SEO optimizavimas: kaip veikia „Google“ AI (2024 m. gegužės mėn.)

Paieškos variklio optimizavimas (SEO) yra puslapyje ir už jo ribų esančių veiksnių optimizavimo procesas, turintis įtakos tinklalapio reitingui pagal konkretų paieškos terminą. Tai daugialypis procesas, apimantis puslapio įkėlimo greičio optimizavimą, nuorodų kūrimo strategijos generavimą, naudojimą SEO įrankiai, taip pat išmokti pakeisti „Google“ AI naudojant skaičiavimo mąstymas.

Kompiuterinis mąstymas yra pažangi analizės ir problemų sprendimo technika, kurią kompiuterių programuotojai naudoja rašydami kodą ir algoritmus. Skaičiuojantys mąstytojai ieškos pagrindinės tiesos, išskaidydami problemą ir analizuodami ją naudodami pirmuosius mąstymo principus.

Kadangi „Google“ niekam neišleidžia savo slapto padažo, pasikliausime skaičiavimo mąstymu. Apžvelgsime keletą svarbiausių „Google“ istorijos momentų, kurie suformavo naudojamus algoritmus, ir sužinosime, kodėl tai svarbu.

Kaip sukurti protą

Pradėsime nuo knygos, kuri buvo išleista 2012 m.Kaip sukurti protą: atskleista žmogaus minties paslaptis“, kurį sukūrė žinomas futuristas ir išradėjas Ray Kurzweil. Ši knyga išskaidė žmogaus smegenis ir sugriovė jų veikimo būdus. Nuo pat pradžių mokomės, kaip smegenys treniruojasi naudodamos modelio atpažinimą, kad taptų numatymo mašina, visada nuspėjančia ateitį, net nuspėjant kitą žodį.

Kaip žmonės atpažįsta kasdieninio gyvenimo modelius? Kaip šios jungtys formuojasi smegenyse? Knyga pradedama nuo hierarchinio mąstymo supratimo, tai yra supratimas apie struktūrą, sudarytą iš įvairių elementų, išdėstytų pagal šabloną, tada šis išdėstymas vaizduoja simbolį, pvz., raidę arba simbolį, o tada jis toliau išdėstomas į sudėtingesnį modelį. pavyzdžiui, žodis ir galiausiai sakinys. Galiausiai šie modeliai formuoja idėjas, o šios idėjos paverčiamos gaminiais, už kurių kūrimą atsakingi žmonės.

Imituojant žmogaus smegenis, atskleistas būdas sukurti pažangų AI, viršijantį dabartinių neuroninių tinklų, kurie buvo paskelbimo metu, galimybes.

Ši knyga buvo planas sukurti dirbtinį intelektą, kuris gali keisti mastelį siurbdamas pasaulio duomenis ir naudoti daugiasluoksnį modelio atpažinimo apdorojimą tekstui, vaizdams, garsui ir vaizdo įrašams analizuoti. Sistema, optimizuota didinti mastelį dėl debesies pranašumų ir lygiagretaus apdorojimo galimybių. Kitaip tariant, duomenų įvesties ar išvesties maksimumo nebūtų.

Ši knyga buvo tokia svarbi, kad netrukus po jos išleidimo autorius Ray'us Kurzweilas buvo pasamdytas „Google“. tapti inžinerijos direktoriumi, orientuotu į mašininį mokymąsi ir kalbos apdorojimą. Vaidmuo, kuris puikiai atitiko jo parašytą knygą.

Neįmanoma nuneigti, kokią įtaką ši knyga turėjo „Google“ ateičiai ir kaip jos reitinguoja svetaines. Tai AI knyga turėtų būti privalomas skaitymas visiems, norintiems tapti SEO ekspertais.

DeepMind

2010 m. pradėtas kurti „DeepMind“ buvo karštas naujas startuolis, naudojęs revoliucinį naujo tipo AI algoritmą, kuris užvaldė pasaulį audra, vadinamas sustiprinimu. DeepMind tai geriausiai apibūdino taip:

„Pristatome pirmąjį gilaus mokymosi modelį, skirtą sėkmingai išmokti valdymo politikos tiesiai iš didelės apimties jutimo įvesties, naudojant sustiprintą mokymąsi. Modelis yra konvoliucinis neuroninis tinklas, parengtas naudojant Q mokymosi variantą, kurio įvestis yra neapdoroti pikseliai, o išvestis yra vertės funkcija, įvertinanti būsimą atlygį.

