自成立以來，搜索引擎已經(jīng)從基本搜索代理變成了基于人工智能（AI）和機(jī)器學(xué)習(xí)（ML）的復(fù)雜算法。這些創(chuàng)新技術(shù)從兩個(gè)完全相反的角度影響搜索引擎優(yōu)化（SEO）空間。

一方面，由于新的基于AI的排名算法能夠?qū)υ獢?shù)據(jù)執(zhí)行非常深入的掃描，因此，推廣網(wǎng)站并將其推向SERP的頂部變得更具挑戰(zhàn)性。另一方面，由于搜索結(jié)果的整體質(zhì)量已顯著提高，因此現(xiàn)在更難使用不同的技巧和黑帽操作來操縱它們（盡管仍然有可能在下面向你展示）。

總而言之，人工智能從根本上改變了SEO的方法。讓我們深入探討如何在搜索引擎營(yíng)銷中使用AI，以及精通技術(shù)的營(yíng)銷人員如何使用AI更好地實(shí)現(xiàn)其目標(biāo)并改善關(guān)鍵績(jī)效指標(biāo)。

什么是“ AI技術(shù)”？

人工智能技術(shù)按照模仿人類行為和能力的能力進(jìn)行分類。利用這些特征，所有AI技術(shù)（現(xiàn)有技術(shù)和假設(shè)技術(shù)）都可以分為三種類型：

1）人工智能（ANI）或較弱AI。

它提供的能力范圍很窄。這些系統(tǒng)只能接受訓(xùn)練以執(zhí)行特定任務(wù)。例如Google的Rankbrain，Apple的Siri或Amazon的Alexa。

2）人工智能（AGI）或強(qiáng)大的人工智能。

它反映了人類的能力，具有多種功能，能夠解決許多問題并從經(jīng)驗(yàn)中學(xué)習(xí)。

3）人工超級(jí)智能（ASI）或假想的AI。

它應(yīng)該超越人類的智力。

到目前為止，ANI是唯一已被人類成功實(shí)現(xiàn)的AI類型。

為什么需要機(jī)器學(xué)習(xí)？

機(jī)器學(xué)習(xí)是AI的應(yīng)用程序，無需明確編程即可自動(dòng)從經(jīng)驗(yàn)中學(xué)習(xí)和改進(jìn)。ML的出現(xiàn)是對(duì)不斷增長(zhǎng)的數(shù)據(jù)量進(jìn)行分析的結(jié)果，因此底層算法不會(huì)改變，但是用于選擇特定答案的代碼的內(nèi)部權(quán)重和偏差會(huì)發(fā)生變化。當(dāng)然，這不是那么簡(jiǎn)單。

數(shù)據(jù)科學(xué)家經(jīng)常將用于實(shí)現(xiàn)ML的技術(shù)稱為算法。算法是一系列分步操作，通常是計(jì)算，它們可以在有限的步驟中解決特定的問題。在機(jī)器學(xué)習(xí)中，算法使用一系列有限步驟通過從數(shù)據(jù)中學(xué)習(xí)來解決問題。

盡管ML算法是學(xué)習(xí)的，但是通常很難找到術(shù)語(yǔ)“學(xué)習(xí)”的確切含義，因?yàn)橛胁煌姆椒梢詮臄?shù)據(jù)中提取信息，具體取決于ML算法的構(gòu)建方式。通常，學(xué)習(xí)過程需要大量數(shù)據(jù)，這些數(shù)據(jù)在給定特定輸入的情況下即可提供預(yù)期的響應(yīng)。每個(gè)輸入/輸出對(duì)都是一個(gè)示例，其他示例使該算法更易于學(xué)習(xí)。這是因?yàn)槊總€(gè)輸入/輸出對(duì)都對(duì)應(yīng)于定義問題區(qū)域的行，聚類或其他統(tǒng)計(jì)視圖。

ML是優(yōu)化模型的過程，它是數(shù)據(jù)本身的數(shù)學(xué)通用表示形式，即使它收到以前從未見過的輸入，也可以使其預(yù)測(cè)或以其他方式確定適當(dāng)?shù)捻憫?yīng)。模型提供的答案越準(zhǔn)確，模型從所提供的輸入中學(xué)習(xí)的越好。該算法將模型擬合到數(shù)據(jù)，并且該擬合過程正在學(xué)習(xí)中。

