SEO最適化：GoogleのAIの仕組み（2025年XNUMX月）

検索エンジン最適化 (SEO) は、特定の検索語に対する Web ページのランク付けに影響を与えるページ内およびページ外の要素を最適化するプロセスです。 これは、ページの読み込み速度の最適化、リンク構築戦略の生成、 SEOツールを使用して Google の AI をリバース エンジニアリングする方法を学ぶだけでなく、 計算思考.

計算的思考は、コンピューター プログラマーがコードやアルゴリズムを作成するときに使用する、高度なタイプの分析および問題解決テクニックです。 計算論的思考者は、問題を分解し、第一原理思考を使用して分析することによって、根本的な真実を求めます。

Google は秘密のソースを誰にも公開しないため、計算的思考に頼ることになります。 Google の歴史において、使用されるアルゴリズムを形成した極めて重要な瞬間をいくつか取り上げ、これがなぜ重要なのかを学びます。

心を作る方法

まずは2012年に出版された『心を作る方法：明らかにされた人間の思考の秘密」 著名な未来学者で発明家のレイ・カーツワイルによる。 この本は人間の脳を解剖し、その仕組みを解き明かしました。 私たちは、脳がパターン認識を使用して予測機械になるためにどのように自らを訓練し、常に未来を予測し、さらには次の単語を予測するかを基礎から学びます。

人間は日常生活のパターンをどのように認識しているのでしょうか? これらの接続は脳内でどのように形成されるのでしょうか? この本は階層的思考を理解することから始まり、さまざまな要素がパターン状に配置された構造を理解し、その配列が文字や文字などの記号を表し、さらに高度なパターンに配置されます。たとえば単語、そして最終的には文などです。 最終的に、これらのパターンはアイデアを形成し、これらのアイデアは人間が責任を持って構築する製品に変換されます。

人間の脳をエミュレートすることで、出版当時に存在していたニューラル ネットワークの現在の能力を超える高度な AI を作成する道が明らかになりました。

この本は、世界中のデータをバキュームすることで拡張でき、多層パターン認識処理を使用してテキスト、画像、オーディオ、ビデオを解析できる AI を作成するための青写真でした。 クラウドとその並列処理機能の利点により、アップスケーリングに最適化されたシステム。 言い換えれば、データの入力または出力には最大値がありません。

この本は非常に重要だったので、出版後すぐに著者は レイ・カーツワイル氏はGoogleに採用された 機械学習と言語処理に重点を置いたエンジニアリングのディレクターに就任します。彼が書いた本と完全に一致する役割でした。

この本が Google の将来と Google による Web サイトのランク付け方法にどれほど影響を与えたかを否定することはできません。 これ AIの本 SEO の専門家になりたい人は必ず読んでください。

ディープマインド

2010 年に設立された DeepMind は、強化学習と呼ばれる、世界を席巻した革新的な新しいタイプの AI アルゴリズムを使用する注目の新興企業でした。 DeepMind はそれを次のように説明しています。

「私たちは、強化学習を使用して高次元の感覚入力から制御ポリシーを直接学習することに成功した最初の深層学習モデルを紹介します。このモデルは畳み込みニューラル ネットワークであり、Q 学習の変種でトレーニングされ、入力は生のピクセル、出力は将来の報酬を推定する値関数です。」

深層学習と強化学習を融合することで、 深層強化学習 システム。 2013 年までに、DeepMind はこれらのアルゴリズムを使用して、Atari 2600 ゲームで人間のプレイヤーに対して勝利を重ねていました。これは、人間の脳と、人間の脳がトレーニングと反復からどのように学習するかを模倣することによって達成されました。

ボールを蹴る場合でも、テトリスをする場合でも、人間が繰り返し学習するのと同じように、AI も学習します。 AI のニューラル ネットワークはパフォーマンスを追跡し、段階的に自己改善し、その結果、次の反復ではより強力な動きの選択が行われます。

DeepMind は技術面で圧倒的な優位性を持っていたため、Google は技術へのアクセスを購入しなければなりませんでした。 ディープマインドが買収されました 500年には2014億ドル以上でした。

