।

मानव मस्तिष्क का अनुकरण करके, प्रकाशन के समय मौजूद तंत्रिका नेटवर्क की वर्तमान क्षमताओं से परे एक उन्नत एआई बनाने का मार्ग सामने आया है।

यह पुस्तक एक एआई बनाने का खाका थी जो दुनिया के डेटा को वैक्यूम करके स्केल कर सकती है, और टेक्स्ट, छवियों, ऑडियो और वीडियो को पार्स करने के लिए अपने बहुस्तरीय पैटर्न पहचान प्रसंस्करण का उपयोग कर सकती है। क्लाउड के लाभों और इसकी समानांतर प्रसंस्करण क्षमताओं के कारण अपस्केलिंग के लिए अनुकूलित एक प्रणाली। दूसरे शब्दों में डेटा इनपुट या आउटपुट पर कोई अधिकतम सीमा नहीं होगी।

यह पुस्तक इतनी महत्वपूर्ण थी कि इसके प्रकाशन के तुरंत बाद ही लेखक रे कुर्ज़वील को Google द्वारा नियुक्त किया गया था मशीन लर्निंग और भाषा प्रसंस्करण पर केंद्रित इंजीनियरिंग के निदेशक बनने के लिए। एक भूमिका जो उनके द्वारा लिखी गई किताब से पूरी तरह मेल खाती है।

इस बात से इंकार करना असंभव होगा कि यह पुस्तक Google के भविष्य के लिए कितनी प्रभावशाली थी, और वे वेबसाइटों को कैसे रैंक करते हैं। यह ऐ किताब एसईओ विशेषज्ञ बनने की इच्छा रखने वाले किसी भी व्यक्ति के लिए इसे पढ़ना अनिवार्य होना चाहिए।

Deepmind

2010 में लॉन्च किया गया, डीपमाइंड एक क्रांतिकारी नए प्रकार के एआई एल्गोरिदम का उपयोग करने वाला एक नया स्टार्टअप था जिसने दुनिया में तूफान ला दिया था, इसे सुदृढीकरण शिक्षण कहा जाता था। डीपमाइंड ने इसका सर्वोत्तम वर्णन इस प्रकार किया:

“हम सुदृढीकरण सीखने का उपयोग करके सीधे उच्च-आयामी संवेदी इनपुट से नियंत्रण नीतियों को सफलतापूर्वक सीखने के लिए पहला गहन शिक्षण मॉडल प्रस्तुत करते हैं। मॉडल एक कन्वेन्शनल न्यूरल नेटवर्क है, जिसे क्यू-लर्निंग के एक प्रकार के साथ प्रशिक्षित किया गया है, जिसका इनपुट कच्चा पिक्सल है और जिसका आउटपुट भविष्य के पुरस्कारों का अनुमान लगाने वाला एक मूल्य फ़ंक्शन है।

गहन शिक्षण को सुदृढीकरण शिक्षण के साथ मिलाने से यह एक बन गया गहरी सुदृढीकरण सीखने प्रणाली। 2013 तक, डीपमाइंड अटारी 2600 गेम में मानव खिलाड़ियों के खिलाफ जीत हासिल करने के लिए इन एल्गोरिदम का उपयोग कर रहा था - और यह मानव मस्तिष्क की नकल करके और यह प्रशिक्षण और दोहराव से कैसे सीखता है, इसकी नकल करके हासिल किया गया था।

जिस प्रकार मनुष्य दोहराव से सीखता है, चाहे वह गेंद को किक करना हो, या टेट्रिस खेलना हो, एआई भी सीखेगा। एआई का तंत्रिका नेटवर्क प्रदर्शन को ट्रैक करता है और क्रमिक रूप से आत्म-सुधार करेगा जिसके परिणामस्वरूप अगले पुनरावृत्ति में मजबूत चाल चयन होगा।

डीपमाइंड अपनी तकनीकी बढ़त में इतना प्रभावशाली था कि Google को प्रौद्योगिकी तक पहुंच खरीदनी पड़ी। डीपमाइंड का अधिग्रहण किया गया 500 में $2014 मिलियन से अधिक के लिए।

अधिग्रहण के बाद एआई उद्योग में लगातार सफलताएं देखी गईं, ऐसा तब से नहीं देखा गया 11 मई 1997, जब शतरंज ग्रांडमास्टर गैरी कास्पारोव हार गये आईबीएम के वैज्ञानिकों द्वारा विकसित शतरंज खेलने वाले कंप्यूटर डीप ब्लू के खिलाफ छह-गेम मैच का पहला गेम। 

2015 में, डीपमाइंड ने अटारी के 49 गेमों के सूट पर परीक्षण करने के लिए एल्गोरिदम को परिष्कृत किया, और मशीन ने उनमें से 23 पर मानव प्रदर्शन को हरा दिया।

यह तो बस शुरुआत थी, बाद में 2015 में डीपमाइंड ने इस पर ध्यान देना शुरू किया AlphaGo, एक पेशेवर गो वर्ल्ड चैंपियन को हराने के घोषित उद्देश्य वाला एक कार्यक्रम। गो का प्राचीन खेल, जिसे पहली बार लगभग 4000 साल पहले चीन में देखा गया था, अपनी क्षमता के कारण मानव इतिहास का सबसे चुनौतीपूर्ण खेल माना जाता है। 10³⁶⁰ संभव चालें.