Sujungus gilųjį mokymąsi su mokymusi sustiprinti, tai tapo a gilaus sustiprinimo mokymasis sistema. Iki 2013 m. „DeepMind“ naudojo šiuos algoritmus, kad iškovotų pergales prieš žaidėjus „Atari 2600“ žaidimuose – tai buvo pasiekta imituojant žmogaus smegenis ir tai, kaip jos mokosi treniruodamosi ir kartodamos.

Panašiai kaip žmogus mokosi kartodamas kamuolį, ar jis spardo kamuolį, ar žaidžia Tetris, dirbtinis intelektas taip pat išmoktų. AI neuroninis tinklas stebėjo našumą ir laipsniškai tobulėjo, todėl kitoje iteracijoje judesių pasirinkimas buvo stipresnis.

„DeepMind“ buvo tokia dominuojanti technologinė lyderė, kad „Google“ turėjo nusipirkti prieigą prie šios technologijos. DeepMind buvo įsigytas už daugiau nei 500 milijonų dolerių 2014 m.

Po įsigijimo dirbtinio intelekto pramonė patyrė nuoseklius proveržius, kurių nuo tada nebuvo 11 metų gegužės 1997 d., kai šachmatai didmeistris Garis Kasparovas pralaimėjo pirmasis šešių partijų mačo žaidimas su IBM mokslininkų sukurtu kompiuteriu, kuriame žaidžiama šachmatais, Deep Blue. 

2015 m. „DeepMind“ patobulino algoritmą, kad išbandytų jį „Atari“ 49 žaidimų rinkinyje, o mašina pranoko žmogaus našumą 23 iš jų.

Tai buvo tik pradžia, vėliau, 2015 m., DeepMind pradėjo sutelkti dėmesį į tai AlphaGo, programa, kurios tikslas – nugalėti profesionalų „Go“ pasaulio čempioną. Senovinis žaidimas „Go“, pirmą kartą matytas Kinijoje prieš maždaug 4000 metų, yra laikomas sudėtingiausiu žaidimu žmonijos istorijoje, turinčiu savo potencialą. 10³⁶⁰ galimi judesiai.

„DeepMind“ naudojo prižiūrimą mokymąsi, kad treniruotų „AlphaGo“ sistemą, mokydamasi iš žaidėjų. Netrukus po to, kai AlphaGo įveikė, DeepMind pateko į antraštes Lee Sedolas, pasaulio čempionu, penkių žaidimų rungtynėse 2016 m. kovo mėn.

Neapsigaukite – 2017 m. spalį DeepMind išleido AlphaGo Zero – naują modelį su pagrindiniu skirtumu, kurio jam reikėjo nulio. žmogaus mokymas. Kadangi tam nereikėjo žmonių mokymo, taip pat nereikėjo ženklinti duomenų, o iš esmės naudojama sistema neprižiūrimas mokymasis. AlphaGo Zero greitai pranoko savo pirmtaką, kaip aprašė DeepMind.

„Ankstesnėse „AlphaGo“ versijose iš pradžių buvo mokoma su tūkstančiais žmonių mėgėjų ir profesionalių žaidimų, kad išmoktų žaisti „Go“. AlphaGo Zero praleidžia šį žingsnį ir išmoksta žaisti tiesiog žaisdamas prieš save, pradedant nuo visiškai atsitiktinio žaidimo. Tai darydamas, jis greitai pranoko žmogaus žaidimo lygį ir nugalėjo anksčiau paskelbtas čempionų titulą nugalėjusi AlphaGo versija 100 žaidimų iki 0.

Tuo tarpu SEO pasaulis buvo sutelktas į „PageRank“, „Google“ pagrindą. Jis prasideda 1995 m., kai Larry Page ir Sergey Brin buvo mokslų daktarai. Stanfordo universiteto studentai. Duetas pradėjo bendradarbiauti naujame tyrimų projekte, pavadintame „AtgalRub“. Tikslas buvo tinklalapių reitingavimas pagal svarbą konvertuojant atgalinių nuorodų duomenis. Atgalinė nuoroda yra tiesiog bet kokia nuoroda iš vieno puslapio į kitą, panaši į šią ryšys.