買収後、AI 業界はその後見られなかった画期的な進歩を次々と目撃しました。 11 年 1997 月 XNUMX 日、チェスのとき 団長 ガルリ・カスパロフが負けた IBMの科学者が開発したチェス用コンピューター、ディープ・ブルーとのXNUMX試合の第XNUMX試合。 

2015 年、DeepMind はアタリの 49 ゲーム スイートでテストするためにアルゴリズムを改良し、そのうち 23 のゲームでマシンは人間のパフォーマンスを上回りました。

それはほんの始まりにすぎませんでしたが、2015 年後半に DeepMind は次のことに重点を置き始めました。 アルファゴー、プロの囲碁世界チャンピオンを倒すことを目的としたプログラム。 約4000年前に中国で初めて見られた古代の囲碁は、人類史上最も挑戦的なゲームであると考えられており、その可能性は無限にあります。 10³⁶⁰ 可能な動き。

DeepMind は教師あり学習を使用して、人間のプレイヤーから学習することで AlphaGo システムをトレーニングしました。 その直後、AlphaGo が破ったことで DeepMind が見出しを飾りました 李世ドル、2016年XNUMX月のXNUMX試合で世界チャンピオンに輝いた。

2017 年 XNUMX 月、DeepMind は、ゼロを必要とするという重要な差別化要因を備えた新しいモデルである AlphaGo Zero をリリースしました。 人間の訓練。 人間のトレーニングを必要とせず、データのラベル付けも必要としないため、基本的にこのシステムが使用されました。 教師なし学習。 AlphaGo Zero は急速に前作を上回りました。 DeepMindによる説明.

「AlphaGo の以前のバージョンは、当初、囲碁の打ち方を学ぶために何千もの人間のアマチュアおよびプロのゲームでトレーニングされました。 AlphaGo Zero はこのステップをスキップし、完全にランダムなプレイから始めて、それ自体とゲームをプレイするだけでプレイ方法を学習します。 そうすることで、それはすぐに人間の遊びのレベルを超え、 以前に公開された AlphaGo のチャンピオンを 100 対 0 で破ったバージョンです。」

その間、SEO の世界は Google のバックボーンである PageRank に非常に注目していました。 それは、ラリー・ペイジとサーゲイ・ブリンが博士号を取得した1995年に始まります。 スタンフォード大学の学生たち。 二人は、「」と名付けられた斬新な研究プロジェクトで共同作業を開始しました。バックこすります”。 目標は、バックリンク データを変換することによって Web ページを重要度の尺度にランク付けすることでした。 バックリンクとは、非常に単純に、あるページから別のページへのリンクのことです。これに似ています。 .

このアルゴリズムは後に、「Web ページ」という用語と共同創設者のラリー・ペイジの両方にちなんで名付けられた PageRank に名前が変更されました。 ラリー・ペイジとサーゲイ・ブリンは、純粋にバックリンクだけでウェブ全体を動かすことができる検索エンジンを構築するという野心的な目標を持っていました。

そしてそれは働いた。

PageRank が見出しを支配

SEO の専門家は、Google が PageRank を使用して Web ページの品質ランキングを計算する方法の基本をすぐに理解しました。 一部の賢明なブラックハット SEO 起業家は、コンテンツを拡大するには、自然にリンクを取得するのを待つのではなく、リンクを購入することが合理的である可能性があることを理解して、さらに一歩進めました。

バックリンクを中心に新しい経済が誕生しました。 検索エンジンのランキングに影響を与える必要がある熱心な Web サイト所有者はリンクを購入し、その代わりに Web サイトを収益化することに必死でリンクを販売します。

リンクを購入したウェブサイトは、しばしば一夜にして Google に侵入し、既存のブランドを上回りました。

この方法を使用したランキングは、長い間非常にうまく機能していました。機能しなくなるまでは、おそらくほぼ同時期に機械学習が開始され、根本的な問題が解決されました。深層強化学習の導入により、PageRank は支配的な要素ではなくランキング変数になります。

