機器學習的世界一個SEO初學者指南

CCMO資訊團隊譯者：馬仙花 審校：yaya

當考慮到機器學習的增長與SEO有關時，根據你的SEO類型，我們可能會面臨一個可怕的情況。

基於邏輯和歷史觀點來說，SEO依靠信號協議和他們的波動可能比依靠創意更有效。

我曾經想過，如何「構建偉大的內容，他們將到來」的方法，甚至可以想到那種執行這種方法的SEO，現在可能不那麼擔心了。他們應該是。。。某種程度上。仍沒有：

在我們深入探討這個變化之前先回答這個問題：

機器學習與SEO有什麼關係？

我們不會在這裡學習關於機器學習的只是，也不會討論他對我們的影響，以及未來的SEO戰略是什麼樣子的。

從很遠的角度來看，我們真正需要知道的是，他增加了Google的功能具有令人難以置信的數據積累，解釋和反應速度。我們將在文章的最後回顧一下，但如果你真的想知道機器學習是什麼，有一個斯坦福大學的免費教程，我是在Cursera註冊的。

機器學習如何影響鏈接和鏈接建設？

機器學習的一個最簡單的例子之一是在連接中增加Google的功能。

看一個小例子，機器學習在鏈接評估的關鍵方面發揮作用：過濾垃圾郵件。

以前，Google的工程師創建低質量的網站列表，手動阻止他們的鏈接流，根據他們之前看到的壞鏈接的特徵，或將鏈接演算法重的貶值功能設置好，並希望它不包含太多的誤報。

隨著機器學習，世界開放。

是的，仍然有一個主要的起點- 一個壞域名和一個假設的壞信號列表。但是使用機器學習可以增加真正的功能在哪裡。

機器可以通過觀察模式來自學，而不是簡單地依靠一套硬性的標準。觀察有可疑信號的網站(在其linking-out 或 linking-in 中) ，對該機器進行配置。然後，一旦確定壞了，它開始逆向工程模式，以便在將來更快的檢測。

什麼類型的網站做垃圾鏈接？

垃圾網站的鏈接有什麼類型？

是否存在鏈接增長模式？

銷售付費鏈接的頁面是否也傾向於鏈接到其他特定的網站（他們這樣做），如果是，哪些網站？

系統可以講這些數據添加到他所應用的度量標準中。

這涉及到機器如何模擬人類做什麼的的冰山一角並放大它。

想知道Google宣布他們如何降權有垃圾鏈接的網站，而不是手動懲罰？這是因為機器已驚人的速度學習和應用降權，更少的誤報。

此外，機器還理解頁面內容的質量和相關性，以及單獨和質量是對等的補充。一台機器可能問，「該鏈接對你的網站是否有很高的權重？」然後進一步說，「該鏈接是否是購買的或存在其他問題？」在該頁或網站中找到並分析上下文中的其他鏈接數據。

