Искусственный интеллект меняет SEO быстрее, чем вы думаете

  1. Так что же такое искусственный интеллект?
  2. Экспоненциальный рост технологий (и ИИ)
  3. Подъем суперинтеллекта
  4. SEO изменилось навсегда
  5. Сегодняшний регрессионный анализ серьезно ошибочен
  6. Оставайтесь нишу, чтобы избежать ошибочной классификации
  7. Эти обратные ссылки пахнут подозрительно
  8. Будущее SEO и искусственного интеллекта

Джон Рэмптон - основатель компании, выставляющей счета онлайн В связи , Больше сообщений от этого участника

К настоящему времени все слышали о Google RankBrain Новый алгоритм машинного обучения искусственному интеллекту, который должен быть самым последним и лучшим в Маунтин-Вью, Калифорния. Однако многие из вас могут не понять, насколько быстро меняется индустрия SEO из-за этого. В этой статье я расскажу вам о некоторых наглядных примерах того, как некоторые из старых правил SEO больше не применяются, и о том, какие шаги вы можете предпринять, чтобы не отставать от кривой, чтобы продолжать обеспечивать успешные кампании SEO для вашего бизнеса. ,

Так что же такое искусственный интеллект?

Как правило, существует три различных классификации искусственного интеллекта:

  1. Искусственный узкий интеллект (АНИ): Это похоже на ИИ для одной конкретной вещи (например, победа над чемпионом мира по шахматам).
  2. Искусственный общий интеллект (AGI): это когда ИИ может выполнять все. Как только ИИ может действовать как человек, мы считаем его АГИ.
  3. Искусственный суперинтеллект (ASI): ИИ на гораздо более высоком уровне для всех вещей (например, за пределами возможностей одного человека).

Когда мы говорим о контексте Google RankBrain и алгоритмах машинного обучения, которые в настоящее время работают в Google, мы говорим об искусственном узком интеллекте (ANI).

На самом деле, ANI существует уже некоторое время. Вы когда-нибудь задумывались, как эти спам-фильтры работают в вашей электронной почте? Да, это АНИ. Вот некоторые из моих любимых программ ANI: Google Translate, IBM Watson, эта замечательная функция на Amazon, которая сообщает вам «рекомендуемые для вас» продукты, автомобили с автоматическим управлением и, да, наш любимый Google RankBrain.

В рамках АНИ существует много разных подходов. Как ясно изложил Педро Домингос в своей книге Мастер Алгоритм Сегодня ученые, пытающиеся достичь идеального ИИ, можно объединить в пять «племен»:

  • символисты
  • Connectionists
  • Evolutionaries
  • Bayesians
  • Analogizers

Google RankBrain находится в лагере связистов. Коннекционисты считают, что все наши знания закодированы в связях между нейронами в нашем мозге. А особая стратегия RankBrain - это то, что эксперты в этой области называют техникой обратного распространения, переименованной в «глубокое обучение».

Специалисты по соединению утверждают, что эта стратегия способна извлекать что-либо из необработанных данных и, следовательно, способна в конечном итоге автоматизировать обнаружение всех знаний. Google, видимо, тоже в это верит. 26 января 2014 года, Google объявленный оно согласилось приобрести DeepMind Technologies, которая, по сути, была магазином обратного распространения.

Поэтому, когда мы говорим о RankBrain, мы теперь можем сказать людям, что он состоит из одного конкретного метода (обратное распространение или «глубокое обучение») в ANI. Теперь, когда у нас есть это в стороне, насколько прогресс в этой области? И, что более важно, как это меняет бизнес SEO?

Экспоненциальный рост технологий (и ИИ)

Тим Урбан от WaitButWhy.com объясняет рост технологий лучше всех в своей статье Революция ИИ: путь к суперинтеллекту ,

Вот как выглядит технический прогресс, если оглянуться на историю:

Вот как выглядит технический прогресс, если оглянуться на историю:

Но, как указывает Урбан, на самом деле вы не можете видеть то, что справа от вас (будущее). Итак, вот как это на самом деле ощущается, когда вы стоите там:

Итак, вот как это на самом деле ощущается, когда вы стоите там:

Эта диаграмма показывает, что когда люди пытаются предсказать будущее, они всегда недооценивают. Это потому, что они смотрят слева от этого графика, а не справа.