現在、SEO コミュニティでは、戦略としてのリンク購入について意見が分かれています。 私は個人的に、リンク購入は次善の結果をもたらし、バックリンクを獲得する最良の方法は業界固有の変数に基づいていると信じています。 私がお勧めできる正規のサービスの XNUMX つは、 HARO （記者を助けてください）。 HARO での機会は、メディアのリクエストを満たすことでバックリンクを獲得することです。

確立されたブランドは、時間をかけて有利に働けるというメリットがあったため、リンクの調達について心配する必要はありませんでした。 Web サイトが古いほど、高品質のバックリンクを収集するのに時間がかかります。 言い換えれば、次の指標を使用して計算すると、検索エンジンのランキングは Web サイトの築年数に大きく依存していました。 時間 = バックリンク.

たとえば、CNN は、そのブランド、信頼、そしてそもそも上位に掲載されていたため、ニュース記事へのバックリンクを自然に受け取ることになります。つまり、記事を調査し、最初に見つけた検索結果にリンクする人々から当然により多くのバックリンクを獲得しました。 。

つまり、ランクの高いウェブページほど、自然に多くのバックリンクを獲得したことになります。 残念ながら、これは、新しい Web サイトがバックリンク マーケットプレイスに目を向けることにより、バックリンク アルゴリズムの悪用を余儀なくされることが多いことを意味しました。

2000 年代初頭、バックリンクの購入は非常にうまく機能し、プロセスも簡単でした。 リンク購入者は、権威ある Web サイトからリンクを購入し、多くの場合サイト全体のフッター リンク、またはおそらく記事ごと (ゲスト投稿として偽装される) でリンクを購入しました。そして、Web サイトを収益化しようと必死になっている販売者は、喜んでそれに応じました – 残念なことに、多くの場合、品質。

最終的に、Google の機械学習エンジニアの人材プールは、検索エンジンの結果を手作業でコーディングするのは無駄であると理解し、PageRank の多くは手書きのコーディングでした。 その代わりに、最終的には AI が人間の介入をまったくまたはほとんど行わずにランキングを完全に計算するようになるだろうと彼らは理解していました。

競争力を維持するために、Google は保有するあらゆるツールを使用しています。 深層強化学習 – 世界で最も先進的なタイプの機械学習アルゴリズム。

このシステムは、 GoogleによるMetaWebの買収 はゲームチェンジャーでした。 2010 年の MetaWeb 買収が非常に重要だった理由は、Google がキーワードに置く比重を減らしたからです。 コンテキストが突然重要になり、これは「エンティティ」と呼ばれる分類方法論を使用することで実現されました。 として ファストカンパニーの説明:

Metaweb がどのエンティティを参照しているかを認識すると、一連の結果を提供できます。 エンティティを組み合わせて、より複雑な検索を行うこともできます。「40 歳以上の女優」が XNUMX つのエンティティ、「ニューヨーク市に住んでいる女優」が別のエンティティ、「現在上映中の映画がある女優」が別のエンティティになる可能性があります。 ”。

このテクノロジーは、と呼ばれる主要なアルゴリズム アップデートに組み込まれました。 RankBrain RankBrain は、純粋なキーワード ベースではなくコンテキストを理解することに重点を置き、環境コンテキスト (検索者の位置など) も考慮し、これまで存在しなかった意味を推定します。 これは、特にモバイル ユーザーにとって重要なアップデートでした。

Google がこれらのテクノロジーをどのように使用しているかを理解したところで、計算理論を使用してその方法を推測してみましょう。

ディープラーニングとは何ですか？

深い学習 は最も一般的に使用されるタイプの機械学習です。Google がこのアルゴリズムを使用しないことは不可能です。

ディープラーニングは人間の脳の動作に大きく影響され、パターン認識を使用してオブジェクトを識別し、分類する方法において脳の動作を反映しようとします。

たとえば、この手紙を見たら、 a、あなたの脳は自動的に線と形を認識し、それを文字として識別します。 a。 同じことが文字にも適用されます ap、あなたの脳は、次のような潜在的な単語を思いつき、自動的に未来を予測しようとします。 アプリ or リンゴ。 他のパターンには、番号、道路標識、混雑した空港での愛​​する人の識別などが含まれる場合があります。

