Efectuați optimizarea învățării profunde pentru a îndeplini intenția utilizatorului

Cum să realizați optimizarea învățării profunde pentru a îndeplini intenția utilizatorului

Actualizat 2.2.2022

Pentru a vă alinia tendințelor de căutare în deep learning , începeți prin a avea o abordare axată pe utilizator a ceea ce ar trebui să fie pe paginile dvs. web.

Inteligența artificială și învățarea profundă schimbă rapid modul în care industriile precum asistența medicală și serviciile financiare au succes în spațiul online. Optimizarea Deep Learning este acum un subiect de bază în comunitatea Machine Learning, care încearcă să țină pasul cu cele mai recente tehnici de căutare folosind seturile de date Google . Beneficiile pe termen lung ale paginilor foarte structurate construite cu date organizate vor oferi afacerii dvs. rezultate mai bune în clasamentele de căutare.

Trăim vremuri interesante; este inspirant să vezi ce învățare profundă este adusă afacerilor online! Abordările moderne de învățare automată, cum ar fi învățarea profundă, reprezintă începutul viitorului căutării. Creșterea fenomenală a web-ului și a informaticii în învățarea profundă înseamnă că multe companii încă se concentrează pe ceea ce înainte funcționa pentru a ajunge la cumpărători, dar încă le lipsesc conceptele de date structurate SEO . Să acoperim câțiva termeni de bază și să începem.

Cuprins

• Ce este DeepMind pentru Google?
• Cum este învățarea supravegheată diferită de învățarea nesupravegheată pe computer?
• Cum folosește Google Deep Learning?
• Site-urile web trebuie să ofere ceea ce preferă consumatorii
• Factorii de clasare au murit?
• Ce factori de clasare influențează site-urile de afaceri?
• Deep Learning și bazele de date grafice ajută utilizatorii să găsească informații
  • SEO devine din ce în ce mai mult despre relevanța conținutului
  • Învățarea profundă oferă celor care caută răspunsuri mai bune
• Schimbarea de paradigmă a factorilor de clasare pe industrie
• Cum să optimizați pentru Deep Learning?
• Ce sunt bazele de date Native Parallel Graph de Deep Learning?
• Ce este NSL în TensorFlow?
• Rezumat gânduri: optimizarea învățării profunde

Ce este DeepMind pentru Google?

DeepMind pentru Google poartă acronimul DMG. Echipa sa implementează cercetarea de ultimă oră de învățare automată a DeepMind în produsele Google și în infrastructura de căutare Google. Milioane de oameni îl folosesc pentru a pune întrebări și a efectua interogări de căutare fără să cunoască sau să înțeleagă tehnologia din spatele acestuia. Este în culisele algoritmilor actuali de învățare pe computer.

Este util pentru a ajuta companiile să câștige vizibilitate în SERP-uri și vânzări .

Cum este învățarea supravegheată diferită de învățarea nesupravegheată pe computer?

În învățarea supravegheată, un computer este antrenat să prezică etichete desemnate de om, cum ar fi tipul de imagini arborescente etichetate pe bază de arbore; învățarea nesupravegheată nu depinde de etichete. Este capabil să realizeze propriul flux de lucru de predicție, cum ar fi încercarea de a prezice fiecare cuvânt succesiv dintr-o anumită propoziție. Învățarea prin întărire permite unui agent să descopere secvențe de acțiuni care își optimizează beneficiile totale, cum ar fi câștigarea jocurilor și prezicerea alegerilor, fără exemple explicite de tehnici bune, permițând autonomie.

Cum folosește Google Deep Learning?

Un exemplu al modului în care Google utilizează Deep Learning este Google Maps. Datele agregate privind locația pot fi folosite pentru a înțelege traficul, datele istorice ale utilizatorilor și condițiile de trafic live. Folosirea învățării automate pentru a genera predicții ajută pe cineva care folosește Google Maps să navigheze. Ei pot afla dacă traficul rutier de-a lungul rutei lor de afaceri este intens sau ușor, un timp estimat de călătorie și ora estimată de sosire (ETA).

