Tối ưu hóa SEO: Cách thức hoạt động của Trí tuệ nhân tạo Google (Tháng 7 2026)

Tối ưu hóa Công cụ Tìm kiếm (SEO) là quá trình tối ưu hóa các yếu tố trên trang và ngoài trang ảnh hưởng đến thứ hạng của một trang web cho một thuật ngữ tìm kiếm cụ thể. Đây là một quá trình đa diện bao gồm tối ưu hóa tốc độ tải trang, tạo chiến lược xây dựng liên kết, sử dụng công cụ SEO, cũng như học cách đảo ngược kỹ thuật của Google bằng cách sử dụng tư duy tính toán.

Tư duy tính toán là một loại phân tích và kỹ thuật giải quyết vấn đề tiên tiến mà các lập trình viên máy tính sử dụng khi viết mã và thuật toán. Những người tư duy tính toán sẽ tìm kiếm sự thật bằng cách chia nhỏ một vấn đề và phân tích nó bằng cách tư duy nguyên tắc đầu tiên.

Vì Google không tiết lộ bí quyết của họ cho bất kỳ ai, chúng ta sẽ dựa vào tư duy tính toán. Chúng ta sẽ đi qua một số khoảnh khắc quan trọng trong lịch sử của Google đã định hình các thuật toán được sử dụng, và chúng ta sẽ học tại sao điều này lại quan trọng.

Làm thế nào để tạo ra một Trí tuệ nhân tạo

Chúng ta sẽ bắt đầu với một cuốn sách được xuất bản vào năm 2012, có tên là “Làm thế nào để tạo ra một Trí tuệ nhân tạo: Bí mật của Tư duy con người được tiết lộ” của nhà tương lai học và nhà phát minh nổi tiếng Ray Kurzweil. Cuốn sách này đã phân tích não bộ con người và chia nhỏ cách nó hoạt động. Chúng ta học từ cơ bản cách não bộ tự đào tạo bằng cách nhận dạng mẫu để trở thành một máy dự đoán, luôn làm việc để dự đoán tương lai, thậm chí dự đoán từ tiếp theo.

Làm thế nào con người nhận dạng mẫu trong cuộc sống hàng ngày? Làm thế nào những kết nối này được hình thành trong não bộ? Cuốn sách bắt đầu bằng cách hiểu tư duy phân cấp, đây là hiểu một cấu trúc được tạo thành từ các yếu tố đa dạng được sắp xếp theo một mẫu, sắp xếp này sau đó đại diện cho một biểu tượng như một chữ cái hoặc ký tự, và sau đó được sắp xếp thành một mẫu tiên tiến hơn như một từ, và cuối cùng là một câu. Cuối cùng, những mẫu này tạo thành ý tưởng, và những ý tưởng này được biến thành các sản phẩm mà con người chịu trách nhiệm xây dựng.

Bằng cách bắt chước não bộ con người, một con đường để tạo ra một Trí tuệ nhân tạo tiên tiến hơn khả năng hiện tại của các mạng nơ-ron được tiết lộ.

Cuốn sách này là một bản thiết kế để tạo ra một Trí tuệ nhân tạo có thể mở rộng bằng cách thu thập dữ liệu của thế giới, và sử dụng quá trình xử lý nhận dạng mẫu đa lớp để phân tích văn bản, hình ảnh, âm thanh và video. Một hệ thống được tối ưu hóa cho việc mở rộng quy mô do lợi ích của đám mây và khả năng xử lý song song. Nói cách khác, sẽ không có giới hạn về đầu vào hoặc đầu ra dữ liệu.

Cuốn sách này rất quan trọng đến nỗi ngay sau khi xuất bản, tác giả Ray Kurzweil đã được Google thuê để trở thành Giám đốc Kỹ thuật tập trung vào học máy và xử lý ngôn ngữ. Một vai trò hoàn hảo phù hợp với cuốn sách ông đã viết.

Điều này sẽ là không thể phủ nhận cách cuốn sách này đã ảnh hưởng đến tương lai của Google và cách họ xếp hạng các trang web. Cuốn sách về Trí tuệ nhân tạo này nên là đọc bắt buộc cho bất kỳ ai muốn trở thành một chuyên gia SEO.

