Jak uczenie maszynowe i sztuczna inteligencja wpływają na SEO?

Jakie znaczenie dla SEO ma uczenie maszynowe i sztuczna inteligencja?

Google używa uczenia maszynowego i sztucznej inteligencji do prezentowania użytkownikom najbardziej odpowiednich wyników. Jak wpłynie to na przyszłość SEO?

Być może zastanawiałeś się nad tym, jak działa algorytm wyszukiwania Google? Dlaczego Twoja witryna nie pojawia się w wynikach wyszukiwania? Cóż, jedziesz na tym samym wózku z tysiącami innych przedsiębiorców, których działanie Google konfuduje. Jak i dlaczego Google działa, tak jak działa, to ważne pytania, które należy sobie zadać, jeśli chcemy pozycjonować witrynę. Trzeba pamiętać, że branża SEO to nie magia. To nie jest też prosta działka. Istnieje wiele istotnych elementów, które należy wziąć pod uwagę, jeśli podejmujemy próbę pozycjonowania strony. Warto być świadomym tego, że nie jest to proces na jedną noc.

Lepsze czasy dla SEO

Przenieśmy się 5 do 10 lat wstecz. Do archaicznych czasów dla SEO i marketingu internetowego. Określenie „specjalista ds. marketingu internetowego” było w 2005 roku niemalże lekceważącą segregacją kliki spammerów, phisherów (oszustów stosujących phishing) i innych, którzy chcieli wepchnąć Ci swój produkt przez Internet. I to działało. Wiele osób było w stanie wypozycjonować swoją stronę w ciągu kilku dni spamując, upychając słowa kluczowe na stronie i budując profile linkowe zupełnie niepowiązanymi ze stroną linkami.

Upadek technik Black-Hat

W 2012 roku Google postanowił poprawić trafność wyszukiwania semantycznego i ogłosił wdrożenie sztucznej inteligencji i uczenia maszynowego. Oznaczało to koniec spamowych treści, linków niepowiązanych ze stroną, podstron duchów i wysp w witrynie, oraz upadek keyword stuffingu, manipulowania meta danymi i niewartościowym ruchem na stronie.

Jak teraz działa algorytm Google

Algorytm wyszukiwania Google jest podzielony na wiele komponentów. Tylko w taki sposób Google może stać na szczycie sieci ponad 60 bilionów indywidualnych stron internetowych. Google wykorzystuje sztuczną inteligencję do odkrywania elementów, które w pewien sposób umożliwiają przepływ czynników rankingowych. Czy możemy zatem naprawdę zrozumieć w jaki sposób Google decyduje o pozycjach w wynikach wyszukiwania? Zacznijmy od crawlowania i indeksowania…

Próba zrozumienia jak działa Google w celu inteligentnej optymalizacji Twojej strony:

– Crawlowanie i indeksowanie,

Google porusza się po Twojej stronie crawlując, czyli przechodzi linkami wewnętrznymi z jednej podstrony na drugą itd. Jako właściciel witryny lub jej webmaster, możesz wybierać strony, po których chcesz, żeby poruszał się Google, lub, jeśli chcesz, możesz całkowicie wyindeksować witrynę, np. przy użyciu robots.txt, czy meta noindex. Google używa bota (Googlebot) do uporządkowywania stron według ich treści, linków, anchorów  i innych elementów.

– aktualizacje i algorytmy,

Tu zaczyna robić się ciekawie. Google pisze programy i wzory, żeby dostarczać użytkownikom najlepsze możliwe wyniki wyszukiwania. Algorytmy pracują poszukując wskazówek, które pomogłyby im zrozumieć dokładnie, czego użytkownik poszukuje, następnie używają tych składników do wyciągnięcia z indeksu wyszukiwarki najbardziej trafnych wyników.

– Ranking,

Po wykorzystaniu crawlowania, wzorów i algorytmów, Google decyduje gdzie w wynikach umieścić daną witrynę. Google posiada nieznaną liczbę czynników rankingujących stronę internetową, wiemy tylko, że jest ich naprawdę dużo. Ponoć jest ich mniej więcej 200 ,a to nie koniec. Dodatkowo każdy z nich posiada swoje czynniki wewnętrzne. W trosce o Twoje zdrowie psychiczne, ograniczę się jedynie do 5 najważniejszych czynników. Je również można dowolnie interpretować.

