進行深度學習優化以滿足用戶意圖

如何進行深度學習優化以滿足用戶意圖

2.2.2022 更新

為了與深度學習中的搜索趨勢保持一致，首先要採用以用戶為中心的方法來處理網頁上的內容。

人工智能和深度學習正在迅速改變醫療保健和金融服務等行業在在線領域取得成功的方式。 深度學習優化現在是機器學習社區的一個核心話題，旨在跟上使用谷歌數據集的最新搜索技術。 使用有組織的數據構建的高度結構化頁面的長期利益將為您的業務提供更好的搜索排名結果。

我們生活在激動人心的時代； 看到深度學習為在線業務帶來了什麼令人鼓舞！ 現代機器學習方法，例如深度學習，是搜索未來的開端。 網絡和計算機科學在深度學習中的顯著增長意味著許多企業仍然專注於以前的工作來吸引買家，但仍然缺少SEO 結構化數據的概念。 讓我們介紹一些基本術語並開始吧。

目錄

• 谷歌的 DeepMind 是什麼？
• 監督學習與無監督計算機學習有何不同？
• 谷歌如何使用深度學習？
• 網站必須提供消費者喜歡的東西
• 排名因素死了嗎？
• 哪些排名因素會影響商業網站？
• 深度學習和圖數據庫幫助用戶定位信息
  • SEO越來越關注內容相關性
  • 深度學習為搜索者提供更好的答案
• 行業排名因素的範式轉變
• 如何針對深度學習進行優化？
• 什麼是深度學習原生並行圖數據庫？
• TensorFlow 中的 NSL 是什麼？
• 總結思路：深度學習優化

谷歌的 DeepMind 是什麼？

谷歌的 DeepMind 的縮寫是 DMG。 其團隊將 DeepMind 的尖端機器學習研究應用於 Google 產品和 Google 搜索基礎架構。 數以百萬計的人在不了解或不了解其背後的技術的情況下使用它來提問和進行搜索查詢。 它位於當前計算機學習算法的幕後。

它有助於幫助企業贏得 SERP 和銷售的知名度。

監督學習與無監督計算機學習有何不同？

在監督學習中，計算機被訓練來預測人類指定的標籤，例如基於樹的標記樹圖片的類型； 無監督學習不依賴於標籤。 它能夠製作自己的預測工作流程，例如嘗試預測特定句子中的每個連續單詞。 強化學習允許代理髮現優化其總收益的動作序列，例如贏得比賽和預測選舉，而無需明確的良好技術示例，從而實現自主性。

谷歌如何使用深度學習？

谷歌如何使用深度學習的一個例子是谷歌地圖。 聚合位置數據可用於了解交通、歷史用戶數據和實時交通狀況。 使用機器學習生成預測有助於使用 Google 地圖進行導航的人。 他們可以了解他們的商業路線上的道路交通是繁忙還是輕鬆、估計的旅行時間和估計的到達時間 (ETA)。

它的 Google Assistant 語音識別 AI 使用深度神經網絡來訓練其算法如何更好地理解口頭命令和問題。 該系統已更新為在一個名為 Google 神經機器翻譯的新平台上運行； 這涉及將所有內容轉移到深度學習環境中。

然而，這家科技巨頭使用這項技術的方式有很多——其中很多只有他們的員工知道。

網站必須提供消費者喜歡的東西

您的在線業務存在和收入值得持續審核、反思、規劃和準備如何保持最新狀態
創建用戶想要消費的網頁內容。 但它也讓數字營銷人員有機會改進方法並以不同的方式在賺取和付費搜索中抓住新機會。

自然地，持續研究會提前了解哪些用戶問題將出現以及要準備哪些內容，這可能是朝著您的業務所需的通用智能邁出的重要一步。 深度學習證明，在長篇文章中創建更好的內容比產生更多價值較低的內容產生更多的用戶參與和銷售。

Sandford.edu 說：“使用 GPU 訓練深度學習算法的想法於 2009 年首次提出”。 此後，它進行了許多實驗，以了解不同的深度學習優化算法如何執行並提供持續的培訓。 此外，年度Searchmetrics 排名因素白皮書** 發表了令人震驚的聲明，即傳統的網絡排名因素已變得無關緊要。

對於許多人來說，今年 SEO 工作方式的更新是涉及使用深度學習的新火箭科學。 我們了解確定對您的業務領域的影響所需的時間，並且樂於幫助明尼阿波利斯的企業發展他們的在線業務。