डीपमाइंड ने मानव खिलाड़ियों से सीखकर अल्फ़ागो प्रणाली को प्रशिक्षित करने के लिए पर्यवेक्षित शिक्षण का उपयोग किया। इसके तुरंत बाद, अल्फ़ागो की हार के बाद डीपमाइंड ने सुर्खियाँ बटोरीं ली सेडोलमार्च 2016 में पांच गेम के मैच में विश्व चैंपियन।

आगे न बढ़ें, अक्टूबर, 2017 में डीपमाइंड ने अल्फ़ागो ज़ीरो जारी किया, एक नया मॉडल जिसमें प्रमुख विभेदक था जिसके लिए शून्य की आवश्यकता थी मानव प्रशिक्षण. चूँकि इसमें मानव प्रशिक्षण की आवश्यकता नहीं थी, इसलिए इसमें डेटा की लेबलिंग की भी आवश्यकता नहीं थी, सिस्टम का अनिवार्य रूप से उपयोग किया गया था अप्रकाशित शिक्षा. अल्फ़ागो ज़ीरो ने तेजी से अपने पूर्ववर्ती को पीछे छोड़ दिया डीपमाइंड द्वारा वर्णित.

“अल्फागो के पिछले संस्करणों ने शुरू में गो खेलना सीखने के लिए हजारों मानव शौकिया और पेशेवर खेलों पर प्रशिक्षण दिया था। अल्फ़ागो ज़ीरो इस चरण को छोड़ देता है और पूरी तरह से यादृच्छिक खेल से शुरू करके, केवल अपने विरुद्ध गेम खेलकर खेलना सीखता है। ऐसा करते हुए, इसने खेल के मानवीय स्तर को तुरंत पार कर लिया और को हरा दिया पहले प्रकाशित किया गया अल्फ़ागो के चैंपियन-पराजित संस्करण को 100 गेम से 0 तक।

इस बीच, SEO की दुनिया Google की रीढ़ पेजरैंक पर अत्यधिक केंद्रित थी। इसकी शुरुआत 1995 में हुई, जब लैरी पेज और सर्गेई ब्रिन पीएच.डी. थे। स्टैनफोर्ड विश्वविद्यालय के छात्र। दोनों ने "उपनाम" नामक एक उपन्यास अनुसंधान परियोजना पर सहयोग करना शुरू किया।वापस रगड़ना”। लक्ष्य वेब पेजों को उनके बैकलिंक डेटा को परिवर्तित करके महत्व के आधार पर रैंक करना था। बैकलिंक बिल्कुल इसी तरह एक पेज से दूसरे पेज पर जाने वाला कोई भी लिंक है संपर्क.

बाद में एल्गोरिदम का नाम बदलकर पेजरैंक कर दिया गया, जिसका नाम "वेब पेज" और सह-संस्थापक लैरी पेज दोनों के नाम पर रखा गया। लैरी पेज और सर्गेई ब्रिन का एक ऐसा खोज इंजन बनाने का महत्वाकांक्षी लक्ष्य था जो संपूर्ण वेब को पूरी तरह से बैकलिंक्स द्वारा संचालित कर सके।

और यह काम किया।

पेजरैंक सुर्खियों में हावी है

एसईओ पेशेवरों ने तुरंत मूल बातें समझ लीं कि पेजरैंक का उपयोग करके Google किसी वेब पेज के लिए गुणवत्ता रैंकिंग की गणना कैसे करता है। कुछ समझदार ब्लैक हैट एसईओ उद्यमियों ने इसे एक कदम आगे बढ़ाया, यह समझते हुए कि सामग्री को स्केल करने के लिए, उन्हें व्यवस्थित रूप से प्राप्त करने की प्रतीक्षा करने के बजाय लिंक खरीदना समझ में आ सकता है।

बैकलिंक्स के आसपास एक नई अर्थव्यवस्था उभरी। उत्सुक वेबसाइट मालिक जिन्हें खोज इंजन रैंकिंग को प्रभावित करने की आवश्यकता होती है, वे लिंक खरीदते हैं, और बदले में वेबसाइटों से कमाई करने के लिए बेताब उन्हें लिंक बेचते हैं।

जिन वेबसाइटों ने लिंक खरीदे, उन्होंने अक्सर रातों-रात Google पर स्थापित ब्रांडों को पछाड़ दिया।

इस पद्धति का उपयोग करके रैंकिंग ने लंबे समय तक वास्तव में अच्छा काम किया - जब तक इसने काम करना बंद नहीं किया, शायद उसी समय के आसपास मशीन लर्निंग शुरू हुई और अंतर्निहित समस्या हल हो गई। गहन सुदृढीकरण सीखने की शुरूआत के साथ, पेजरैंक एक रैंकिंग चर बन जाएगा, न कि प्रमुख कारक।

अब तक एसईओ समुदाय एक रणनीति के रूप में लिंक खरीदारी पर विभाजित है। मैं व्यक्तिगत रूप से मानता हूं कि लिंक ख़रीदना उप-इष्टतम परिणाम प्रदान करता है, और बैकलिंक प्राप्त करने का सबसे अच्छा तरीका उन चर पर आधारित है जो उद्योग विशिष्ट हैं। एक वैध सेवा जिसकी मैं अनुशंसा कर सकता हूं उसे कहा जाता है HARO (एक रिपोर्टर की मदद करें)। HARO में अवसर मीडिया अनुरोधों को पूरा करके बैकलिंक्स प्राप्त करने का है।

स्थापित ब्रांडों को कभी भी लिंक सोर्सिंग के बारे में चिंता करने की ज़रूरत नहीं पड़ी, क्योंकि उन्हें अपने पक्ष में काम करने में समय का लाभ मिला। कोई वेबसाइट जितनी पुरानी होगी, उसे उच्च गुणवत्ता वाले बैकलिंक्स एकत्र करने में उतना ही अधिक समय लगेगा। दूसरे शब्दों में, यदि आप मीट्रिक का उपयोग करके गणना करते हैं, तो खोज इंजन रैंकिंग काफी हद तक वेबसाइट की उम्र पर निर्भर करती है समय = बैकलिंक्स.

