SEO 최적화: Google의 AI가 작동하는 방식 (7월 2026)

검색 엔진 최적화 (SEO)는 특정 검색어에 대해 웹 페이지가 얼마나 높은 순위로 표시되는지에 영향을 미치는 온페이지 및 오프페이지 요인을 최적화하는 과정입니다. 이것은 페이지 로딩 속도 최적화, 링크 구축 전략 생성, SEO 도구 사용 및 계산적 사고를 사용하여 Google의 AI를 역공학적으로 분석하는 것을 포함하는 다면적 과정입니다.

계산적 사고는 컴퓨터 프로그래머가 코드와 알고리즘을 작성할 때 사용하는 고급 분석 및 문제 해결 기술입니다. 계산적 사고자는 근본 원리를 사용하여 문제를 분해하고 분석하여 근본 진실을 찾으려고 합니다.

Google이 비밀을 공개하지 않기 때문에 계산적 사고에 의존합니다. Google의 알고리즘이 사용되는 결정적인 순간을 살펴보고, 이것이 중요한 이유를 배우겠습니다.

마음을 만들기 如何

우리는 2012년에 출판된 레이 커즈와일(Ray Kurzweil)의 책 “마음을 만들기: 인간의 생각의 비밀“에서 시작합니다. 이 책은 인간 뇌를 해부하고 뇌가 작동하는 방식을 분해합니다. 우리는 뇌가 어떻게 패턴 인식으로 미래를 예측하는 예측 기계가 되는지, 심지어 다음 단어를 예측하는지 등으로부터 학습합니다.

인간은 일상 생활에서 패턴을 어떻게 인식합니까? 이러한 연결은 뇌에서 어떻게 형성됩니까? 책은 계층적 사고를 이해하는 것으로 시작합니다. 이것은 다양한 요소로 구성된 구조를 이해하는 것이며, 이 구조는 패턴으로 배열되고, 이 배열은 기호를 나타내며, 이 기호는 더 복잡한 패턴으로 배열되고, 결국 문장이 됩니다. 이러한 패턴은 아이디어를 형성하고, 이러한 아이디어는 인간이 구축하는 제품으로 변환됩니다.

인간 뇌를 모방함으로써, 현재 신경망의 능력을 넘어서는 고급 AI를 만들 수 있는 경로가 밝혀졌습니다.

이 책은 데이터의 세계를 흡수하고 다층 패턴 인식 처리를 사용하여 텍스트, 이미지, 오디오 및 비디오를 구문 분석할 수 있는 AI를 만들기 위한 청사진이었습니다. 클라우드와 병렬 처리 능력의 이점으로 인해 업스케일링에 최적화된 시스템이었습니다. 즉, 데이터 입력 또는 출력에 대한 최대 한계가 없었습니다.

이 책은 इतन나 중요해서 곧 출판된 후에 저자 레이 커즈와일은 Google에 입사하여 기계 학습과 언어 처리에 중점을 둔 엔지니어링 디렉터가 되었습니다. 그가 쓴 책과 완벽하게 일치하는 역할이었습니다.

이 책이 Google의 미래와 웹사이트를 어떻게 순위에 매길지에 대해 얼마나 큰 영향을 미쳤는지 부인할 수 없습니다. 이 AI 책은 SEO 전문가가 되고자 하는 모든 사람에게 필독서여야 합니다.

딥마인드

2010년에 출시된 딥마인드는 혁신적인 새로운 유형의 AI 알고리즘을 사용하여 세계를 강타한 뜨거운 새로운 스타트업이었습니다. 이것은 강화 학습이라고 불렸습니다. 딥마인드는 다음과 같이 설명했습니다.

“우리는 강화 학습을 사용하여 원시 픽셀 입력에서 직접 제어 정책을 학습하는 첫 번째 딥 러닝 모델을 제시합니다. 모델은 변형된 Q-러닝으로 훈련된 합성곱 신경망이며, 입력은 원시 픽셀이고 출력은 미래 보상을 추정하는 가치 함수입니다.”