Działanie algorytmu PageRank – Wikipedia.org

1) Linki zwrotne i sygnały z mediów społecznościowych

Zdaję sobie sprawę z tego, że określenie „linki zwrotne”  jest hasłem o szerokim znaczeniu. Toczone są debaty na temat utraty wartości przez linki zwrotne. Widzieliśmy jednak nieraz, że strona z rozbudowanym profilem linkowym i linkami przychodzącymi ze stron wysokiej jakości stanowi precedens w wynikach wyszukiwania. Oznacza to, że musisz budować profil linkowy w naturalny sposób, a linki powinny być w pewnym stopniu powiązane tematycznie z Twoją witryną. Jeśli prowadzisz firmę, która sprzedaje koty i treści na Twojej stronie są tylko o kotach, to prawdopodobnie nie powinieneś posiadać linku prowadzącego ze strony tylko i wyłącznie o psach. Google nie uzna takiego sygnału za istotny dla Twojej firmy, może obniżyć wartość linku lub ukarać Cię za niego (jeśli w profilu posiadasz dużo złych linków). To część procesu Google, który wykorzystuje sztuczną inteligencję do deszyfrowania treści, zdjęć i innych elementów. Sygnały pochodzące z social media są również bardzo ważne – pokazują czy użytkownicy angażują się w Twoją markę oraz stanowią doskonałe źródło ruchu.

Część czynników związanych z linkami zwrotnymi:

• Powiązanie/Tematyczność;
• Różnorodność źródła linków i nienaturalne budowanie;
• Autorytet (Domain Authority i Page Authority linkującej strony);
• Zróżnicowanie IP i podsieci;
• Utrata  linków zwrotnych;

2) Content

Często słyszysz hasło „Content is king” jeśli mowa jest o content marketingu. Wspominałem o tym wcześniej, elementy odpowiedzialne za ranking mają czynniki powiązane również z treściami. Content nie ogranicza się do wrzucenia na stronę 500 słów i jednego zdjęcia. Google używa obecnie fraz kluczowych, częstotliwości i trafności, czy intencji do określania jakości Twojego contentu. Co też nie oznacza, że długość nie ma znaczenia.

Część czynników powiązanych z contentem:

• Linkowanie wewnętrzne;
• Komentarze i interakcje użytkowników;
• Duplicate content;
• Content generowany z automatu;
• Aktualizacje treści;

3) Profil linkowy

Anchor to tytuł, który tworzy hiperłącze. Używasz go często, gdy tworzysz linki zwrotne do swojej witryny (nawet jeśli robisz to przez przypadek). Tekst anchora, który umieszczasz w linku jest najważniejszą częścią linkowania. Google analizuje go, żeby ocenić na jakie frazy kluczowe starasz się pozycjonować witrynę.

Część czynników odnoszących się do anchorów:

• Różnorodność słów kluczowych;
• Komentarze i interakcje użytkowników;
• Różnorodność źródeł;
• Generowane z automatu;
• Tematyczność;

4) Onsite SEO

Optymalizacja onsite jest ważną częścią strategii SEO. Najprostszym wytłumaczeniem onsite jest optymalizacja pod wybrane słowo kluczowe oraz dostosowanie witryny do wytycznych wyszukiwarki. Składa się ona m.in. z tagów tytułu, meta danych, nagłówków H1 i wielu, wielu innych. Musisz też rozumieć dlaczego optymalizujesz np. tytuł pod słowo kluczowe i jak opracować go, żeby wywoływał pozytywne doświadczenia u użytkowników. Jeśli Twoim słowem jest „naprawa obuwia”, nie chcesz mieć w tytule jedynie „naprawa obuwia”. Chcesz wyjaśnić Google i odbiorcom swoją działalność właśnie dzięki onsite.

Część czynników onsite SEO:

• Przyjazne adresy URL;
• Liczba podstron;
• Częstotliwość występowania słów kluczowych w treściach;
• Optymalizacja grafik (alty i tytuły);
• Przeoptymalizowanie strony;

5) SEO techniczne

Do sygnalizowania Google, czym zajmuje się Twoja firma i co oferuje możesz użyć technicznego SEO. W jego zakres wchodzi naprawa niedziałających linków, poprawa błędów statusu http, używanie znaczników schema.org i mikrodanych, optymalizacja witryny pod urządzenia mobilne, praca nad prędkością ładowania strony i wiele innych. Techniczna strona SEO jest ukierunkowana bardziej na wyszukiwarkę niż użytkownika. Daje sygnał wyszukiwarkom, że Twoja strona jest „kompletna”. Naucz się korzystać z Google Search Console – przydaje się w kontekście technicznego SEO.