Vėliau algoritmas buvo pervadintas į PageRank, pavadintą pagal terminą „tinklalapis“ ir įkūrėjo Larry Page. Laris Peidžas ir Sergejus Brinas turėjo ambicingą tikslą sukurti paieškos variklį, kuris galėtų maitinti visą žiniatinklį vien tik atgalinėmis nuorodomis.

Ir jis dirbo.

„PageRank“ dominuoja antraštėse

SEO specialistai iš karto suprato pagrindus, kaip „Google“ apskaičiuoja tinklalapio kokybės reitingą naudodama „PageRank“. Kai kurie išmintingi juodosios kepurės SEO verslininkai žengė žingsnį toliau, suprasdami, kad norint padidinti turinį, gali būti prasminga pirkti nuorodas, o ne laukti, kol jas gausite natūraliai.

Aplink atgalines nuorodas atsirado nauja ekonomika. Nekantraujantys svetainių savininkai, kuriems reikėjo paveikti reitingą paieškos sistemose, pirkdavo nuorodas, o norėdami gauti pajamų iš svetainių, parduodavo jiems nuorodas.

Svetainės, kurios įsigijo nuorodas, dažnai per naktį įsiverždavo į „Google“, aplenkdamos žinomus prekės ženklus.

Reitingavimas naudojant šį metodą ilgą laiką veikė tikrai gerai – kol nustojo veikti, tikriausiai maždaug tuo pačiu metu įsijungė mašininis mokymasis ir išsprendė pagrindinę problemą. Įvedus gilaus sustiprinimo mokymąsi, PageRank taptų reitingo kintamuoju, o ne dominuojančiu veiksniu.

Šiuo metu SEO bendruomenė yra susiskaldžiusi dėl nuorodų pirkimo kaip strategijos. Aš asmeniškai tikiu, kad nuorodų pirkimas suteikia neoptimalių rezultatų ir kad geriausi atgalinių nuorodų įsigijimo būdai yra pagrįsti kintamaisiais, kurie priklauso nuo pramonės šakos. Viena teisėta paslauga, kurią galiu rekomenduoti, yra vadinama HARO (Padėkite reporteriui). HARO galimybė yra gauti atgalines nuorodas vykdant žiniasklaidos užklausas.

Įsikūrusiems prekių ženklams niekada nereikėjo jaudintis dėl nuorodų įsigijimo, nes jiems buvo naudingas laikas, kurį jie dirbo. Kuo senesnė svetainė, tuo daugiau laiko ji turėjo rinkti aukštos kokybės atgalines nuorodas. Kitaip tariant, paieškos variklio reitingas labai priklausė nuo svetainės amžiaus, jei skaičiuojate naudodami metriką laikas = atgalinės nuorodos.

Pvz., CNN natūraliai gautų atgalines nuorodas į naujienų straipsnį dėl savo prekės ženklo, pasitikėjimo ir dėl to, kad iš pradžių jis buvo aukščiausiame sąraše – todėl natūraliai ji gavo daugiau atgalinių nuorodų iš žmonių, tyrinėjančių straipsnį ir nukreipiančių į pirmąjį rastą paieškos rezultatą. .

Tai reiškia, kad aukštesnio reitingo tinklalapiai natūraliai gavo daugiau atgalinių nuorodų. Deja, tai reiškė, kad naujos svetainės dažnai buvo priverstos piktnaudžiauti atgalinių nuorodų algoritmu, kreipdamosi į atgalinių nuorodų rinką.

2000-ųjų pradžioje atgalinių nuorodų pirkimas veikė nepaprastai gerai ir tai buvo paprastas procesas. Nuorodų pirkėjai įsigijo nuorodas iš aukštų autoritetų svetainių, dažnai visos svetainės poraštės nuorodas arba galbūt kiekvienam straipsniui (dažnai užmaskuoti kaip svečio įrašas), o pardavėjai, norintys gauti pajamų iš savo svetainių, mielai įsipareigojo – deja, dažnai aukojant kokybės.

Galų gale „Google“ talentų būrys mašininio mokymosi inžinierių suprato, kad rankiniu būdu koduoti paieškos variklio rezultatus buvo bergždžia, o didžioji dalis PageRank buvo koduojama ranka. Vietoj to jie suprato, kad dirbtinis intelektas galiausiai taps atsakingas už visišką reitingų apskaičiavimą be žmogaus įsikišimo.

Siekdama išlikti konkurencinga, „Google“ naudoja visus savo arsenale esančius įrankius, įskaitant gilaus sustiprinimo mokymasis – Pažangiausias mašininio mokymosi algoritmo tipas pasaulyje.