DeepMind

Ra mắt vào năm 2010, DeepMind là một công ty khởi nghiệp nóng sử dụng một loại thuật toán Trí tuệ nhân tạo mới mang tính cách mạng, được gọi là học tăng cường. DeepMind mô tả nó tốt nhất là:

“Chúng tôi trình bày mô hình học sâu đầu tiên thành công trong việc học các chính sách điều khiển trực tiếp từ đầu vào cảm biến đa chiều bằng cách sử dụng học tăng cường. Mô hình này là một mạng nơ-ron tích chập, được đào tạo với một biến thể của Q-learning, với đầu vào là pixel thô và đầu ra là một hàm giá trị ước tính phần thưởng trong tương lai.”

Bằng cách kết hợp học sâu với học tăng cường, nó trở thành một hệ thống học tăng cường sâu. Vào năm 2013, DeepMind đã sử dụng các thuật toán này để giành chiến thắng trước người chơi Atari 2600 – Và điều này được thực hiện bằng cách bắt chước não bộ con người và cách nó học hỏi từ đào tạo và lặp lại.

Tương tự như cách con người học hỏi bằng cách lặp lại, dù đó là đá bóng hay chơi Tetris, Trí tuệ nhân tạo cũng sẽ học hỏi. Mạng nơ-ron của Trí tuệ nhân tạo theo dõi hiệu suất và sẽ tự cải thiện dần dần, dẫn đến việc lựa chọn di chuyển mạnh hơn trong lần lặp lại tiếp theo.

DeepMind đã vượt trội về công nghệ đến mức Google phải mua lại công nghệ này. DeepMind đã được mua lại với hơn 500 triệu đô la vào năm 2014.

Sau khi mua lại, ngành công nghiệp Trí tuệ nhân tạo đã chứng kiến những đột phá liên tiếp, một loại không thấy từ ngày 11 tháng 5 năm 1997, khi đại kiện tướng Garry Kasparov thua trận đầu tiên trong một trận đấu sáu trận chống lại Deep Blue, một máy tính chơi cờ được phát triển bởi các nhà khoa học tại IBM.

Vào năm 2015, DeepMind đã tinh chỉnh thuật toán để thử nghiệm nó trên bộ trò chơi Atari gồm 49 trò, và máy đã đánh bại hiệu suất của con người trong 23 trò.

Đó chỉ là bước đầu tiên, sau đó vào năm 2015, DeepMind bắt đầu tập trung vào AlphaGo, một chương trình với mục tiêu đánh bại một Nhà vô địch thế giới cờ vây chuyên nghiệp. Trò chơi cổ xưa này, được bắt nguồn từ Trung Quốc khoảng 4000 năm trước, được coi là trò chơi khó nhất trong lịch sử loài người, với 10³⁶⁰ động tác có thể.

DeepMind đã sử dụng học có giám sát để đào tạo hệ thống AlphaGo bằng cách học hỏi từ người chơi. Ngay sau đó, DeepMind đã làm nên lịch sử sau khi AlphaGo đánh bại Lee Sedol, nhà vô địch thế giới, trong một trận đấu năm trận vào tháng 3 năm 2016.

Không kém, vào tháng 10 năm 2017, DeepMind đã phát hành AlphaGo Zero, một mô hình mới với sự khác biệt chính là nó không cần đào tạo con người. Vì nó không cần đào tạo con người, nó cũng không cần dán nhãn dữ liệu, hệ thống này sử dụng học không có giám sát. AlphaGo Zero nhanh chóng vượt qua người tiền nhiệm, như được mô tả bởi DeepMind.

“Các phiên bản trước của AlphaGo ban đầu được đào tạo trên hàng nghìn trò chơi của người chơi nghiệp dư và chuyên nghiệp để học cách chơi cờ. AlphaGo Zero bỏ qua bước này và học cách chơi chỉ bằng cách chơi trò chơi chống lại chính mình, bắt đầu từ việc chơi hoàn toàn ngẫu nhiên. Bằng cách này, nó nhanh chóng vượt qua mức chơi của con người và đánh bại phiên bản trước đó của AlphaGo với tỷ số 100-0.”

Trong khi đó, thế giới SEO đang tập trung vào PageRank, xương sống của Google. Nó bắt đầu vào năm 1995, khi Larry Page và Sergey Brin là sinh viên tiến sĩ tại Đại học Stanford. Cặp đôi này bắt đầu hợp tác trong một dự án nghiên cứu mới mang tên “BackRub”. Mục tiêu là xếp hạng các trang web vào một thước đo quan trọng bằng cách chuyển đổi dữ liệu liên kết ngược. Một liên kết ngược là bất kỳ liên kết nào từ một trang này đến trang khác, tương tự như liên kết này.

