Khi chúng ta bước vào thế giới máy học mới đầy dũng cảm này, đây là cách bạn nên nghĩ về liên kết và xây dựng liên kết, nội dung và kỹ thuật SEO.
Khi nghĩ về sự gia tăng của học máy vì nó liên quan đến SEO, chúng ta có thể phải đối mặt với một viễn cảnh đáng sợ, tùy thuộc vào loại chuyên gia SEO của bạn.
Các chuyên gia SEO, như tôi, những người dựa trên logic và đã từng làm việc dựa trên sự hiểu biết về các tín hiệu đang diễn ra và cách chúng biến động có thể đang nhai móng tay của họ nhiều hơn các nhà tiếp thị phụ thuộc nhiều hơn vào việc phục vụ người dùng hơn là động cơ.
Nơi mà tôi đã từng gãi đầu tự hỏi làm thế nào mà cách tiếp cận “xây dựng nội dung tuyệt vời và chúng sẽ đến” thậm chí có thể hình dung được, những người đăng ký phương pháp SEO đó là những người có khả năng ít lo lắng hơn ngày nay.
Và họ nên như vậy.
Sắp xếp.
Nó vẫn không:
Học máy là gì vì nó liên quan đến SEO?
Chúng tôi sẽ không đi vào bài học lớn về tất cả những gì là máy học ở đây và chúng tôi sẽ không có thời gian để thực sự trình bày về cách nó ảnh hưởng đến chúng tôi và chiến lược SEO trong tương lai của chúng tôi cần trông như thế nào.
Từ chế độ xem 30.000 foot, tất cả những gì chúng ta thực sự cần biết là nó bổ sung vào khả năng của Google một tốc độ đáng kinh ngạc:
- Tích lũy dữ liệu.
- Diễn dịch.
- Sự phản ứng lại.
Để biết thêm về điều này, hãy xem bài đăng của tôi: Cách hoạt động của Máy học trong Tìm kiếm: Mọi thứ bạn cần biết.
Và nếu bạn thực sự muốn biết học máy là gì, Google cung cấp một khóa học về lỗi miễn phí tại đây.
Học máy ảnh hưởng như thế nào đến liên kết & xây dựng liên kết
Một trong những ví dụ đơn giản nhất về máy học khu vực có thể tăng đáng kể khả năng của Google là ở các liên kết.
Nhìn vào một ví dụ nhỏ, máy học có thể đóng một vai trò trong một trong những khía cạnh chính của đánh giá liên kết: lọc thư rác.
Google đã sử dụng máy học trong Gmail, đạt tỷ lệ thành công 99,9% và chỉ mang lại 0,05% dương tính giả.
Thực hiện điều này để liên kết các đánh giá và bạn đã có một mô hình rất thành công.
Trước đây, các kỹ sư của Google sẽ phải:
- Tạo danh sách các trang web chất lượng kém và chặn dòng vốn liên kết của chúng theo cách thủ công.
- Lập trình các đặc điểm cụ thể của một liên kết xấu dựa trên những gì họ đã thấy trước đó.
- Thiết lập các hàm giảm giá trị trong các phép tính liên kết và hy vọng rằng nó không bao gồm quá nhiều giá trị dương tính giả.
- Với máy học, thế giới mở ra.
Có, vẫn còn một điểm khởi đầu chính – danh sách các miền xấu đã biết và một tín hiệu xấu khác được cho là có sẵn.
Nhưng đây là những cơ sở đào tạo mà một hệ thống học máy có thể sử dụng để:
Tìm hiểu cách áp dụng những tín hiệu này cho các liên kết khác mà chúng gặp phải.
Phát triển tín hiệu của riêng họ cho những gì có vẻ là thư rác (hoặc tốt cho vấn đề đó).
Thay vì chỉ dựa vào bộ tiêu chí khó và nhanh này, máy móc có thể tự học bằng cách xem các mẫu.
Việc quan sát các trang web có tín hiệu được cho là xấu (trong liên kết ra hoặc liên kết vào của chúng) sẽ lập hồ sơ cho máy.