AI de recunoaștere a vorbirii Google Assistant folosește rețele neuronale profunde pentru a-și antrena algoritmul cum să înțeleagă mai bine comenzile și întrebările vorbite. Sistemul a fost actualizat pentru a funcționa pe o nouă platformă numită Google Neural Machine Translation; aceasta a implicat mutarea totul într-un mediu de învățare profundă.

Cu toate acestea, există multe moduri în care gigantul tehnologic folosește această tehnologie - multe despre care numai angajații lor le cunosc.

Site-urile web trebuie să ofere ceea ce preferă consumatorii

Prezența afacerii dvs. online și veniturile merită audituri continue, reflecție, planificare și pregătire pentru a rămâne la curent
crearea de conținut web pe care utilizatorii doresc să îl consume . Dar oferă, de asemenea, agenților de marketing digital șansa de a îmbunătăți abordările și de a profita de noi oportunități în mod diferit atât în ​​căutarea câștigată, cât și în cea plătită .

Bineînțeles, studiul continuu este să cunoască în prealabil ce întrebări ale utilizatorilor vor apărea și ce conținut trebuie pregătit, ceea ce poate fi un pas major către inteligența generală de care are nevoie afacerea ta. Învățarea profundă demonstrează că crearea de conținut mai bun în articole de formă lungă generează mai multă implicare a utilizatorilor și vânzări decât producerea mai multor conținut de mai puțină valoare.

Sandford.edu spune: „Ideea de a folosi GPU-uri pentru antrenarea algoritmilor de învățare profundă a fost propusă pentru prima dată în 2009”. De atunci, a efectuat multe experimente pentru a înțelege cum funcționează diferiți algoritmi de optimizare a învățării profunde și oferă instruire continuă. În plus, cartea albă anuală Searchmetrics Ranking Factors ** face o declarație uluitoare că factorii tradiționali de clasare web au devenit irelevanți.

Pentru mulți, actualizările modului în care funcționează SEO în acest an reprezintă o nouă știință rachetă care implică utilizarea învățării profunde. Înțelegem orele necesare pentru a determina impactul asupra domeniului dvs. de afaceri și ne place să ajutăm afacerile din Minneapolis să-și dezvolte prezența online.

Experții în marketing în căutare nu folosesc doar marcajul esențial al Datelor structurate , așa cum este descris pe schema.org și pe paginile Google Developers, pentru a câștiga informații despre panouri bogate de cunoștințe și fragmente îmbogățite. Acestea sunt surse multiple care explică cum funcționează căutarea și unde va crește pentru o utilizare îmbunătățită în viitor. Evoluează rapid și merită să-i acordăm mult mai multă atenție.

Factorii de clasare au murit?

Factorii tehnici SEO rămân importanți și ar trebui rezolvați pe un domeniu pentru a menține un scor de optimizare SEO sănătos. Peisajul de căutare în evoluție și creșterea totală a volumului de căutări creează un loc de muncă mai mare pentru motoarele de căutare. Specialiștii în marketing trebuie să înțeleagă rapid și să implementeze o strategie de căutare mai bună pentru a fi competitivi în căutarea pentru desktop, mobil, voce și imagini. Dacă codarea site-ului dvs. este învechită, ruptă sau umflată, nu ar trebui să vă așteptați ca motoarele de căutare să favorizeze site-ul dvs. în clasamentele de căutare.

Fiecare site se confruntă cu același fapt, calitatea, relevanța, corectitudinea și unicitatea conținutului dvs. sunt internalizate și judecate de Google, împreună cu numărul de backlink-uri relevante. FatJoe vorbește despre noua experiență pe pagină de la Google**; care subliniază acest lucru. Dacă conținutul tău nu este considerat cel mai bun răspuns, nu vei fi recompensat cu clasamente mai înalte și o vizibilitate mai bună în SERP-uri. Puteți câștiga multă vizibilitate directă a mărcii afișând în casetele People Also Ask . Abordarea mai nouă se referă mai mult la relevanța conținutului și la satisfacerea cerințelor utilizatorilor. De exemplu, dacă paginile dvs. web sunt pline de pixeli de încărcare lentă, acesta este un factor de clasare tehnic. Utilizatorii care nu așteaptă din cauza problemelor cu viteza de încărcare sunt în creștere.