Ši sistema sluoksniuota ant viršaus „Google“ įsigijo „MetaWeb“. buvo žaidimų keitėjas. 2010 m. „MetaWeb“ įsigijimas buvo toks svarbus dėl to, kad sumažino „Google“ raktinių žodžių svarbą. Kontekstas staiga tapo svarbus, tai buvo pasiekta naudojant kategorizavimo metodiką, vadinamą „subjektais“. Kaip Greita kompanija aprašyta:

Kai „Metaweb“ išsiaiškins, apie kurį subjektą nurodote, jis gali pateikti rezultatų rinkinį. Jis netgi gali derinti objektus sudėtingesnėms paieškoms – „vyresnės nei 40 metų aktorės“ gali būti viena, „aktorės, gyvenančios Niujorke“ gali būti kita, o „aktorės su šiuo metu rodomu filmu“ gali būti kita. “.

Ši technologija buvo įtraukta į pagrindinį algoritmo atnaujinimą, vadinamą RankBrain kuris buvo paleistas 2015 m. pavasarį. RankBrain daugiausia dėmesio skyrė konteksto supratimui, o ne vien tik raktiniams žodžiams, o RankBrain taip pat atsižvelgė į aplinkos kontekstą (pvz., ieškotojo vietą) ir ekstrapoliavo reikšmę ten, kur anksčiau jos nebuvo. Tai buvo svarbus atnaujinimas, ypač mobiliesiems vartotojams.

Dabar, kai suprantame, kaip „Google“ naudoja šias technologijas, pasitelkime skaičiavimo teoriją, kad spėliotume, kaip tai daroma.

Kas yra gilusis mokymasis?

Gilus mokymasis yra dažniausiai naudojamas mašininio mokymosi tipas – „Google“ negalėtų nenaudoti šio algoritmo.

Giluminiam mokymuisi didelę įtaką daro tai, kaip veikia žmogaus smegenys, ir jis bando atspindėti smegenų elgesį, kaip jis naudoja modelio atpažinimą objektams identifikuoti ir suskirstyti į kategorijas.

Pavyzdžiui, jei matote laišką a, jūsų smegenys automatiškai atpažįsta linijas ir formas, kad atpažintų jas kaip raidę a. Tas pats taikoma ir raidėms ap, jūsų smegenys automatiškai bando nuspėti ateitį, sugalvodamos tokius galimus žodžius kaip programa or obuolys. Kiti modeliai gali būti skaičiai, kelio ženklai arba mylimo žmogaus atpažinimas sausakimšame oro uoste.

Galite manyti, kad giluminio mokymosi sistemos tarpusavio ryšiai yra panašūs į tai, kaip žmogaus smegenys veikia su neuronų ir sinapsių ryšiu.

Gilus mokymasis galiausiai yra terminas, suteikiamas mašininio mokymosi architektūroms, kurios sujungia daugybę daugiasluoksnių perceptronų, kad būtų ne vienas paslėptas sluoksnis, bet daug paslėptų sluoksnių. Kuo gilesnis neuroninis tinklas yra „giliau“, tuo sudėtingesnius modelius tinklas gali išmokti.

Visiškai sujungtus tinklus galima derinti su kitomis mašininio mokymosi funkcijomis, kad būtų sukurtos skirtingos gilaus mokymosi architektūros.

Kaip „Google“ naudoja giluminį mokymąsi

„Google“ voratina pasaulio svetaines sekdama hipersaitus (pagalvokite apie neuronus), jungiančius svetaines viena su kita. Tai buvo pradinė metodika, kurią Google naudojo nuo pat pirmos dienos ir vis dar naudojama. Indeksavus svetaines, šiam duomenų lobynui analizuoti naudojami įvairūs AI tipai.

„Google“ sistema tinklalapius žymi pagal įvairias vidines metrikas, tik su nedideliu žmogaus indėliu ar įsikišimu. Intervencijos pavyzdys būtų konkretaus URL pašalinimas rankiniu būdu dėl a DMCA pašalinimo užklausa.

„Google“ inžinieriai garsėja tuo, kad vargina lankytojus SEO konferencijos, ir taip yra todėl, kad „Google“ vadovai niekada negali tinkamai išdėstyti, kaip „Google“ veikia. Kai užduodami klausimai apie tai, kodėl kai kurios svetainės nesugeba reitinguoti, tai beveik visada yra tas pats prastai suformuluotas atsakymas. Reakcija yra tokia dažna, kad dažnai dalyviai iš anksto teigia, kad yra įsipareigoję kelis mėnesius ar net metus kurti gerą turinį be teigiamų rezultatų.

