Panduan Pemula untuk SEO di Dunia Pembelajaran Mesin Saat kita memasuki dunia pembelajaran mesin baru yang berani ini, inilah cara Anda harus memikirkan tentang tautan dan pembuatan tautan, konten, dan SEO teknis. 

Ketika memikirkan kebangkitan pembelajaran mesin yang berkaitan dengan SEO, kita dapat dihadapkan pada skenario yang menakutkan, tergantung pada jenis profesional SEO Anda.
Pro SEO, seperti saya, yang berbasis logika dan secara historis bekerja dengan mengandalkan pemahaman tentang sinyal yang dimainkan dan bagaimana mereka berfluktuasi mungkin mengunyah kuku mereka lebih banyak daripada pemasar yang lebih mengandalkan melayani pengguna daripada mesin. 

 

Apa itu Pembelajaran Mesin yang Berkaitan dengan SEO?

 

Kami tidak akan masuk ke pelajaran besar tentang semua yang merupakan pembelajaran mesin di sini dan kami tidak akan punya waktu untuk benar-benar membahas bagaimana hal itu memengaruhi kami dan seperti apa strategi SEO masa depan kami. 

Dari ketinggian 30.000 kaki, yang perlu kami ketahui hanyalah bahwa ini menambah kemampuan Google dengan kecepatan luar biasa:

 

• Akumulasi data.
• Penafsiran.
• Reaksi.

 

Bagaimana Pembelajaran Mesin Mempengaruhi Tautan & Pembuatan Tautan

 

Salah satu contoh termudah dari area machine learning yang dapat sangat meningkatkan kemampuan Google ada di tautan Melihat contoh kecil, pembelajaran mesin dapat berperan dalam salah satu aspek utama evaluasi tautan; (memfilter spam.) 

Google sudah menggunakan pembelajaran mesin di Gmail, mencapai tingkat keberhasilan 99,9 persen dan hanya menghasilkan 0,05 persen positif palsu. 

Bawa ini untuk menautkan evaluasi dan Anda mendapatkan model yang sangat sukses.
Sebelumnya, teknisi Google harus: 

 

• Buat daftar situs berkualitas buruk dan blokir aliran ekuitas tautannya secara manual.
• Memprogram karakteristik khusus dari tautan buruk berdasarkan apa yang telah mereka lihat sebelumnya.
• Siapkan fungsi devaluasi ke dalam perhitungan tautan dan berharap itu tidak menyertakan terlalu banyak kesalahan positif.

 

Dengan pembelajaran mesin, dunia terbuka. Ya, masih ada titik awal utama daftar domain buruk yang diketahui dan sinyal buruk lainnya. Tetapi ini adalah dasar pelatihan yang dapat digunakan sistem pembelajaran mesin untuk:

 

• Pelajari cara menerapkan sinyal ini ke tautan lain yang mereka temui.
• Kembangkan sinyal mereka sendiri untuk apa yang tampak sebagai spam (atau bagus dalam hal ini).

 

Daripada hanya mengandalkan serangkaian kriteria yang sulit dan cepat ini, mesin dapat belajar sendiri dengan mengamati pola. 

Mengamati situs dengan sinyal yang dianggap buruk (baik dalam menghubungkan atau menghubungkan) akan membuat profil mesin. 

Kemudian, setelah penentuan yang buruk dikonfirmasi, ia dapat memulai pola rekayasa balik untuk deteksi yang lebih cepat di masa mendatang.

 

• Jenis situs apa yang ditautkan oleh situs spam?
• Jenis tautan apa yang didapat situs spam?
• Apakah ada pola pertumbuhan tautan?
• Apakah halaman yang menjual tautan berbayar juga cenderung menautkan ke situs tertentu lainnya (mereka melakukannya) dan jika demikian situs yang mana?

 

Sistem kemudian dapat menambahkannya ke metrik yang diterapkannya. Ini benar-benar menyentuh kurang dari puncak gunung es tentang bagaimana mesin dapat mensimulasikan apa yang dapat dilakukan manusia dan memperkuatnya. 