搜索營銷專家不僅使用 schema.org 和 Google Developers 頁面上描述的基本結構化數據標記來獲取有關豐富知識面板和豐富摘要的信息。 這些是多個來源，闡述了搜索的工作原理以及它將在哪裡增長以改進未來的使用。 它發展迅速，值得更多關注。

排名因素死了嗎？

技術 SEO 因素仍然很重要，應該在域上解決以保持健康的SEO 優化分數。 不斷發展的搜索環境和搜索量的急劇增加為搜索引擎創造了更大的工作。 營銷人員必須快速了解並實施更好的搜索策略，以便在桌面、移動、語音和圖像搜索中具有競爭力。 如果您網站的編碼過時、損壞或臃腫，您不應期望搜索引擎在搜索排名中偏愛您的網站。

每個網站都面臨著同樣的事實，您的內容的質量、相關性、正確性和獨特性，以及相關反向鏈接的數量都由 Google 內部化和判斷。 FatJoe 談論 Google 的新頁面體驗**； 這強調了這一點。 如果您的內容被認為不是最佳答案，您將不會在 SERP 中獲得更高的排名和更好的可見性。 通過出現在 People Also Ask 框中，您可以獲得很多直接的品牌知名度。 較新的方法更多地關注內容相關性和滿足用戶需求。 例如，如果您的網頁因加載緩慢的像素而陷入困境，這是一個技術排名因素。 由於加載速度問題而沒有等待的用戶數量正在增加。

哪些排名因素會影響商業網站？

以下是SearchMetrics發現的新排名因素的主要見解的確切列表：

• 谷歌的深度學習算法現在可以適應查詢並實時運行。
• 內容相關性是一個新的排名因素——它是獲得最高排名的驅動力。
• 技術因素仍然是良好排名的先決條件，但僅憑這些因素已經不夠了。
• 反向鏈接現在只是眾多促成因素之一； 無鏈接網站甚至可能獲得高排名。

深度學習和圖數據庫幫助用戶定位信息

創建高質量內容的另一個因素是轉向提供基於主題而不是關鍵字主題的新帖子或文章。 您在線發布的所有內容都將成為您知識圖譜的一部分，並展示您的行業專業知識、您在哪些主題上是權威，以及您製作了哪些相關內容來證明這一點。

對深度學習、人工智能和機器學習的投資增加都集中在內容相關性上，取代了老式的 SEO 和 PPC 活動優化方法。 使用深度學習算法預測消費者行為模式現在比以往任何時候都容易。

網站訪問者應該能夠在您提供的解決複雜問題的解決方案中茁壯成長。 圖形數據庫和深度學習幫助用戶找到誰在他們的搜索主題上說了什麼。 除此之外，它還應包括何時說、哪個頻道有特色，以及他們在哪裡說的。 從那裡，用戶希望給你打電話，填寫表格，連接社交渠道，完成購物車購買，直接開車到你的商店，或者採取其他一些積極的行動步驟來連接。

請注意不要過分強調關鍵字排名，因為搜索結果中的這一指標正在轉向基於實體的 SERP 。 Google 對生成搜索結果的選擇因多種標準而異。

在我們的經驗中，有兩個優先：

• 地理位置。 用戶搜索結果會根據他們當時所在位置的經度和緯度進行調整。 這不僅會影響本地搜索和谷歌地圖營銷，還會影響自然搜索排名的其他方面。 雖然“靠近我”通常是搜索查詢的一部分，但即使不是，GoogleBot 也會自然地在您附近顯示結果。 真正推動某些網站的本地 SEO 的一種策略是實施本地業務模式標記。

• 確定的個人偏好。 所有主要的搜索引擎都在不斷地儲存有關您和其他人如何使用網絡的信息。 這形成了一種稱為個性化搜索的模式。 這些信息被存儲和雲化，成為用於提供更多相關搜索結果的大數據。 您的 GPS 記錄、瀏覽器歷史記錄、推文等決定了 SERP 如何尋求匹配您的偏好。

SEO越來越關注內容相關性

發現網站排名有所提高的企業發現，這是由於頁面具有出色的獨特內容相關性，並且也為用戶提供了最佳解決方案。 這是 SearchMetric 最新研究的一個重要發現。 相關內容是指網站上的信息與搜索查詢的對應程度。 相關性標準包括內容元素，如可見文本以及圖像或視頻。 此外，可以通過標題、元描述和 alt 標籤等元元素生成相關性。