CE FACTORI DE CLASARE IMPACT SITE-URI DE AFACERI?

Iată lista exactă a celor mai bune perspective ale noilor factori de clasare pe care i-a descoperit SearchMetrics :

• Algoritmul de învățare profundă Google se adaptează acum la interogări și funcționează în timp real.
• Relevanța conținutului este un nou factor de clasare și este forța motrice din spatele obținerii de top.
• Factorii tehnici rămân o condiție prealabilă pentru clasamente bune, dar aceste elemente singure nu mai sunt suficiente.
• Backlink-urile sunt acum pur și simplu unul dintre mulți factori care contribuie; clasamentele înalte sunt chiar posibile pentru site-urile web fără linkuri.

Deep Learning și bazele de date grafice ajută utilizatorii să găsească informații

Un alt factor în crearea de conținut de înaltă calitate este trecerea la furnizarea unei noi postări sau articol bazate pe un subiect, în comparație cu tematica de cuvinte cheie. Tot ceea ce publicați online devine parte din Knowledge Graph și vă demonstrează expertiza în domeniu, subiectele în care sunteți o autoritate și conținutul relevant pe care ați produs pentru a-l dovedi.

Investiția crescută în învățarea profundă, inteligența artificială și învățarea automată se concentrează toate pe relevanța conținutului, care înlocuiește abordările de modă veche ale optimizării campaniilor SEO și PPC. Prezicerea modelelor de comportament ale consumatorilor folosind algoritmi de învățare profundă este acum mai ușoară ca niciodată.

Vizitatorii site-ului ar trebui să poată prospera cu soluțiile pe care le oferiți care rezolvă probleme complexe. Bazele de date cu grafice și învățarea profundă îi ajută pe utilizatori să găsească cine a spus ceea ce pe subiectele lor de căutare. Și dincolo de asta, ar trebui să includă exact când a fost spus, ce canal îl prezintă și unde au spus-o. De acolo, utilizatorii speră să vă sune, să completeze un formular, să se conecteze pe canalele sociale, să finalizeze achiziția unui coș de cumpărături, să conducă direct la magazinul dvs. sau să facă un alt pas pozitiv pentru a se conecta.

Aveți grijă să puneți prea mult accent pe clasarea cuvintelor cheie, deoarece această valoare din rezultatele căutării se schimbă către SERP-uri bazate pe entități . Alegerea Google pentru a produce rezultate de căutare variază în funcție de o serie de criterii asortate.

Două au prioritate în experiența noastră:

• Geolocalizare. Rezultatele căutării utilizatorilor sunt ajustate în funcție de longitudinea și latitudinea de unde se află chiar atunci. Acest lucru afectează nu numai căutarea locală și marketingul Google Maps, ci și aspecte suplimentare ale clasamentului căutării organice. În timp ce „lângă mine” face de obicei parte din interogările de căutare, chiar dacă nu, GoogleBot va afișa în mod natural rezultate în apropierea dvs. O tactică care stimulează cu adevărat SEO local pentru unele site-uri este implementarea de marcare a schemei de afaceri locale .

• Preferințe personale stabilite. Toate motoarele de căutare majore stochează continuu informații despre modul în care dvs. și alții utilizați web-ul. Aceasta formează un model de căutare personalizată. Aceste informații sunt stocate și cloud și devin date mari utilizate pentru a oferi rezultate de căutare mai relevante. Înregistrările tale GPS, istoricul browserului, tweet-urile și multe altele modelează modul în care SERP-urile caută să se potrivească preferințelor tale.

SEO devine din ce în ce mai mult despre relevanța conținutului

Companiile care găsesc îmbunătățiri în clasamentul site-urilor lor descoperă că acest lucru se datorează paginilor cu o relevanță fantastică de conținut unic și care oferă, de asemenea, cea mai bună soluție pentru utilizatori. Aceasta este o descoperire cheie din cel mai recent studiu al SearchMetric. Conținutul relevant se referă la cât de bine corespund informațiile de pe un site web unei interogări de căutare. Criteriile de relevanță includ elemente de conținut precum textul vizibil, precum și imagini sau videoclipuri. În plus, relevanța poate fi generată prin meta elemente precum titlu, meta description și etichete alt.