उदाहरण के लिए, सीएनएन को स्वाभाविक रूप से अपने ब्रांड, अपने विश्वास के कारण एक समाचार लेख के लिए बैकलिंक प्राप्त होंगे, और क्योंकि इसे शुरुआत में उच्च सूचीबद्ध किया गया था - इसलिए स्वाभाविक रूप से इसे एक लेख पर शोध करने वाले लोगों और उन्हें मिले पहले खोज परिणाम से लिंक करने से अधिक बैकलिंक प्राप्त हुए। .

मतलब यह कि उच्च रैंक वाले वेबपेजों को स्वाभाविक रूप से अधिक बैकलिंक प्राप्त हुए। दुर्भाग्य से, इसका मतलब यह था कि नई वेबसाइटों को अक्सर बैकलिंक बाज़ार की ओर रुख करके बैकलिंक एल्गोरिदम का दुरुपयोग करने के लिए मजबूर किया जाता था।

2000 के दशक की शुरुआत में, बैकलिंक्स खरीदना उल्लेखनीय रूप से अच्छा काम करता था और यह एक सरल प्रक्रिया थी। लिंक खरीदारों ने उच्च प्राधिकारी वेबसाइटों से लिंक खरीदे, अक्सर साइटव्यापी फ़ुटर लिंक, या शायद प्रति लेख के आधार पर (अक्सर अतिथि पोस्ट के रूप में प्रच्छन्न), और विक्रेता अपनी वेबसाइटों का मुद्रीकरण करने के लिए उत्सुक थे - दुर्भाग्य से, अक्सर बलिदान के लिए गुणवत्ता।

अंततः मशीन लर्निंग इंजीनियरों के Google प्रतिभा समूह को समझ में आया कि खोज इंजन परिणामों को हाथ से कोडिंग करना व्यर्थ था, और बहुत सारे पेजरैंक हस्तलिखित कोडिंग थे। इसके बजाय उन्होंने यह समझा कि एआई अंततः बिना किसी मानवीय हस्तक्षेप के पूरी तरह से रैंकिंग की गणना करने के लिए जिम्मेदार बन जाएगी।

प्रतिस्पर्धी बने रहने के लिए Google अपने शस्त्रागार में हर उपकरण का उपयोग करता है और इसमें यह भी शामिल है गहरी सुदृढीकरण सीखने - दुनिया में सबसे उन्नत प्रकार का मशीन लर्निंग एल्गोरिदम।

यह प्रणाली शीर्ष पर परतदार है Google द्वारा मेटावेब का अधिग्रहण एक गेमचेंजर था. 2010 मेटावेब अधिग्रहण इतना महत्वपूर्ण होने का कारण यह था कि इसने Google द्वारा कीवर्ड पर दिए जाने वाले भार को कम कर दिया था। संदर्भ अचानक महत्वपूर्ण हो गया था, इसे 'इकाइयाँ' नामक वर्गीकरण पद्धति का उपयोग करके हासिल किया गया था। जैसा फास्ट कंपनी का वर्णन किया गया:

एक बार जब मेटावेब यह पता लगा लेता है कि आप किस इकाई का उल्लेख कर रहे हैं, तो यह परिणामों का एक सेट प्रदान कर सकता है। यह अधिक जटिल खोजों के लिए संस्थाओं को भी जोड़ सकता है - "40 से अधिक उम्र की अभिनेत्रियाँ" एक इकाई हो सकती हैं, "न्यूयॉर्क शहर में रहने वाली अभिनेत्रियाँ" एक और इकाई हो सकती हैं, और "वर्तमान में चल रही फिल्म वाली अभिनेत्रियाँ" एक और इकाई हो सकती हैं। “.

इस तकनीक को एक प्रमुख एल्गोरिदम अपडेट में शामिल किया गया जिसे कहा जाता है RankBrain इसे 2015 के वसंत में लॉन्च किया गया था। रैंकब्रेन ने संदर्भ को समझने के बजाय पूरी तरह से कीवर्ड आधारित होने पर ध्यान केंद्रित किया, और रैंकब्रेन पर्यावरणीय संदर्भों (उदाहरण के लिए, खोजकर्ता स्थान) पर भी विचार करेगा और अर्थ का अनुमान लगाएगा जहां पहले कोई नहीं था। खासकर मोबाइल यूजर्स के लिए यह एक अहम अपडेट था।

अब जब हम समझ गए हैं कि Google इन तकनीकों का उपयोग कैसे करता है, तो आइए कम्प्यूटेशनल सिद्धांत का उपयोग करके अनुमान लगाएं कि यह कैसे किया जाता है।

डीप लर्निंग क्या है?