딥 러닝과 강화 학습을 융합하여 딥 강화 학습 시스템이 되었습니다. 2013년까지 딥마인드는 이 알고리즘을 사용하여 아타리 2600 게임에서 인간 플레이어를 상대로 승리했습니다. 이것은 인간 뇌와 그것이 훈련과 반복으로부터 학습하는 방식을 모방함으로써 달성되었습니다.

인간이 반복으로 학습하는 것과 유사하게, AI도 학습했습니다. AI의 신경망은 성능을 추적하고 점진적으로 자기 개선되어 다음 반복에서 더 강한 이동 선택을 하게 되었습니다.

딥마인드는 기술적 리드를 두고 있었기 때문에 Google은 기술에 대한 접근 권한을 구입해야만 했습니다. 딥마인드는 2014년에 5억 달러 이상에 인수되었습니다.

인수 후에 AI 산업은 이전에 1997년 5월 11일 IBM의 딥 블루가 체스 그랜드마스터 가리 카스파로프와의 6경기 중 첫 경기에서 패한 이후로 보지 못한 돌파구를 목격했습니다.

2015년에 딥마인드는 알고리즘을 정교화하여 아타리의 49개 게임 스위트에서 테스트했으며, 23개 게임에서 인간의 성능을 초월했습니다.

그것은 단지 시작이었다. 2015년 후반에 딥마인드는 알파고라는 프로그램에 초점을 맞추기 시작했습니다. 이 프로그램의 목표는 프로페셔널 고 세계 챔피언을 이기는 것이었습니다. 고는 중국에서 4000년 전 처음 등장한 가장 어려운 게임으로 간주됩니다. 가능한 10³⁶⁰ 이동이 있습니다.

딥마인드는 인간 플레이어로부터 학습하여 알파고 시스템을 지도 학습으로 훈련했습니다. 곧 딥마인드는 알파고가 이세돌을 2016년 3월에 5경기 중에서 이긴 후에 헤드라인을 만들었습니다.

2017년 10월에 딥마인드는 알파고 제로라는 새로운 모델을 출시했습니다. 이 모델의 주요 차별점은 인간 훈련이 필요하지 않았다는 것입니다. 따라서 데이터 레이블링도 필요하지 않았습니다. 시스템은 본질적으로 무감독 학습을 사용했습니다. 알파고 제로는 전임자를 급격히 초월했습니다. 딥마인드는 다음과 같이 설명했습니다.

“알파고의 이전 버전은 처음에 수천 개의 인간 아마추어와 프로 경기에서 학습하여 고를 어떻게 chơi할 수 있는지 학습했습니다. 알파고 제로는 이 단계를 건너뛰고 단지 자기 자신과 게임을 함으로써 학습합니다. 완전히 임의의 플레이에서 시작하여 빠르게 인간 수준의 플레이를 초월하고 이전에 발표된 챔피언을 이긴 알파고 버전을 100대 0으로 이깁니다.”

한편, SEO 세계는 페이지 랭크에 초점을 맞추고 있었습니다. 페이지 랭크는 Google의 핵심입니다. 이것은 1995년에 시작되었습니다. 그 때 래리 페이지와 세르게이 브린은 스탠퍼드 대학의 박사 과정 학생이었습니다. 두 사람은 새로운 연구 프로젝트에 협력하기 시작했습니다. 이 프로젝트는 “백러브“라는 코드 이름이 붙여졌습니다. 목표는 웹 페이지의 중요성을 백링크 데이터를 변환하여 측정하는 것이었습니다. 백링크는 단순히 한 페이지에서 다른 페이지로의 링크입니다.

알고리즘은 나중에 페이지 랭크로 이름이 변경되었습니다. 페이지 랭크는 “웹 페이지”와 공동 창립자 래리 페이지의 이름을 따서 명명되었습니다. 래리 페이지와 세르게이 브린은 백링크만으로 웹을 구동하는 검색 엔진을 구축하는 야심찬 목표를 가지고 있었습니다.