Thuật toán này sau đó được đổi tên thành PageRank, được đặt theo tên của cả thuật ngữ “trang web” và người đồng sáng lập Larry Page. Larry Page và Sergey Brin có mục tiêu tham vọng xây dựng một công cụ tìm kiếm có thể cung cấp toàn bộ web chỉ bằng liên kết ngược.

Và nó đã hoạt động.

PageRank Chiếm ưu thế trong Tiêu đề

Các chuyên gia SEO ngay lập tức hiểu được cơ bản cách Google tính toán một xếp hạng chất lượng cho một trang web bằng cách sử dụng PageRank. Một số doanh nhân SEO tinh ranh đã đi xa hơn, hiểu rằng để mở rộng nội dung, có thể có ý nghĩa khi mua liên kết thay vì chờ đợi để có được chúng một cách tự nhiên.

Một nền kinh tế mới đã xuất hiện xung quanh liên kết ngược. Các chủ sở hữu trang web渴望 muốn ảnh hưởng đến xếp hạng công cụ tìm kiếm sẽ mua liên kết, và để kiếm tiền, các trang web tuyệt vọng sẽ bán liên kết.

Các trang web mua liên kết thường xâm chiếm Google và vượt qua các thương hiệu đã thành lập.

Xếp hạng bằng phương pháp này đã hoạt động rất tốt trong một thời gian dài – Cho đến khi nó ngừng hoạt động, có lẽ vào khoảng thời gian học máy bắt đầu và giải quyết vấn đề cơ bản. Với sự ra đời của học tăng cường sâu, PageRank sẽ trở thành một biến số xếp hạng, không phải là yếu tố quyết định.

Hiện tại, cộng đồng SEO đang chia rẽ về việc mua liên kết như một chiến lược. Tôi tin rằng mua liên kết mang lại kết quả dưới mức tối ưu, và phương pháp tốt nhất để có được liên kết ngược là dựa trên các biến số cụ thể của ngành. Một dịch vụ hợp pháp mà tôi có thể giới thiệu là HARO (Help a Reporter Out). Cơ hội tại HARO là có được liên kết ngược bằng cách đáp ứng các yêu cầu của truyền thông.

Các thương hiệu đã thành lập không bao giờ phải lo lắng về việc tìm kiếm liên kết, vì họ đã có lợi thế của thời gian. Càng cũ, một trang web càng có nhiều thời gian để thu thập liên kết ngược chất lượng cao. Nói cách khác, xếp hạng công cụ tìm kiếm phụ thuộc rất nhiều vào tuổi của trang web, nếu bạn tính toán bằng cách sử dụng chỉ số thời gian = liên kết ngược.

Ví dụ, CNN sẽ tự nhiên nhận được liên kết ngược cho một bài báo vì thương hiệu, sự tin cậy và vì nó được liệt kê cao từ đầu – Vì vậy, tự nhiên nó nhận được nhiều liên kết ngược hơn từ những người nghiên cứu một bài báo và liên kết đến kết quả tìm kiếm đầu tiên họ tìm thấy.

Nghĩa là các trang web được xếp hạng cao sẽ tự nhiên nhận được nhiều liên kết ngược hơn. Thật không may, điều này có nghĩa là các trang web mới thường bị buộc phải lạm dụng thuật toán liên kết ngược bằng cách chuyển sang thị trường liên kết ngược.

Vào đầu những năm 2000, mua liên kết ngược đã hoạt động rất tốt và nó là một quá trình đơn giản. Người mua liên kết ngược mua liên kết từ các trang web có thẩm quyền cao, thường là liên kết chân trang web hoặc có thể trên cơ sở mỗi bài viết (thường ngụy trang là một bài viết khách), và những người bán tuyệt vọng để kiếm tiền từ trang web của họ đã sẵn sàng tuân thủ – Thật không may, thường phải hy sinh chất lượng.

Cuối cùng, nhóm kỹ sư học máy của Google đã hiểu rằng mã hóa kết quả tìm kiếm bằng tay là vô ích, và nhiều PageRank được mã hóa bằng tay. Thay vào đó, họ hiểu rằng Trí tuệ nhân tạo sẽ cuối cùng trở nên chịu trách nhiệm với việc tính toán đầy đủ các xếp hạng mà không cần can thiệp của con người.

Để duy trì khả năng cạnh tranh, Google sử dụng mọi công cụ trong kho vũ khí của họ, bao gồm học tăng cường sâu – Loại thuật toán học máy tiên tiến nhất trên thế giới.

