Condurre l'ottimizzazione del deep learning per soddisfare le intenzioni degli utenti

Come condurre l'ottimizzazione del deep learning per soddisfare le intenzioni degli utenti

Aggiornato 2.2.2022

Per allinearti con le tendenze di ricerca nel deep learning , inizia con un approccio incentrato sull'utente a ciò che dovrebbe essere sulle tue pagine web.

L'intelligenza artificiale e il deep learning stanno cambiando rapidamente il modo in cui settori come l'assistenza sanitaria e i servizi finanziari hanno successo nello spazio online. L'ottimizzazione del deep learning è ora un argomento centrale nella comunità di Machine Learning che cerca di stare al passo con le ultime tecniche di ricerca utilizzando i set di dati di Google . I vantaggi a lungo termine di pagine altamente strutturate costruite con dati organizzati offriranno alla tua azienda risultati migliori nelle classifiche di ricerca.

Stiamo vivendo tempi eccitanti; è stimolante vedere cosa viene portato il deep learning nel business online! I moderni approcci di machine learning, come il deep learning, sono l'inizio del futuro della ricerca. La crescita fenomenale del web e dell'informatica nel deep learning significa che molte aziende si stanno ancora concentrando su ciò che in precedenza funzionava per raggiungere gli acquirenti, ma mancano ancora i concetti di dati strutturati SEO . Copriamo alcuni termini di base e iniziamo.

Sommario

• Cos'è DeepMind per Google?
• In che modo l'apprendimento supervisionato è diverso dall'apprendimento al computer senza supervisione?
• In che modo Google utilizza il Deep Learning?
• I siti web devono offrire ciò che i consumatori preferiscono
• I fattori di classifica sono morti?
• Quali fattori di ranking influiscono sui siti aziendali?
• I database di deep learning e grafici aiutano gli utenti a individuare le informazioni
  • La SEO sta diventando sempre più importante per i contenuti
  • Il deep learning fornisce ai ricercatori risposte migliori
• Cambio di paradigma nei fattori di classifica per settore
• Come ottimizzare per il deep learning?
• Cosa sono i database di grafi paralleli nativi di Deep Learning?
• Che cos'è NSL in TensorFlow?
• Riassumendo pensieri: ottimizzazione del deep learning

Cos'è DeepMind per Google?

Il DeepMind per Google va sotto l'acronimo DMG. Il suo team implementa la ricerca all'avanguardia di Machine Learning di DeepMind sui prodotti Google e sull'infrastruttura di ricerca di Google. Milioni di persone lo usano per porre domande e condurre query di ricerca senza conoscere o comprendere la tecnologia alla base. È dietro le quinte degli attuali algoritmi di apprendimento dei computer.

È utile per aiutare le aziende a ottenere visibilità nelle SERP e nelle vendite .

In che modo l'apprendimento supervisionato è diverso dall'apprendimento al computer senza supervisione?

Nell'apprendimento supervisionato, un computer viene addestrato per prevedere le etichette designate dall'uomo, come il tipo di immagini di alberi etichettate basate su alberi; l'apprendimento non supervisionato non dipende dalle etichette. È in grado di creare il proprio flusso di lavoro di previsione, ad esempio tentare di prevedere ogni parola successiva in una frase particolare. L'apprendimento per rinforzo consente a un agente di scoprire sequenze d'azione che ottimizzano i suoi benefici totali, come vincere partite e prevedere elezioni, senza esempi espliciti di buone tecniche, che consentano l'autonomia.

In che modo Google utilizza il Deep Learning?

Un esempio di come Google utilizza il Deep Learning è Google Maps. I dati aggregati sulla posizione possono essere utilizzati per comprendere il traffico, i dati storici degli utenti e le condizioni del traffico in tempo reale. L'utilizzo dell'apprendimento automatico per generare previsioni aiuta gli utenti che utilizzano Google Maps a navigare. Possono sapere se il traffico stradale lungo il loro percorso di lavoro è intenso o leggero, un tempo di percorrenza stimato e l'ora di arrivo prevista (ETA).