그리고 그것은 작동했습니다.

페이지 랭크가 헤드라인을 지배한다

SEO 전문가들은 페이지 랭크가 어떻게 작동하는지 즉시 이해했습니다. 일부 영리한 블랙 해트 SEO 기업가는 이를 한 단계 더 나아갔습니다. 그들은 콘텐츠를 확장하기 위해 링크를 사는 것이 유기적으로 얻는 것보다 더 빠를 수 있다고 생각했습니다.

백링크를 중심으로 새로운 경제가 등장했습니다. 검색 엔진 순위를 영향하려는 열망적인 웹사이트 소유자는 링크를 구입했고, 돈을 버는 것을 원하는 웹사이트는 링크를 판매했습니다.

링크를 구입한 웹사이트는 종종 밤새 구글에서 순위를 올렸고, 이미 확립된 브랜드를 제치고 순위를 올렸습니다.

이 방법은 오랫동안 매우 잘 작동했습니다. 그러나 어느 순간에 그것은 더 이상 작동하지 않았을 것입니다. 아마도 기계 학습이 시작되었고, 기본적인 문제를 해결했을 때였습니다. 딥 강화 학습의 도입으로 페이지 랭크는 순위 변수가 되었습니다. 주된 요인이 아닙니다.

현재 SEO 커뮤니티는 링크 구매를 전략으로 사용하는 것에 대해 분裂되었습니다.私は링크 구매가 하위 최적의 결과를 제공한다고 믿으며, 링크를 얻는 최선의 방법은 산업 특정 변수에 기반한 것이라고 생각합니다.私は추천할 수 있는 합법적인 서비스가 하나 있습니다. 그것은 HARO(리포터를 도와주세요)입니다. HARO에서 기회는 미디어 요청을 충족함으로써 백링크를 얻는 것입니다.

既存의 브랜드는 링크를 구입할 필요가 없었습니다. 그들에게는 시간이 있었습니다. 웹사이트가 오래될수록, 더 많은 고품질 백링크를 수집할 수 있습니다. 즉, 검색 엔진 순위는 웹사이트의 나이에 크게 의존합니다. 계산 메트릭을 사용하여 시간 = 백링크입니다.

예를 들어, CNN은 브랜드, 신뢰도, 이미 높은 순위에 있는 이유로 자연스럽게 백링크를 받을 것입니다. 사람들은 기사를 연구하고, 첫 번째 검색 결과를 찾았기 때문에, 자연스럽게 백링크를 받게 됩니다.

즉, 더 높은 순위의 웹 페이지는 자연스럽게 더 많은 백링크를 받습니다. 불행히도, 새로운 웹사이트는 종종 백링크 알고리즘을 남용하여 백링크 시장으로 돌아가야 했습니다.

2000년대 초반에, 백링크를 사는 것은 매우 잘 작동했습니다. 그것은 간단한 과정이었다. 링크 구매자는 높은 권위의 웹사이트에서 링크를 구입했으며, 판매자는 웹사이트를 수익화하려는 사람들이었습니다. 그러나 종종 품질을 희생하여 그렇게 했습니다.

마침내 Google의 기계 학습 엔지니어들은 수동으로 검색 엔진 결과를 코딩하는 것은 무의미하다는 것을 이해했습니다. 페이지 랭크의 많은 부분이 수동으로 코딩되었습니다. 대신에, 그들은 AI가 결국 순위를 계산하는 데 책임이 있게 될 것이라는 것을 이해했습니다. 거의 또는 전혀 인간의 개입 없이.

Google은 모든 도구를 사용합니다. 이것은 딥 강화 학습을 포함합니다. 세계에서 가장 발전된 기계 학습 알고리즘입니다.