Nuspėjama, kad svetainių savininkams nurodoma sutelkti dėmesį į vertingo turinio kūrimą – svarbus komponentas, bet toli gražu nėra išsamus.

Šis atsakymo trūkumas yra todėl, kad vadovai nesugeba tinkamai atsakyti į klausimą. „Google“ algoritmas veikia juodoje dėžutėje. Yra įvestis, o paskui išvestis – ir taip veikia gilus mokymasis.

Dabar grįžkime prie reitingavimo bausmės, kuri dažnai be svetainės savininko žinios daro neigiamą poveikį milijonams svetainių.

PageSpeed ​​Įžvalgos

„Google“ dažnai nėra skaidri, „PageSpeed ​​Insights“ yra išimtis. Svetainės, kurios neatlaikys šio greičio testo, bus siunčiamos į baudos laukelį, kad jos būtų lėtai įkeliamos – ypač jei tai nukentės mobiliųjų įrenginių naudotojai.

Įtariama, kad tam tikru proceso momentu yra sprendimų medis, kuris analizuoja greitas svetaines, palyginti su lėto įkėlimo (nepavyko „PageSpeed ​​Insights“) svetainėmis. Sprendimų medis iš esmės yra algoritminis metodas, padalijantis duomenų rinkinį į atskirus duomenų taškus pagal skirtingus kriterijus. Kriterijai gali būti neigiamai paveikti puslapio reitingą mobiliuosiuose įrenginiuose, palyginti su stalinių kompiuterių naudotojais.

Hipotetiškai nuobauda gali būti taikoma natūraliam reitingo balui. Pavyzdžiui, svetainėje, kurios reitingas be nuobaudos būtų 5, gali būti -20, -50 arba koks nors kitas nežinomas kintamasis, kuris sumažins reitingą iki 25, 55 arba kito AI pasirinkto skaičiaus.

Ateityje galime pamatyti „PageSpeed ​​Insights“ pabaigą, kai „Google“ labiau pasitikės savo AI. Šis dabartinis „Google“ įsikišimas į greitį yra pavojingas, nes gali netekti rezultatų, kurie būtų buvę optimalūs, ir diskriminuojami mažiau technologijų išmanantys.

Didelis prašymas reikalauti, kad kiekvienas, valdantis smulkųjį verslą, turėtų patirties sėkmingai diagnozuoti ir ištaisyti greičio tikrinimo problemas. Vienas paprastas sprendimas būtų „Google“ tiesiog išleisti greičio optimizavimo papildinį „WordPress“ vartotojams, kaip WordPress galios 43 proc. interneto.

Deja, visos SEO pastangos yra bergždžios, jei svetainė nepavyksta Google PageSpeed ​​Insights. Stalai yra ne kas kita, kaip svetainė, išnykusi iš „Google“.

Straipsnis, kaip išlaikyti šį testą, bus skirtas kitam kartui, tačiau bent jau turėtumėte patikrinti, ar jūsų svetainės leidimai.

Kitas svarbus techninis rodiklis, dėl kurio reikia nerimauti, yra saugos protokolas, vadinamas SSL (Saugių lizdų sluoksnis). Tai pakeičia domeno URL iš http į https ir užtikrina saugų duomenų perdavimą. Bet kuri svetainė, kurioje neįjungtas SSL, bus nubaustas. Nors yra keletas šios taisyklės išimčių, didžiausias poveikis bus el. prekybos ir finansų svetainėms.

Nebrangios žiniatinklio prieglobos ima metinį mokestį už SSL diegimą, tuo tarpu geri žiniatinklio prieglobos, pvz Siteground nemokamai išduoti SSL sertifikatus ir automatiškai juos integruoti.

Meta duomenys

Kitas svarbus svetainės elementas yra meta pavadinimas ir meta aprašymas. Šie turinio laukai turi didesnę svarbą, kuri gali prisidėti prie puslapio sėkmės ar nesėkmės tiek pat, kiek ir visas to puslapio turinys.

Taip yra todėl, kad „Google“ turi didelę tikimybę, kad pasirinks meta pavadinimą ir meta aprašą, kuris bus rodomas paieškos rezultatuose. Štai kodėl svarbu kuo atidžiau užpildyti meta pavadinimo ir meta aprašymo laukus.