Ingin tahu bagaimana Google dapat mengumumkan bahwa mereka mendevaluasi situs dengan tautan spam daripada menghukumnya secara manual? 

Ini dimungkinkan oleh mesin yang dapat mempelajari dan menerapkan devaluasi dengan kecepatan luar biasa dengan positif palsu yang jauh lebih sedikit. 

Selain itu, mesin juga dapat memahami kualitas konten dan relevansi halaman dan melengkapi pemahaman itu ke dalam persamaan baik secara individu maupun massal.

 
Mesin yang dapat bertanya, “Haruskah tautan ini memiliki bobot yang tinggi untuk situs individual Anda?” dan selanjutnya, “Apakah ada kemungkinan besar bahwa tautan tersebut berbayar atau bermasalah?” dalam konteks data dari tautan lain yang ditemukan dan dianalisis pada laman dan domain tersebut. 

Ini adalah contoh yang sangat terbatas di mana pembelajaran mesin dapat diterapkan ke tautan. 

Pola spam, dan akan, terdeteksi dengan tingkat keberhasilan yang meningkat, sementara tautan berkualitas akan dipahami dan dihargai dengan tingkat yang lebih tinggi. 

Ini berarti peningkatan fokus pada kualitas, relevansi, dan legitimasi kecuali jika Anda merasa dapat menemukan sistem untuk menipu Google lebih cepat daripada yang dapat diketahui oleh mesin. 

 

Bagaimana Pembelajaran Mesin Mempengaruhi SEO Konten

 

Meskipun kami menggunakan contoh tautan di atas, ada beberapa area SEO lain yang akan lebih terpengaruh oleh munculnya pembelajaran mesin daripada konten. Pada dasarnya, pembelajaran mesin dapat mencapai efisiensi dalam memahami bahasa lebih dalam 24 jam daripada pengeditan manusia, bahkan dengan bantuan mesin, dapat dalam 3.650 kali lipat.

 
Apa artinya ini bagi para profesional SEO? 

Cawan suci pemasaran digital akan datang saat itu satu-satunya tugas kami adalah mengeluarkan konten terbaik yang kami bisa dan konten yang cukup luas dan dalam format yang cukup sehingga memenuhi lebih banyak niat dan preferensi pengguna daripada yang berikutnya. Dan jika ini selesai, ada kemungkinan besar Google akan memahami ini juga. 

 
Ini bukan untuk mengatakan bahwa mesin tidak cacat atau tidak akan ada peran untuk profesional SEO.

 
Sebenarnya, saya pikir akan ada peran yang lebih besar untuk kita mainkan, tetapi itu tidak akan dalam penggunaan kata kunci itu akan dalam merumuskan bagaimana pengguna dapat puas. 

Apa yang membuat ini lebih menarik adalah bahwa apa yang "terbaik" itu subjektif. Saya pribadi membenci instruksi video tentang cara menyelesaikan sebagian besar tugas, berikan saya daftar dengan beberapa gambar jika perlu. 

Tapi tidak semua orang seperti itu. Beberapa menginginkan video dan beberapa mungkin lebih suka unduhan PDF yang dapat mereka cetak. 

Selain itu, itu akan tergantung pada tugas. Misalnya, saya hampir tidak ingin tablet saya di bawah mobil saat saya mengganti oli sehingga hasil cetak mungkin lebih baik di sana.

 
Jadi, apa yang akan saya anggap "terbaik" sehubungan dengan hasil yang mungkin diberikan Google bergantung pada berbagai faktor yang terkait dengan preferensi pribadi saya – tugas spesifik yang saya coba selesaikan, kapan dan di mana saya berada, jenis perangkat yang saya gunakan, dll. 

Ini tidak bisa diprogram oleh manusia. Beberapa upaya yang layak telah dilakukan untuk mencapai hasil yang dipersonalisasi di masa lalu, tetapi upaya itu terbatas hingga pembelajaran mesin. 