이 시스템은 Google의 메타웹 인수와 함께 계층화되었습니다. 2010년 메타웹 인수는 중요한 이유가 있습니다. 그것은 키워드에 대한 가중치를 줄였기 때문입니다. 문맥이 중요해졌습니다. 이것은 ‘엔티티’라는 범주화 방법론을 사용하여 달성되었습니다. Fast Company는 다음과 같이 설명했습니다.

한 번 메타웹이 엔티티를 식별하면, 일련의 결과를 제공할 수 있습니다. 그것은 엔티티를 결합하여 더 복잡한 검색을 할 수 있습니다. “40세 이상의 여배우”는 하나의 엔티티일 수 있고, “뉴욕에 거주하는 여배우”는 또 다른 엔티티일 수 있으며, “현재 상영 중인 영화가 있는 여배우”는 또 다른 엔티티일 수 있습니다.

이 기술은 2015년 봄에 출시된 주요 알고리즘 업데이트인 RankBrain에 통합되었습니다. RankBrain은 순수한 키워드 기반보다는 문맥을 이해하는 데 중점을 두었습니다. 또한 RankBrain은 환경적 문맥(예: 검색자의 위치)을 고려하고, 이전에는 없던 의미를 추출했습니다. 이것은 특히 모바일 사용자를 위해 중요한 업데이트였습니다.

이제 Google이 이러한 기술을 사용하는 방식을 이해했으니, 계산 이론을 사용하여 이것이 어떻게 이루어지는지에 대해 추측해 보겠습니다.

딥 러닝이란 무엇인가?

딥 러닝은 가장 일반적으로 사용되는 유형의 기계 학습입니다. Google이 이 알고리즘을 사용하지 않는다는 것은 불가능합니다.

딥 러닝은 인간 뇌가 작동하는 방식에 크게 영향을 받습니다. 그것은 패턴 인식으로 객체를 식별하고 분류하는 방식으로 뇌의 행동을 모방하려고 합니다.

예를 들어, 만약 여러분이 a라는 글자를 본다면, 여러분의 뇌는 자동으로 선과 모양을 인식하여 그것을 a라는 글자로 식별합니다. ap라는 글자도 마찬가지입니다. 여러분의 뇌는 자동으로 미래를 예측하려고 하며, 예를 들어 app 또는 apple과 같은 단어를 예측합니다. 다른 패턴에는 숫자, 도로 표지판 또는拥挤한 공항에서 사랑하는 사람을 식별하는 것이 포함될 수 있습니다.

딥 러닝 시스템의 상호 연결은 인간 뇌가 작동하는 방식과 유사한 신경 세포와 시냅스의 연결과 비슷합니다.

딥 러닝은 궁극적으로 다층 퍼셉트론을 결합하여 하나의 숨겨진 계층이 아닌 여러 숨겨진 계층이 있는 기계 학습 아키텍처에 주어지는 이름입니다. “더 깊은” 딥 신경망일수록, 네트워크가 학습할 수 있는 패턴이 더 복잡해집니다.

완전히 연결된 네트워크는 다른 기계 학습 함수와 결합하여 다양한 딥 러닝 아키텍처를 만들 수 있습니다.

Google이 딥 러닝을 어떻게 사용하는가?

Google은 하이퍼링크(신경 세포라고 생각할 수 있음)를 따라 세계의 웹사이트를 크롤링합니다. 이것은 Google이 처음부터 사용한 원래 방법론이며, 여전히 사용 중입니다. 웹사이트가 색인되면 다양한 유형의 AI가 이 데이터를 분석합니다.

Google의 시스템은 내부 메트릭에 따라 웹 페이지를 레이블을 붙이며, 거의 또는 전혀 인간의 개입이나干渉이 없습니다. 개입의 예로는 특정 URL의 수동 제거가 있습니다. 예를 들어, DMCA 제거 요청입니다.