機(jī)器學(xué)習(xí)的原理

機(jī)器學(xué)習(xí)的中心思想是，你可以使用算法事先不知道的數(shù)學(xué)函數(shù)來表示現(xiàn)實(shí)，但是在查看一些數(shù)據(jù)后（總是以輸入和輸出成對(duì)的形式）可以猜出它。你可以根據(jù)未知的數(shù)學(xué)函數(shù)來表達(dá)現(xiàn)實(shí)及其所有復(fù)雜性，機(jī)器學(xué)習(xí)算法可以找到這些未知數(shù)學(xué)函數(shù)并將其用作內(nèi)部數(shù)學(xué)函數(shù)的修改。也就是說，每種機(jī)器學(xué)習(xí)算法都基于可修改的數(shù)學(xué)函數(shù)。

根據(jù)預(yù)期結(jié)果和輸入數(shù)據(jù)的類型，你可以根據(jù)學(xué)習(xí)風(fēng)格對(duì)算法進(jìn)行分類。你選擇的樣式取決于你擁有的數(shù)據(jù)類型和預(yù)期結(jié)果。

使用四種學(xué)習(xí)風(fēng)格來創(chuàng)建算法：

監(jiān)督學(xué)習(xí)–算法嘗試對(duì)目標(biāo)預(yù)測(cè)輸出與輸入函數(shù)之間的關(guān)系和依賴性進(jìn)行建模，以便我們可以根據(jù)從先前數(shù)據(jù)集中學(xué)習(xí)到的關(guān)系來預(yù)測(cè)新數(shù)據(jù)的輸出。

無監(jiān)督學(xué)習(xí)-使用無標(biāo)簽數(shù)據(jù)訓(xùn)練計(jì)算機(jī)。學(xué)習(xí)數(shù)據(jù)中的模式后，計(jì)算機(jī)可以教你一些新知識(shí)。在我們不知道要在數(shù)據(jù)中查找什么的情況下，這些算法特別有用。

半監(jiān)督學(xué)習(xí)-在許多實(shí)際情況下，標(biāo)簽的成本非常高，因?yàn)樗枰炀毜膶I(yè)人員。因此，在沒有標(biāo)簽的情況下，半指導(dǎo)算法是構(gòu)建模型的最佳選擇。這些方法利用了這樣的思想，即即使未標(biāo)記的數(shù)據(jù)組的成員身份是未知的，數(shù)據(jù)也會(huì)攜帶有關(guān)該組參數(shù)的重要信息。

強(qiáng)化學(xué)習(xí)-這種方法利用與環(huán)境互動(dòng)過程中收集到的觀察結(jié)果來采取行動(dòng)，以最大程度地提高回報(bào)或最小化風(fēng)險(xiǎn)。強(qiáng)化學(xué)習(xí)算法（稱為代理）從環(huán)境中連續(xù)不斷地學(xué)習(xí)。在此過程中，代理從他在環(huán)境中的經(jīng)驗(yàn)中學(xué)習(xí)，直到探究所有可能的狀態(tài)為止。

每天，我們必須處理的信息量呈指數(shù)級(jí)增長(zhǎng)。對(duì)我們情緒狀態(tài)的壓力也是如此。因此，機(jī)器學(xué)習(xí)已成為人類自動(dòng)化日常工作，節(jié)省時(shí)間并提高生產(chǎn)率的必要條件。

人工智能如何在搜索引擎算法中使用？

現(xiàn)在，當(dāng)我們弄清楚了AI算法如何工作以及一般為何需要它們時(shí)，讓我們繼續(xù)進(jìn)行SEO及其如何利用AI技術(shù)。

機(jī)器學(xué)習(xí)的進(jìn)步推動(dòng)了基于AI的SEO的發(fā)展。盡管自2003年以來一直在探索這一領(lǐng)域，但十年后的第一個(gè)重大成就是在2013年推出了Word2vec， 這是一種“自然語(yǔ)言處理（NLP）技術(shù)，它使用神經(jīng)網(wǎng)絡(luò)模型從大型語(yǔ)料庫(kù)中學(xué)習(xí)單詞聯(lián)想文字。”