理解各種形式的搜索查詢（信息、導航和交易）的營銷人員可以圍繞它們創建新的內容和頁面結構。 有用的信息集中在用戶體驗和用戶想要完成、學習或購買的內容上。 用戶信號是真正的領導者，尤其是在本地搜索營銷中。

內容中上下文的重要性需要與搜索者的意圖相匹配。 BERT 和 MUM 是與自然語言處理相關的深度學習算法，更容易破譯意圖。

深度學習為搜索者提供更好的答案

Google 為其認為是最佳答案並將提供最佳用戶體驗的搜索查詢提供選擇。 根據查詢的性質，語義搜索優化可以幫助您贏得諸如醫學搜索答案框、視頻操作教程或深入研究文章等功能。

過去，谷歌更加難以捉摸。 在 2016 年 3 月 23 日的流媒體直播活動中，谷歌確認排名前三的信號是內容、鏈接和 RankBrain。 谷歌搜索質量高級策略師 Andrey Lipattsev 談到 RankBrain 是機器和深度學習實時發揮作用的地方。

行業排名因素的範式轉變

內容不再是大量的頁面和帖子。 隨著網絡內容的激增，更大的網站可能會對您的抓取預算產生負面影響。 以操作方法帖子、提示、信息圖表或圖片庫的形式提供的更相關、量身定制的用戶內容，提供視覺作品示例，例如為歷史悠久的房屋畫家提供的示例，非常棒。 帶有清晰項目符號或編號步驟的簡明列表使需要遵循說明的讀者更容易。

這種信息元素的排列是網站用戶體驗設計的一個組成部分，應該有良好的格式並用模式標記。 結構化數據並不意味著成為排名因素，但由於它有助於組織頁面的內容，因此僅該因素就有助於提高排名的機會。

搜索引擎優化肯定會變得更加複雜。 對於曾經實行一刀切的方法的人來說，改變的呼聲更加激烈。 不同行業對排名因素有獨特的標準，以提高相關搜索結果的可見度。 成功的營銷策略沒有統一的單因素方法。 但是，有一點很清楚，您的網站需要結構良好的有效行業信息。

Searchmetrics 介紹說，它將開始為健康、金融、電子商務、媒體和旅遊行業的企業發布特定行業的白皮書。 搜索排名因素的多方面複雜性，以及它們如何應用於用戶查詢，需要長期致力於了解哪些因素會根據您的利基、競爭和用戶期望影響排名。

如何針對深度學習進行優化？

通過以下方式準備深度學習成為您網站優化過程的一部分：

1. 集中您的數據。 無論您的公司是大公司還是小公司，都需要一定的心態才能從深度學習中獲得價值，以及如何針對它進行優化。 首先，創建一個“數據湖”或數據圖，以幫助您更輕鬆地訪問、比較和分析用戶操作的關鍵輸入。 幸運的是，越來越多的資源能夠處理大量數據並幫助網站管理員、PPC 客戶經理和 SEO 專業人員理解這些數據。 深入的 SEO 站點審核有助於利用深度學習為讀者提供更多價值。

2. 讓它成為你組織的文化。 今天和未來處於領先地位的網站需要一個精心策劃的過程。 僅僅創建下一個激發您的書寫筆靈感的帖子不再起作用。 成功意味著有時會失敗，但會失敗。 在支持快速迭代開發的基礎架構上快速運行實驗； 測試、測量和調整。 從基於情感預感做出決策到更多地依賴經過驗證的數據洞察力，提升您的組織文化。 然後，您的 Web 內容和UX 本體結構可以通過機器學習更好地閱讀，並在深度學習應用程序中表現更好。

3. 保持流暢並創建常綠內容。 在創建新的 Web 內容時，您學習深度學習概念以及如何實施它們的速度越快，您就越早提供更出色的用戶體驗。 預留時間進行研究、學習新課程、進行實驗並在論壇中分享您的結果。 考慮通過 Coursera 加入 Andrew Ng 的課程，或參加 Kaggle 比賽。

“深度學習是機器學習的一個新研究領域，旨在實現其最初的目標：人工智能。” – Amrita 工程學院 ***

“它（機器學習）已經開始產生驚人的結果。 深度學習不再只是為了製作高效的反垃圾郵件系統； 現在它正在為自動駕駛汽車、步行機器人、人類水平的語音識別和合成等等提供動力。 這是一個了不起的發展！” -機器學習顧問 Aurelien Geron****