Google 엔지니어는 SEO 컨퍼런스에 참석하는 사람들을 좌절시킵니다. 이것은 Google의 고위 임원들이 Google이 어떻게 작동하는지 제대로 설명할 수 없기 때문입니다. 특정 웹사이트가 순위에 오르지 못하는 이유를 묻는 질문에 대한 대답은 거의 항상 똑같습니다. 대답은 इतन나 빈번하게 반복되므로, 종종 참석자들은 몇 개월 또는 몇 년 동안 좋은 콘텐츠를 생성했음에도 불구하고, 긍정적인 결과가 없다고 말합니다.

예측 가능한대로, 웹사이트 소유자는 가치 있는 콘텐츠를 구축하는 데 중점을 두어야 합니다. 이것은 중요한 구성 요소이지만, 완전한 것은 아닙니다.

이 대답의 부족은 임원들이 질문에 제대로 대답할 수 없기 때문입니다. Google의 알고리즘은 블랙 박스입니다. 입력과 출력이 있으며, 딥 러닝이 작동하는 방식입니다.

이제 순위에 영향을 미치는 랭킹 패널티에 대해 살펴보겠습니다.

페이지 스피드 인사이트

Google은 투명하지 않지만, 페이지 스피드 인사이트는 예외입니다. 페이지 스피드 테스트에 실패한 웹사이트는 특히 모바일 사용자에게 느리게 로딩되면 패널티를 받게 됩니다.

의심가는 것은 결정 트리가 빠른 웹사이트와 느린 웹사이트(페이지 스피드 인사이트 실패)를 구분하는 지점에 있습니다. 결정 트리는 알고리즘적 접근 방식으로, 데이터 세트를 다양한 기준에 따라 개별 데이터 포인트로 분할합니다. 기준은 모바일 사용자와 데스크톱 사용자를 위한 랭킹에 부정적인 영향을 미치는 것입니다.

가설적으로, 랭킹 점수에 패널티가 적용될 수 있습니다. 예를 들어, 패널티 없이 5위에 랭크될 웹사이트는 -20, -50 또는 다른 알려지지 않은 변수가 적용되어 25위 또는 55위로 랭크될 수 있습니다.

미래에는 페이지 스피드 인사이트가 종료될 수 있습니다. Google이 AI에 더 자신감을 가지게 되면, 현재 페이지 스피드에 대한 개입은 위험할 수 있습니다. 이것은 최적의 결과가 제거될 수 있으며, 기술적으로 능숙하지 않은 사람들을 차별할 수 있습니다.

작은 비즈니스 운영하는 사람들에게 속도 테스트 문제를 진단하고 해결하기를 요구하는 것은 큰 요청입니다. 하나의 간단한 해결책은 Google이 워드프레스 사용자를 위한 속도 최적화 플러그인을 출시하는 것입니다. 워드프레스는 인터넷의 43%를 구동합니다.

불행히도, 모든 SEO 노력은 웹사이트가 Google의 페이지 스피드 인사이트에 실패하면 무의미합니다.賭け는 웹사이트가 구글에서 사라지는 것입니다.

이 테스트를 통과하는 방법은 다른 기사에서 다룰 것입니다. 그러나 최소한으로는 웹사이트가 통과하는지 확인해야 합니다.

또 다른 중요한 기술적 지표는 SSL(보안 소켓 계층)라는 보안 프로토콜입니다. 이것은 도메인의 URL을 http에서 https로 변경하며, 데이터 전송을 안전하게 합니다. SSL을 활성화하지 않은 웹사이트는 패널티를 받게 됩니다. 일부 예외가 있지만, 전자 상거래 및 금융 웹사이트는 가장 크게 영향을 받습니다.

저렴한 웹 호스팅 제공업체는 SSL 구현에 대한 연간 비용을 청구하지만, 좋은 웹 호스팅 제공업체인 Siteground은 SSL 인증서를 무료로 발급하고 자동으로 통합합니다.

메타 데이터

웹사이트에서 또 다른 중요한 요소는 메타 제목과 메타 설명입니다. 이러한 콘텐츠 필드는 페이지의 성공 또는 실패에 거의同じ 정도로 기여할 수 있습니다.