兩年后的2015年，Google使用 Word2vec數(shù)據(jù)庫(kù)來構(gòu)建和啟動(dòng)RankBrain，并將其作為Hummingbird算法的一部分。

RankBrain是一個(gè)由AI驅(qū)動(dòng)的自我學(xué)習(xí)系統(tǒng)，它使Google能夠加快關(guān)鍵字類別的驗(yàn)證速度，從而為用戶提供與其搜索查詢最相關(guān)的內(nèi)容。RankBrain“知道”如何理解文本的含義，如何找到單詞之間的聯(lián)系，學(xué)習(xí)不熟悉的單詞和短語(yǔ)以及如何專門適應(yīng)請(qǐng)求的國(guó)家和語(yǔ)言。

所有這些都使自然搜索結(jié)果更加相關(guān)。

Google代表指出，與內(nèi)容質(zhì)量和鏈接一樣，該算法是現(xiàn)代搜索排名中的第三個(gè)重要因素。

好吧，蛋糕上的櫻桃是2019年發(fā)布的 Google BERT算法。

BERT（來自變壓器的雙向編碼器表示）也是基于神經(jīng)網(wǎng)絡(luò)的NLP學(xué)習(xí)系統(tǒng)。與其他模型不同，BERT旨在深入了解自然語(yǔ)音。

換句話說，給定上下文的每個(gè)細(xì)節(jié)， BERT應(yīng)當(dāng)使機(jī)器人能夠理解句子中單詞的含義。Google使用BERT來更好地了解用戶查詢，并為他們提供真正相關(guān)的結(jié)果。

在SEO中使用AI的示例

內(nèi)容創(chuàng)作

AI已經(jīng)被廣泛用于創(chuàng)建內(nèi)容。一些內(nèi)容和SEO專業(yè)人員為此使用OpenAI GPT-2模型。

GPT-2

GPT-2是一個(gè)基于變壓器的大型語(yǔ)言模型，具有15億個(gè)參數(shù)，在800萬個(gè)網(wǎng)頁(yè)的數(shù)據(jù)集中進(jìn)行了訓(xùn)練，其簡(jiǎn)單目標(biāo)是預(yù)測(cè)下一個(gè)單詞以匹配上下文。

圖片來源：GitHub

他們說，由該轉(zhuǎn)換器編寫的文本與由人編寫的文本幾乎沒有區(qū)別。我決定仔細(xì)檢查。

作為內(nèi)容營(yíng)銷商，我的目標(biāo)之一是提高雇主的品牌知名度和思想領(lǐng)導(dǎo)力，并通過頂級(jí)媒體和邊緣媒體上的來賓和幽靈出版物發(fā)表口碑。為了這個(gè)目標(biāo)，我找到了一家位于英國(guó)的優(yōu)秀媒體來提交我的來賓出版物。

但是，每篇提交的文章都會(huì)由真正的人工編輯閱讀。如果他們?cè)趦?nèi)容中找不到任何價(jià)值，則不會(huì)發(fā)布。

我已經(jīng)使用此轉(zhuǎn)換器創(chuàng)建了一篇文章，并將其提交給編輯器以供批準(zhǔn)。令我驚訝的是，編輯們接受了它，但不明白是由機(jī)器人編寫了文字。

通常，你可以安全地應(yīng)用GPT-2模型來創(chuàng)建不同語(yǔ)言的文章和評(píng)論。

GPT-2生成的文本示例

如何使用GPT-2模型

轉(zhuǎn)到托管工作GPT-2模型的https://inferkit.com。查找所需文本的來源。復(fù)制一小段（兩到三個(gè)句子）文本，將其粘貼到表單中，然后單擊“完整文本”按鈕。GPT-2將創(chuàng)建三到五個(gè)文本段落。如果通過人工智能創(chuàng)建的結(jié)果不適合你，請(qǐng)?jiān)俅螁螕?ldquo;完整文本”按鈕。

如果生成的文本符合你的期望，請(qǐng)進(jìn)行復(fù)制。然后將由GPT-2編寫的最后一段粘貼到轉(zhuǎn)換器窗體中，然后再次單擊“完整文本”按鈕。GPT-2將繼續(xù)撰寫你的文章。

