Na začátku roku 2010 jsme poprvé začali slyšet o strojovém učení. Zdálo se nám to až strašidelné, ale jakmile jsme si uvědomili, jak už se tato technologie používá, začali jsme přemýšlet nad praktickými otázkami. Jak strojové učení používají vyhledávače? Jak ovlivní SEO?
Strojové učení je v podstatě výpočet trendů, hodnot nebo jiných charakteristik konkrétních věcí na základě historických dat.
Vyhledávače vždy experimentují s tím, jak mohou strojové učení používat.
Tady je 9 způsobů, jak ho v současné době používají a jak se to týká SEO nebo digitálního marketingu.
Vyhledávače používají strojové učení pro zjišťování vzorů, které pomáhají identifikovat spam nebo duplicitní obsah. Zapojili se také do běžných atributů nekvalitního obsahu jako například:
Zjišťování těchto vzorů drasticky sníží pracovní sílu, která je potřeba pro přezkoumání skutečnými lidmi. Strojové učení pomohlo společnosti Google automaticky procházet stránky, aby vyřadili nekvalitní stránky bez toho, aby se na ně musel podívat skutečný člověk. Strojové učení je stále se vyvíjející technologie, takže čím více stránek je analyzováno, tím je teoreticky přesnější.
Google také identifikuje vzory v dotazech a na základě toho pomáhá zvolit jejich nové možné pořadí ve vyhledávači. Tyto signály jsou vyhledávané, takže Google může i nadále zlepšovat kvalitu výsledků vyhledávacích dotazů.
Nicméně, ikdyž strojové učení pomalu mění způsob, jakým vyhledávače vyhledávají a řadí webové stránky, neznamená to, že má významný dopad na naše SERP.
Google tvrdí, že je to jen malá část jejich celkového algoritmu. Chce využívat technologii, která uživateli poskytuje lepší zkušenosti. Nechce automatizovat celý proces, pokud by to znamenalo, že uživatel nebude mít zkušenosti, které hledá.
Takže nepředpokládejme, že strojové učení brzy převezme všechny vyhledávací výsledky. Je to jednoduše malý kousek vyhledávacích strojů, kterými se snažíme usnadnit život.
Strojové učení ve vyhledávačích se může lišit v závislosti na kategorii dotazu nebo frázování.
Výzkumníci použili ruský vyhledávač Yadex k analýze výsledků pro různé dotazy. Zjistili, že typy zobrazených výsledků závisí do značné míry na kategorii dotazů nebo frázování.
To znamená, že strojové učení může v některých dotazech položit více váhy na proměnné více či méně silněji než ostatní faktory.
Celkově bylo zjištěno, že personalizovaná vyhledávání přizpůsobená strojovým učením zvýšila míru prokliku CTR výsledků o 10 %.
Jak uživatel zadal do Yadexu více dotazů, bylo zjištěno, že CTR nadále stoupá.
Je to pravděpodobné, protože vyhledávač se "učil" o preferencích daného konkrétního uživatele a mohl založit své informace na minulých dotazech, aby představil co nejzajímavější výsledek.
Typickým příkladem je řetězec dotazů v jednom hledání a jak se výsledky mění v závislosti na tom, co jste hledali naposledy.
Například, pokud v prohlížeči hledám "PPG Paints Arena" dostanu odpověď "PPG Paints Arena".
Dále pokud vyhledávám ve stejném prohlížeči pouze "penguins", předpokládám, že protože byl můj poslední dotaz o hokejovém stadionu, pak je tento dotaz také o hokeji.
Vyhledáváním "penguins" ve stejném prohlížeči se objeví informace o týmu NHL Pittsburgh Penguins - týkající se posledních dvou vyhledávání.
Když pak budu hledat Zoo v blízko Pittsburghu, začnu znovu psát "zoo" v poli dotazu a Google začne automaticky navrhovat "zoologické zahrady s penguins".
Historie vyhledávání je pouze jeden z komponentů vyhledávacích zkušeností, které strojové učení používá k dosažení lepších výsledků.
V roce 2013 bylo hlášeno, že uživatelé služby Flickr nahrají 1,4 miliónu fotografií za den, na Instagram 40 miliónů a na Facebook 350 miliónů.
Tyto statistiky pravděpodobně vzrostly a ukazují, že objem fotografií je třeba denně katalogizovat a analyzovat na webu.
Tento úkol je pro strojové učení perfektní, protože může analyzovat vzory barev a tvarů a spárovat je s existujícími daty schémat ve fotografii. Tím pomohou vyhledávači pochopit, co vlastně na obrázku je.
Tím Google dokáže nejen katalogizovat snímky pro výsledky vyhledávání obrázků, ale také umožňuje jeho funkci, která umožňuje uživatelům vyhledávat pomocí obrázku namísto textového dotazu.
Uživatelé pak mohou najít jiné varianty obrázků online. Stejně jako obrázky podobné, které mají stejné předměty nebo paletu barev. Tak jako v tomto příkladu klasického vánočního filmu:
Způsob, jakým uživatel interaguje s těmito výsledky, může v budoucnu tvarovat své SERP.
Nejen data z dotazu se používají při strojovém učení k identifikaci a přizpůsobení pozdějších dotazů uživatele. Také pomáhá vytvářet vzory v datech, které tvarují výsledky vyhledávání, které získávají jiní uživatelé.
Fráze nebo slovo, které na začátku neznamená nic. Například "pokrývání", "svítí", můžem mít nesmyslné výsledky vyhledávání. Avšak vzhledem k tomu, že se jeho fráze a tedy i uživatelská vyhledávání používají víckrát v průběhu času, strojové učení bude schopno zobrazovat pro tyto dotazy přesnější informace.
Jak se jazyk vyvíjí a transformuje, stroje jsou lépe schopné předpovědět naše významy slov a tím nám poskytnout lepší informace.
Strojové učení lze využít i ke zlepšení jinak slabého statistického modelu. To znamená, že hodnocení reklamy může být ovlivněno systémem strojového učení.
Když se zobrazí výsledky vyhledávání, které nezahrnují klíčové slovo v hledaném výrazu, pravděpodobně Google rozpoznal synonymum.
Při hledání doktorského titulu uvidíte různé výsledky se slovem "doktor" nebo "doktorský", jelikož mohou být různě zaměnitelné.
Neboli porozumění záměru uživatele, jak lidé hledají.
Uživatelé mohou hledat nákup (transakční), výzkum (informační) nebo najít zdroje (navigační) pro jakékoliv vyhledávání. Klíčové slovo by navíc mohlo být užitečné pro některé z těchto záměrů.
Analýzou vzorků prokliků a typem obsahu, s nímž se uživatelé zabývají, může vyhledávač využít pro zjišťování záměru strojové učení.
Příklad lze vidět v dotazu "best college" ve vyhledávání Google. Výsledky jsou recenze a seznam vysokých škol v jednom SERP i s vysokými školami uvedenými nahoře.
Strojové učení není a pravděpodobně nikdy nebude dokonalé. S jistotou však můžeme říci, že čím více lidí s ním komunikuje, tím je přesnější a chytřejší.
Vybrali jsme Vám na míru vhodné a vyzkoušené nástroje.
K otevření souboru stačí jen dva kroky doplněné o praktický návod.
Vše probíhá ve Vašem prohlížeči zdarma, bez registrace a instalace.