이것은 Google이 검색 결과에 메타 제목과 메타 설명을 표시할 가능성이 높기 때문입니다. 따라서 메타 제목과 메타 설명 필드를 가능한 한 신중하게 채워야 합니다.

대안은 Google이 메타 제목과 메타 설명을 무시하고, 클릭을 유도할 것으로 예상되는 데이터를 자동으로 생성하는 것입니다. Google이 메타 설명을 잘못 예측하면, 검색자에게 클릭을 유도하지 못하고, 이는 검색 엔진 순위에 영향을 미칩니다.

Google이 포함된 메타 설명이 클릭을 유도할 것으로 예상된다면, 검색 결과에 표시됩니다. 그렇지 않으면 Google은 웹사이트에서 임의의 텍스트 조각을 선택합니다. 문제는 Google이 항상 올바른 설명을 선택하지 못한다는 것입니다.

만약 여러분이 페이지의 콘텐츠가 정말 좋다고 생각한다면, 때때로 Google이 사용자 쿼리와 가장 잘 일치하는 최적의 메타 설명을 선택하도록 허용하는 것이 의미가 있습니다. 우리는 이 기사에 대한 메타 설명을 생략하겠습니다. 콘텐츠가 풍부하기 때문에, Google은 좋은 설명을 선택할 것입니다.

한편, 수십억 명의 인간이 최상의 검색 결과를 클릭하고 있습니다. 이것은 인간-루프입니다. Google의 마지막 피드백 메커니즘입니다. 여기서 강화 학습이 발동합니다.

강화 학습이란 무엇인가?

강화 학습은 행동과 관련된 보상을 통해 AI 에이전트를 훈련하는 기계 학습 기술입니다. 강화 학습 에이전트는 환경에서 실험을 수행하며, 행동을 취하고, 올바른 행동을 취할 때 보상을 받습니다. 시간이 지남에 따라, 에이전트는 보상을 최대화할 행동을 학습합니다.

보상은 단순한 계산에 기반할 수 있습니다. 예를 들어, 추천된 페이지에서 사용자가 보낸 시간의 양을 계산하는 것입니다.

이 방법론을 인간-루프 하위 루틴과 결합하면, 기존의 추천 엔진과 매우 유사해 보입니다. 예를 들어, YouTube, Netflix, Amazon Prime과 같은 디지털 라이프의 모든 측면을 제어하는 엔진입니다. 그리고 이것이 검색 엔진이 작동해야 하는 방식입니다.

Google이 강화 학습을 어떻게 사용하는가?

Google의 플라이휠은 각 검색과 함께 개선됩니다. 인간은 AI를 훈련함으로써, 가장 좋은 결과를 선택하여, 수백만 명의 다른 사용자의 유사한 쿼리와 함께, 검색 결과를 제공합니다.

강화 학습 에이전트는 지속적으로 자기 개선에 노력함으로써, 가장 긍정적인 상호 작용만을 강화합니다.

Google은 사용자가 결과 페이지를 스캔하는 데 걸리는 시간, 클릭한 URL, 방문한 웹사이트에서 보낸 시간, 그리고 돌아가기 클릭을 측정합니다. 이 데이터는 컴파일되고, 유사한 데이터 일치 또는 사용자 경험을 제공하는 모든 웹사이트와 비교됩니다.

저지연율(시간당 웹사이트에 머무는 시간)이 낮은 웹사이트는 강화 학습 시스템에 의해 부정적인 값으로 피드백됩니다. 그리고 다른 경쟁 웹사이트가 테스트되어 순위를 개선합니다. Google은 편향되지 않습니다(수동 개입이 없다면). Google은 궁극적으로 원하는 검색 결과 페이지를 제공합니다.

사용자는 인간-루프를 제공함으로써, Google에게 무료 데이터를 제공하고, 딥 강화 학습 시스템의 최종 구성 요소가 됩니다. 이 서비스에 대한 대가로, Google은 사용자에게 광고를 클릭할 기회를 제공합니다.