ध्यान लगा के पढ़ना या सीखना मशीन लर्निंग का सबसे अधिक उपयोग किया जाने वाला प्रकार है - Google के लिए इस एल्गोरिदम का उपयोग न करना असंभव होगा।

गहन शिक्षण इस बात से महत्वपूर्ण रूप से प्रभावित होता है कि मानव मस्तिष्क कैसे संचालित होता है और यह वस्तुओं को पहचानने और वर्गीकृत करने के लिए पैटर्न पहचान का उपयोग करके मस्तिष्क के व्यवहार को प्रतिबिंबित करने का प्रयास करता है।

उदाहरण के लिए, यदि आप पत्र देखते हैं a, आपका मस्तिष्क स्वचालित रूप से रेखाओं और आकृतियों को पहचानता है और फिर उसे अक्षर के रूप में पहचानता है a. यही बात अक्षरों द्वारा भी लागू होती है ap, आपका मस्तिष्क स्वचालित रूप से संभावित शब्दों जैसे कि भविष्य की भविष्यवाणी करने का प्रयास करता है अनुप्रयोग or सेब. अन्य पैटर्न में नंबर, सड़क संकेत, या भीड़ भरे हवाई अड्डे में किसी प्रियजन की पहचान करना शामिल हो सकता है।

आप गहन शिक्षण प्रणाली में अंतर्संबंधों के बारे में उसी तरह सोच सकते हैं जैसे मानव मस्तिष्क न्यूरॉन्स और सिनैप्स के कनेक्शन के साथ कैसे काम करता है।

डीप लर्निंग अंततः मशीन लर्निंग आर्किटेक्चर को दिया गया शब्द है जो कई मल्टीलेयर परसेप्ट्रॉन को एक साथ जोड़ता है, ताकि केवल एक छिपी हुई परत न हो बल्कि कई छिपी हुई परतें हों। तंत्रिका नेटवर्क जितना "गहरा" होगा, नेटवर्क उतने ही अधिक परिष्कृत पैटर्न सीख सकता है।

अलग-अलग डीप लर्निंग आर्किटेक्चर बनाने के लिए पूरी तरह से जुड़े नेटवर्क को अन्य मशीन लर्निंग फ़ंक्शंस के साथ जोड़ा जा सकता है।

Google गहन शिक्षण का उपयोग कैसे करता है

Google उन हाइपरलिंक्स (न्यूरॉन्स के बारे में सोचें) का अनुसरण करके दुनिया की वेबसाइटों को भ्रमित करता है जो वेबसाइटों को एक-दूसरे से जोड़ते हैं। यह मूल पद्धति थी जिसे Google ने पहले दिन से उपयोग किया था, और अभी भी उपयोग में है। एक बार जब वेबसाइटें अनुक्रमित हो जाती हैं तो डेटा के इस खजाने का विश्लेषण करने के लिए विभिन्न प्रकार के एआई का उपयोग किया जाता है।

Google का सिस्टम केवल मामूली मानवीय इनपुट या हस्तक्षेप के साथ, विभिन्न आंतरिक मेट्रिक्स के अनुसार वेबपेजों को लेबल करता है। हस्तक्षेप का एक उदाहरण किसी विशिष्ट URL को मैन्युअल रूप से हटाना होगा डीएमसीए हटाने का अनुरोध.

Google इंजीनियर उपस्थित लोगों को निराश करने के लिए प्रसिद्ध हैं एसईओ सम्मेलन, और ऐसा इसलिए है क्योंकि Google अधिकारी कभी भी ठीक से स्पष्ट नहीं कर पाते हैं कि Google कैसे काम करता है। जब इस बारे में प्रश्न पूछे जाते हैं कि कुछ वेबसाइटें रैंक करने में विफल क्यों रहती हैं, तो लगभग हमेशा वही खराब ढंग से व्यक्त प्रतिक्रिया होती है। प्रतिक्रिया इतनी बार-बार मिलती है कि अक्सर उपस्थित लोग बिना किसी सकारात्मक परिणाम के महीनों या वर्षों तक अच्छी सामग्री बनाने के लिए प्रतिबद्ध रहते हैं।

जैसा कि अनुमान है, वेबसाइट मालिकों को मूल्यवान सामग्री के निर्माण पर ध्यान केंद्रित करने का निर्देश दिया जाता है - एक महत्वपूर्ण घटक, लेकिन व्यापक होने से बहुत दूर।

उत्तर की यह कमी इसलिए है क्योंकि अधिकारी प्रश्न का उचित उत्तर देने में असमर्थ हैं। Google का एल्गोरिदम एक ब्लैक बॉक्स में काम करता है। वहां इनपुट है, और फिर आउटपुट - और इसी तरह गहन शिक्षण काम करता है।

आइए अब रैंकिंग दंड पर लौटते हैं जो अक्सर वेबसाइट मालिक की जानकारी के बिना लाखों वेबसाइटों पर नकारात्मक प्रभाव डाल रहा है।

PageSpeed ​​इनसाइट्स

Google अक्सर पारदर्शी नहीं होता है, पेजस्पीड इनसाइट्स इसका अपवाद है। जो वेबसाइटें इस गति परीक्षण में विफल होंगी, उन्हें धीरे-धीरे लोड करने के लिए दंड बॉक्स में भेजा जाएगा - खासकर यदि मोबाइल उपयोगकर्ता प्रभावित होते हैं।

जिस बात पर संदेह है वह यह है कि इस प्रक्रिया में किसी बिंदु पर एक निर्णय वृक्ष होता है जो तेज़ वेबसाइटों, बनाम धीमी लोडिंग (पेजस्पीड इनसाइट्स विफल) वेबसाइटों को पार्स करता है। निर्णय वृक्ष मूलतः एक एल्गोरिथम दृष्टिकोण है जो विभिन्न मानदंडों के आधार पर डेटासेट को अलग-अलग डेटा बिंदुओं में विभाजित करता है। यह मानदंड नकारात्मक रूप से प्रभावित कर सकता है कि मोबाइल बनाम डेस्कटॉप उपयोगकर्ताओं के लिए पेज की रैंक कितनी ऊंची है।