Hệ thống này được xếp chồng lên trên sự mua lại MetaWeb của Google là một yếu tố thay đổi cuộc chơi. Lý do tại sao việc mua lại MetaWeb vào năm 2010 lại quan trọng là vì nó giảm trọng lượng mà Google đặt vào từ khóa. Bối cảnh đã trở nên quan trọng, điều này được thực hiện bằng cách sử dụng một phương pháp phân loại được gọi là ‘thực thể’. Như Fast Company mô tả:

“Khi Metaweb tìm ra thực thể bạn đang đề cập đến, nó có thể cung cấp một tập hợp kết quả. Nó thậm chí có thể kết hợp các thực thể cho các tìm kiếm phức tạp hơn – ‘nữ diễn viên trên 40’ có thể là một thực thể, ‘nữ diễn viên sống ở New York’ có thể là một thực thể khác, và ‘nữ diễn viên có một bộ phim đang chiếu’ có thể là một thực thể khác. “.

Công nghệ này đã được tích hợp vào một bản cập nhật thuật toán lớn được gọi là RankBrain được ra mắt vào mùa xuân năm 2015. RankBrain tập trung vào việc hiểu bối cảnh thay vì chỉ dựa trên từ khóa, và RankBrain cũng sẽ xem xét các bối cảnh môi trường (ví dụ: vị trí của người tìm kiếm) và suy luận ý nghĩa khi trước đó không có.

Bây giờ chúng ta đã hiểu cách Google sử dụng những công nghệ này, hãy sử dụng lý thuyết tính toán để suy đoán về cách nó được thực hiện.

Trí tuệ nhân tạo sâu là gì?

Trí tuệ nhân tạo sâu là loại học máy được sử dụng phổ biến nhất – Nó sẽ là không thể nếu Google không sử dụng thuật toán này.

Trí tuệ nhân tạo sâu bị ảnh hưởng đáng kể bởi cách não bộ con người hoạt động và nó cố gắng phản ánh hành vi của não bộ trong việc sử dụng nhận dạng mẫu để xác định và phân loại đối tượng.

Ví dụ, nếu bạn nhìn thấy chữ a, não bộ của bạn sẽ tự động nhận ra các đường nét và hình dạng để xác định nó là chữ a. Điều tương tự cũng được áp dụng cho các chữ ap, não bộ của bạn sẽ tự động cố gắng dự đoán tương lai bằng cách đưa ra các từ có thể là app hoặc apple. Các mẫu khác có thể bao gồm số, biển báo đường, hoặc nhận dạng một người thân trong một sân bay đông đúc.

Bạn có thể nghĩ về các kết nối trong một hệ thống Trí tuệ nhân tạo sâu giống như cách não bộ con người hoạt động với kết nối của nơ-ron và synap.

Trí tuệ nhân tạo sâu cuối cùng là thuật ngữ được đưa ra cho các kiến trúc học máy kết hợp nhiều mạng nơ-ron đa lớp lại với nhau, vì vậy không chỉ có một lớp ẩn mà có nhiều lớp ẩn. “Sâu” hơn mạng nơ-ron sâu, mạng càng có thể học được các mẫu phức tạp.

Các mạng hoàn toàn kết nối có thể được kết hợp với các chức năng học máy khác để tạo ra các kiến trúc Trí tuệ nhân tạo sâu khác nhau.

Google sử dụng Trí tuệ nhân tạo sâu như thế nào

Google thu thập các trang web trên toàn thế giới bằng cách theo dõi các siêu liên kết (giống như nơ-ron) kết nối các trang web với nhau. Đây là phương pháp luận ban đầu mà Google đã sử dụng từ ngày đầu tiên, và vẫn đang được sử dụng. Khi các trang web được lập chỉ mục, các loại Trí tuệ nhân tạo khác nhau được sử dụng để phân tích kho dữ liệu này.

Hệ thống của Google gắn nhãn các trang web theo các chỉ số nội bộ khác nhau, với chỉ một chút đầu vào hoặc can thiệp của con người. Một ví dụ về can thiệp sẽ là việc xóa thủ công một URL cụ thể do Yêu cầu xóa DMCA.

Các kỹ sư của Google nổi tiếng với việc làm thất vọng những người tham dự hội nghị SEO, và điều này là vì các giám đốc điều hành của Google không bao giờ có thể giải thích chính xác cách Google hoạt động. Khi được hỏi về lý do tại sao một số trang web không thể xếp hạng, đó gần như luôn là cùng một phản hồi kém được phát biểu. Phản hồi này thường đến nỗi những người tham dự thường xuyên tuyên bố rằng họ đã cam kết tạo nội dung chất lượng trong nhiều tháng hoặc thậm chí nhiều năm mà không có kết quả tích cực.