È il riconoscimento vocale di Google Assistant che l'IA utilizza reti neurali profonde per addestrare il suo algoritmo a comprendere meglio i comandi vocali e le domande. Il sistema è stato aggiornato per funzionare su una nuova piattaforma chiamata Google Neural Machine Translation; questo ha comportato lo spostamento di tutto in un ambiente di deep learning.

Tuttavia, ci sono molti modi in cui il gigante della tecnologia utilizza questa tecnologia, molti che solo i suoi dipendenti conoscono.

I siti web devono offrire ciò che i consumatori preferiscono

La presenza e le entrate della tua attività online meritano continui controlli, riflessioni, pianificazione e preparazione su come mantenerti aggiornato
creazione di contenuti Web che gli utenti desiderano consumare . Ma offre anche ai professionisti del marketing digitale la possibilità di migliorare gli approcci e cogliere nuove opportunità sia nella ricerca guadagnata che in quella a pagamento in modo diverso.

Naturalmente, lo studio continuo va a sapere in anticipo quali domande emergono dagli utenti e quali contenuti preparare, il che potrebbe essere un passo importante verso l'intelligence generale di cui la tua azienda ha bisogno. Il deep learning sta dimostrando che la creazione di contenuti migliori in articoli di lunga durata genera un maggiore coinvolgimento e vendite degli utenti rispetto alla produzione di più contenuti di minor valore.

Sandford.edu afferma: "L'idea di utilizzare le GPU per l'addestramento di algoritmi di deep learning è stata proposta per la prima volta nel 2009". Da allora ha condotto molti esperimenti per capire come funzionano i diversi algoritmi di ottimizzazione del deep learning e offre una formazione continua. Inoltre, il white paper annuale sui fattori di ranking di Searchmetrics ** afferma in modo sorprendente che i tradizionali fattori di ranking sul Web sono diventati irrilevanti.

Per molti, gli aggiornamenti su come funziona la SEO quest'anno sono una nuova scienza missilistica che prevede l'uso del deep learning. Comprendiamo le ore necessarie per determinare l'impatto sul tuo dominio aziendale e amiamo aiutare le aziende di Minneapolis a far crescere la loro presenza online.

Gli esperti di marketing di ricerca non utilizzano solo il markup dei dati strutturati essenziali , come descritto su schema.org e nelle pagine di Google Developers, per ottenere informazioni sui riquadri di informazioni dettagliate e sui rich snippet. Queste sono molteplici fonti che spiegano come funziona la ricerca e dove crescerà per un migliore utilizzo futuro. Si sta evolvendo rapidamente e vale la pena prestare molta più attenzione.

I fattori di classifica sono morti?

I fattori tecnici SEO rimangono importanti e dovrebbero essere risolti su un dominio per mantenere un punteggio di ottimizzazione SEO sano. L'evoluzione del panorama di ricerca e il semplice aumento del volume delle ricerche creano un lavoro più grande per i motori di ricerca. Gli esperti di marketing devono comprendere rapidamente e implementare una migliore strategia di ricerca per essere competitivi nella ricerca desktop, mobile, vocale e di immagini. Se la codifica del tuo sito è obsoleta, non funzionante o gonfia, non dovresti aspettarti che i motori di ricerca favoriscano il tuo sito nelle classifiche di ricerca.

Ogni sito deve affrontare lo stesso fatto, la qualità, la pertinenza, la correttezza e l'unicità dei tuoi contenuti è interiorizzata e giudicata da Google, insieme al numero di backlink rilevanti. FatJoe parla della nuova esperienza di pagina di Google**; che lo sottolinea. Se i tuoi contenuti non sono ritenuti la risposta migliore, non sarai ricompensato con classifiche più alte e una migliore visibilità nelle SERP. Puoi ottenere molta visibilità diretta del marchio mostrandoti nelle caselle Anche le persone chiedono . L'approccio più recente riguarda maggiormente la pertinenza dei contenuti e la soddisfazione delle richieste degli utenti. Ad esempio, se le tue pagine web sono impantanate con pixel a caricamento lento, è un fattore di ranking tecnico. Gli utenti che non aspettano per problemi con la velocità di caricamento stanno aumentando di numero.