काल्पनिक रूप से प्राकृतिक रैंकिंग स्कोर पर जुर्माना लगाया जा सकता है। उदाहरण के लिए, एक वेबसाइट जो दंड के बिना #5 पर रैंक करेगी, उसमें -20, -50, या कोई अन्य अज्ञात वेरिएबल हो सकता है जो रैंक को घटाकर #25, #55, या एआई द्वारा चयनित किसी अन्य नंबर पर कर देगा।

भविष्य में हम पेजस्पीड इनसाइट्स का अंत देख सकते हैं, जब Google अपने AI में अधिक आश्वस्त हो जाएगा। Google द्वारा गति पर यह वर्तमान हस्तक्षेप खतरनाक है क्योंकि यह संभावित रूप से उन परिणामों को समाप्त कर सकता है जो इष्टतम होते, और यह कम तकनीकी समझ रखने वालों के साथ भेदभाव करता है।

यह मांग करना एक बड़ा अनुरोध है कि छोटा व्यवसाय चलाने वाले प्रत्येक व्यक्ति के पास गति परीक्षण समस्याओं का सफलतापूर्वक निदान और समाधान करने की विशेषज्ञता हो। एक सरल समाधान यह होगा कि Google वर्डप्रेस उपयोगकर्ताओं के लिए एक स्पीड ऑप्टिमाइज़ेशन प्लग-इन जारी करे वर्डप्रेस शक्तियां 43% इंटरनेट का।

दुर्भाग्य से, यदि कोई वेबसाइट सफल नहीं हो पाती है तो सभी एसईओ प्रयास व्यर्थ हैं Google की पेजस्पीड इनसाइट्स. यह दांव Google से गायब होने वाली किसी वेबसाइट से कम नहीं है।

इस परीक्षा को कैसे पास करें, यह लेख फिर कभी, लेकिन कम से कम आपको यह सत्यापित कर लेना चाहिए कि क्या आपका वेबसाइट गुजरती है.

चिंता का एक अन्य महत्वपूर्ण तकनीकी मीट्रिक सुरक्षा प्रोटोकॉल है जिसे कहा जाता है एसएसएल (सुरक्षित सॉकेट लेयर)। यह किसी डोमेन के URL को http से https में बदल देता है, और डेटा का सुरक्षित प्रसारण सुनिश्चित करता है। कोई भी वेबसाइट जिसमें एसएसएल सक्षम नहीं है, उसे दंडित किया जाएगा। हालाँकि इस नियम के कुछ अपवाद हैं, ईकॉमर्स और वित्तीय वेबसाइटें सबसे अधिक प्रभावित होंगी।

कम लागत वाले वेबहोस्ट एसएसएल कार्यान्वयन के लिए वार्षिक शुल्क लेते हैं, इस बीच अच्छे वेबहोस्ट जैसे SiteGround निःशुल्क एसएसएल प्रमाणपत्र जारी करें और उन्हें स्वचालित रूप से एकीकृत करें।

मेटा डेटा

वेबसाइट पर एक अन्य महत्वपूर्ण तत्व मेटा शीर्षक और मेटा विवरण है। इन सामग्री फ़ील्ड में महत्व का एक बड़ा क्रम होता है जो किसी पृष्ठ की सफलता या विफलता में उतना ही योगदान दे सकता है जितना कि उस पृष्ठ की संपूर्ण सामग्री।

ऐसा इसलिए है क्योंकि Google के पास खोज परिणामों में प्रदर्शित करने के लिए मेटा शीर्षक और मेटा विवरण का चयन करने की उच्च संभावना है। और यही कारण है कि मेटा शीर्षक और मेटा विवरण फ़ील्ड को यथासंभव सावधानी से भरना महत्वपूर्ण है।

विकल्प यह है कि Google मेटा शीर्षक और मेटा विवरण को अनदेखा करने का विकल्प चुन सकता है, बजाय इसके कि वह स्वचालित रूप से डेटा जेनरेट करे जिसके परिणामस्वरूप अधिक क्लिक होंगे। यदि Google खराब ढंग से भविष्यवाणी करता है कि किस शीर्षक को स्वतः उत्पन्न करना है, तो यह खोजकर्ताओं द्वारा कम क्लिक-थ्रू में योगदान देगा और परिणामस्वरूप यह खोई हुई खोज इंजन रैंकिंग में योगदान देगा।

यदि Google को लगता है कि सम्मिलित मेटा विवरण क्लिक प्राप्त करने के लिए अनुकूलित है तो वह इसे खोज परिणामों में प्रदर्शित करेगा। ऐसा न करने पर Google वेबसाइट से टेक्स्ट का एक यादृच्छिक हिस्सा ले लेता है। अक्सर Google पृष्ठ पर सबसे अच्छे टेक्स्ट का चयन करता है, समस्या यह है कि यह लॉटरी प्रणाली है और Google यह चुनने में लगातार खराब रहता है कि कौन सा विवरण चुनना है।

निःसंदेह यदि आप मानते हैं कि आपके पृष्ठ की सामग्री वास्तव में अच्छी है, तो कभी-कभी यह समझ में आता है कि Google को अनुकूलित मेटा विवरण चुनने की अनुमति दी जाए जो उपयोगकर्ता की क्वेरी से सबसे अच्छी तरह मेल खाता हो। हम इस लेख के लिए कोई मेटा विवरण नहीं चुनेंगे क्योंकि यह सामग्री से भरपूर है, और Google एक अच्छा विवरण चुनने की संभावना रखता है।

इस बीच, अरबों मनुष्य सर्वोत्तम खोज परिणामों पर क्लिक कर रहे हैं - यह है मानव-इन-लूप, Google का अंतिम फीडबैक तंत्र - और यहीं से सुदृढीकरण सीखना शुरू होता है।

सुदृढीकरण सीखना क्या है?