Sau đó, một khi xác định xấu được xác nhận, nó có thể bắt đầu các mô hình thiết kế ngược để phát hiện nhanh hơn trong tương lai.
- Các trang web spam liên kết đến những loại trang web nào?
- Những loại liên kết nào mà các trang web spam nhận được?
- Có một mô hình tăng trưởng liên kết?
Các trang bán liên kết trả phí cũng có xu hướng liên kết đến các trang cụ thể khác (họ có) và nếu có thì đó là những trang nào?
Sau đó, hệ thống có thể thêm những thứ đó vào các chỉ số mà nó áp dụng.
Điều này thực sự chưa chạm đến phần nổi của tảng băng chìm về cách máy móc có thể mô phỏng những gì con người có thể làm và khuếch đại nó.
Bạn muốn biết làm thế nào Google có thể thông báo rằng họ đang giảm giá các trang web có liên kết spam thay vì phạt chúng theo cách thủ công?
Điều này có thể thực hiện được nhờ những cỗ máy có thể học và áp dụng phương pháp phá giá với tốc độ đáng kinh ngạc với mức độ sai lệch thấp hơn nhiều.
Thêm vào đó, máy móc cũng có thể hiểu chất lượng nội dung và mức độ liên quan của một trang và bổ sung hiểu biết đó vào phương trình cả riêng lẻ và toàn bộ.
Một cỗ máy có thể hỏi, “Liên kết này có nên giữ vị trí quan trọng cho trang web cá nhân của bạn không?” và tiếp theo là “Có khả năng cao là liên kết được trả tiền hoặc có vấn đề gì khác không?” trong bối cảnh dữ liệu từ các liên kết khác được tìm thấy và phân tích trên trang và miền đó.
Đây là những ví dụ cực kỳ hạn chế về nơi học máy có thể được áp dụng cho các liên kết.
Các mô hình thư rác đang và sẽ được phát hiện với mức độ thành công ngày càng tăng, trong khi các liên kết chất lượng sẽ được hiểu và thưởng với tỷ lệ cao hơn.
Điều này đồng nghĩa với việc tăng cường tập trung vào chất lượng, mức độ liên quan và tính hợp pháp – trừ khi bạn cảm thấy rằng mình có thể nghĩ ra các hệ thống để đánh lừa Google nhanh hơn so với những gì máy móc có thể hiểu ra.
Học máy ảnh hưởng như thế nào đến SEO nội dung
Trong khi chúng tôi sử dụng ví dụ về các liên kết ở trên, có một số lĩnh vực SEO khác sẽ bị ảnh hưởng nhiều hơn bởi sự phát triển của máy học hơn là nội dung.
Để minh họa điểm này, chúng ta chỉ cần xem xét công việc dịch thuật của Google.
Trong 10 năm, họ đã nghiên cứu vấn đề này bằng cách sử dụng dịch máy dựa trên cụm từ – chủ yếu là khớp các cụm từ đã biết và đưa ra kết quả.
Tất cả chúng ta đều nhớ kết quả. Nó đã hoàn thành công việc, nhưng cực kỳ thô thiển.
Vào tháng 9 năm 2016, họ chuyển sang hệ thống máy học (hệ thống dịch máy thần kinh của Google) và trong 24 giờ sau khi ra mắt, hệ thống này đã cải thiện khả năng dịch hơn so với thập kỷ trước.
Về cơ bản, học máy có thể đạt được hiệu quả hiểu ngôn ngữ hơn trong 24 giờ so với việc chỉnh sửa của con người, ngay cả khi có sự hỗ trợ của máy móc, có thể gấp 3.650 lần điều đó.
Điều này có ý nghĩa gì đối với các chuyên gia SEO?
Chén thánh của tiếp thị kỹ thuật số sắp đến – thời điểm mà công việc duy nhất của chúng ta là đưa ra nội dung tốt nhất có thể và một lượng nội dung đủ rộng và đủ định dạng để đáp ứng nhiều ý định và sở thích của người dùng hơn so với nội dung tiếp theo. Và nếu những điều này được hoàn thành, rất có thể Google cũng sẽ hiểu điều này.