Specialiștii de marketing care înțeleg diferitele forme de interogări de căutare (informaționale, de navigare și tranzacționale) pot crea conținut nou și structură de pagină în jurul lor. Informațiile utile se concentrează pe experiența utilizatorului și pe ceea ce utilizatorul dorește să realizeze, să învețe sau să cumpere. Semnalele utilizatorilor sunt adevărații lideri, în special în marketingul de căutare local.

Importanța contextului în conținutul dvs. trebuie să se potrivească cu intenția celui care caută. BERT și MUM sunt algoritmi de învățare profundă care sunt legați de procesarea limbajului natural și descifrează mai ușor intenția.

Învățarea profundă oferă celor care caută răspunsuri mai bune

Google oferă opțiuni pentru interogările de căutare despre care consideră că sunt cel mai bun răspuns și va oferi cea mai bună experiență de utilizare. În funcție de natura interogării, optimizarea căutării semantice vă poate ajuta să câștigați funcții precum o casetă de răspuns pentru o căutare medicală , un tutorial video sau un articol de cercetare aprofundată.

În trecut, Google a fost mai evaziv. Într-un eveniment transmis în direct pe 23 martie 2016, Google a confirmat primele trei semnale de clasare ca fiind conținut, linkuri și RankBrain. Andrey Lipattsev, un strateg senior al calității căutării la Google, a vorbit despre RankBrain este locul în care învățarea automată și deep learning intră în joc și funcționează în timp real.

Schimbarea de paradigmă a factorilor de clasare pe industrie

Conținutul nu mai este despre o tonă de pagini și postări. Odată cu proliferarea conținutului web, un site mai mare poate absorbi negativ bugetul de accesare cu crawlere. Conținutul mai relevant, adaptat pentru a se potrivi utilizatorilor, oferit sub forma unei postări, sfaturi, infografice sau galerii de imagini care oferă exemple de lucrări vizuale, cum ar fi pentru un pictor istoric, sunt grozave. Listele concise cu pași clari marcați sau numerotați facilitează cititorii care trebuie să urmeze instrucțiunile.

Această aranjare a elementelor informaționale este o parte integrantă a designului UX al unui site și ar trebui să fie bine formatată și marcată cu o schemă. Datele structurate nu sunt menite să fie un factor de clasare, dar deoarece ajută la organizarea conținutului paginii dvs., doar acel factor contribuie la șansele sale de clasare mai înaltă.

SEO devine cu siguranță din ce în ce mai complex. Pentru persoanele care au practicat cândva o abordare universală, apelul la schimbare este mai drastic. Diferitele industrii au criterii unice pentru factorii de clasare pentru a obține o vizibilitate îmbunătățită în rezultatele căutării relevante. Nu există o abordare ordonată cu un singur factor pentru strategiile de marketing de succes . Cu toate acestea, un lucru este clar, site-ul dvs. are nevoie de informații valide din domeniu, bine structurate .

Searchmetrics a prezentat că va începe să publice documente albe specifice industriei pentru companiile din sectoarele Sănătate, Finanțe, Comerț electronic, Media și Călătorii. Complexitatea multiple a factorilor de clasare în căutare și modul în care aceștia sunt aplicați la interogările utilizatorilor implică un angajament pe termen lung de a înțelege ce factori afectează clasamentele în funcție de nișa, concurența și așteptările utilizatorilor.

Cum să optimizați pentru Deep Learning?

Pregătiți-vă pentru învățarea profundă pentru a deveni parte a procesului de optimizare a site-ului dvs. web prin:

1. Centralizează-ți datele. Indiferent dacă compania dvs. este mare sau mică, este nevoie de o anumită mentalitate pentru a obține valoare din învățarea profundă și know-how pentru a optimiza pentru aceasta. Pentru a începe, creați un „lac de date” sau un grafic de date pentru a vă ajuta să accesați, să comparați și să analizați mai ușor intrările critice ale acțiunilor utilizatorului. Din fericire, din ce în ce mai multe surse sunt capabile să gestioneze o cantitate enormă de date și să ajute webmasterii, managerii de conturi PPC și profesioniștii SEO să-și dea sens. Un audit SEO aprofundat al site-ului poate contribui la modalități de a folosi Deep Learning pentru a oferi mai multă valoare cititorilor tăi.