GPT-3

OpenAI最近發(fā)布了第三代開源語(yǔ)言預(yù)測(cè)模型GPT-3，該模型允許計(jì)算機(jī)生成與示例樣本大致相同的長(zhǎng)度和語(yǔ)法結(jié)構(gòu)的隨機(jī)句子。

Github用戶Manuel Araoz在他對(duì)GPT-3的早期實(shí)驗(yàn)中發(fā)現(xiàn)，將預(yù)測(cè)的GPT-3提案發(fā)布在bitcointalk.org論壇上時(shí)，引起了論壇其他參與者的積極關(guān)注，包括有關(guān)該系統(tǒng)的建議必須很聰明（和/或諷刺），并且他在他們的信息中發(fā)現(xiàn)了微妙的模式。他認(rèn)為，通過將GPT-3結(jié)果重新發(fā)布在其他留言板，博客和社交網(wǎng)絡(luò)上，可以獲得類似的結(jié)果。

5月的每一天，他都在bitcointalk.org上發(fā)布了一篇完全由GPT-3模型生成的有趣的技術(shù)文章。當(dāng)用戶與他的帖子互動(dòng)時(shí)，GPT-3模型會(huì)創(chuàng)建回復(fù)，甚至可以預(yù)測(cè)下一條評(píng)論。

根據(jù)Araoz的說法，每當(dāng)他以自己的身份發(fā)布到論壇時(shí)，人們經(jīng)常提到他們認(rèn)為他必須是一個(gè)“機(jī)器人”，才能發(fā)布得如此迅速，準(zhǔn)確，和/或與他人說相同的話。

那個(gè)實(shí)驗(yàn)使他相信GPT-3是迄今為止他所看到的主要技術(shù)進(jìn)步之一。

如何在SEO中使用GPT-3

如果內(nèi)容營(yíng)銷產(chǎn)生了你業(yè)務(wù)業(yè)績(jī)的50％或更多，那么可能值得擴(kuò)展你的技能以成為更精通AI的營(yíng)銷商。

你可以將GPT-3模型用于以下任務(wù)：

大規(guī)模創(chuàng)建簡(jiǎn)短內(nèi)容（例如，產(chǎn)品目錄頁(yè)面上的頁(yè)腳內(nèi)容，工具提示等）； 創(chuàng)建元描述，舊內(nèi)容的ALT標(biāo)簽以及其他缺少的SEO元素 創(chuàng)建常綠的內(nèi)容-如果你的行業(yè)具有始終如一的常綠主題（例如定義問題，標(biāo)準(zhǔn)流程等），則GPT-3可以生成簡(jiǎn)短的大綱并提供工作草案以進(jìn)行詳細(xì)闡述和完善。

消除日常任務(wù)

通過使用預(yù)構(gòu)建的模型來教學(xué)機(jī)器，可以將AI用于最小化日常流程。在我的實(shí)踐中，我遇到了以下完全或部分由AI自動(dòng)化的SEO任務(wù)。

語(yǔ)義聚類； 表達(dá)的選擇； 通過確定問題的類型和相關(guān)的登陸頁(yè)面對(duì)請(qǐng)求類型進(jìn)行分類； 基于屏幕截圖對(duì)網(wǎng)站頁(yè)面進(jìn)行分類； 反向鏈接獲取的自動(dòng)化， 檢測(cè)并修復(fù)薄內(nèi)容，例如門口頁(yè)面，低質(zhì)量的會(huì)員頁(yè)面或僅包含很少或沒有內(nèi)容的頁(yè)面; 內(nèi)容計(jì)劃分析。

同樣，使用獨(dú)特的算法，內(nèi)容營(yíng)銷人員可以更有效地創(chuàng)建和分析其內(nèi)容計(jì)劃。

不久前，我請(qǐng)我前雇主的技術(shù)團(tuán)隊(duì)構(gòu)建一種機(jī)器學(xué)習(xí)算法，該算法將使我們的營(yíng)銷團(tuán)隊(duì)能夠“過濾”出文章，以在我們自己的，付費(fèi)的和賺錢的媒體中發(fā)表。這樣一來，我們就可以準(zhǔn)確地預(yù)測(cè)哪個(gè)主題最適合Google排名因素，哪個(gè)文章將變得常綠，或者哪個(gè)項(xiàng)目最有可能獲得Google的精選摘要。這稱為“瘦內(nèi)容方法”。