Alternatyva yra ta, kad „Google“ gali nuspręsti nepaisyti meta pavadinimo ir metaaprašo, kad vietoj to automatiškai generuotų duomenis, kurie, kaip manoma, sukels daugiau paspaudimų. Jei „Google“ prastai nuspėja, kokį pavadinimą generuoti automatiškai, tai prisidės prie to, kad ieškotojai mažiau spustels ir dėl to praras paieškos variklio reitingus.

Jei „Google“ mano, kad įtrauktas metaaprašas yra optimizuotas paspaudimams gauti, jis parodys jį paieškos rezultatuose. To nepadarius, „Google“ paima atsitiktinę teksto dalį iš svetainės. Dažnai Google parenka geriausią tekstą puslapyje, problema ta, kad tai yra loterijos sistema ir Google nuolat blogai pasirenka, kokį aprašymą pasirinkti.

Žinoma, jei manote, kad jūsų puslapio turinys tikrai geras, kartais prasminga leisti „Google“ pasirinkti optimizuotą metaaprašą, kuris geriausiai atitinka vartotojo užklausą. Šiam straipsniui nepateiksime metaaprašo, nes jame yra daug turinio, todėl „Google“ greičiausiai pasirinks gerą aprašą.

Tuo tarpu milijardai žmonių spustelėja geriausius paieškos rezultatus – tai yra žmogus kilpoje, paskutinis „Google“ grįžtamojo ryšio mechanizmas – ir čia įsijungia mokymasis, skirtas sustiprinti.

Kas yra stiprinamasis mokymasis?

Armatūros mokymasis yra mašininio mokymosi technika, apimanti AI agento mokymą kartojant veiksmus ir susijusius atlygius. Pastiprinimo mokymosi agentas eksperimentuoja aplinkoje, imdamasis veiksmų ir gauna atlyginimą, kai imamasi teisingų veiksmų. Laikui bėgant agentas išmoksta imtis veiksmų, kurie maksimaliai padidins atlygį.

Atlygis gali būti pagrįstas paprastu skaičiavimu, kuris apskaičiuoja laiką, praleistą rekomenduojamame puslapyje.

Jei šią metodiką derintumėte su „Žmogus ciklo“ porutina, tai skambėtų labai panašiai kaip esami rekomendacijų varikliai, valdantys visus mūsų skaitmeninio gyvenimo aspektus, pvz., „YouTube“, „Netflix“, „Amazon Prime“ – ir jei tai skamba kaip paieškos variklis turėtų veikti, esate teisus.

Kaip „Google“ naudoja mokymosi stiprinimą

„Google“ smagratis tobulėja su kiekviena paieška, žmonės moko dirbtinį intelektą, pasirinkdami geriausią rezultatą, kuris geriausiai atsako į jų užklausą, ir panašią milijonų kitų vartotojų užklausą.

Stiprinantis mokymosi agentas nuolat tobulina save, stiprindamas tik pačią pozityviausią paieškos ir pateikto paieškos rezultato sąveiką.

„Google“ įvertina, kiek laiko reikia, kol vartotojas nuskaito rezultatų puslapį, URL, kurį spustelėja, matuoja laiką, praleistą lankytoje svetainėje, ir registruoja grįžtamąjį paspaudimą. Tada šie duomenys surenkami ir lyginami kiekvienoje svetainėje, kuri siūlo panašią duomenų atitiktį arba naudotojo patirtį.

Tinklalapiui, kurio išlaikymo rodiklis yra mažas (svetainėje praleistas laikas), sustiprinimo mokymosi sistema suteikia neigiamą vertę, o kitos konkuruojančios svetainės yra išbandomos siekiant pagerinti siūlomus reitingus. „Google“ yra nešališka, darant prielaidą, kad nėra rankinio įsikišimo, „Google“ galiausiai pateikia norimą paieškos rezultatų puslapį.

Naudotojai yra „žmogus in-the-loop“, teikiantis „Google“ nemokamus duomenis ir tampa paskutine gilaus mokymosi sistemos sudedamąja dalimi. Mainais už šią paslaugą Google siūlo galutiniam vartotojui galimybę spustelėti skelbimą.

Skelbimai, nesusiję su pajamų generavimu, yra antrinis reitingavimo veiksnys, suteikiantis daugiau duomenų apie tai, ką vartotojas nori spustelėti.