Đầu ra của phản hồi là vì các giám đốc điều hành không thể trả lời câu hỏi một cách chính xác. Thuật toán của Google hoạt động trong một hộp đen. Có đầu vào, và sau đó là đầu ra – và đó là cách Trí tuệ nhân tạo sâu hoạt động.

Hãy quay lại một hình phạt xếp hạng đang ảnh hưởng tiêu cực đến hàng triệu trang web, thường mà không có kiến thức của chủ sở hữu trang web.

PageSpeed Insights

Google không thường xuyên minh bạch, PageSpeed Insights là ngoại lệ. Các trang web không vượt qua bài kiểm tra tốc độ này sẽ bị gửi vào một hộp phạt vì tải chậm – Đặc biệt nếu người dùng di động bị ảnh hưởng.

Cái gì được nghi ngờ là ở một thời điểm nào đó trong quá trình có một cây quyết định phân tích các trang web nhanh so với các trang web tải chậm (không vượt qua PageSpeed Insights). Một cây quyết định là cơ bản một cách tiếp cận thuật toán phân chia tập dữ liệu thành các điểm dữ liệu riêng lẻ dựa trên các tiêu chí khác nhau. Tiêu chí có thể là để ảnh hưởng tiêu cực đến cách một trang web xếp hạng cho người dùng di động so với người dùng máy tính để bàn.

Giả thuyết một hình phạt có thể được áp dụng cho điểm xếp hạng tự nhiên. Ví dụ, một trang web mà không có hình phạt sẽ xếp hạng ở vị trí #5 có thể có một -20, -50, hoặc một số biến số không xác định nào đó sẽ giảm xếp hạng xuống #25, #55, hoặc một số khác được chọn bởi Trí tuệ nhân tạo.

Trong tương lai, chúng ta có thể thấy sự kết thúc của PageSpeed Insights, khi Google trở nên tự tin hơn vào Trí tuệ nhân tạo của họ. Sự can thiệp này về tốc độ của Google là nguy hiểm vì nó có thể loại bỏ các kết quả sẽ là tối ưu, và nó phân biệt đối xử với những người ít am hiểu về công nghệ.

Nó là một yêu cầu lớn để yêu cầu mọi người điều hành một doanh nghiệp nhỏ phải có chuyên môn để chẩn đoán và khắc phục các vấn đề về tốc độ. Một giải pháp đơn giản sẽ là Google chỉ cần phát hành một tiện ích mở rộng tối ưu hóa tốc độ cho người dùng WordPress, vì WordPress cung cấp năng lượng cho 43% internet.

Thật không may, tất cả các nỗ lực SEO đều vô ích nếu một trang web không vượt qua PageSpeed Insights của Google. Cái giá phải trả là không gì khác ngoài việc một trang web biến mất khỏi Google.

Cách vượt qua bài kiểm tra này là một chủ đề cho một bài viết khác, nhưng tối thiểu bạn nên kiểm tra xem trang web của bạn có vượt qua hay không.

Một chỉ số kỹ thuật quan trọng khác cần quan tâm là một giao thức bảo mật gọi là SSL (Secure Sockets Layer). Điều này thay đổi URL của một tên miền từ http sang https và đảm bảo truyền dữ liệu an toàn. Bất kỳ trang web nào không có SSL được bật sẽ bị phạt. Mặc dù có một số ngoại lệ cho quy tắc này, nhưng các trang web thương mại điện tử và tài chính sẽ bị ảnh hưởng nặng nề nhất.

Các nhà cung cấp web giá rẻ tính phí hàng năm cho việc triển khai SSL, trong khi các nhà cung cấp web tốt như Siteground cấp chứng chỉ SSL miễn phí và tích hợp tự động.

Meta Data

Một yếu tố quan trọng khác trên trang web là Tiêu đề Meta và Mô tả Meta. Những trường nội dung này có một tầm quan trọng lớn có thể đóng góp nhiều vào thành công hoặc thất bại của một trang như toàn bộ nội dung của trang đó.

Điều này là vì Google có khả năng cao sẽ chọn Tiêu đề Meta và Mô tả Meta để hiển thị trong kết quả tìm kiếm. Và đó là lý do tại sao việc điền vào trường tiêu đề meta và mô tả meta một cách cẩn thận là rất quan trọng.

Phương án thay thế là Google có thể chọn bỏ qua tiêu đề meta và mô tả meta để tự động tạo dữ liệu mà nó dự đoán sẽ dẫn đến nhiều nhấp chuột hơn. Nếu Google dự đoán kém loại tiêu đề để tự động tạo, điều này sẽ dẫn đến ít nhấp chuột hơn từ người tìm kiếm và do đó dẫn đến mất thứ hạng tìm kiếm.