深層学習システムの相互接続は、人間の脳がニューロンとシナプスの接続によってどのように機能するかに似ていると考えることができます。

ディープラーニングは、最終的には、多くの多層パーセプトロンを結合して、XNUMX つの隠れ層だけでなく多くの隠れ層が存在する機械学習アーキテクチャに与えられた用語です。 ディープ ニューラル ネットワークが「深く」なるほど、ネットワークはより高度なパターンを学習できます。

完全に接続されたネットワークを他の機械学習機能と組み合わせて、さまざまな深層学習アーキテクチャを作成できます。

Google によるディープラーニングの使用方法

Google は、ウェブサイトを相互に接続するハイパーリンク (ニューロンと考えてください) をたどることにより、世界中のウェブサイトをスパイダー化しています。 これは、Google が当初から使用していたオリジナルの方法論であり、現在も使用されています。 Web サイトのインデックスが作成されると、さまざまなタイプの AI がこのデータの宝庫を分析するために使用されます。

Google のシステムは、人間による入力や介入はわずかですが、さまざまな内部指標に従って Web ページにラベルを付けます。 介入の例としては、次の理由による特定の URL の手動削除が挙げられます。 DMCA 削除リクエスト.

Google のエンジニアは、次のようなイベントで参加者をイライラさせることで有名です。 SEOカンファレンスそれは、Google の幹部が Google の運営方法を適切に説明することができないからです。 特定の Web サイトがランク付けできない理由について質問されると、ほとんどの場合、同じようにうまく表現されていない答えが返されます。 反応が頻繁にあるため、参加者は、何か月、場合によっては何年も続けて良いコンテンツを作成することに専念したが、良い結果が得られなかったと先回りして述べることがよくあります。

予想通り、Web サイトの所有者は、重要なコンポーネントですが、包括的とは程遠い価値のあるコンテンツの構築に集中するよう指示されています。

この答えがないのは、幹部が質問に適切に答える能力がないからです。 Google のアルゴリズムはブラックボックス内で動作します。 入力があり、次に出力があります。これがディープラーニングの仕組みです。

次に、Web サイト所有者の知らない間に何百万もの Web サイトに悪影響を及ぼしているランキングペナルティの話に戻りましょう。

PageSpeed​​ Insightsの

Google は透明性が低いことが多く、PageSpeed Insights は例外です。 このスピード テストに合格しなかった Web サイトは、特にモバイル ユーザーが影響を受ける場合、読み込みが遅いとしてペナルティ ボックスに送られます。

疑わしいのは、プロセスのある時点で、高速な Web サイトと読み込みが遅い (PageSpeed Insights が失敗した) Web サイトを解析するデシジョン ツリーがあることです。デシジョン ツリーは本質的に、さまざまな基準に基づいてデータセットを個々のデータ ポイントに分割するアルゴリズム的なアプローチです。この基準は、モバイル ユーザーとデスクトップ ユーザーのページのランクの高さに悪影響を与える可能性があります。

仮に、自然ランキングスコアにペナルティを適用することができます。 たとえば、ペナルティがなければ 5 位にランクされる Web サイトには、ランクを 20 位、50 位、または AI によって選択された別の数値に下げる -25、-55、またはその他の未知の変数がある可能性があります。

将来的には、Google が自社の AI にさらに自信を持てるようになり、PageSpeed Insights の終わりが訪れるかもしれません。 Google による現在の速度への介入は、最適であるはずの結果が排除される可能性があり、技術に詳しくない人々を差別するものであるため、危険です。

中小企業を経営するすべての人に、スピード テストの問題を適切に診断して解決するための専門知識を求めるのは、大きな要望です。 XNUMX つの簡単な解決策は、Google が WordPress ユーザー向けに速度最適化プラグインをリリースすることです。 ワードプレスパワー 43% インターネットの。

残念ながら、Web サイトが合格しなかった場合、SEO の取り組みはすべて無駄になります。 Google の PageSpeed Insights。 そのリスクは、Web サイトが Google から消滅することに他なりません。

このテストに合格する方法は別の機会に記事にしますが、少なくとも、自分の能力が以下であるかどうかを確認する必要があります。 ウェブサイトパス.