QUALI FATTORI DI CLASSIFICA IMPATTO SUI SITI AZIENDALI?

Ecco l'elenco esatto delle informazioni principali sui nuovi fattori di ranking scoperti da SearchMetrics :

• L'algoritmo di deep learning di Google ora si adatta alle query e opera in tempo reale.
• La rilevanza dei contenuti è un nuovo fattore di ranking ed è la forza trainante alla base della conquista delle classifiche.
• I fattori tecnici restano un prerequisito per un buon ranking, ma questi elementi da soli non bastano più.
• I backlink ora sono semplicemente uno dei tanti fattori che contribuiscono; classifiche elevate sono possibili anche per i siti Web privi di link.

I database di deep learning e grafici aiutano gli utenti a individuare le informazioni

Un altro fattore nella creazione di contenuti di alta qualità è il passaggio alla fornitura di un nuovo post o articolo basato su un argomento rispetto al tema delle parole chiave. Tutto ciò che pubblichi online diventa parte del tuo Knowledge Graph e dimostra la tua esperienza nel settore, su quali argomenti sei un'autorità e quali contenuti rilevanti hai prodotto per dimostrarlo.

I maggiori investimenti in deep learning, intelligenza artificiale e machine learning sono tutti incentrati sulla pertinenza dei contenuti che sostituisce gli approcci vecchio stile all'ottimizzazione delle campagne SEO e PPC. Prevedere i modelli di comportamento dei consumatori utilizzando algoritmi di deep learning è ora più facile che mai.

I visitatori del sito dovrebbero essere in grado di prosperare con le soluzioni che offri che risolvono problemi complessi. I database dei grafici e il deep learning aiutano gli utenti a trovare chi ha detto cosa sui loro argomenti di ricerca. E oltre a ciò, dovrebbe includere solo quando è stato detto, quale canale lo presenta e dove lo hanno detto. Da lì, si spera che gli utenti ti chiamino, compilino un modulo, si connettano sui canali social, completino l'acquisto di un carrello, raggiungano direttamente il tuo negozio o intraprendano altre azioni positive per connettersi.

Fai attenzione a porre troppa enfasi sul posizionamento delle parole chiave poiché questa metrica nei risultati di ricerca si sta spostando su SERP basate su entità . La scelta di Google per la produzione di risultati di ricerca varia in base a una serie di criteri assortiti.

Due hanno la precedenza nella nostra esperienza:

• Geolocalizzazione. I risultati della ricerca degli utenti vengono regolati in base alla longitudine e alla latitudine da dove si trovano in quel momento. Ciò ha un impatto non solo sulla ricerca locale e sul marketing di Google Maps, ma anche su aspetti aggiuntivi delle classifiche di ricerca organica. Sebbene "vicino a me" faccia comunemente parte delle query di ricerca, anche in caso contrario, GoogleBot visualizzerà naturalmente i risultati vicino a te. Una tattica che sta davvero guidando la SEO locale per alcuni siti è l'implementazione del markup dello schema Local Business .

• Preferenze personali stabilite. Tutti i principali motori di ricerca accumulano continuamente informazioni su come tu e gli altri utilizzate il web. Questo forma una ricerca personalizzata di chiamata del modello. Queste informazioni vengono archiviate e cloud e diventano big data utilizzati per offrire risultati di ricerca più pertinenti. I tuoi record GPS, la cronologia del browser, i tweet e molto altro determinano il modo in cui le SERP cercano di soddisfare le tue preferenze.

La SEO sta diventando sempre più importante per i contenuti

Le aziende che trovano miglioramenti nelle classifiche dei loro siti Web scoprono che ciò è dovuto a pagine con una fantastica rilevanza di contenuto unico e che offre anche la migliore soluzione agli utenti. Questo è un risultato chiave dell'ultimo studio di SearchMetric. Il contenuto pertinente si riferisce al modo in cui le informazioni su un sito Web corrispondono a una query di ricerca. I criteri di pertinenza includono elementi di contenuto come il testo visibile, nonché immagini o video. Inoltre, la pertinenza può essere generata attraverso meta elementi come titolo, meta descrizione e tag alt.