Nếu Google tin rằng mô tả meta được bao gồm được tối ưu hóa để nhận được nhấp chuột, nó sẽ hiển thị nó trong kết quả tìm kiếm. Nếu không, Google sẽ chọn một đoạn văn bản ngẫu nhiên từ trang web. Thường thì Google chọn đoạn văn bản tốt nhất trên trang, vấn đề là đây là một hệ thống xổ số và Google liên tục không tốt trong việc chọn mô tả nào để chọn.

Tất nhiên, nếu bạn tin rằng nội dung trên trang web của bạn thực sự tốt, đôi khi có ý nghĩa khi cho phép Google chọn mô tả meta được tối ưu hóa tốt nhất phù hợp với truy vấn của người dùng. Chúng tôi sẽ chọn không có mô tả meta cho bài viết này vì nó chứa nhiều nội dung và Google có thể sẽ chọn một mô tả tốt.

Trong khi đó, hàng tỷ con người đang nhấp vào kết quả tìm kiếm tốt nhất – Đây là con người trong vòng lặp, cơ chế phản hồi cuối cùng của Google – Và đây là nơi học tăng cường phát huy tác dụng.

Học tăng cường là gì?

Học tăng cường là một kỹ thuật học máy liên quan đến việc đào tạo một tác nhân Trí tuệ nhân tạo thông qua việc lặp lại các hành động và phần thưởng liên quan. Một tác nhân học tăng cường sẽ thử nghiệm trong một môi trường, thực hiện các hành động và được thưởng khi thực hiện các hành động chính xác. Theo thời gian, tác nhân học cách thực hiện các hành động sẽ tối đa hóa phần thưởng của nó.

Phần thưởng có thể dựa trên một tính toán đơn giản tính toán thời gian dành trên một trang được đề xuất.

Nếu bạn kết hợp phương pháp này với một chương trình con người trong vòng lặp, điều này sẽ nghe giống như các công cụ đề xuất hiện có kiểm soát tất cả các khía cạnh của cuộc sống kỹ thuật số của chúng ta như YouTube, Netflix, Amazon Prime – Và nếu nó nghe giống như cách một công cụ tìm kiếm nên hoạt động, bạn đúng.

Google sử dụng Học tăng cường như thế nào

Bánh xe của Google được cải thiện với mỗi tìm kiếm, con người đào tạo Trí tuệ nhân tạo bằng cách chọn kết quả tốt nhất phù hợp với truy vấn của họ, và truy vấn tương tự của hàng triệu người dùng khác.

Chương trình học tăng cường liên tục làm việc trên việc tự cải thiện bằng cách tăng cường chỉ các tương tác tích cực giữa tìm kiếm và kết quả tìm kiếm được cung cấp.

Google đo thời gian cần thiết để người dùng quét trang kết quả, URL họ nhấp vào, và họ đo thời gian dành trên trang web được truy cập, và họ đăng ký nhấp chuột trở lại. Dữ liệu này sau đó được biên soạn và so sánh cho mọi trang web cung cấp một trận đấu dữ liệu hoặc trải nghiệm người dùng.

Một trang web có tỷ lệ giữ chân thấp (thời gian dành trên trang), sau đó được chương trình học tăng cường cung cấp một giá trị âm, và các trang web cạnh tranh khác được thử nghiệm để cải thiện xếp hạng được cung cấp. Google không thiên vị, giả sử không có can thiệp thủ công, Google cuối cùng sẽ cung cấp trang kết quả tìm kiếm mong muốn.

Người dùng là con người trong vòng lặp cung cấp cho Google dữ liệu miễn phí và trở thành thành phần cuối cùng của hệ thống học tăng cường sâu. Để đổi lấy dịch vụ này, Google cung cấp cho người dùng cuối một cơ hội để nhấp vào một quảng cáo.

Quảng cáo ngoài việc tạo doanh thu còn đóng vai trò là một yếu tố xếp hạng thứ yếu, tạo ra thêm dữ liệu về những gì khiến người dùng muốn nhấp chuột.

Google cơ bản học cách những gì người dùng muốn. Điều này có thể được so sánh lỏng lẻo với một công cụ đề xuất của một dịch vụ phát trực tuyến video. Trong trường hợp đó, một công cụ đề xuất sẽ cung cấp cho người dùng nội dung được nhắm mục tiêu đến sở thích của họ. Ví dụ, một người dùng thường xem một dòng phim hài lãng mạn có thể thích một số bản nhái nếu chúng chia sẻ cùng một diễn viên hài.