Điều này không có nghĩa là máy móc không có sai sót hoặc sẽ không có vai trò gì đối với các chuyên gia SEO.
Trên thực tế, tôi nghĩ rằng chúng ta sẽ đóng một vai trò lớn hơn, nhưng nó sẽ không nằm trong việc sử dụng từ khóa – nó sẽ nằm trong việc xác định cách người dùng có thể hài lòng.
Wil Reynolds đã đưa ra một trong những bản tóm tắt hay nhất về những gì tôi tin là sẽ xảy ra. Anh ấy đề nghị chúng ta tự hỏi:
“Điều gì sẽ xảy ra nếu Google cải tiến để chỉ hiển thị câu trả lời tốt nhất?”
Đây là câu hỏi mà chúng ta cần đặt ra.
Điều làm cho điều này thú vị hơn là những gì là “tốt nhất” là chủ quan.
Cá nhân tôi ghét hướng dẫn bằng video về cách hoàn thành hầu hết các nhiệm vụ – chỉ cần cung cấp cho tôi danh sách kèm theo một số hình ảnh nếu cần.
Nhưng không phải ai cũng như vậy. Một số muốn có video và một số có thể thích bản tải xuống PDF mà họ có thể in ra.
Trên hết, nó sẽ phụ thuộc vào nhiệm vụ. Ví dụ: tôi hầu như không muốn máy tính bảng của mình dưới gầm xe khi tôi thay dầu, vì vậy bản in có lẽ tốt hơn ở đó.
Vì vậy, điều tôi sẽ coi là “tốt nhất” liên quan đến kết quả mà Google có thể đưa ra phụ thuộc vào toàn bộ các yếu tố liên quan đến sở thích cá nhân của tôi – nhiệm vụ cụ thể mà tôi đang cố gắng hoàn thành, khi nào và ở đâu, loại thiết bị tôi đang sử dụng, v.v.
Điều này không thể được lập trình bởi con người.
Trước đây, một số nỗ lực phù hợp đã được thực hiện đối với các kết quả được cá nhân hóa nhưng chúng còn hạn chế – cho đến khi máy học.
Một con người không thể điều chỉnh trải nghiệm cho bạn.
Con người không thể dành nguồn lực để hiểu những gì bạn thích cụ thể vào những thời điểm cụ thể, dựa trên thiết bị bạn đang truy cập hoặc vị trí của bạn.
Máy móc có thể.
Một cỗ máy có thể theo dõi tất cả những điều đó và tìm hiểu theo thời gian không chỉ kết quả bạn thích mà còn cả những loại kết quả nào đáp ứng ý định của bạn và cuối cùng mang lại kết quả tốt nhất cho bạn từ chỉ mục hiện tại của chúng.
Nói tóm lại, bây giờ chúng ta cần phải suy nghĩ ít hơn về việc thực hiện các quy tắc toàn cầu và nhiều hơn nữa về việc thực hiện ý định của đối tượng mục tiêu của chúng ta.
Trên hết, nếu chúng tôi muốn xếp hạng cho các thuật ngữ chung chung hơn như ‘máy tính xách tay’ chứ không chỉ ‘mua máy tính xách tay dell’ với trang web thương mại điện tử của mình, chúng tôi cần đáp ứng ý định của những người dùng không chỉ quan tâm đến việc mua một chiếc thực hiện ý định của tất cả những người truy cập. Có lẽ, chúng tôi cũng nên cung cấp dữ liệu đó ở nhiều định dạng khác nhau để chúng tôi là câu trả lời chiến thắng bất kể thiết bị nào.
Trước khi có công nghệ máy học, chúng tôi không phải lo lắng về điều này. Bất kỳ nỗ lực nào để hiểu số trang không truy cập hoặc thời gian trên trang web có thể có ý nghĩa như thế nào từ phía Google, nói một cách thô sơ.
Giờ đây, với việc học máy hỗ trợ hiểu ngữ cảnh ngôn ngữ và tín hiệu do người dùng tạo có thể có nghĩa là điều này không chỉ khả thi mà còn được triển khai.