2. Transformă-l în cultura organizației tale. Site-urile web care preiau conducerea astăzi și în viitor au necesitat un proces bine planificat. Nu mai funcționează doar să creezi următoarea postare care să-ți inspire stiloul de scris. Succesul înseamnă a eșua uneori, dar a eșuat înainte. Rulați rapid experimente pe infrastructura care acceptă dezvoltarea rapidă, iterativă; testați, măsurați și ajustați. Avansați-vă cultura organizațională de la punctul de a lua decizii bazate pe bănuieli emoționale până la baza mai mult pe informații dovedite ale datelor. Apoi, conținutul dvs. web și structura ontologiei UX pot fi citite mai bine de învățarea automată și pot funcționa mai bine în aplicațiile de învățare profundă.

3. Rămâi fluid și creează conținut ecologic. Cu cât învățați mai repede conceptele de învățare profundă și cum să le implementați atunci când creați conținut web nou, cu atât mai devreme veți oferi experiențe de utilizator mai minunate. Pregătiți timp pentru cercetare, urmați cursuri noi, desfășurați experimente și împărtășiți rezultatele pe forumuri. Luați în considerare să vă alăturați cursului lui Andrew Ng prin Coursera sau să participați la un concurs Kaggle.

„Deep Learning este o nouă zonă de cercetare în Machine Learning, care își propune să-și atingă obiectivul inițial: Inteligența artificială.” – Școala de Inginerie Amrita ***

„Învățarea automată a început să producă rezultate uluitoare. Învățarea profundă nu mai este doar pentru a face sisteme eficiente anti-spam; acum alimentează mașinile care se conduc singure, roboți care merg pe jos, recunoașterea și sinteza vorbirii la nivel uman și multe, multe altele. Aceasta este o dezvoltare uimitoare!” -Consultant în învățare automată Aurelien Geron****

„Metodologia predominantă în formarea învățării profunde susține utilizarea metodelor de coborâre a gradientului stocastic (SGD). În ciuda ușurinței sale de implementare, SGD-urile sunt dificil de reglat și paralelizat. Aceste probleme fac dificilă dezvoltarea, depanarea și extinderea algoritmilor de învățare profundă cu SGD. Arătăm că metodele de optimizare mai sofisticate, cum ar fi BFGS cu memorie limitată și gradient de conjugare cu căutare în linie, pot simplifica și accelera în mod semnificativ procesul de preantrenare a algoritmilor profundi. – Andrew NG*

Ce sunt bazele de date Native Parallel Graph de Deep Learning?

Bazele de date Native Parallel Graph Deep Learning oferă date pentru informații mai profunde și rezultate mai bune. Învățarea automată, chiar dacă avansează sub umbrela învățării profunde, rămâne solicitantă din punct de vedere computațional, iar învățarea automată bazată pe grafice nu face excepție. Cu fiecare nou punct de conectare la entitate sau nivel de date conectate, volumul de date din fiecare căutare se mărește exponențial. Acest lucru necesită apoi un calcul masiv paralel pentru a încrucișa datele și pentru a înțelege mai bine intenția de căutare a utilizatorului .

Bazele de date cheie-valoare au nevoie de o conexiune adecvată, dar cu un număr curat și redus de căutări separate sau RDBMS pentru a evita prea multe alături lente. Unele baze de date standard de grafice pot ajunge să se lupte să gestioneze analiza legăturilor profunde pe grafice mari. O bază de date nativă cu grafice care gestionează procesarea masivă paralelă și distribuită este cea mai bună.

Pentru a calcula și a explica motivele din spatele sugestiilor de căutare personalizate și a descoperirii fraudelor, baza de date cu grafice ar trebui să aibă un limbaj de interogare puternic, care nu numai că poate traversa conexiunile din grafic, ci și să sprijine calcule, cum ar fi filtrarea și agregarea și structurile de date cu mai multe fațete pentru a reaminti. probele. Căutarea conceptuală necesită o abordare structurată ; acceptă atât motorul de căutare, cât și ușurința de utilizare a utilizatorului.