Manusia tidak dapat menyesuaikan pengalaman untuk Anda. Manusia tidak dapat mendedikasikan sumber daya untuk memahami apa yang Anda sukai secara spesifik pada waktu tertentu, berdasarkan perangkat apa yang Anda akses atau di mana Anda mungkin berada
 

Mesin bisa. Sebuah mesin dapat melacak semua itu dan belajar dari waktu ke waktu bukan hanya hasil apa yang Anda suka tetapi jenis hasil apa yang memenuhi maksud Anda dan pada akhirnya menarik hasil terbaik untuk Anda dari indeks mereka saat ini. 

Singkatnya, kita sekarang perlu berpikir lebih sedikit tentang memenuhi aturan global dan lebih banyak lagi tentang memenuhi maksud audiens yang kita targetkan. 

Selain itu, jika kami ingin memberi peringkat untuk istilah yang lebih umum seperti 'laptop' dan bukan hanya 'membeli laptop dell' dengan situs e-niaga kami, kami perlu memenuhi maksud pengguna yang tidak hanya tertarik untuk membelinya memenuhi maksud dari semua pengunjung tersebut. Mungkin, kami juga harus menyediakan data itu dalam berbagai format sehingga kami adalah jawaban yang menang terlepas dari perangkatnya. 

Sebelum pembelajaran mesin, kami tidak perlu khawatir tentang hal ini. Upaya apa pun untuk memahami apa arti pantulan atau waktu di situs di pihak Google adalah dasar, untuk sedikitnya. 

Sekarang, dengan pembelajaran mesin yang membantu dalam memahami konteks bahasa dan apa artinya sinyal yang dibuat pengguna, ini tidak hanya mungkin tetapi juga diterapkan.
Pikirkan tentang video hebat yang Anda hasilkan untuk menjawab pertanyaan umum yang dimiliki demografis target Anda. 

Sekarang bayangkan audiens target Anda mengajukan pertanyaan di Google Home atau perangkat yang mengutamakan suara lainnya. Anda mungkin tidak perlu menyediakan konten dalam setiap format yang memungkinkan karena audiens Anda mungkin tidak memintanya, tetapi Anda harus menyadarinya 

 

Jadi Apa yang Anda Lakukan Sekarang?

 

Apa yang harus Anda lakukan dengan informasi ini?
Kita berbicara tentang pembelajaran mesin dan kemampuan Google yang terus meningkat untuk memahami dunia di sekitar kita, serta kebutuhan dan keinginan pribadi kita. Inilah kekuatannya dan inilah yang menentukan apa yang perlu kita semua lakukan selanjutnya. 

Meskipun saya akan lalai untuk memberi tahu siapa pun untuk membuang upaya SEO mereka berdasarkan metrik yang terbukti benar yang tampaknya masih berfungsi dengan baik, metrik tersebut berkembang dan terkikis dengan cepat. Saya tidak melihat mereka bertahan selama lebih dari dua atau tiga tahun. 

Tugas Anda adalah ini:
Pastikan bahwa konten Anda portabel ke perangkat apa pun yang dapat diakses oleh demografis target Anda dan itu berbicara kepada audiens itu. 

Jika Anda memiliki banyak audiens dengan berbagai kebutuhan, Anda juga harus memastikan bahwa konten Anda berlaku dan menarik bagi mereka semua atau bahwa ada konten yang berbeda untuk masing-masing dan berpotensi dalam format yang berbeda.

 
Sebagai seorang profesional SEO di dunia pembelajaran mesin, Anda perlu melihat kata kunci lebih banyak untuk pertanyaan dan maksud yang tersirat daripada sebagai instrumen tumpul untuk disertakan pada halaman dan dalam teks jangkar. 

Mesin akan membantu kami memahami apa yang diinginkan pengunjung kami sehingga kami dapat menemukan cara untuk menyediakannya.
Mengapa? 

Karena itulah yang akan dicari mesin pengguna yang puas. Mereka akan memiliki semua metrik yang perlu mereka ketahui apakah Anda atau salah satu pesaing Anda melakukan pekerjaan terbaik dalam memberikannya.