這是非常有限的例子，將機器學習應用到鏈接。

我們永遠無法覆蓋他們，但我們要記住，垃圾鏈接將會被高度檢測到，而高質量的鏈接將會得到更高的權重。

這意味著更多地關注質量、關聯性和合法性，除非你認為你可以愚弄Google，不讓機器檢索到。

機器學習如何影響SEO內容？

儘管我們使用上面的鏈接示例，一些其他領域的SEO將受到更多機器學習的影響，而不是內容。

為了說明這一點，我們只需要看看谷歌的翻譯工作。10年，他們使用基於短語的機器翻譯 - 主要匹配已知的短語和結果來進行翻譯。我們得到需要翻譯的結果，但是很粗糙。

在2016年9月，他們轉向機器學習系統（Google神經機器翻譯系統），在推出後的24小時內，該系統的翻譯能力比十年前提高了很多。

基本上，機器學習在24小時內能比人工編輯更有效地理解語言，即使在機器的輔助下，也能比人類快3650倍來完成。

對SEO來說，這意味著數字營銷的聖杯即將到來 - 我們唯一的工作就是把最好的內容拿出來。而且如果真的是最好的，Google能理解這一點。

這並不是說機器沒有瑕疵，沒有SEO作用。事實上，我認為會發揮更大的作用，但不是在關鍵字的使用上，而是確保滿足用戶的需求。

Wil Reynolds給出了我認為最好的總結之一，他建議我們捫心自問：

「如果Google改進，只顯示最佳答案，將會發生什麼？」這是我們需要問的問題。更有趣的是，「最好」是主觀的。

我個人討厭視頻說明如何完成任務 - 只需要給我必要的清單和圖片。

但是不是每個人都這樣。有些人喜歡視頻和有些人喜歡PDF下載，他們可以列印出來。

重要的是，他將依賴任務。例如，當我換油的時候，我不希望我的平板電腦在車裡，所以列印可能更好。

因此，對於Google給出的結果，我認為「最好」取決於一系列與我個人喜好有關的因素，我要完成的具體任務，我在何時何地，我在哪裡，我在哪種類型的設備等。

這不能人工編程。

在機器學習之前，人們對個性化結果做一些不錯的嘗試是有限的。

人工不能為你量身定做體驗。人工不能根據你正在訪問的設備或你在的地方了解你具體喜歡什麼。

機器能。

機器可以跟蹤所有這些，並不斷學習，不僅僅是你喜歡什麼結果，什麼類型的結果滿足你的需求，並最終為你從當前的索引中獲得最好的結果。

簡而言之，我們現在很少考慮全球規則，更多的考慮實現目標受眾的需求。也許，我們應該提供不同格式的數據，這樣無論什麼設備，我們都能提供答案。

想想你已經製作了一個很棒的視頻來解決你目標人群的常見問題。現在想像一下，你的目標用戶在Google主頁或其他語音設備上問他們的問題。你可能不需要提供各種格式的內容，因為你的受眾可能不需要它，但是你需要知道。

機器學習如何影響SEO技術？

當涉及到SEO技術，你需要關註：Cindy Krum.注意他說的話，因為他說的很正確。

在一次關於移動優先索引的交流中，她創造了一個術語，我個人認為這一術語可以很好地總結未來的SEO技術。她提到「mobile-first」作為一個不正確的術語命名，正確的是「portable-first」。

她提出的觀點是，內容應該與你的設計和技術結構很容易分離（例如：便攜），以便它可以隨時隨地訪問。

她是完全正確的。

當我們進入這個嶄新的機器學習世界的時候，我們的目標是給用戶提供能夠滿足他們需求的信息，我們的工作是確保內容能夠容易的被理解或提取構建閱讀 - 或通過標記，XML 或以清晰易懂的方式構建頁面內容。

你可以細閱Krum的最新幻燈片，關於移動優先索引的真相，以更好地理解我在說什麼。

那麼你現在做什麼呢？

你應該如何處理這些信息？

我們談論的是機器學習和Google不斷增長的功能，以了解我們周圍的世界，以及我們自己的個人需求。這就是它的力量，這就是我們接下來要做的事情。

雖然我想告訴每個人，放棄他們的SEO工作，要基於那些看起來有效的可靠的度量標準，但是這些度量標準也在快速的演變和淡化。我不認為他們能存活2到3年以上。

作為SEO，你的任務是：

使你的內容在任何設備都能打開，無論你的目標受眾是什麼設備，都能訪問。

如果你的不同受眾有不同的需求，你必須確保你的內容適用所有用戶並都有吸引力，並且不同的內容可能有不同的格式。

在機器學習驅動的世界中，SEO需要更多查看關鍵詞，而不是一個生硬的工具，包含在頁面和描文本中。

機器將幫助我們了解訪問者想要什麼，以便我們能夠提供給他需要的。

為什麼？

因為機器要尋找 - 一個滿意的用戶。他們需要知道你或者你的競爭對手，是否正在盡最大的努力去滿足用戶的需求。

【譯者簡介】

馬仙花，一直從事重工機械行業互聯網營銷工作，擅長谷歌SEO，內容營銷，是內容營銷和SEO的親身實踐者，數據分析愛好者。

【審校簡介】

yaya，211大學管理學小碩，企業HR，互聯網愛好者，刻苦鑽研的小廚娘。身在傳統行業，心系互聯網圈兒。愛好旅遊，美食，閱讀，堅信不懂互聯網的HR不是一個好廚娘。

【關於互聯網營銷官CMO】

互聯網營銷官CMO是一個公益性組織，致力於打造國內領先的互聯網營銷領域人才交流討論的平台，定位於助力互聯網營銷領域的人才互幫互助，共同成長為首席互聯網營銷官（Chief Marketing Officer）。為未來的互聯網營銷官CMO們提供互聯網營銷行業最新最前沿的營銷乾貨和行業資訊、涵蓋互聯網營銷領域的SEO、SEM、PPC、網盟營銷、EDM營銷、紅人營銷、大數據營銷、場景營銷、O2O營銷、事件營銷、病毒營銷、口碑營銷等眾多互聯網營銷方法和手段。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！