懸念すべきもう XNUMX つの重要な技術指標は、と呼ばれるセキュリティ プロトコルです。 SSL （セキュア・ソケット・レイヤー）。 これにより、ドメインの URL が http から https に変更され、データの安全な送信が保証されます。 SSL が有効になっていない Web サイトはペナルティを受けます。 このルールには例外がいくつかありますが、eコマースと金融ウェブサイトが最も大きな影響を受けます。

低コストのウェブホストは SSL 実装に年会費を請求しますが、次のような優れたウェブホストは Sitegroundは SSL 証明書を無料で発行し、自動的に統合します。

メタデータ

Web サイト上のもう XNUMX つの重要な要素は、メタ タイトルとメタ ディスクリプションです。 これらのコンテンツ フィールドには、ページのコンテンツ全体と同じくらい重要性があり、ページの成功または失敗に大きく影響する可能性があります。

これは、Google が検索結果に表示するメタ タイトルとメタ ディスクリプションを選択する可能性が高いためです。 このため、メタ タイトルとメタ ディスクリプション フィールドをできるだけ慎重に記入することが重要です。

代替案として、Google はメタ タイトルとメタ ディスクリプションを無視し、代わりにクリック数が増えると予測されるデータを自動生成することを選択する可能性があります。 Google が自動生成するタイトルの予測を誤ると、検索ユーザーによるクリックスルーが減少し、結果的に検索エンジンのランキングが失われることになります。

含まれているメタディスクリプションがクリックを受け取るように最適化されていると Google が判断した場合、検索結果にメタディスクリプションが表示されます。 これに失敗すると、Google は Web サイトからランダムなテキストの塊を取得します。 多くの場合、Google はページ上で最適なテキストを選択しますが、問題はこれが抽選システムであり、どの説明を選択するかを選択するのが Google の一貫して下手であることです。

もちろん、ページのコンテンツが本当に優れていると思われる場合は、ユーザーのクエリに最もよく一致する最適化されたメタディスクリプションを Google が選択できるようにすることが合理的な場合もあります。 この記事はコンテンツが豊富であり、Google が適切な説明を選択する可能性が高いため、この記事にはメタディスクリプションを使用しないことを選択します。

その間、何十億人もの人間が最良の検索結果をクリックしています。これが ヒューマンインザループ, Google の最後のフィードバック メカニズム – ここで強化学習が始まります。

強化学習とは

強化学習 アクションとそれに関連する報酬の繰り返しを通じて AI エージェントをトレーニングする機械学習手法です。 強化学習エージェントは環境内で実験を行い、アクションを実行し、正しいアクションが実行されたときに報酬を受け取ります。 時間が経つにつれて、エージェントは 報酬を最大化する行動を取ることを学びます。

報酬は、推奨ページに費やされた時間を計算する単純な計算に基づいて決定される可能性があります。

この方法論を Human-in-the-loop サブルーチンと組み合わせると、YouTube、Netflix、Amazon Prime などのデジタル ライフのあらゆる側面を制御する既存のレコメンダー エンジンに非常によく似たものになるでしょう。検索エンジンが動作するはずです。あなたは正しいです。

Google による強化学習の使用方法

Google のフライホイールは検索のたびに改良され、人間は自分のクエリと何百万もの他のユーザーの同様のクエリに最もよく答える最良の結果を選択することで AI をトレーニングします。