„Google“ iš esmės sužino, ko nori vartotojas. Tai galima laisvai palyginti su vaizdo įrašų srautinio perdavimo paslaugos rekomendacijų varikliu. Tokiu atveju rekomendacijų variklis paduotų naudotojui turinį, nukreiptą į jo interesus. Pvz., vartotojas, kuris nuolat mėgaujasi romantiškų komedijų srautu, gali mėgautis kai kuriomis parodijomis, jei juos dalijasi tie patys komikai.

Kaip tai padeda SEO?

Jei tęsime skaičiavimo mąstymą, galime manyti, kad „Google“ išmoko pati siekti geriausių rezultatų, o tai dažnai pasiekiama apibendrindama ir patenkindama žmonių šališkumą. Tiesą sakant, „Google“ dirbtinis intelektas negalėtų optimizuoti rezultatų, kurie patenkintų šiuos paklaidas, jei taip būtų, rezultatai būtų neoptimalūs.

Kitaip tariant, nėra stebuklingos formulės, tačiau yra keletas geriausių praktikų.

SEO specialistas yra atsakingas už tai, kad atpažintų „Google“ ieškomus šališkumus, būdingus jų pramonės šakai, ir į juos įtraukti. Pavyzdžiui, kas nors, ieškantis rinkimų apklausos rezultatų, nenurodydamas datos, greičiausiai ieško naujausių rezultatų – tai yra naujausio laikotarpio šališkumas. Kažkam, ieškančiam recepto, greičiausiai nereikia naujausio puslapio, o iš tikrųjų gali teikti pirmenybę receptui, kuris atlaikė laiko išbandymą.

SEO specialisto pareiga yra pasiūlyti lankytojams rezultatus, kurių jie ieško. Tai tvariausias Google reitingavimo būdas.

Svetainių savininkai turi atsisakyti taikymo pagal konkretų raktinį žodį, tikėdamiesi, kad galutiniam vartotojui galės pateikti viską, ko nori. Paieškos rezultatas turi tiksliai atitikti vartotojo poreikius.

Kas yra šališkumas? Gali būti, kad domeno vardas atrodo aukštas autoritetas, kitaip tariant, ar domeno vardas atitinka jūsų aptarnaujamą rinką? Domeno pavadinimas su žodžiu Indija gali atgrasyti JAV naudotojus nuo URL spustelėjimo dėl nacionalizmo ir pasitikėjimo rezultatais, gaunamais iš vartotojo gyvenamosios šalies. Vieno žodžio domenas taip pat gali sukurti autoriteto iliuziją.

Svarbiausias šališkumas yra tai, ką vartotojas nori atitikti savo paieškos užklausą? Ar tai DUK, 10 geriausių sąrašas, tinklaraščio įrašas? Į tai reikia atsakyti, o atsakymą rasti lengva. Jums tereikia išanalizuoti konkurenciją, atliekant Google paiešką savo tikslinėje rinkoje.

„Black Hat“ SEO yra miręs

Palyginkite tai su „Black Hat SEO“ – agresyviu svetainių reitingavimo metodu, naudojančiu klastingus SPAM metodus, įskaitant atgalinių nuorodų pirkimą, atgalinių nuorodų klastojimą, svetainių įsilaužimą, automatinį socialinių žymių generavimą dideliu mastu ir kitomis tamsiomis metodikomis, kurios taikomos juodosios kepurės įrankių tinkle. .

Įrankiai, kurie dažnai perparduodami ir perparduodami įvairiuose paieškos sistemų rinkodaros forumuose, produktai, kurių vertė beveik nėra ir sėkmės tikimybė yra nedidelė. Šiuo metu šios priemonės leidžia pardavėjams tapti turtingais, o galutiniam vartotojui siūlo minimalią vertę.

Štai kodėl aš rekomenduoju atsisakyti Black Hat. Sutelkite dėmesį į savo SEO žiūrėdami jį iš mašininio mokymosi objektyvo. Svarbu suprasti, kad kiekvieną kartą, kai kas nors praleidžia paieškos rezultatą, kad spustelėtų po juo paslėptą rezultatą, tai yra žmogus cikle bendradarbiauja su gilaus sustiprinimo mokymosi sistema. Žmogus padeda dirbtiniam intelektui tobulėti ir laikui bėgant tampa be galo geresnis.

