[ad_1]
數據科學每天都越來越接近SEO。
數據科學,更確切地說是人工智慧,並不是什麼新鮮事物,但是在過去的幾年中,它已經成為我們行業的潮流。
在本文中,我將通過機器學習簡要介紹數據科學的主要概念,並回答以下問題:
- 什麼時候可以在SEO中使用數據科學?
- 數據科學只是行業中的流行語嗎?
- 為什麼以及為什麼要使用它?
數據科學簡介
在分析和處理稱為數據集的數據時,數據科學與大數據和人工智慧都走過了一條道路。
Google趨勢做得很好,說明了自2004年以來,數據科學作為研究的主題一直在增長。
用戶對「機器學習」的意圖也在增加,並且是最受歡迎的搜索查詢之一。
這也是操作人工智慧的兩種方法之一,也是本文重點介紹的方法。
人工智慧與Google之間的具體關係是什麼?
早在2011年,Google創立了Google Brain(一個致力於人工智慧的團隊)。
的 主要目標 Google Brain的主要業務是從內部改造Google的產品,並利用人工智慧使它們「更快,更智能,更有用」。
我們很容易理解,搜索引擎是他們最強大的工具,考慮到其市場份額(95%的用戶使用Google作為其主要搜索引擎),使用人工智慧來提高搜索引擎的質量也就不足為奇了。 。
什麼是機器學習?
機器學習是助力人工智慧的兩種學習類型之一。
機器學習傾向於通過參考系來解決問題,並且輸出會由人來檢查,因為它總是帶有一定百分比的錯誤。
Google對機器學習的解釋如下:
「從輸入數據構建(訓練)預測模型的程序或系統。該系統使用學習的模型,根據與用於訓練模型的分布相同的分布得出的新數據(從未見過)做出有用的預測。機器學習也指與這些程序或系統有關的研究領域。」
更簡單地,機器學習演算法接收訓練數據。
在下面的示例中,此訓練數據是貓和狗的照片。
然後,該演算法進行自我訓練,以了解和識別不同的模式。
訓練的演算法越多,結果的準確性就越高。
然後,如果您要求模型對新圖片進行分類,您將獲得正確的答案。
當然,Google圖片是重現此說明的最佳示例。
人工智慧和SEO之間的具體關係是什麼?
早在2015年–並將討論僅限於主要演算法– 排名腦 為了提高搜索結果的質量而進行了部署。
由於之前從未搜索過約15%的查詢,因此其目的是自動最好地理解該查詢以產生相關結果。
RankBrain由Google Brain開發。
然後,在2019年, 伯特 是為了更好地理解搜索查詢而引入的。
作為SEO專業人員,必須注意,我們無法針對RankBrain或BERT優化網站,因為它們旨在更好地理解和回答搜索查詢。
要恢復,這些演算法所涉及的過程不會影響網站的評估或查詢方式。沒有為它們進行優化的方法。
不過,由於Google使用機器學習,因此重要的是要了解這一領域並能夠使用它:它可以幫助您進行日常SEO操作。
機器學習對SEO的價值是什麼?
根據我的經驗,以下內容可以視為將機器學習應用於SEO的重要領域:
- 預測。
- 代。
- 自動化。
以上內容可以幫助您節省日常操作的時間,並可以說服組織中的決策者。
從那裡開始,本文的其餘部分可能會說服您(正如我所堅信的那樣)或使您感到懷疑。
無論哪種方式,以下部分肯定會讓您感興趣。
預測
預測演算法可以通過突出顯示關鍵字來幫助確定路線圖的優先順序。
以上是可用的感謝 開源代碼 馬克·埃德蒙森(Mark Edmonson)撰寫。
這個想法是基於以下假設:如果我在這些關鍵字上排名第一,那麼我的收入是多少?
然後,它會為您提供當前頭寸以及通過考慮誤差幅度可以獲取的潛在收入。
它可以幫助說服上司,使其專註於某些特定的關鍵字,但也可以吸引客戶(如果您是顧問或代理機構)。
代
編寫內容當然是SEO中最耗時的任務之一。
您可以自己編寫內容,或者至少需要編寫摘要。
在這兩種情況下,有時都很難找到有效工作的靈感。
這就是自動生成內容很有價值的原因。
就像我已經說過的那樣,機器學習帶有錯誤餘量。
這就是為什麼需要將這種內容自動化視為產生初始編輯框架的原因。
我分享了一些示例源代碼 這裡。
同樣,獲得第一份社論內容的自動草稿可以允許您手動突出顯示頂部和輔助錨標籤,從而幫助您半自動化內部鏈接。
自動化
自動化有助於使用圖像上顯示的對象檢測演算法來標記圖像並最終標記視頻 TensorFlow。
該演算法可以幫助標記圖像,因此可以輕鬆優化alt屬性。
另外,自動化過程可用於A / B測試,因為在頁面上進行一些基本更改非常簡單。
迄今為止,SEO中最常見的A / B測試用途是使用Google Ads的數據(如點擊率和轉化次數)來更好地了解效果最好的內容(廣告的標題和說明),然後應用於SEO。
在這種情況下,由於內容生成,其想法是使A / B測試自動化,並根據預期性能對其進行更新。
圖片積分
作者截取的所有屏幕截圖,2019年12月