Học tăng cường giúp SEO như thế nào?

Nếu chúng ta tiếp tục với tư duy tính toán, chúng ta có thể giả định rằng Google đã đào tạo mình để cung cấp kết quả tốt nhất, và điều này thường được thực hiện bằng cách tổng quát hóa và thỏa mãn các thiên vị của con người. Nó sẽ là không thể nếu Trí tuệ nhân tạo của Google không tối ưu hóa kết quả để đáp ứng những thiên vị này, nếu nó làm như vậy, kết quả sẽ là dưới mức tối ưu.

Nghĩa là không có công thức ma thuật, nhưng có một số phương pháp hay nhất.

Điều đó là trách nhiệm của người thực hành SEO để nhận ra các thiên vị mà Google tìm kiếm cụ thể cho ngành của họ – Và để cho ăn vào những thiên vị đó. Ví dụ, ai đó đang tìm kiếm kết quả bầu cử mà không chỉ định một ngày, có khả năng đang tìm kiếm kết quả mới nhất – đây là một thiên vị về thời gian. Ai đó đang tìm kiếm một công thức, có khả năng không cần trang mới nhất, và có thể thực sự thích một công thức đã tồn tại qua thử nghiệm của thời gian.

Điều đó là trách nhiệm của người thực hành SEO để cung cấp cho người truy cập những gì họ đang tìm kiếm. Đây là cách bền vững nhất để xếp hạng trong Google.

Chủ sở hữu trang web phải từ bỏ việc nhắm mục tiêu một từ khóa cụ thể với kỳ vọng họ có thể cung cấp bất cứ điều gì họ muốn cho người dùng cuối. Kết quả tìm kiếm phải chính xác phù hợp với nhu cầu của người dùng.

Cái gì là một thiên vị? Nó có thể là có một tên miền có vẻ có thẩm quyền cao, nghĩa là tên miền có phù hợp với thị trường bạn đang phục vụ? Có một tên miền có từ “Ấn Độ” trong đó có thể ngăn cản người dùng Mỹ nhấp vào URL do thiên vị quốc gia về việc tin tưởng kết quả đến từ quốc gia cư trú của họ. Có một tên miền một từ cũng có thể tạo ra ảo tưởng về thẩm quyền.

Thiên vị quan trọng nhất là người dùng muốn gì để phù hợp với truy vấn tìm kiếm của họ? Đó có phải là một FAQ, một danh sách hàng đầu, một bài đăng trên blog? Điều này cần được trả lời, và câu trả lời rất dễ tìm. Bạn chỉ cần phân tích cạnh tranh bằng cách thực hiện một tìm kiếm của Google trong thị trường mục tiêu của bạn.

SEO Black Hat đã chết

So sánh điều này với SEO Black Hat, một phương pháp xếp hạng trang web tích cực khai thác các kỹ thuật SPAM tinh ranh, bao gồm mua liên kết ngược, làm giả liên kết ngược, hack trang web, tạo dấu trang xã hội tự động với quy mô lớn, và các phương pháp tối đen khác được áp dụng thông qua một mạng lưới các công cụ SEO Black Hat.

Các công cụ thường được tái sử dụng và bán lại trên các diễn đàn tiếp thị tìm kiếm, sản phẩm có giá trị next to không và ít cơ hội thành công. Hiện tại, những người bán có thể trở nên giàu có trong khi họ cung cấp giá trị tối thiểu cho người dùng cuối.

Điều này là lý do tại sao tôi khuyên bạn nên từ bỏ SEO Black Hat. Hãy tập trung SEO của bạn vào việc xem nó từ góc độ học máy. Điều quan trọng là phải hiểu rằng mỗi khi ai đó bỏ qua một kết quả tìm kiếm để nhấp vào một kết quả bị chôn vùi ở dưới, đó là con người trong vòng lặp đang hợp tác với hệ thống học tăng cường sâu. Con người đang giúp Trí tuệ nhân tạo tự cải thiện, trở nên tốt hơn theo thời gian.

Điều này là một thuật toán học máy đã được đào tạo bởi nhiều người dùng hơn bất kỳ hệ thống nào trong lịch sử loài người.

Google xử lý 3,8 triệu tìm kiếm mỗi phút trên toàn cầu. Điều này tương đương với 228 triệu tìm kiếm mỗi giờ, 5,6 tỷ tìm kiếm mỗi ngày. Đó là một lượng dữ liệu khổng lồ, và đó là lý do tại sao việc cố gắng SEO Black Hat là một việc điên rồ. Giả định rằng Trí tuệ nhân tạo của Google sẽ vẫn tĩnh là điên rồ, hệ thống đang sử dụng Luật về sự quay trở lại gia tăng để tự cải thiện theo cấp số nhân.