Część czynników dotyczących technicznego SEO:

• Plik robots.txt
• Mapa witryny – sitemap.xml
• Historia domeny i jej status
• Okruszki i dodatkowe linki w wynikach organicznych
• Optymalizacja kodu

Teraz, gdy rozumiemy nieco lepiej, jak działa Google, możemy określić, co w naszej stronie inicjuje lub niszczy ogólną pozycję witryny. Kolejnym krokiem będzie zrozumienie, jak użytkownicy widzą Twoją stronę, podobnie jak i Google, aby wywołać możliwie najlepsze wrażenia zarówno wyszukiwarkom, jak i użytkownikom. Oto jak Google używa neuronowych sieci do ustalenia, co użytkownik chce zobaczyć.

Wow! So inteligence, much knowledge!

Jak Google używa uczenia maszynowego do szacowania najlepszych wyników wyszukiwania?

Warto zadać sobie to pytanie. Zrozumienie jak Google używa tych metod może pomóc nam zdecydować jak działać, żeby wypozycjonować stronę na wybrane słowo kluczowe. Wiele wyszukiwarek korzysta z tych metod i algorytmów. Używają uczenia maszynowego i sztucznej inteligencji do wykrywania schematów na wiele sposobów, aby zrozumieć czego szuka użytkownik.

To pomoże zrozumieć jak działają sieci neuronowe i jak komputery uczą się nowych rzeczy. Przepływ informacji w Artificial Neural Network – ANN (sztucznej sieci neuronowej) działa w dwojaki sposób, który jest podobny do działania biologicznego mózgu. To uruchamia warstwy ukrytych jednostek, które z kolei docierają do jednostek wyjściowych. Aby sztuczna sieć się nauczyła, element sprzężenia zwrotnego musi zostać zaangażowany, tak jak nasze dzieci od rodziców uczą się odróżniać dobro od zła.

Jak zatem Google używa tego procesu feedbacku i wstecznej propagacji dla wyszukiwania? Istnieje wiele sposobów, w jakie Google może użyć tego procesu do zastąpienia przestarzałych technik wyszukiwania nowymi, które odsłonią przed użytkownikami lepszy system. Najważniejsze jest jednak to, jak używają korelacji pomiędzy wieloma zmiennymi, aby przewidzieć rezultat przyszłych wyników. ANN to karmione skrypty, które mogą być wykorzystywane do nadzorowania nauki na ostatnich rezultatach w celu hipotetyzowania przewidywania. Łączenie zmiennych jest również ważne pod kątem matematycznym. Musi istnieć rozróżnienie pomiędzy zmiennymi, aby można było dostarczyć rezultat. Uczenie podejmowania decyzji działa najprościej, z najmniejszą ilością możliwych rezultatów. Wyniki są przewidywane przez warstwy. Jeśli chcesz nauczyć się czegoś więcej o technicznej stronie tych procesów, obejrzyj wideo ze Stanforda. Google mówi nam, że używa 4 głównych warstw w swoim procesie uczenia maszynowego ;

1. Rozpoznawanie mowy – Google opracował i oficjalnie wdrożył nowy system, który używa sieci neuronowej wielowarstwowego głębokiego uczenia się, która obniżyła liczbę błędów o 25%. Cały obszar nadal widuje manufakturowe podejście do struktury, która poszukuje rzeczowników, czasowników, czegoś, co wskaże zapytanie itd., ale Google nadal pracuje nad stworzeniem bardziej wyrafinowanego podejścia do języka naturalnego. Oczywiście do zrozumienia języka Polskiego jeszcze “trochę” im brakuje ;)
2. Język naturalny i wyszukiwanie – jeśli myślisz o szukaniu w Google, masz na myśli wpisywanie słów i otrzymywanie oczekiwanych rezultatów. Wydaje się to proste. Maszyny jednak zawsze dobierały słowa kluczowe; kiedy wpisywałeś „jak zmienić oponę”, szukały zwrotów lub synonimów typu „naprawa”. Badacze starają się teraz rozwinąć maszyny, aby te rozumiały naturalny ludzki język, a nie podchodziły do niego jak do „worka ze słowami”. To pomoże maszynom generować odpowiedzi na bardziej skomplikowane pytania np. „Która szkoła niedaleko domu będzie najlepsza dla mojej córki?”.
3. Tłumaczenie zdań i ich kształtów – każde zdanie ma całkowicie unikatowy kształt, a podobne zdania mają podobne kształty. Dla przykładu, kształty następujących dwóch zdań są do siebie niesamowicie zbliżone: „Chciałbym zmienić oponę.” i „Chcę naprawić oponę.”. Identyczne zdania wyrażone w różnych językach mają identyczne kształty. Zatem, wystarczy, że maszyna pozna kształt zdania w jednym języku – może go później użyć do poszukiwania tego samego kształtu w każdym innym języku, aby uzyskać tłumaczenie.
4. Podpisywanie obrazów – sieci neuronowe zostały bardzo dobrze przeszkolone w rozpoznawaniu obrazów, dzięki temu, że podawano im dobre przykłady. Obraz jest wejściem, a podpis wyjściem, im więcej obrazów poznaje sieć, tym lepiej je opisuje.