सुदृढीकरण सीखना एक मशीन लर्निंग तकनीक है जिसमें कार्यों की पुनरावृत्ति और संबंधित पुरस्कारों के माध्यम से एआई एजेंट को प्रशिक्षित करना शामिल है। एक सुदृढीकरण सीखने वाला एजेंट एक वातावरण में प्रयोग करता है, कार्रवाई करता है और सही कार्रवाई करने पर पुरस्कृत होता है। समय के साथ, एजेंट ऐसे कार्य करना सीखता है जिससे उसका प्रतिफल अधिकतम हो।

इनाम एक साधारण गणना पर आधारित हो सकता है जो अनुशंसित पृष्ठ पर बिताए गए समय की गणना करता है।

यदि आप इस पद्धति को ह्यूमन-इन-द-लूप सब-रूटीन के साथ जोड़ते हैं तो यह मौजूदा अनुशंसा इंजनों की तरह ही भयानक लगेगा जो हमारे डिजिटल जीवन के सभी पहलुओं जैसे कि यूट्यूब, नेटफ्लिक्स, अमेज़ॅन प्राइम को नियंत्रित करते हैं - और अगर यह कैसा लगता है एक खोज इंजन को संचालित करना चाहिए आप सही हैं।

Google रीइन्फोर्समेंट लर्निंग का उपयोग कैसे करता है

प्रत्येक खोज के साथ Google फ्लाईव्हील में सुधार होता है, मनुष्य अपनी क्वेरी और लाखों अन्य उपयोगकर्ताओं की समान क्वेरी का सर्वोत्तम उत्तर देने वाले सर्वोत्तम परिणाम का चयन करके AI को प्रशिक्षित करते हैं।

सुदृढ़ीकरण शिक्षण एजेंट खोज और वितरित खोज परिणाम के बीच केवल सबसे सकारात्मक इंटरैक्शन को सुदृढ़ करके आत्म-सुधार पर लगातार काम करता है।

Google किसी उपयोगकर्ता द्वारा परिणाम पृष्ठ, जिस URL पर वे क्लिक करते हैं उसे स्कैन करने में लगने वाले समय की मात्रा को मापता है, और वे विज़िट की गई वेबसाइट पर बिताए गए समय की मात्रा को मापते हैं, और वे रिटर्न क्लिक को पंजीकृत करते हैं। फिर इस डेटा को संकलित किया जाता है और प्रत्येक वेबसाइट के लिए तुलना की जाती है जो समान डेटा मिलान या उपयोगकर्ता अनुभव प्रदान करती है।

कम अवधारण दर (साइट पर बिताया गया समय) वाली वेबसाइट को फिर सुदृढीकरण शिक्षण प्रणाली द्वारा एक नकारात्मक मूल्य दिया जाता है, और अन्य प्रतिस्पर्धी वेबसाइटों को प्रस्तावित रैंकिंग में सुधार करने के लिए परीक्षण किया जाता है। Google निष्पक्ष है, यह मानते हुए कि कोई मैन्युअल हस्तक्षेप नहीं है, Google अंततः वांछित खोज परिणाम पृष्ठ प्रदान करता है।

उपयोगकर्ता मानव-इन-द-लूप हैं जो Google को निःशुल्क डेटा प्रदान करते हैं और गहन सुदृढीकरण शिक्षण प्रणाली का अंतिम घटक बन जाते हैं। इस सेवा के बदले में, Google अंतिम उपयोगकर्ता को किसी विज्ञापन पर क्लिक करने का अवसर प्रदान करता है।

राजस्व उत्पन्न करने के अलावा विज्ञापन एक द्वितीयक रैंकिंग कारक के रूप में कार्य करते हैं, जिससे उपयोगकर्ता किस चीज़ पर क्लिक करना चाहता है, इसके बारे में अधिक डेटा तैरता है।

Google अनिवार्य रूप से सीखता है कि उपयोगकर्ता क्या चाहता है। इसकी तुलना किसी वीडियो स्ट्रीमिंग सेवा द्वारा अनुशंसित इंजन से की जा सकती है। उस स्थिति में एक अनुशंसाकर्ता इंजन एक उपयोगकर्ता सामग्री को फ़ीड करेगा जो उनके हितों के लिए लक्षित है। उदाहरण के लिए, एक उपयोगकर्ता जो आदतन रोमांटिक कॉमेडी स्ट्रीम का आनंद लेता है, यदि वे समान कॉमेडियन साझा करते हैं तो वे कुछ पैरोडी का आनंद ले सकते हैं।

यह SEO में कैसे मदद करता है?