광고는 수익을 생성하는 것 외에도, 두 번째 순위 요소로 작용하여, 사용자가 클릭하고 싶은 것을 더 잘 이해할 수 있습니다.

Google은 본질적으로 사용자가 원하는 것을 학습합니다. 이것은 비디오 스트리밍 서비스의 추천 엔진과 유사합니다. 사용자가 정기적으로 로맨틱 코미디를 감상한다면, 추천 엔진은 같은 코미디언이 출연하는 패러디를 제안할 수 있습니다.

SEO에 어떻게 도움이 되는가?

계산적 사고를 계속한다면, Google이 최상의 결과를 제공하도록 훈련되었다고 가정할 수 있습니다. 이것은 종종 인간의 편향을 일반화하고 만족시키는 것을 달성함으로써 이루어집니다. 사실, Google의 AI가 이러한 편향을 충족하지 않는 결과를 최적화하지 않는다는 것은 사실상 불가능합니다.

즉, 마법의 공식은 없습니다. 그러나, 몇 가지 최선의 관행이 있습니다.

SEO 실무자의 책임은 그들이 서비스하는 산업에 대한 Google이 찾는 편향을 인식하는 것입니다. 그리고 그 편향에 대한 정보를 제공하는 것입니다. 예를 들어, 선거 투표 결과를 날짜를 지정하지 않고 검색하는 사람은 가장 최근의 결과를 찾고 있을 가능성이 높습니다. 이것은 신선함 편향입니다. 레시피를 검색하는 사람은 가장 최근의 페이지가 필요하지 않을 수도 있습니다. 실제로, 레시피가 시간의 시험을 견딜 수 있다면 더 선호할 수 있습니다.

SEO 실무자의 책임은 방문자에게 그들이 찾고 있는 결과를 제공하는 것입니다. 이것은 Google에서 순위를 매기는 가장 지속 가능한 방법입니다.

웹사이트 소유자는 특정 키워드를 대상으로 하여, 사용자에게 원하는 것을 제공할 수 있다고 기대하는 것을 포기해야 합니다. 검색 결과는 사용자의 필요를 정확하게 일치시켜야 합니다.

편향이란 무엇입니까? 도메인 이름이 높은 권위로 보이는지, 즉 제공하는 시장과 일치하는지, 도메인 이름에 국가 이름이 포함되어 있지 않은지(국가 편향으로 인해 사용자의 국가에 따라 결과를 신뢰할 수 있음), 단일 단어 도메인이 권위를 주는지를 확인합니다.

가장 중요한 편향은 사용자가 검색 쿼리와 일치하는 것이 무엇인지입니다. FAQ, 상위 10개 목록, 블로그 게시물인지, 이것을 분석하여 경쟁을 수행함으로써 쉽게 찾을 수 있습니다.

블랙 해트 SEO는 죽었다

이것을 블랙 해트 SEO와 비교해 보십시오. 블랙 해트 SEO는 웹사이트를 순위에 올리는 공격적인 방법으로, 스팸 기술을 사용하여, 백링크를 구매하거나, 백링크를 위조하거나, 웹사이트를 해킹하거나, 대규모로 자동으로 소셜 북마크를 생성하거나, 다른 어두운 방법론을 사용합니다. 이러한 방법론은 다양한 블랙 해트 도구를 통해 적용됩니다.

도구는 종종 재사용되며, 다양한 검색 엔진 마케팅 포럼에서 다시 판매됩니다. 거의 가치가 없으며, 성공할 가능성이 거의 없습니다. 현재 이러한 도구는 판매자에게는 부를 가져다주지만, 최종 사용자에게는 거의 가치가 없습니다.

이것은 왜 나는 블랙 해트를 포기하라고 추천하는가입니다. 대신, 기계 학습의 렌즈를 통해 SEO에 초점을 맞추십시오. 중요한 것은, 사용자가 검색 결과를 건너뛰고, 아래에 숨겨진 결과를 클릭할 때마다, 인간-루프가 딥 강화 학습 시스템과 협력하여, 자기 개선에 도움이 된다는 것입니다.