Однако реальность такова, что прогресс человечества происходит все быстрее и быстрее. Рэй Курцвейл называет это Законом Ускорения Возвращений. Научное обоснование его первоначальной теории заключается в том, что более продвинутые общества обладают способностью прогрессировать быстрее, чем менее продвинутые общества - потому что они более продвинуты. Конечно, то же самое можно применить к искусственному интеллекту и темпам роста, которые мы наблюдаем сейчас с использованием передовых технологий.

Мы видим это с вычислительными ресурсами прямо сейчас. Вот визуализация, которая дает вам представление о том, как быстро все может измениться благодаря этому Закону ускорения отдачи:

Вот визуализация, которая дает вам представление о том, как быстро все может измениться благодаря этому Закону ускорения отдачи:

Как вы можете ясно видеть, и, как все мы можем интуитивно чувствовать, рост передовой обработки и компьютеров получил выгоду от этого закона ускорения отдачи. Вот еще одно шокирующее открытие: в какой-то момент вычислительная мощность экономичного компьютера превзойдет мощность не только одного человека, но и всех людей вместе взятых .

Вот еще одно шокирующее открытие: в какой-то момент вычислительная мощность экономичного компьютера превзойдет мощность не только одного человека, но и всех людей вместе взятых

Фактически, сейчас, похоже, мы сможем достичь Искусственного Общего Интеллекта (AGI) примерно в 2025 году. Технологии явно развиваются все быстрее и быстрее, и, по многим сведениям, большинство из нас будут застигнуты врасплох.

Подъем суперинтеллекта

Как я объяснил выше, Google RankBrain - это всего лишь одна из форм ANI, что означает, что, хотя он может выполнять вещи лучше, чем человек в одной конкретной области, это всего лишь сравнительно слабая форма искусственного интеллекта.

Но мы можем быть огорчены тем, как быстро этот «слабый» интеллект может легко превратиться во что-то, с чем мы понятия не имеем, что делать.

Но мы можем быть огорчены тем, как быстро этот «слабый» интеллект может легко превратиться во что-то, с чем мы понятия не имеем, что делать

Здесь вы можете ясно видеть, что Google RankBrain, будучи сверхинтеллектуальным в одной конкретной задаче, все еще находится в общем контексте вещей, довольно неразумно в масштабе интеллекта.

Но что происходит, когда мы применяем тот же закон ускорения отдачи к искусственному интеллекту? Тим Урбан проводит нас через мысленный эксперимент:

«… Так как ИИ приближается к нам по интеллекту, мы увидим, что это просто становится умнее для животного. Затем, когда он достигнет самой низкой способности человечества - Ник Бостром использует термин «деревенский идиот» - мы будем говорить: «Ого, это как тупой человек. Милый!' Единственное, что в широком спектре интеллекта, все люди, от деревенского идиота до Эйнштейна, находятся в очень маленьком диапазоне - так что сразу после попадания на уровень деревенского идиота и признания его AGI, он внезапно станет умнее, чем Эйнштейн, и мы не узнаем, что нас поразило.

'  Единственное, что в широком спектре интеллекта, все люди, от деревенского идиота до Эйнштейна, находятся в очень маленьком диапазоне - так что сразу после попадания на уровень деревенского идиота и признания его AGI, он внезапно станет умнее, чем Эйнштейн, и мы не узнаем, что нас поразило

Так что это значит для бизнеса SEO и искусственного интеллекта, который на нас?

SEO изменилось навсегда

Прежде чем приступить к прогнозированию будущего, давайте рассмотрим, как RankBrain уже изменил SEO. Я сел с выпускником Карнеги-Меллона и другом Скотт Стоуффер , теперь технический директор и соучредитель Market Brew , компания, которая предоставляет модели поисковых систем для Fortune 500 SEO команд. Как и сам поисковый инженер, у Стуффера была уникальная перспектива за последнее десятилетие, которую большинство профессионалов в этой отрасли не видят. Вот некоторые из его советов для SEO индустрии, когда речь заходит о новом акценте Google на искусственном интеллекте.

Сегодняшний регрессионный анализ серьезно ошибочен

Это самая большая ошибка в нашей отрасли. Было много предсказателей каждый раз, когда рейтинги Google сильно меняются. Обычно, в обязательном порядке, несколько исследователей данных и технических директоров из известных компаний в нашей отрасли утверждают, что у них «есть причина!» Для последнего Google Dance. Типичный анализ состоит в том, чтобы в течение нескольких месяцев просматривать данные ранжирования, ведущие к событию, а затем наблюдать, как ранжирование сдвигается по всем веб-сайтам разных типов.