Gli esperti di marketing che comprendono le varie forme di query di ricerca (informative, di navigazione e transazionali) possono creare nuovi contenuti e strutture di pagine attorno a loro. Utili centri di informazioni sull'esperienza dell'utente e su ciò che l'utente desidera realizzare, apprendere o acquistare. I segnali degli utenti sono i veri leader, specialmente nel marketing di ricerca locale.

L'importanza del contesto all'interno dei tuoi contenuti deve corrispondere all'intento di un ricercatore. BERT e MUM sono algoritmi di deep learning correlati all'elaborazione del linguaggio naturale e alla decifrazione dell'intento più facilmente.

Il deep learning fornisce ai ricercatori risposte migliori

Google offre scelte per le query di ricerca che ritiene siano la risposta migliore e forniranno la migliore esperienza utente. A seconda della natura della query, l'ottimizzazione della ricerca semantica può aiutarti a ottenere funzionalità come una casella di risposta per una ricerca medica , un tutorial video o un articolo di ricerca approfondito.

In passato, Google è stato più sfuggente. In un evento live trasmesso in streaming il 23 marzo 2016, Google ha confermato i primi tre segnali di ranking come contenuti, link e RankBrain. Andrey Lipattsev, uno stratega senior per la qualità della ricerca di Google, ha parlato di RankBrain è il punto in cui il machine e il deep learning entrano in gioco e funzionano in tempo reale.

Cambio di paradigma nei fattori di classifica per settore

Il contenuto non riguarda più una tonnellata di pagine e post. Con la proliferazione dei contenuti web, un sito più grande può assorbire negativamente il tuo budget di scansione. I contenuti più pertinenti e personalizzati per l'utente offerti sotto forma di post di istruzioni, suggerimenti, infografiche o gallerie di immagini che offrono esempi di lavori visivi, ad esempio per un imbianchino storico, sono fantastici. Elenchi concisi con chiari passaggi puntati o numerati rendono facile per i lettori che devono seguire le istruzioni.

Questa disposizione degli elementi informativi è parte integrante della progettazione dell'esperienza utente di un sito e dovrebbe essere ben formattata e contrassegnata con uno schema. I dati strutturati non sono pensati per essere un fattore di ranking, ma poiché aiutano a organizzare il contenuto della tua pagina, quel fattore da solo contribuisce alle sue possibilità di classifiche più alte.

La SEO sta decisamente diventando più complessa. Per le persone che una volta praticavano un approccio universale, la chiamata al cambiamento è più drastica. Diversi settori hanno criteri univoci per i fattori di ranking per ottenere una migliore visibilità nei risultati di ricerca pertinenti. Non esiste un approccio ordinato a un fattore per strategie di marketing di successo . Tuttavia, una cosa è chiara, il tuo sito ha bisogno di informazioni di settore valide e ben strutturate .

Searchmetrics ha introdotto che inizierà a pubblicare whitepaper specifici del settore per le aziende nei settori della salute, della finanza, dell'e-commerce, dei media e dei viaggi. La multiforme complessità dei fattori di ranking della ricerca e il modo in cui vengono applicati alle query degli utenti implica un impegno a lungo termine per comprendere quali fattori influenzano il ranking in base alla nicchia, alla concorrenza e alle aspettative degli utenti.

Come ottimizzare per il deep learning?

Preparati al deep learning per entrare a far parte del processo di ottimizzazione del tuo sito web:

1. Centralizza i tuoi dati. Che la tua azienda sia grande o piccola, ci vuole una certa mentalità per ottenere valore dal deep learning e il know-how per ottimizzarlo. Per iniziare, crea un "data lake" o un grafico di dati per aiutarti ad accedere, confrontare e analizzare più facilmente gli input critici delle azioni degli utenti. Fortunatamente, sempre più fonti sono in grado di gestire un'enorme quantità di dati e di aiutare i webmaster, i gestori di account PPC e i professionisti SEO a dargli un senso. Un approfondito SEO Site Audit può contribuire a modi per sfruttare il Deep Learning per fornire più valore ai tuoi lettori.