Ce este NSL în TensorFlow?

Învățarea Neural Structured, sau NSL, în TensorFlow nu este atât de complexă pe cât pare. Este un cadru pentru antrenarea rețelelor neuronale profunde care se bazează pe semnale structurate împreună cu intrări specifice. Acest model de învățare folosește Neural Graph Learning pentru a realiza antrenarea rețelelor neuronale folosind grafice și date structurate. Acestea sunt generate de mai multe surse, cum ar fi grafice de cunoștințe, dosare medicale, date genomice sau relații multimodale. Acest lucru sprijină, de asemenea, procesarea limbajului natural utilizat în algoritmul BERT .

Cum utilizează NSL graficele și datele structurate?

Datele structurate conțin date bogate privind relațiile entitate dintre eșantioane. În timpul fazei de antrenament a unui model ML, angajarea semnalelor structurate ajută la atingerea unei precizii mai ridicate a modelului. Semnalele structurate aduc o metodă mai bună și consistență pentru antrenamentul unei rețele neuronale. Acest lucru se realizează forțând modelul să asimileze predicții precise, precum și menținând similaritatea structurală de intrare. Acest lucru este extrem de util pentru strategii de marketing de căutare, deoarece aprobă care tehnici SEO sunt cele mai bune .

Nu este o provocare ușoară pentru agentul de marketing digital de azi să descifreze intențiile specifice ale utilizatorului. Lăsând deoparte bănuielile și valorificând datele mari cu informații cheie , puteți adopta o nouă abordare. Tehnicile solide de optimizare rămân fundamentale pentru cele mai bune practici de comerț electronic pentru a îmbunătăți vânzările , iar aderarea la Regulile de căutare Google este o condiție prealabilă pentru o bună clasare. Arhitectura dvs. UX, implementarea schemei structurate, structura de legături relevantă și viteza rapidă a site-ului continuă să fie aplicabile.

Factorii tradiționali de clasare nu vă mai pot ajuta să rămâneți competitiv. Noi algoritmi, o nouă utilizare a căutării vocale, mai multe dispozitive, împreună cu învățarea profundă și capacitatea sa de a analiza conținutul site-ului web și de a înțelege intenția utilizatorului în timp real sunt aici pentru a rămâne. Hill Web Creations poate ajuta la eliminarea nivelurilor de confuzie sau a sentimentului de a fi copleșit. Site-ul dvs. web poate prospera cu o abordare structurată a conținutului , așa cum nu a mai făcut-o până acum și poate funcționa mai eficient pentru a se potrivi cu intenția utilizatorului .

Experiența utilizatorului în lumea SEO profesională este doar în creștere. Îmbunătățirea valorilor de satisfacție a utilizatorilor pe site-ul dvs. și prioritizarea a ceea ce funcționează pentru a crește rata de clic SERP va crește nivelurile de trafic și conversii relevante. Factorii pe care i-am menționat în acest articol se corelează puternic și cu clasamente mai bune. Google a afirmat în mod constant că ceea ce caută este să ofere rezultatele căutării pe care oamenii le doresc. Este la fel de simplu ca și faptul că tu, la fel ca toți utilizatorii de internet, faceți clic și vă opriți asupra conținutului dorit.

Rezumat gânduri: optimizarea învățării profunde

La Hill Web Marketing , ne place ceea ce facem. Am putea vorbi și explica ce este SEO toată ziua! Nu ne cerem scuze pentru pasiunea noastră pentru expertiza tehnică SEO; înseamnă a avea capacitatea de a vă oferi perspective profesionale unice pentru a îmbunătăți experiențele clienților pe site-ul dvs. Urmărește blogul nostru de marketing de căutare pentru știri proaspete și de încredere.

Dacă doriți să aflați mai multe despre realizările noastre în a ajuta site-urile web de afaceri să se clasifice mai bine, să vorbim personal. Vă putem sugera să începeți cu un audit de schemă pentru corecții și oportunități

* 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