यदि हम कम्प्यूटेशनल सोच जारी रखते हैं तो हम मान सकते हैं कि Google ने सर्वोत्तम परिणाम देने के लिए खुद को प्रशिक्षित किया है, और यह अक्सर मानवीय पूर्वाग्रहों को सामान्यीकृत और संतुष्ट करके हासिल किया जाता है। वास्तव में Google के AI के लिए इन पूर्वाग्रहों को पूरा करने वाले परिणामों को अनुकूलित नहीं करना असंभव होगा, यदि ऐसा होता है तो परिणाम उप-इष्टतम होंगे।

दूसरे शब्दों में कहें तो कोई जादुई फॉर्मूला नहीं है, लेकिन कुछ सर्वोत्तम प्रथाएं हैं।

यह एसईओ व्यवसायी की जिम्मेदारी है कि वह उन पूर्वाग्रहों को पहचाने जो Google उनके उद्योग के लिए विशिष्ट है - और उन पूर्वाग्रहों को बढ़ावा दे। उदाहरण के लिए, कोई व्यक्ति तारीख बताए बिना चुनाव सर्वेक्षण परिणाम खोज रहा है, तो संभवतः सबसे हालिया परिणाम खोज रहा है - यह एक हालिया पूर्वाग्रह है। कोई नुस्खा खोज रहा है, तो संभवतः उसे नवीनतम पृष्ठ की आवश्यकता नहीं है, और वास्तव में वह ऐसा नुस्खा पसंद कर सकता है जो समय की कसौटी पर खरा उतरा हो।

यह एसईओ व्यवसायी की जिम्मेदारी है कि वह आगंतुकों को वे परिणाम प्रदान करे जिनकी उन्हें तलाश है। यह Google में रैंकिंग का सबसे टिकाऊ तरीका है।

वेबसाइट मालिकों को किसी विशिष्ट कीवर्ड को इस उम्मीद के साथ लक्षित करना छोड़ देना चाहिए कि वे अंतिम उपयोगकर्ता तक जो चाहें पहुंचा सकते हैं। खोज परिणाम बिल्कुल उपयोगकर्ता की आवश्यकता से मेल खाना चाहिए।

पूर्वाग्रह क्या है? यह एक डोमेन नाम हो सकता है जो उच्च प्राधिकारी दिखता है, दूसरे शब्दों में क्या डोमेन नाम उस बाज़ार से मेल खाता है जिसे आप सेवा दे रहे हैं? भारत शब्द के साथ एक डोमेन नाम रखने से अमेरिकी उपयोगकर्ताओं को यूआरएल पर क्लिक करने से हतोत्साहित किया जा सकता है, क्योंकि यह उपयोगकर्ता के निवास के देश से आने वाले परिणामों पर भरोसा करने के राष्ट्रवादी पूर्वाग्रह के कारण होता है। एक शब्द का डोमेन होने से अधिकार का भ्रम भी हो सकता है।

सबसे महत्वपूर्ण पूर्वाग्रह यह है कि उपयोगकर्ता अपनी खोज क्वेरी से क्या मिलान करना चाहता है? क्या यह एक FAQ, शीर्ष 10 सूची, एक ब्लॉग पोस्ट है? इसका उत्तर देने की आवश्यकता है, और उत्तर ढूंढना आसान है। आपको बस अपने लक्षित बाजार में Google खोज करके प्रतिस्पर्धा का विश्लेषण करने की आवश्यकता है।

ब्लैक हैट एसईओ ख़त्म हो गया है

इसकी तुलना ब्लैक हैट एसईओ से करें, जो वेबसाइटों को रैंकिंग देने का एक आक्रामक तरीका है, जो कुटिल स्पैम तकनीकों का फायदा उठाता है, जिसमें बैकलिंक्स खरीदना, बैकलिंक्स को गलत साबित करना, वेबसाइटों को हैक करना, बड़े पैमाने पर ऑटो जनरेटिंग सोशल बुकमार्क और ब्लैक हैट टूल्स के नेटवर्क के माध्यम से लागू होने वाली अन्य डार्क पद्धतियां शामिल हैं। .

ऐसे उपकरण जिन्हें अक्सर पुनर्निर्मित किया जाता है और विभिन्न खोज इंजन विपणन मंचों पर फिर से बेचा जाता है, ऐसे उत्पाद जिनका कोई मूल्य नहीं है और सफल होने की बहुत कम संभावना है। फिलहाल ये उपकरण विक्रेताओं को अमीर बनने में सक्षम बनाते हैं जबकि वे अंतिम उपयोगकर्ता को न्यूनतम मूल्य प्रदान करते हैं।

यही कारण है कि मैं ब्लैक हैट को त्यागने की अनुशंसा करता हूँ। अपने SEO को मशीन लर्निंग के नजरिए से देखने पर ध्यान केंद्रित करें। यह समझना महत्वपूर्ण है कि हर बार जब कोई नीचे दबे परिणाम पर क्लिक करने के लिए खोज परिणाम को छोड़ देता है, तो यह लूप में मौजूद मानव गहन सुदृढीकरण सीखने की प्रणाली के साथ सहयोग कर रहा है। मानव आत्म-सुधार में एआई की सहायता कर रहा है, समय बढ़ने के साथ वह असीम रूप से बेहतर होता जा रहा है।

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

Google दुनिया भर में प्रति मिनट औसतन 3.8 मिलियन खोजों को संभालता है। यह प्रति घंटे 228 मिलियन खोजों तक पहुंचता है, प्रति दिन 5.6 बिलियन खोज. यह बहुत सारा डेटा है, और यही कारण है कि ब्लैक हैट एसईओ का प्रयास करना मूर्खता है। यह मान लेना कि Google का AI स्थिर रहेगा, मूर्खतापूर्ण है, सिस्टम इसका उपयोग कर रहा है त्वरित रिटर्न का नियम तेजी से आत्म-सुधार करना।