Hãy nghĩ về một video tuyệt vời mà bạn đã sản xuất để giải quyết một câu hỏi phổ biến về nhân khẩu học mục tiêu của bạn.
Bây giờ, hãy tưởng tượng khán giả mục tiêu của bạn đang hỏi câu hỏi của họ trên Google Home hoặc thiết bị hỗ trợ giọng nói khác. Bạn có thể không cần cung cấp nội dung ở mọi định dạng có thể vì khán giả của bạn có thể không yêu cầu, nhưng bạn cần lưu ý.
Học máy ảnh hưởng như thế nào đến SEO kỹ thuật
Khi nói đến kỹ thuật SEO, có một người bạn cần theo dõi ngay bây giờ: Cindy Krum. Hãy chú ý đến những gì cô ấy nói vì cô ấy đang đi đúng hướng.
Trong một cuộc trò chuyện về lập chỉ mục ưu tiên thiết bị di động, cô ấy đã đặt ra một thuật ngữ mà cá nhân tôi tin rằng có thể tóm tắt một cách xuất sắc tương lai của SEO kỹ thuật. Cô ấy gọi “mobile-first” là một thuật ngữ không chính xác, đặt tên cho cái thích hợp là “portable-first”.
Ý tưởng mà cô ấy đưa ra là nội dung phải dễ dàng tách biệt khỏi thiết kế và cấu trúc kỹ thuật của bạn (tức là có thể di động) để có thể truy cập vào bất cứ đâu vào bất kỳ lúc nào.
Cô ấy chính xác là đúng.
Khi chúng ta bước vào thế giới máy học mới đầy dũng cảm này, mục tiêu là cung cấp cho người dùng thông tin sẽ thực hiện được ý định của họ.
Công việc của chúng tôi là đảm bảo rằng nội dung có thể dễ dàng hiểu và được trích xuất từ cấu trúc mà nó tồn tại – thông qua đánh dấu, nguồn cấp dữ liệu XML hoặc chỉ cấu trúc nội dung trên trang theo cách rõ ràng và dễ hiểu.
Vậy bây giờ bạn muốn làm gì?
Bạn nên làm gì với thông tin này?
Chúng ta đang nói về công nghệ máy học và khả năng ngày càng tăng của Google để hiểu thế giới xung quanh chúng ta, cũng như nhu cầu và mong muốn cá nhân của chúng ta. Đây là sức mạnh của nó và đây là điều xác định những gì tất cả chúng ta cần làm tiếp theo.
Mặc dù tôi có thể khuyên bất cứ ai từ bỏ nỗ lực SEO của họ dựa trên các số liệu đã thử và có vẻ như vẫn hoạt động tốt, nhưng những số liệu đó đang phát triển và bị xói mòn nhanh chóng. Tôi không thấy họ tồn tại hơn hai hoặc ba năm.
Nhiệm vụ của bạn là:
Đảm bảo rằng nội dung của bạn có thể di động đến bất kỳ thiết bị nào mà nhân khẩu học mục tiêu của bạn có thể truy cập và nội dung nói được với khán giả đó.
Nếu bạn có nhiều đối tượng với nhiều nhu cầu, bạn cũng phải đảm bảo rằng nội dung của bạn áp dụng và hấp dẫn tất cả họ hoặc có nội dung khác nhau cho từng đối tượng và có khả năng ở các định dạng khác nhau.
Là một chuyên gia SEO trong thế giới máy học, bạn cần xem các từ khóa nhiều hơn cho câu hỏi và ý định mà chúng ngụ ý thay vì như một công cụ cùn để đưa vào một trang và trong văn bản neo.
Máy móc sẽ giúp chúng tôi hiểu khách truy cập muốn gì để chúng tôi có thể tìm ra cách cung cấp.
Tại sao?
Bởi vì đó là những gì máy sẽ tìm kiếm – một người dùng hài lòng. Họ sẽ có tất cả các chỉ số mà họ cần để biết liệu bạn – hoặc một trong những đối thủ cạnh tranh của bạn – có đang làm tốt nhất việc cung cấp một chỉ số hay không.
