[ad_1]
TechSEOBoost是技术SEO的天堂：令人难以置信的技术和可行的课程，激发了创新的方法并为解决方案提供了支持。
PPC的人在那里做什么？！！？！
通常，如果有PPC曲目，则PPC成员会去那里。如果有SEO曲目，则SEO人员会去那里。
SEO和PPC之间的孤岛阻碍了两个学科之间的同理心和知识共享太久了。
这位PPC营销人员很好奇要了解同行所探索的痛点和创新之处。
会议最好的部分之一就是看到SEO和PPC的发展有许多相似之处。
如果有一个共同点，我们都能达成共识，那就是听众，并理解听众不断变化的愿望。
在大多数会谈中编织的另一个外卖方法是共享数据并使营销成为真正的跨部门计划。
每个演讲者都有精彩的演讲-以下是每个演讲的主要演讲摘要：
1. SEO的NLP
实用主义是一个美丽的特征，Paul Shapiro对如何决定哪种解析方法最适合您进行了精彩的讨论。
本着务实的精神， 蟒蛇 是这次演讲的必要条件。
虽然词干提取速度更快，但可能会变得凌乱并且留下部分单词。
精确化需要更多时间。
在决定解析方式时，请考虑内容的范围以及采用更快的“摘书”路线是否会失去意图。
2.使用Google App脚本自动化，创建和测试
本次会议有充分的理由引起了人们的兴奋：David Sottimano为我们提供了简单的技巧，无需SQL即可轻松分析100亿行数据！
“秘密”是Sheets数据连接器，其含义确实听起来令人兴奋！
Sottimano概述了以下用例：
- 快速清理和处理工作表中的数据。
- 快速解析URL。
- 通过SEPapi搜刮Google。
- 创建自己的自动建议。
对于日常SEO，建议以下实用案例：
在同一操作中检查索引和301目标：
监视页面，比较内容和缓存：
使用bigML和SEMrush关键字数据进行机器学习分类：
3.需要自定义SEO工具时
TechSEOBoost的第一个小组着重于了解何时第三方工具可能不够用，因此有必要投资专有工具。
该小组包括：
- 尼克·维宁（Nick Vining）：催化剂（主持人）
- 克劳迪娅·希金斯（Claudia Higgins）：阿尔戈斯（Argos）
- 德里克·帕金斯（Derek Perkins）：喷嘴
- 乔丹·西尔顿：Apartments.com
- JR Oakes：机车
虽然小组成员们都有各自独特的观点，但他们关注的总体主题是跨部门的同理心和数据访问。
花费时间和资源来构建定制解决方案似乎令人生畏，专家小组成员一致认为，拥有单一可消化真相的来源比付出的代价多。
我们称之为的特定声音可以从以下中学到：
希金斯（Higgins）讨论了消除构建定制解决方案的恐惧/认为只有在拥有真正技术背景的情况下才有可能。不允许缺乏技术障碍来解决您知道需要解决的问题！
Stilton提出了非常好的实用建议，建议您不要陷入第一个提出的解决方案。总是挑战自己，至少要考虑2-3种其他解决方案，以免浪费大量的开发资源。
Oakes使我们能够使用使用率作为判断工具是否过时的好指标，并且除非对结果有清楚的了解，否则从不构建工具。
珀金斯（Perkins）提醒我们推迟自动执行功能/数据集，直到它至少发生3次。少于三个的样本数量和数据重点将受到损害。
4.搜索和推荐系统中的偏见
成为人就是要有偏见-这些偏见的影响在我们的职业，购买和职业道德中都能感受到。
里卡多·贝扎·耶茨 概述了三个偏见 具有深远的影响：
-
展示偏见：是否展示产品/服务/想法，因此可以作为合格选择。
-
文化偏见：影响职业道德和远见的因素。
-
语言偏见：说大多数内容所使用的语言的人数。
呈现偏见对SEO（和PPC）的影响最大。如果在考虑期间没有出现您，则不会被选中。
所有人的演讲偏见都是不可持续的，因此我们必须了解哪个角色代表最大的利益。
一旦我们站在理想的人面前，我们就必须知道如何吸引他们。
输入文化和语言偏见。
贝扎·耶茨（Baeza-Yates）将文化偏见转化为两种生活水平：避免最大的耻辱的最小努力。
根据市场的不同，您需要量身定制消息，以尊重较高/较低的职业道德。
语言偏见是一种阴险的手段-大多数内容都是英语，但互联网访问世界中只有23％的人说英语。
这给选定的小组带来了不公平的优势-并且鉴于在线翻译人员不能总是抓住真正的意图，因此高风险的内容将不会被正确地检索和索引。