Google का AI इतना शक्तिशाली होता जा रहा है कि यह कल्पना की जा सकती है कि यह अंततः पहुंचने वाला पहला AI बन सकता है आर्टिफिशियल जनरल इंटेलिजेंस (एजीआई)। एजीआई एक ऐसी बुद्धिमत्ता है जो उपयोग करने में सक्षम है सीखने का स्थानांतरण एक क्षेत्र में महारत हासिल करना और फिर उस सीखी गई बुद्धिमत्ता को कई डोमेन में लागू करना। हालाँकि Google के भविष्य के AGI प्रयासों का पता लगाना दिलचस्प हो सकता है, लेकिन यह समझा जाना चाहिए कि एक बार प्रक्रिया गति में आने के बाद इसे रोकना मुश्किल है। यह निश्चित रूप से भविष्य की अटकलें हैं क्योंकि Google वर्तमान में एक प्रकार का संकीर्ण AI है, लेकिन यह एक अन्य लेख का विषय है।

यह जानते हुए भी कि काली टोपी पर एक सेकंड अधिक खर्च करना मूर्खतापूर्ण काम है।

सफेद टोपी एसईओ

यदि हम स्वीकार करते हैं कि Google का AI लगातार स्वयं में सुधार करेगा, तो हमारे पास Google को मात देने का प्रयास छोड़ने के अलावा कोई विकल्प नहीं है। इसके बजाय, Google को विशेष रूप से वही प्रदान करने के लिए वेबसाइट को अनुकूलित करने पर ध्यान केंद्रित करें जो वह खोज रहा है।

जैसा कि वर्णित है इसमें एसएसएल को सक्षम करना, पेज लोडिंग गति को अनुकूलित करना और मेटा शीर्षक और मेटा विवरण को अनुकूलित करना शामिल है। इन क्षेत्रों को अनुकूलित करने के लिए, मेटा शीर्षक और मेटा विवरण की तुलना प्रतिस्पर्धी वेबसाइटों से की जानी चाहिए - उन विजेता तत्वों की पहचान करें जिनके परिणामस्वरूप उच्च क्लिक थ्रू दर प्राप्त होती है।

यदि आपने क्लिक किए जाने को अनुकूलित किया है, तो अगला मील का पत्थर सबसे अच्छा लैंडिंग पृष्ठ बनाना है। लक्ष्य एक लैंडिंग पृष्ठ है जो उपयोगकर्ता मूल्य को इतना अनुकूलित करता है कि पृष्ठ पर बिताया गया औसत समय समान प्रतिस्पर्धियों से बेहतर प्रदर्शन करता है जो शीर्ष खोज इंजन परिणामों के लिए प्रतिस्पर्धा कर रहे हैं।

केवल सर्वोत्तम उपयोगकर्ता अनुभव प्रदान करके ही कोई वेबपेज रैंकिंग में वृद्धि कर सकता है।

अब तक हमने इन मेट्रिक्स को सबसे महत्वपूर्ण माना है:

• लोड हो रहा है गति
• एसएसएल सक्षम
• मेटा शीर्षक और मेटा विवरण
• लैंडिंग पृष्ठ

लैंडिंग पृष्ठ सबसे कठिन तत्व है क्योंकि आप दुनिया के खिलाफ प्रतिस्पर्धा कर रहे हैं। लैंडिंग पृष्ठ को शीघ्रता से लोड होना चाहिए, और वह सब कुछ प्रस्तुत करना चाहिए जो अपेक्षित है, और फिर उपयोगकर्ता को और अधिक आश्चर्यचकित करना चाहिए।

निष्कर्ष

Google द्वारा उपयोग की जाने वाली अन्य AI तकनीकों का वर्णन करते हुए अन्य 2000 शब्दों को भरना आसान होगा, साथ ही SEO की गहराई में जाना भी आसान होगा। यहां इरादा सबसे महत्वपूर्ण मैट्रिक्स पर फिर से ध्यान केंद्रित करना है।

एसईओ विभाजनकर्ता सिस्टम को गेमिंग पर इतना केंद्रित करते हैं कि वे भूल जाते हैं कि दिन के अंत में, एसईओ का सबसे महत्वपूर्ण तत्व उपयोगकर्ताओं को यथासंभव अधिक मूल्य देना है।

इसे हासिल करने का एक तरीका यह है कि महत्वपूर्ण सामग्री को कभी भी बासी न होने दिया जाए। यदि किसी माह में मैं किसी महत्वपूर्ण योगदान के बारे में सोचूंगा तो उसे इस लेख में जोड़ दिया जायेगा। Google तब पहचान सकता है कि सामग्री कितनी ताज़ा है, मूल्य प्रदान करने वाले पृष्ठ के इतिहास से मेल खाती है।

यदि आप अभी भी बैकलिंक्स प्राप्त करने को लेकर चिंतित हैं, तो समाधान सरल है। अपने आगंतुकों के समय का सम्मान करें और उन्हें महत्व दें। बैकलिंक्स स्वाभाविक रूप से आएंगे, क्योंकि उपयोगकर्ताओं को आपकी सामग्री साझा करने में मूल्य मिलेगा।

फिर सवाल वेबसाइट मालिक पर केंद्रित हो जाता है कि सर्वोत्तम उपयोगकर्ता मूल्य और उपयोगकर्ता अनुभव कैसे प्रदान किया जाए।