聲音搜索

在任何現(xiàn)代SEO專業(yè)人員的清單中都可以找到的一項(xiàng)新技能是，了解如何優(yōu)化語(yǔ)音查詢的內(nèi)容。得益于Alexa，Siri，Cortana等AI虛擬助手的普及，語(yǔ)音搜索正變得越來越流行。

實(shí)際上，有35％的互聯(lián)網(wǎng)用戶已經(jīng)使用他們的虛擬助手進(jìn)行購(gòu)物，Gartner預(yù)測(cè)，到2021年，所有網(wǎng)絡(luò)瀏覽會(huì)話中的30％將在屏幕外完成。人們使用語(yǔ)音搜索與自己喜歡的品牌和在Internet上搜索產(chǎn)品和業(yè)務(wù)。

圖片來源：dialogtech.com

如果你希望品牌保持競(jìng)爭(zhēng)力，或者需要改善廣告系列的效果，則需要緊跟這一趨勢(shì)并優(yōu)化語(yǔ)音搜索的內(nèi)容。為了滿足算法并獲得較高的排名，你應(yīng)該使用搜索引擎所使用的相同工具和策略。這就是為什么在使內(nèi)容更易于搜索引擎和語(yǔ)音搜索查詢?cè)L問時(shí)，Moz或Yooast之類的工具非常有用的原因。

你可以應(yīng)用AI的任務(wù)很多。這一切都取決于你要做什么以及需要定期處理多少數(shù)據(jù)。始終存在盈利能力的問題。

由于從原則上講還沒有創(chuàng)建AI，因此我們只能使用弱目標(biāo)或狹窄目標(biāo)的“模擬”，例如決策樹上的梯度增強(qiáng)。

使用神經(jīng)網(wǎng)絡(luò)的例子很多，分別是：

基于用戶行為的推薦系統(tǒng)； 確定搜索引擎中LSI單詞的算法； 聊天機(jī)器人進(jìn)行語(yǔ)言分析等 使用Deepfake技術(shù)處理SEO結(jié)果

Deepfake是合成媒體，其中現(xiàn)有圖像或視頻中的人被他人替換。盡管內(nèi)容偽造并不是什么新鮮事，但Deepfake仍使用強(qiáng)大的機(jī)器學(xué)習(xí)和人工智能技術(shù)來操縱或創(chuàng)建具有很高欺騙潛力的視覺和音頻內(nèi)容。

精通SEO的宣傳人員可以通過多種方式傳播虛假信息并破壞搜索結(jié)果，包括：

模棱兩可–使用AI機(jī)器人故意將錯(cuò)誤的地址或電話號(hào)碼充斥于競(jìng)爭(zhēng)對(duì)手所在的互聯(lián)網(wǎng)；

Google Bombing（又稱Googlewashing）-通過大量鏈接使網(wǎng)站在SERP上針對(duì)無關(guān)，不相關(guān)或偏離主題的搜索詞排名很高的做法；

302劫持-使用AI機(jī)器人配置從一個(gè)站點(diǎn)到另一個(gè)站點(diǎn)的臨時(shí)重定向，這允許重定向頁(yè)面開始對(duì)目標(biāo)網(wǎng)頁(yè)的關(guān)鍵字進(jìn)行排名。

例如，在3月發(fā)生在英國(guó)的神經(jīng)毒劑襲擊和4月發(fā)生在敘利亞的化學(xué)武器襲擊之后，俄羅斯政府的宣傳機(jī)構(gòu)RT和Sputnik的文章出現(xiàn)在Google搜索的首頁(yè)上。同樣，YouTube（由Google擁有）具有一種算法，該算法將用戶花在觀看內(nèi)容上的時(shí)間劃分優(yōu)先級(jí)，以此作為確定哪些內(nèi)容首先出現(xiàn)在搜索結(jié)果中的關(guān)鍵指標(biāo)。

這種算法偏好會(huì)導(dǎo)致頂部出現(xiàn)虛假，極端和不可靠的信息，這意味著該內(nèi)容會(huì)被更頻繁地查看，并被用戶認(rèn)為更可靠。

“來自SEO操縱行業(yè)的收入估計(jì)為數(shù)十億美元。”——布魯金斯大學(xué)