5. GoogleBot和JavaScript
每当Googler分享见解时，总会有至少一个掘金带回家。
Google的Martin Splitt的主要收获包括：
- Google知道iframe的位置，并且很可能将其纳入DOM。
- 避免布局颠簸 –它会导致渲染延迟。
- WRS就是HTML +内容/资源：这就是您的DOM树。
- Google不仅依靠平均超时指标，还可以将其与网络活动保持平衡。
- 移动索引的超时时间更短。
- 如果某个页面由于“ Google”问题而无法正确呈现，则会出现“其他”错误。
- 考虑一下您想参加的交易：在捆绑代码的情况下，您的请求将减少，但是任何更改都需要重新上传。
- 仅查看队列时间和渲染时间会导致您走错路–索引管道可能是问题所在。
我会承认，作为PPC，大多数情况对我来说并没有“余震和敬畏”，就象其余房间一样。也就是说，我的一大收获是页面布局及其对CRO（转换率优化）的影响。
我们为转化进行优化的选择（页面布局，内容阈值，联系点等）比我从Google SEO角度所能想象的要多。
也就是说，两个学科都需要进行测试，这证实了专用PPC页面的价值以及跨部门通信的重要性。
6.我通过制作像谷歌一样爬行的玩具中学到了什么
在场外抱怨和幸灾乐祸很容易。需要勇敢而机灵的头脑，对您可能会或可能不会有感觉的事物jump之以鼻。
JR Oakes是勇敢，聪明和慷慨的人。
您可以在以下位置访问他的“玩具履带” Github 并探索/适应它。
他讨论旅程的演讲主要围绕以下三个核心信息：
- 如果我们要构建爬虫以了解Google的机制，则需要遵守Google为其设定的规则：
- 文本NLP确实很重要，并且如果要尊重BERT的技巧，则必须使用停用词（禁止词干）。
- 了解何时何地更新价值，比预期的要难得多，这为Google的步伐创造了新的同情/同理心。
主要要点：花时间边做边学。
7.多面导航：几乎每个人都做错了
分面导航是我们帮助搜索引擎了解我们希望其爬网的网址的途径。
令人遗憾的是，人们误以为，多面导航仅适用于电子商务网站，而内容丰富的目标网站则面临着抓取风险。
但是，如果每个页面都经过多面导航，则抓取将花费太长/超过获利参数。
成功利用多面导航意味着确定哪些页面足够有价值以“保证”爬网。
作为PPC，我非常喜欢SEO和付费之间的更多合作。特别：
- 通过PPC / SEO共享页面转换数据，因此双方都知道如何确定工作的优先级。
- 查询可导致有价值的用户与未命中的用户的数据。
8.使用所有语言的GTP2生成定性内容
没有什么比翻译工具更能说明我们需要做多少工作来消除偏见了。文森特·特拉西（Vincent Terrasi）承担了在翻译中“ com琐”的风险：
- 不同的语言有不同的习语/闲聊机制
- 性别机制会影响某些语言，而不会妨碍其他语言
- 在翻译中迷失的罕见动词，不常见的时态和特定于语言的机制。
结果：在非英语人群中扩展内容生成模型失败。
Terrasi不会让我们放弃！
相反，他为我们提供了逐步创建真正翻译模型的路径：
- 通过字节对编码（BPE）生成压缩的训练数据集。
- 使用SenencePiece生成BPE文件。
- 微调模型（幻灯片）
- 使用训练有素的模型生成文章
您可以使用Terrasi的工具 这里。
我认为PPC的含义在于广告创意中–我们经常在不尊重潜在客户的市场机制的情况下，就潜在客户进行宣传。如果我们可以开始生成针对特定市场的翻译，我们可以提高转换率和市场情绪。
9.先进的数据驱动技术SEO –分页
转化率优化（CRO）是所有数字营销学科的重要组成部分。
然而，我们常常忽略了我们获取利润的简单影响者。
分页就是一种这样的机会（我们如何布局每页的页数和产品数）。
客户获得理想产品/内容所需的页面越多，精神疲劳的风险就越大。
尽管各种形式的分页都有优点和缺点，但Ghost Block却在尊重用户和爬网行为方面做得最好。
以下是所有分页格式的结果：
10.用户就是查询
Dawn Anderson关于查询分析和受众意图的观点使SEO和PPC专业人员都可以使用。
领先于曲线 伯特，她使我们能够考虑我们展现自己的前景的选择以及我们在他们的兴趣过滤器中发挥了多少作用。