При сегодняшнем подходе к регрессионному анализу эти исследователи данных указывают на конкретный тип веб-сайта, который был затронут (положительно или отрицательно), и с высокой степенью уверенности заключают, что последнее алгоритмическое изменение Google было связано с определенным типом алгоритма ( содержание или обратная ссылка, и др.), что эти сайты поделились.

Однако Google больше не работает. Google RankBrain, подход к машинному обучению или глубокому обучению, работает совсем по-другому.

В Google существует ряд основных алгоритмов. Задача RankBrain - узнать, какая смесь этих основных алгоритмов лучше всего применяется к каждому типу результатов поиска. Например, в некоторых результатах поиска RankBrain может узнать, что наиболее важным сигналом является заголовок META.

Добавление большей значимости в алгоритм сопоставления названий META может привести к лучшему поисковому опыту. Но в другом результате поиска этот самый сигнал может иметь ужасную корреляцию с хорошим опытом поиска. Таким образом, в этой другой вертикали можно продвигать еще один алгоритм, возможно, PageRank.

Это означает, что в каждом результате поиска Google использует совершенно разные алгоритмы. Теперь вы можете понять, почему проведение регрессионного анализа на каждом сайте без контекста результатов поиска, в котором он находится, является в высшей степени ошибочным.

По этим причинам сегодняшний регрессионный анализ должен выполняться каждым конкретным результатом поиска. Стоуффер недавно написал о подход поискового моделирования где алгоритмические сдвиги Google могут быть измерены. Во-первых, вы можете сделать снимок того, что модель поисковой системы была откалибрована в прошлом для поиска по конкретному ключевому слову. Затем повторно откалибруйте его после того, как будет обнаружен сдвиг в ранжировании, выявив разницу между двумя настройками модели поисковой системы. Используя этот подход, во время определенных изменений ранжирования вы можете видеть, какой конкретный алгоритм продвигается или понижается в своем весе.

Когда люди пытаются предсказать будущее, они всегда недооценивают.

Обладая этими знаниями, мы можем сосредоточиться на улучшении этой конкретной части SEO для сайтов с этими уникальными результатами поиска. Но тот же подход не будет (и не может быть) для других результатов поиска. Это связано с тем, что RankBrain работает на уровне результатов поиска (или ключевых слов). Это буквально настройка алгоритмов для каждого результата поиска.

Оставайтесь нишу, чтобы избежать ошибочной классификации

Google также понял, что они могут научить свою новую систему глубокого обучения, RankBrain, как выглядят «хорошие» сайты и как выглядят «плохие» сайты. Подобно тому, как они по-разному оценивают алгоритмы для каждого результата поиска, они также поняли, что у каждой вертикали есть разные примеры «хороших» и «плохих» сайтов. Это, несомненно, потому, что разные вертикали имеют разные CRM, разные шаблоны и разные структуры данных в целом.

Когда работает RankBrain, он, по сути, изучает, какие правильные «настройки» существуют для каждой среды. Как вы уже догадались, эти настройки полностью зависят от вертикали, на которой он работает. Так, например, в индустрии здравоохранения Google знает, что такой сайт, как WebMD.com это авторитетный сайт, который они хотели бы иметь в верхней части своего поискового индекса. Все, что похоже на структуру сайта WebMD, будет связано с «хорошим» лагерем. Точно так же любой сайт, который выглядит как структура известного спам-сайта по вертикали здоровья, будет связан с «плохим» лагерем.

Поскольку RankBrain объединяет «хорошие» и «плохие» сайты вместе, используя его возможности глубокого обучения, что произойдет, если у вас есть сайт, в котором много разных отраслей объединены в один?

Во-первых, мы должны обсудить немного подробнее, как именно это глубокое обучение работает. Прежде чем группировать сайты в «хорошие» и «плохие» группы, RankBrain должен сначала определить классификацию каждого сайта. Сайты как Nike.com а также WebMD.com довольно легко. Хотя на каждом сайте есть много разных подкатегорий, общая категория очень проста. Эти типы сайтов легко классифицируются.