2. Rendilo la cultura della tua organizzazione. I siti Web che prendono il comando oggi e in futuro richiedevano un processo ben pianificato. Non funziona più solo creare il prossimo post che ispira la tua penna da scrittura. Successo significa fallire a volte, ma fallire in avanti. Esegui rapidamente esperimenti sull'infrastruttura che supporta uno sviluppo rapido e iterativo; testare, misurare e modificare. Fai avanzare la tua cultura organizzativa dal punto di prendere decisioni basate su intuizioni emotive a fare più affidamento su informazioni comprovate sui dati. Quindi il tuo contenuto Web e la struttura dell'ontologia UX possono essere letti meglio dall'apprendimento automatico e funzionare meglio nelle applicazioni di deep learning.

3. Rimani fluido e crea contenuti sempre verdi. Più velocemente impari i concetti di deep learning e come implementarli durante la creazione di nuovi contenuti Web, prima offrirai esperienze utente più straordinarie. Tempo per la ricerca, l'adozione di nuovi corsi, l'esecuzione di esperimenti e la condivisione dei risultati nei forum. Prendi in considerazione l'idea di unirti al corso di Andrew Ng tramite Coursera o di partecipare a un concorso Kaggle.

"Il Deep Learning è una nuova area di ricerca nel Machine Learning che mira a raggiungere il suo obiettivo originale: l'intelligenza artificiale". – Amrita Scuola di Ingegneria ***

“It (machine learning) ha iniziato a produrre risultati sbalorditivi. Il deep learning non serve più solo a creare sistemi anti-spam efficienti; ora alimenta auto a guida autonoma, robot ambulanti, riconoscimento vocale e sintesi a livello umano e molto altro ancora. Questo è uno sviluppo straordinario!” -Consulente di apprendimento automatico Aurelien Geron****

"La metodologia predominante nella formazione del deep learning sostiene l'uso di metodi di discesa del gradiente stocastico (SGD). Nonostante la sua facilità di implementazione, gli SGD sono difficili da mettere a punto e parallelizzare. Questi problemi rendono difficile lo sviluppo, il debug e la scalabilità degli algoritmi di deep learning con gli SGD. Mostriamo che metodi di ottimizzazione standard più sofisticati come BFGS a memoria limitata e gradiente coniugato con ricerca di riga possono semplificare e accelerare significativamente il processo di pre-allenamento di algoritmi profondi. – Andrea NG*

Cosa sono i database di grafi paralleli nativi di Deep Learning?

I database di grafi paralleli nativi di Deep Learning offrono dati per approfondimenti più approfonditi e risultati migliori. L'apprendimento automatico, anche se avanza sotto l'ombrello del deep learning, rimane impegnativo dal punto di vista computazionale e l'apprendimento automatico basato su grafici non fa eccezione. Con ogni nuovo punto di connessione dell'entità o livello di dati connessi, il volume di dati in ogni ricerca aumenta in modo esponenziale. Ciò richiede quindi un calcolo enormemente parallelo per incrociare i dati e comprendere meglio l'intento di ricerca dell'utente .

I database chiave-valore richiedono una connessione adeguata ma con un numero pulito e ridotto di ricerche separate o RDBMS per evitare troppi join lenti. Alcuni database di grafici standard possono finire per avere difficoltà a gestire l'analisi dei collegamenti profondi su grafici di grandi dimensioni. Un database grafico nativo che gestisce l'elaborazione massicciamente parallela e distribuita è il migliore.

Al fine di calcolare e spiegare le ragioni alla base dei suggerimenti di ricerca personalizzati e dell'individuazione di frodi, il database dei grafi dovrebbe disporre di un potente linguaggio di query in grado non solo di attraversare le connessioni nel grafico, ma anche di supportare calcoli come il filtraggio e l'aggregazione e strutture di dati sfaccettate da richiamare la prova. La ricerca concettuale richiede un approccio strutturato ; supporta sia il motore di ricerca che la facilità d'uso dell'utente.