強化学習エージェントは、検索と配信された検索結果の間の最もポジティブな相互作用のみを強化することで、継続的に自己改善に取り組みます。

Google は、ユーザーが結果ページ、クリックした URL をスキャンするのにかかる時間を測定し、訪問した Web サイトで費やした時間を測定し、リターン クリックを記録します。 このデータは次に、同様のデータ一致またはユーザー エクスペリエンスを提供するすべての Web サイトについて編集および比較されます。

維持率 (サイト滞在時間) の低い Web サイトには、強化学習システムによって負の値が与えられ、提供されたランキングを改善するために他の競合 Web サイトがテストされます。 Google は公平であり、手動による介入がないと仮定すると、Google は最終的に目的の検索結果ページを提供します。

ユーザーは Google に無料データを提供する人間参加者であり、深層強化学習システムの最終コンポーネントとなります。 このサービスと引き換えに、Google はエンド ユーザーに広告をクリックする機会を提供します。

収益を生み出す以外の広告は二次的なランキング要素として機能し、ユーザーがクリックしたくなるものについてのより多くのデータをフローティングします。

Google は基本的にユーザーが何を望んでいるのかを学習します。 これは、ビデオ ストリーミング サービスによるレコメンダー エンジンと大まかに比較できます。 その場合、レコメンダー エンジンはユーザーの興味に合わせたコンテンツをユーザーにフィードします。 たとえば、ロマンティック コメディのストリームを習慣的に楽しんでいるユーザーは、同じコメディアンを共有している場合、いくつかのパロディを楽しむ可能性があります。

これはSEOにどのように役立ちますか?

計算論的な考え方を続けると、Google は最良の結果をもたらすように自らを訓練していると考えることができます。これは多くの場合、人間の偏見を一般化して満足させることによって達成されます。 実際、Google の AI がこれらのバイアスに応じた結果を最適化しないことは不可能であり、もし最適化したとしても結果は最適とは言えません。

言い換えれば、魔法の公式はありませんが、いくつかのベストプラクティスは存在します。

Google が求める業界特有のバイアスを認識し、それらのバイアスを利用するのは SEO 実践者の責任です。 たとえば、日付を指定せずに選挙世論調査の結果を検索している人は、最新の結果を検索している可能性が高く、これは最新性バイアスです。 レシピを検索している人は、最新のページを必要としていない可能性が高く、実際には時の試練に耐えたレシピを好む可能性があります。

訪問者が探している結果を提供するのは SEO 担当者の責任です。 これは、Google でのランキングを行う最も持続可能な方法です。

ウェブサイトの所有者は、エンドユーザーに望むものは何でも提供できると期待して、特定のキーワードをターゲットにすることを放棄する必要があります。 検索結果はユーザーのニーズに正確に一致する必要があります。

バイアスとは何ですか? 権威の高いように見えるドメイン名を使用している可能性があります。つまり、ドメイン名がサービスを提供している市場と一致していますか? India という単語が含まれるドメイン名を使用すると、ユーザーの居住国に由来する結果を信頼するというナショナリズム バイアスが原因で、米国のユーザーが URL をクリックするのを思いとどまる可能性があります。 XNUMX つの単語のドメインを持つと、権威があるかのような錯覚を与える場合もあります。

最も重要なバイアスは、ユーザーが検索クエリに何を一致させたいと考えているかということです。 それは FAQ、トップ 10 リスト、ブログ投稿ですか? これには答えが必要ですが、答えは簡単に見つかります。 ターゲット市場で Google 検索を実行して、競合を分析するだけです。

ブラックハットSEOは死んだ

これを、バックリンクの購入、バックリンクの改ざん、Web サイトのハッキング、大規模なソーシャル ブックマークの自動生成、およびブラック ハット ツールのネットワークを介して適用されるその他の闇の方法論を含む、悪質な SPAM テクニックを悪用して Web サイトをランク付けする積極的な方法である Black Hat SEO と比較してください。 。

さまざまな検索エンジン マーケティング フォーラムで再利用され、再販されることが多いツール。価値がほとんどなく、成功する可能性もほとんどない製品です。 現時点では、これらのツールにより、エンドユーザーに最小限の価値を提供しながら、販売者は裕福になることができます。