Но как насчет сайтов, которые имеют много разных категорий? Хорошим примером сайтов такого типа являются сайты с практическими рекомендациями. Сайты, которые обычно имеют много широких категорий информации. В этих случаях процесс глубокого обучения нарушается. Какие учебные данные Google использует на этих сайтах? Ответ: это может быть на первый взгляд случайным. Может выбрать ту или иную категорию. Для известных сайтов, таких как Википедия, Google может вообще отказаться от этого процесса классификации, чтобы гарантировать, что процесс глубокого обучения не подрывает их существующий опыт поиска (он же «слишком большой, чтобы обанкротиться»).

Область SEO продолжит становиться чрезвычайно технической.

Но что произойдет с менее известными организациями? Ответ: «Кто знает?». Предположительно, этот процесс машинного обучения имеет автоматизированный способ классификации каждого сайта, прежде чем пытаться сравнить его с другими сайтами. Скажем, сайт с практическими рекомендациями выглядит так же, как сайт WebMD. Отлично, верно?

Что ж, если процесс классификации считает, что этот сайт посвящен обуви, то он будет сравнивать сайт со структурой сайта Nike, а не с WebMD. Может показаться, что их структура сайта очень похожа на сайт-спам, в отличие от авторитетного сайта WebMD, и в этом случае чрезмерно обобщенный сайт можно легко пометить как СПАМ. Если бы у сайта с практическими рекомендациями были отдельные домены, то было бы легко сделать каждый жанр лучшим в этой отрасли. Оставайся нишей.

Эти обратные ссылки пахнут подозрительно

Давайте посмотрим, как это влияет на обратные ссылки. Основываясь на вышеописанной процедуре классификации, как никогда важно придерживаться своего «соседства связей», так как RankBrain будет знать, отличается ли что-то от аналогичных профилей обратных ссылок в вашей вертикали.

Давайте возьмем тот же пример, что и выше. Скажем, у компании есть сайт об обуви. Мы знаем, что процесс глубокого обучения RankBrain попытается сравнить каждый аспект этого сайта с лучшими и худшими сайтами обувной промышленности. Поэтому, естественно, профиль обратных ссылок этого сайта будет сравниваться с профилями обратных ссылок этих лучших и худших сайтов.

Давайте также скажем, что типичный уважаемый сайт обуви имеет обратные ссылки из следующих районов:

Теперь предположим, что команда SEO-специалистов компании решает начать поиск обратных ссылок из всех этих районов, а также из нового района - от одного из предыдущих подключений генерального директора к автомобильной промышленности. Они также «умны» в этом: они создают кросс-маркетинговую страницу «Предложение бесплатной обуви для всех новых договоров аренды», которая создается на авто сайте, которая затем ссылается на их новый тип обуви. Абсолютно актуально, верно?

Что ж, RankBrain увидит это и заметит, что этот профиль обратных ссылок выглядит совсем не так, как на обычном уважаемом сайте обуви. Хуже того, он обнаруживает, что куча спам-сайтов обувей также имеет профиль обратных ссылок с авто-сайтов. Ооо

И просто так, даже не зная, что такое «правильный» профиль обратной ссылки, RankBrain выяснил, что «хорошо», а что «плохо» для результатов своей поисковой системы. Новый обувной сайт помечен, и их органический трафик занимает пике.

Будущее SEO и искусственного интеллекта

Как мы видим из предыдущего обсуждения закона ускорения отдачи, RankBrain и другие формы искусственного интеллекта в какой-то момент превзойдут человеческий мозг. И на данный момент никто не знает, куда эта технология приведет нас.

Некоторые вещи, несомненно, хотя:

  • Каждое конкурентное ключевое слово должно быть изучено отдельно;
  • Большинству сайтов нужно оставаться в нише, чтобы избежать ошибочной классификации; а также
  • Каждый сайт должен имитировать структуру и состав соответствующих сайтов в этой нише.

В некотором смысле, методология глубокого обучения делает вещи проще для SEO. Зная, что RankBrain и подобные технологии почти наравне с человеком, верховенство закона ясно: лазеек больше нет.

В остальном все немного сложнее. Область SEO продолжит становиться чрезвычайно технической. Аналитика и большие данные - это на повестке дня, и любой SEO, не знакомый с этими подходами, должен наверстать упущенное. Те из вас, у кого есть эти навыки, могут рассчитывать на большую зарплату.