Trí tuệ nhân tạo của Google đang trở nên mạnh mẽ đến mức nó có thể trở thành Trí tuệ nhân tạo đầu tiên đạt được Trí tuệ nhân tạo tổng quát (AGI). Trí tuệ nhân tạo tổng quát là một loại trí tuệ có thể sử dụng học chuyển giao để掌握 một lĩnh vực và sau đó áp dụng trí tuệ đã học được vào nhiều lĩnh vực khác. Mặc dù việc khám phá nỗ lực AGI trong tương lai của Google có thể thú vị, nhưng nên hiểu rằng khi quá trình này đã bắt đầu, nó sẽ khó dừng lại. Tất nhiên, điều này là suy đoán về tương lai vì hiện tại Google là một loại Trí tuệ nhân tạo hẹp, nhưng đó là một chủ đề cho một bài viết khác.

Biết điều này, việc dành một giây nữa cho SEO Black Hat là một việc điên rồ.

SEO White Hat

Nếu chúng ta chấp nhận rằng Trí tuệ nhân tạo của Google sẽ liên tục tự cải thiện, thì chúng ta không có lựa chọn nào khác ngoài việc từ bỏ việc cố gắng outsmart Google. Thay vào đó, hãy tập trung vào việc tối ưu hóa một trang web để cung cấp cho Google chính xác những gì nó đang tìm kiếm.

Điều này, như đã mô tả, bao gồm việc bật SSL, tối ưu hóa tốc độ tải trang, và tối ưu hóa Tiêu đề Meta và Mô tả Meta. Để tối ưu hóa những trường này, Tiêu đề Meta và Mô tả Meta phải được so sánh với các trang web cạnh tranh – Xác định các yếu tố chiến thắng dẫn đến tỷ lệ nhấp chuột cao.

Nếu bạn đã tối ưu hóa để được nhấp chuột, cột mốc tiếp theo là tạo ra trang đích tốt nhất. Mục tiêu là một trang đích tối ưu hóa giá trị người dùng đến mức thời gian trung bình trên trang vượt qua các đối thủ cạnh tranh khác đang cạnh tranh để có được vị trí xếp hạng tìm kiếm hàng đầu.

Chỉ bằng cách cung cấp trải nghiệm người dùng tốt nhất, một trang web mới có thể tăng thứ hạng.

Cho đến nay, chúng tôi đã xác định những chỉ số sau là quan trọng nhất:

• Tốc độ tải trang
• SSL được bật
• Tiêu đề Meta và Mô tả Meta
• Trang đích

Trang đích là yếu tố khó nhất vì bạn đang cạnh tranh với thế giới. Trang đích phải tải nhanh, phải cung cấp mọi thứ được mong đợi, và sau đó làm cho người dùng ngạc nhiên với nhiều hơn.

Suy nghĩ cuối cùng

Điều này sẽ dễ dàng để lấp đầy thêm 2000 từ mô tả các công nghệ Trí tuệ nhân tạo khác mà Google sử dụng, cũng như để đào sâu hơn vào lỗ thỏ của SEO. Mục đích ở đây là để tập trung sự chú ý vào các chỉ số quan trọng nhất.

Các nhà thực hành SEO quá tập trung vào việc đánh lừa hệ thống mà họ quên rằng cuối cùng, yếu tố quan trọng nhất của SEO là cung cấp cho người dùng càng nhiều giá trị càng tốt.

Một cách để đạt được điều này là không bao giờ cho phép nội dung quan trọng trở nên cũ. Nếu trong một tháng, tôi nghĩ về một đóng góp quan trọng, nó sẽ được thêm vào bài viết này. Google sau đó có thể xác định nội dung mới đến mức nào, phù hợp với lịch sử của trang web trong việc cung cấp giá trị.

Nếu bạn vẫn lo lắng về việc có được liên kết ngược, giải pháp là đơn giản. Hãy tôn trọng thời gian của người truy cập và cung cấp giá trị cho họ. Liên kết ngược sẽ đến một cách tự nhiên, vì người dùng sẽ tìm thấy giá trị trong việc chia sẻ nội dung của bạn.

Câu hỏi sau đó chuyển sang chủ sở hữu trang web về cách cung cấp giá trị người dùng và trải nghiệm người dùng tốt nhất.