これが、Black Hat を放棄することをお勧めする理由です。 SEO を機械学習の視点から見ることに重点を置きます。 誰かが検索結果をスキップしてその下にある結果をクリックするたびに、それは人間が深層強化学習システムと協力していることを理解することが重要です。 人間は AI の自己改善を支援し、時間の経過とともに無限に向上していきます。

これは、人類の歴史の中で最も多くのユーザーによってトレーニングされてきた機械学習アルゴリズムです。

Google は世界中で平均して 3.8 分あたり 228 万件の検索を処理しています。 これは XNUMX 時間あたり XNUMX 億 XNUMX 万件の検索に相当します。 5.6日あたりXNUMX億回の検索。これは大量のデータであり、これがブラックハット SEO を試みるのが愚かである理由です。 Google の AI が停滞し続けると仮定するのは愚かですが、システムは収益加速の法則を利用して指数関数的に自己改善しています。

Google の AI は非常に強力になっており、最終的には Google が到達する最初の AI になる可能性があると考えられます。 人工知能 (AGI)。 AGI は、次のことを行うことができる知能です。 転移学習 XNUMX つの分野をマスターし、その学んだインテリジェンスを複数のドメインに適用します。 Google の今後の AGI の取り組みを調査するのは興味深いかもしれませんが、プロセスが一度動き始めると止めるのは難しいことを理解する必要があります。 もちろん、これは将来に向けた推測であり、現在 Google は狭い AI の一種ですが、それは別の記事で取り上げます。

このことを知っていて、ブラック ハットにさらに XNUMX 秒を費やすのは愚かな用事です。

ホワイトハットSEO

Google の AI が継続的に自己改善することを認めるのであれば、Google を出し抜く試みを諦めるしかありません。 代わりに、Google が探しているものを具体的に最適に提供するためにウェブサイトを最適化することに重点を置きます。

説明したように、これには SSL の有効化、ページの読み込み速度の最適化、メタ タイトルとメタ ディスクリプションの最適化が含まれます。 これらのフィールドを最適化するには、メタ タイトルとメタ ディスクリプションを競合する Web サイトと比較する必要があります。高いクリックスルー率をもたらす優れた要素を特定します。

クリックされることを最適化したら、次のマイルストーンは最適なランディング ページを作成することです。 目標は、ユーザーの価値を最大限に最適化し、ページに費やされる平均時間が検索エンジンの上位を争う競合他社を上回るランディング ページを作成することです。

最高のユーザー エクスペリエンスを提供することによってのみ、Web ページのランキングを向上させることができます。

これまでのところ、以下の指標が最も重要であることが特定されています。

• 読み込み速度
• SSLの有効化
• メタタイトルとメタディスクリプション
• ランディングページ

世界と戦う上でランディングページは最も難しい要素です。 ランディング ページは迅速に読み込まれ、期待されるすべての機能を提供し、さらに多くのことでユーザーを驚かせる必要があります。

最終的な考え

Google が使用している他の A​​I テクノロジーについてさらに 2000 語を埋めることは簡単ですし、SEO のウサギの穴をさらに深く掘り下げることも簡単でしょう。 ここでの目的は、最も重要な指標に再度注目することです。

SEO パーティショナーは、システムをうまく活用することに集中するあまり、結局のところ、SEO の最も重要な要素はユーザーにできるだけ多くの価値を与えることであることを忘れています。

これを達成する XNUMX つの方法は、重要なコンテンツが古くならないようにすることです。 XNUMX か月以内に重要な貢献を思いついた場合は、この記事に追加されます。 Google は、価値を提供するページの履歴と照合して、コンテンツの新鮮さを特定できます。

バックリンクの獲得がまだ心配な場合、解決策は簡単です。 訪問者の時間を尊重し、価値を与えましょう。 ユーザーはコンテンツを共有することに価値を見出しているため、バックリンクは自然に発生します。

次に、Web サイトの所有者は、最高のユーザー価値とユーザー エクスペリエンスをどのように提供するかという問題に移ります。