特别是，她向我们提出挑战：
- 诸如“喜欢”之类的多义词的影响以及时机背景，附加词和讲这些词的人如何影响其含义。
- 通过点击错误的答案，有多少用户需要“教”搜索引擎他们最常的意思。
- 当标题（“服装”，“鞋子”，“计算机”）可以具有超级交易意图时，而不是在渠道中处于较高地位。
例如，“曼彻斯特利物浦”通常是旅行查询，但是打开足球后，它变成了体育查询。
安德森（Anderson）鼓励我们专注于未来-特别是：
- 从繁重的文本转移到视觉支持。我们需要来自策展的地方（例如，主题标签），而不是逐字关键词匹配。
- 放弃查询目标，根据角色预测选择更多内容建议
- 从答案转移到用户旅程中（让他们看到我们是惯常的合作伙伴，而不是一次性的参与）。
本届会议对PPC的影响最大，尤其是因为过去几年来我们一直在转向面向受众的PPC活动。
11.排名因素变得休闲
我非常喜欢一个数字营销行销人员，他将棋盘游戏视为解释和教授SEO / PPC的途径。
这次会议就为什么我们需要对SEO研究进行批判性思考提出了坦率和授权的观点。
Micha Fisher-Kirshner提醒我们：
- 与我们的数据收集一致，并在样本量/统计意义上对自己诚实。
- 注意正面和负面的互动，以及它们会对我们的数据集产生什么影响。
- 在我们的分类和质量检查中进行组织。
我最喜欢的外卖食品（基于Mysterium）是要牢记任何研究的开始，并确保所有必要的检查均已到位。就像游戏一样，仅仅因为我们没有正确设置自己，就可以将自己设置为“不赢”状态。
我还必须给Fisher-Kirshner一个大声疾呼，因为它来自一个积极的地方，而不是“浪费”那些弄乱这些支票的人。相反，他只是激励我们所有人追求更好的因果关系和相关推论。
12. SEO的高级分析
分析是我们决策的重中之重–从此小组学习是一种享受。
我们的演员阵容包括：
- 丹·舒尔（Dan Shure）–不断发展的SEO（主持人）
- 阿雅·弗罗斯特（Aja Frost）– HubSpot
- Colleen Harris – CDK Global LLC
- 吉姆·吉亚诺里奥（Jim Gianoglio）–赏金
- 亚历克西斯·桑德斯–默克尔
虽然每个小组成员都有自己独特的观点，但总体建议是在部门之间共享数据并共同努力以应对异常情况。
Gianoglio提醒我们注意可能会扭曲数据的过滤器，并且绝不允许客户强迫我们采用单一指导指标。
Frost表示怀疑，认为分析将成为我们在新兴的GDPR和CCPA世界中获取真相的唯一来源，并且如果我们对SQL缺乏探索数据融合的信心，则可以使我们探索数据融合。
哈里斯（Harris）鼓励我们对数据源采取务实和现实的态度：如果数据看起来不对，我们应该进行探索！分析是发现数据失真的一种手段。
桑德斯（Sanders）鼓励我们增加收入数字，并将分析与Screaming Frog和SEMrush之类的工具结合起来，为SEO对利润的影响创造真实的归属。
13.搜寻预算征服者
乔里·福特（Jori Ford）概述了一种非常实用的预算收集方法：兑现您的资金页面并记账！
她的四个步骤是：
- 确定页面数量，并且只有经过优化的站点地图才能使用站点地图进行关联。
- 了解通过自定义跟踪和日志文件分析器（Botify，Deepcrawl，OnCrawl等）自然对哪些页面进行爬网。
- 评估爬网的频率以及频繁/不频繁爬网的页面数。
- 按百分比类型细分：页面类型，爬网分配，活动与非活动以及未爬网。
可以理解，我们仍然可能会遇到无法克服的爬网预算需求。她的建议是修剪低利润的页面和使索引无效。
14.利用机器进行出色的宣传
Gareth Simpson邀请我们探索可以委托给AI的任务， 机器学习。但是，在我们能够做到之前，我们需要有实用的工作流程来将机器学习构建到今天。
这是机器学习的途径：
- 从来源收集数据。
- 清洗数据要具有同质性。
- 建立模型/选择正确的ML算法。
- 从模型结果中获得见解。
- 数据可视化：将结果转换为可视图形。
在探矿中测试机器学习可能看起来很疯狂（这种关系的人为因素至关重要）。辛普森帮助我们发现可委派的任务：
图片积分
作者从（TechSEOBoost幻灯片）拍摄的所有屏幕截图，2019年12月