Tai mašininio mokymosi algoritmas, kurį apmokė daugiau vartotojų nei bet kuri kita sistema žmonijos istorijoje.

„Google“ visame pasaulyje vidutiniškai atlieka 3.8 mln. paieškų per minutę. Tai sudaro 228 milijonus paieškų per valandą, 5.6 mlrd. Paieškų per dieną. That is a lot of data, and this is why it is foolish to attempt black hat SEO. Assuming Google's AI is going to remain stagnant is foolish, the system is using the Law of Accelerating Returns to exponentially self-improve.

„Google“ dirbtinis intelektas tampa toks galingas, kad galima įsivaizduoti, kad galiausiai jis gali tapti pirmuoju AI, kurį pasieks Bendrasis dirbtinis intelektas (AGI). AGI yra intelektas, kuris gali naudotis perduoti mokymąsi įvaldyti vieną sritį ir pritaikyti išmoktą intelektą keliose srityse. Nors gali būti įdomu patyrinėti būsimas „Google“ AGI pastangas, reikėtų suprasti, kad pradėjus procesą sunku jį sustabdyti. Žinoma, tai yra spėlionės apie ateitį, nes „Google“ šiuo metu yra siauras AI tipas, tačiau tai yra kito straipsnio tema.

Žinodami, kad juodai skrybėlaitei išleidžiate viena sekunde daugiau, yra kvailas reikalas.

Baltoji skrybėlė SEO

Jei sutiksime, kad „Google“ dirbtinis intelektas nuolatos tobulės, neturėsime kito pasirinkimo, kaip tik atsisakyti bandymo pergudrauti „Google“. Vietoj to sutelkite dėmesį į svetainės optimizavimą, kad „Google“ pateiktumėte būtent tai, ko ji ieško.

Kaip aprašyta, tai apima SSL įjungimą, puslapio įkėlimo greičio optimizavimą ir meta pavadinimo bei meta aprašymo optimizavimą. Norint optimizuoti šiuos laukus, meta pavadinimas ir meta aprašymas turi būti lyginami su konkuruojančiomis svetainėmis – nustatykite laimėjusius elementus, dėl kurių gaunamas didelis paspaudimų rodiklis.

Jei optimizavote spustelėjimą, kitas etapas yra geriausio nukreipimo puslapio sukūrimas. Tikslas yra nukreipimo puslapis, kuris taip optimizuoja vartotojo vertę, kad vidutinis puslapyje praleistas laikas pralenktų panašius konkurentus, kurie varžosi dėl geriausių paieškos sistemų rezultatų.

Tik pasiūlius geriausią naudotojo patirtį, tinklalapio reitingas gali padidėti.

Iki šiol nustatėme, kad šie rodikliai yra svarbiausi:

• Įkrovimo greitis
• SSL įjungtas
• Meta pavadinimas ir Meta aprašymas
• Nukreipimo puslapis

Nukreipimo puslapis yra pats sunkiausias elementas, nes jūs konkuruojate su pasauliu. Nukreipimo puslapis turi būti greitai įkeliamas ir pateikti viską, ko tikimasi, o tada nustebinti vartotoją dar daugiau.

Baigiamosios mintys

Būtų nesunku užpildyti dar 2000 žodžių, apibūdinančių kitas „Google“ naudojamas AI technologijas, taip pat įsigilinti į SEO triušių duobę. Šiuo atveju siekiama sutelkti dėmesį į svarbiausius rodiklius.

SEO skirstytuvai yra taip susikoncentravę į sistemos žaidimus, kad pamiršta, jog dienos pabaigoje svarbiausias SEO elementas yra suteikti vartotojams kuo daugiau vertės.

Vienas iš būdų tai pasiekti – niekada neleisti svarbiam turiniui pasenti. Jei po mėnesio sugalvosiu kokį svarbų indėlį, jis bus pridėtas prie šio straipsnio. Tada „Google“ gali nustatyti, ar turinys yra šviežias, atsižvelgiant į puslapio, teikiančio vertę, istoriją.

Jei vis dar nerimaujate dėl atgalinių nuorodų įsigijimo, sprendimas yra paprastas. Gerbkite savo lankytojų laiką ir suteikite jiems vertę. Atgalinės nuorodos atsiras natūraliai, nes naudotojams bus naudinga dalintis jūsų turiniu.

Tada svetainės savininkui kyla klausimas, kaip suteikti geriausią vartotojo vertę ir naudotojo patirtį.