Che cos'è NSL in TensorFlow?

L'apprendimento strutturato neurale, o NSL, in TensorFlow non è così complesso come sembra. È un framework per addestrare reti neurali profonde che si basano su segnali strutturati insieme a input specifici. Questo modello di apprendimento sfrutta Neural Graph Learning per realizzare l'addestramento di reti neurali utilizzando grafici e dati strutturati. Questi sono generati da più fonti come grafici della conoscenza, cartelle cliniche, dati genomici o relazioni multimodali. Ciò supporta anche l'elaborazione del linguaggio naturale utilizzata nell'algoritmo BERT .

In che modo NSL utilizza i grafici ei dati strutturati?

I dati strutturati contengono dati ricchi di relazioni tra entità tra i campioni. Durante la fase di addestramento di un modello ML, il coinvolgimento dei segnali strutturati aiuta a raggiungere una maggiore precisione del modello. I segnali strutturati apportano un metodo e una coerenza migliori all'addestramento di una rete neurale. Ciò si ottiene costringendo il modello ad assimilare previsioni precise e mantenendo la somiglianza strutturale di input. Questo è estremamente utile per gli strateghi del marketing di ricerca in quanto approvano le tecniche SEO migliori .

Non è una sfida facile per il marketing digitale di oggi decifrare l'intento specifico dell'utente. Mettendo da parte le intuizioni e sfruttando i big data ricchi di informazioni chiave , puoi adottare un nuovo approccio. Le solide tecniche di ottimizzazione rimangono fondamentali per le migliori pratiche di e-commerce per migliorare le vendite e l'adesione alle linee guida di ricerca di Google è un prerequisito per un buon posizionamento. La tua architettura UX, l'implementazione dello schema strutturato, la struttura di collegamento pertinente e l'elevata velocità del sito continuano a essere applicabili.

I tradizionali fattori di ranking non sono più in grado di aiutarti a rimanere competitivo. Nuovi algoritmi, nuovo uso della ricerca vocale, più dispositivi, insieme al deep learning e alla sua capacità di analizzare i contenuti del sito Web e comprendere le intenzioni degli utenti in tempo reale sono qui per restare. Hill Web Creations può aiutare a rimuovere i livelli di confusione o il senso di sopraffazione. Il tuo sito web può prosperare con un approccio strutturato ai contenuti come mai prima d'ora e funzionare in modo più efficiente per soddisfare le intenzioni degli utenti .

L'esperienza dell'utente nel mondo del SEO professionale è solo in aumento. Migliorare le metriche di soddisfazione degli utenti sul tuo sito Web e dare la priorità a ciò che funziona per aumentare la percentuale di clic SERP aumenterà i livelli di traffico e conversioni rilevanti. I fattori che abbiamo menzionato in questo articolo sono fortemente correlati anche a classifiche migliori. Google ha costantemente affermato che ciò che stanno cercando è fornire i risultati di ricerca che le persone desiderano. È semplice come il fatto che tu, come tutti gli utenti di Internet, fai clic e ti soffermi sul contenuto che desideri.

Riassumendo pensieri: ottimizzazione del deep learning

In Hill Web Marketing , amiamo quello che facciamo. Potremmo parlare e spiegare cos'è la SEO tutto il giorno! Non ci scusiamo per la nostra passione per la competenza tecnica SEO; significa avere la capacità di offrirti approfondimenti professionali unici per migliorare le esperienze dei clienti sul tuo sito. Segui il nostro blog di marketing di ricerca per notizie fresche e affidabili.

Se desideri saperne di più sui nostri risultati nell'aiutare i siti Web aziendali a posizionarsi meglio, parliamone di persona. Potremmo suggerire di iniziare con un audit dello schema per correzioni e opportunità

* http://www.andrewng.org/portfolio/on-optimization-methods-for-deep-learning/

** https://fatjoe.com/google-page-experience/

*** https://www.amrita.edu/event/workshop-advanced-optimization-deep-learning-applications

**** https://cloud.google.com/blog/products/gcp/the-book-for-getting-hands-on-with-machine-learning-deep-learning-and-tensorflow