AI驅(qū)動(dòng)的SEO工具

如果你是一名SEO專家，希望利用AI提供的新機(jī)會(huì)，那么現(xiàn)在應(yīng)該開始熟悉有用的工具。

Clearscope是基于AI的內(nèi)容優(yōu)化平臺(tái)。該工具已付款。對(duì)于任何關(guān)鍵字，該工具都會(huì)分析表現(xiàn)最出色的自然成分，并使用Watson AI按重要性順序?yàn)槟闾峁┧邢嚓P(guān)術(shù)語(yǔ)的細(xì)分。

另一個(gè)使用AI技術(shù)的SEO創(chuàng)業(yè)公司是frase.io。與Clearscope一樣，它的主要工作是為你的內(nèi)容收集信息并對(duì)其進(jìn)行優(yōu)化。該服務(wù)是付費(fèi)的，但是有免費(fèi)的測(cè)試選項(xiàng)。

清楚地了解自己在做什么和想要得到什么， 數(shù)據(jù)集 機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)（你可以閱讀BigML博客）。

與其他顯示儀表板和圖表的工具不同，Diib用通俗易懂的語(yǔ)言與你交談，并描述性地解釋了 增加有機(jī)流量和改善其他關(guān)鍵SEO KPI所需采取的所有步驟。

善用AI最佳化網(wǎng)站的秘訣

1）使用 GPT-2和GPT-3模型來創(chuàng)建高質(zhì)量的搜索引擎優(yōu)化內(nèi)容（社交媒體的縮寫形式和meta以及長(zhǎng)期和長(zhǎng)期戰(zhàn)略意義上的常綠形式）。

2）使用 Google的Cloud Vision優(yōu)化圖像，檢測(cè)情緒，理解文字等。

3） 請(qǐng)注意每頁(yè)內(nèi)容的質(zhì)量，講故事的邏輯以及使用單詞的上下文。目前，檢查是否符合上下文是最困難且最耗時(shí)的任務(wù)，因?yàn)楹苌儆泄ぞ邽榇耸褂脟?guó)家字庫(kù)。

最佳解決方案之一是Sketchengine。它使用了源自維基百科文本的語(yǔ)料庫(kù)。順便說一下，Google BERT也接受了維基百科文本的培訓(xùn)。

4）從 優(yōu)化關(guān)鍵字頁(yè)面（包括文本搜索查詢及其密度）到優(yōu)化內(nèi)容的本質(zhì)，即：

完整性 豐富的短語(yǔ)， 潛在語(yǔ)義索引（LSI）， 設(shè)置主題的主題關(guān)鍵字， 搜索結(jié)果中的突出顯示（例如精選片段）等。 總結(jié)

在SEO中使用人工智能的話題仍然存在爭(zhēng)議，對(duì)此有很多不同的看法。

但是，否認(rèn)基于AI的技術(shù)會(huì)影響搜索優(yōu)化空間是沒有道理的。發(fā)布了新的搜索引擎算法和工具，使專家可以適應(yīng)自動(dòng)化關(guān)鍵字研究和內(nèi)容編寫過程，簡(jiǎn)化和改善反向鏈接配置文件以及總體上的用戶體驗(yàn)。另一方面， deepfake等AI技術(shù)會(huì)通過使用不公平的競(jìng)爭(zhēng)做法并散布有關(guān)你品牌的虛假信息，從而大大降低SEO的質(zhì)量并操縱搜索結(jié)果。

無論你是白帽子還是白帽子的SEO專家（黑帽子的SEO專家通常是早期技術(shù)采用者，并且首先嘗試新事物）–如果你還沒有利用AI，請(qǐng)考慮盡快采取行動(dòng)以保持競(jìng)爭(zhēng)力，做出明智的決定，并以相關(guān)，有用和高質(zhì)量的搜索結(jié)果使目標(biāo)受眾滿意。

*本文僅代表作者個(gè)人觀點(diǎn)，不代表AI科技大本營(yíng)任何立場(chǎng)。

原文鏈接：

https://hackernoon.com/ai-and-seo-a-marriage-made-in-heaven-or-hell-eh3w31y9

本文由AI科技大本營(yíng)翻譯，轉(zhuǎn)載請(qǐng)注明出處