Google dało nam również dostęp do jego Prediction API. API przewidywania dostarcza możliwości dopasowywania wzorców i uczenia maszynowego. Mając na tacy zestaw przykładów do własnej analizy i nauki, możesz tworzyć aplikacje, które będą wykonywały następujące zadania:

– na podstawie tego, co zwykł przeglądać w sieci użytkownik, będą przewidywać, jakie inne filmy czy produkty mogą spodobać się użytkownikowi,

– klasyfikować wiadomości e-mail jako spam lub nie-spam,

– analizować komentarze dotyczące Twojego produktu, żeby ocenić czy mają one pozytywny czy negatywny wydźwięk,

– szacować ile użytkownik może wydać danego dnia biorąc pod uwagę historię jego wydatków.

Więcej informacji na temat głębokiego uczenia się znajdziecie w prezentacji Jeffa Deana.

[slideshare id=42024442&doc=cikm-keynote-nov2014-141125182455-conversion-gate01]

Natomiast w poniższej prezentacji made by Cezzy (SEM Camp XIX) dowiesz się więcej na temat przyszłości wyników wyszukiwania Google, Google Answer Box, Knowledge Graph, Entity, sztucznej inteligencji, Machine Learning oraz RankBrain.

[slideshare id=55903438&doc=semcampxix-google-serp-2016-cezary-glijer-151207181258-lva1-app6891]

Jeśli chcesz dowiedzieć się więcej o tym, jak służy uczenie maszynowe wyszukiwarkom, poczytaj publikacje naukowe Google.

Jak uczenie maszynowe i sztuczna inteligencja wpływają na SEO?

Uważam, że jednym z najważniejszych pytań, które należy sobie zadać jest to: czy uczenie maszynowe i AI wpływają negatywnie czy pozytywnie na SEO? Osobiście uważam, że wpływ jest pozytywny. Jeśli używasz technik white-hat SEO to nie ma podstaw, abyś nie pojawiał się w rankingu Google. Zoptymalizowana strona i świetne treści, które angażują użytkowników to elementy, które Google naprawdę docenia. Może potrwać chwilę zanim zaczniesz pojawiać się wyżej w wynikach, ale pozwól by był to efekt naturalnego procesu. Dzięki temu Twoja pozycja w Google będzie stabilna. Pamiętaj – Google nie lubi spamu.

Negatywne efekty?

Jedynym negatywnym efektem może być to, że w końcu algorytm Google rozrośnie się w tempie, którego nie dotrzymają sami deweloperzy Google. W tym momencie musimy pracować nad generowaniem eksperymentów, dzięki którym dowiemy się, które czynniki rankingujące rzeczywiście wpływają na Rank Brain. Możliwe, że odkryjemy, że SEO i optymalizacja strony są faktycznie trudniejsze niż przewidywaliśmy. Paradoksalnie to oznacza także, że może się to stać łatwiejsze. W dalszym ciągu łatwiej jest dać użytkownikom to, czego szukają niż wyszukiwarkom to czego dokładnie oczekują. Jeśli dostarczasz dobry content i dbasz o pozytywne doświadczenia użytkowników, nie martw się o to, czego chce Google. Twoi klienci będą zadowoleni! I w gruncie rzeczy zadowoleni klienci nie są wcale złą rzeczą ;)

Na podstawie: http://www.infront.com/blogs/the-infront-blog/2015/8/7/how-does-machine-learning-ai-affect-seo