“訓練深度學習的主要方法提倡使用隨機梯度下降法（SGD）。 儘管易於實施，但 SGD 難以調整和並行化。 這些問題使得使用 SGD 開發、調試和擴展深度學習算法具有挑戰性。 我們展示了更複雜的現成優化方法，例如有限內存 BFGS 和帶有線搜索的共軛梯度，可以顯著簡化和加速預訓練深度算法的過程。 ——吳恩達*

什麼是深度學習原生並行圖數據庫？

深度學習本機並行圖數據庫提供數據以獲得更深入的洞察力和更好的結果。 機器學習，即使它在深度學習的保護傘下取得進展，仍然對計算要求很高，基於圖的機器學習也不例外。 隨著實體連接的每一個新點或連接數據的級別，每次搜索中的數據量都呈指數級增長。 這需要大規模並行計算來交叉數據並更好地理解用戶搜索意圖。

鍵值數據庫需要正確的連接，但要減少單獨查找或 RDBMS 的數量，以避免過多的慢速連接。 一些標準的圖形數據庫最終可能難以處理大型圖形上的深度鏈接分析。 管理大規模並行和分佈式處理的本機圖形數據庫是最好的。

為了計算和解釋個性化搜索建議和欺詐發現背後的原因，圖數據庫應該具有強大的查詢語言，不僅可以遍歷圖中的連接，還可以支持過濾和聚合等計算以及多方面的數據結構進行召回證據。 概念搜索需要結構化的方法； 它支持搜索引擎和用戶的易用性。

TensorFlow 中的 NSL 是什麼？

TensorFlow 中的神經結構化學習（NSL）並不像聽起來那麼複雜。 它是一個訓練依賴結構化信號和特定輸入的深度神經網絡的框架。 該學習模型利用神經圖學習來完成使用圖和結構化數據訓練神經網絡。 這些是由多個來源生成的，例如知識圖、醫療記錄、基因組數據或多模態關係。 這也支持BERT 算法中使用的自然語言處理。

NSL 如何使用圖形和結構化數據？

結構化數據包含樣本之間豐富的實體關係數據。 在 ML 模型的訓練階段，使用結構化信號有助於達到更高的模型精度。 結構化信號為神經網絡的訓練帶來了更好的方法和一致性。 這是通過強制模型同化精確預測以及保持輸入結構相似性來實現的。 這對於搜索營銷策略師來說非常有用，因為他們認可哪種 SEO 技術是最好的。

對於當今的數字營銷人員來說，破譯特定的用戶意圖並非易事。 通過擱置預感並利用富含關鍵洞察力的大數據，您可以採用一種新方法。 紮實的​​優化技術仍然是電子商務最佳實踐以提高銷售額的基礎，遵守 Google 的搜索指南是良好排名的先決條件。 您的 UX 架構、結構化模式實現、相關鏈接結構和快速的站點速度將繼續適用。

傳統的排名因素不再能夠幫助您保持競爭力。 新算法、語音搜索的新用途、更多設備，再加上深度學習及其實時分析網站內容和了解用戶意圖的能力，這些都將繼續存在。 Hill Web Creations 可以幫助消除混亂或不知所措的感覺。 您的網站可以採用前所未有的結構化方法來處理內容，並且可以更有效地匹配用戶意圖。

專業 SEO 世界中的用戶體驗只會越來越多。 改善您網站上的用戶滿意度指標並優先考慮提高 SERP 點擊率的方法將提高相關流量和轉化率。 我們在本文中提到的因素也與更好的排名密切相關。 谷歌一直表示，他們尋求的是提供個人想要的搜索結果。 就像所有互聯網用戶一樣，您可以點擊並查看您想要的內容，這很簡單。

總結思路：深度學習優化

在Hill Web Marketing ，我們熱愛我們的工作。 我們可以整天談論和解釋什麼是SEO ！ 我們不會為我們對技術 SEO 專業知識的熱情而道歉； 這意味著能夠為您提供獨特的專業見解，以改善您網站上的客戶體驗。 關注我們的搜索營銷博客，獲取新鮮且值得信賴的新聞。

如果您想更多地了解我們在幫助商業網站更好排名方面取得的成就，讓我們面對面交談。 我們可能建議從修復和機會的架構審計開始

* 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