이것은 인류 역사에서 가장 많은 사용자에 의해 훈련된 기계 학습 알고리즘입니다.

Google은 평균적으로 1분당 380만 개의 검색을 처리합니다. 이것은 시간당 2.28억 개의 검색, 일일 56억 개의 검색입니다. 이것은 많은 데이터입니다. 이것은 왜 블랙 해트 SEO를 시도하는 것이愚かな 것인지에 대한 이유입니다. Google의 AI는 Law of Accelerating Returns를 사용하여 지수적으로 자기 개선합니다.

Google의 AI는 결국 인공 일반 지능(AGI)에 도달할 수 있을 것입니다. AGI는 하나의 분야에서 학습한 지능을 다른 여러 분야에 적용할 수 있는 지능입니다. Google의 미래 AGI 노력을 탐구하는 것은 흥미롭지만, 현재 Google은 좁은 유형의 AI입니다. 이것은 다른 기사에서 다루어질 것입니다.

블랙 해트에 더 이상 시간을 낭비하지 마십시오.

화이트 해트 SEO

만약 Google의 AI가 지속적으로 자기 개선한다면, 우리는 Google을 속이려고 하는 것을 포기해야 합니다. 대신, 웹사이트를 최적으로 Google이 찾는 것을 제공하도록 최적화하는 데 중점을 두어야 합니다.

이것은 SSL을 활성화하고, 페이지 로딩 속도를 최적화하고, 메타 제목과 메타 설명을 최적화하는 것을 포함합니다. 이러한 필드를 최적화하려면, 메타 제목과 메타 설명을 경쟁 웹사이트와 비교해야 합니다. 클릭률이 높은 요소를 식별합니다.

클릭을 최적화하는 다음 마일스톤은 최상의 랜딩 페이지를 생성하는 것입니다. 목표는 평균 시간당 페이지에 머무는 시간이 경쟁자보다 더 나은 랜딩 페이지를 생성하는 것입니다.

사용자 경험을 최적화하는 웹 페이지만이 순위를 올릴 수 있습니다.

지금까지 우리는 다음 메트릭이 가장 중요하다고 식별했습니다.

• 로딩 속도
• SSL 활성화
• 메타 제목과 메타 설명
• 랜딩 페이지

랜딩 페이지는 가장 어려운 요소입니다. 여러분은 전 세계와 경쟁하고 있습니다. 랜딩 페이지는 빠르게 로딩되어야 하며, 예상된 모든 것을 제공해야 하며, 사용자에게 더 많은 것을 제공해야 합니다.

최종 생각

Google이 사용하는 다른 AI 기술에 대해, 그리고 SEO에 대한 더 깊은 연구에 대해 2000단어를 더 채울 수 있습니다. 여기서 의도는 가장 중요한 메트릭에 대한 주의를 다시 집중하는 것입니다.

SEO 전문가들은 시스템을 게임하는 데 너무 집중하여, 최종적으로 SEO의 가장 중요한 요소인 사용자에게 가능한 한 많은 가치를 제공하는 것을 잊어버립니다.

한 가지 방법은 중요한 콘텐츠가 결코 구식이 되지 않도록 하는 것입니다. 한 달 안에 중요한 기여를 생각해낼 수 있다면, 이 기사에 추가될 것입니다. Google은 콘텐츠가 얼마나 신선한지, 그리고 페이지가 가치를 제공하는지에 대한 기록을 식별할 수 있습니다.

백링크를 얻는 것에 대해 아직도 걱정한다면, 해결책은 간단합니다. 방문자의 시간을 존중하고, 그들에게 가치를 제공하십시오. 백링크는 자연스럽게 따라올 것입니다. 사용자는 콘텐츠에 가치를 발견할 것입니다.

질문은 웹사이트 소유자에게 어떻게 최상의 사용자 가치와 사용자 경험을 제공할 수 있는지로 이동합니다.