机器学习如何影响对高质量内容的需求

早在八月，我就提出了SEO的两因素排名模型的概念。 这个想法是要大大简化大多数发布商的SEO，并提醒他们，如果您不了解正确的基础知识，则SEO的优点并不重要。 这个概念导致了一个基本的排名模型，如下所示：

换个角度来看，这是一种评估内容质量重要性的方法：

机器学习对此图很重要的原因是搜索引擎在提高对语言的理解上投入了大量资金。 蜂鸟是Google公开发布的第一个算法，主要侧重于解决对自然语言的理解，而RankBrain是下一个此类算法。

我相信这些投资集中在以下目标上：

1. 更好地了解用户意图
2. 更好地评估内容质量

我们也知道Google（和其他引擎）也有兴趣利用用户满意度/用户参与度数据。 尽管尚不清楚他们将输入什么信号，但似乎这是机器学习发挥作用的另一个地方。

今天，我将探讨状态与内容质量相关的状态，以及我认为机器学习如何推动状态的发展。

内容质量改进案例研究

我们看到的许多网站在向其页面添加内容方面继续投资不足。 这在电子商务网站中非常普遍。 他们太多创建页面，添加产品和产品描述，然后认为完成了。 这是个错误。

例如，在页面上添加特定于产品的唯一用户评论非常有效。 在Stone Temple，我们在一个站点上工作，添加了用户评论，导致测试所包含页面的访问量增长了45％。

我们还进行了一项测试，将原来设计为“ SEO文本”的类别页面上的现有文本取而代之。 所谓的SEO文本并不是在考虑用户的情况下编写的，因此对页面的价值很小。 我们用特定于内容所驻留类别的真正的迷你指南替换了SEO文本。 这些页面上的访问量增长了68％。 我们还有一些控制页面，我们没有进行任何更改，而这些页面的访问量下降了11％，因此净收益仅略低于80％：

请注意，我们的文字是手工制作和调整的，其明确目标是为测试页面增加价值。 因此，这并不便宜也不容易实现，但是鉴于我们是在网站的主要类别页面上进行的，因此它仍然具有很高的成本效益。

这两个例子向我们表明，投资于改善内容质量可以带来巨大的好处。 现在，让我们探讨一下机器学习如何使其变得更加重要。

机器学习的影响

让我们先来看一下主要的排名因素，看看机器学习如何改变它们。

内容质量

在搜索结果中显示高质量的内容对于搜索引擎仍然至关重要。 像RankBrain这样的机器学习算法已经提高了他们理解人类语言的能力。 其中一个例子是Gary Illyes与我分享的查询：“您无需进行演练即可获得Super Mario的100％分数。”

在RankBrain之前，Google算**忽略“无”一词，从而导致它返回演练示例，而用户想要得到的结果是告诉他们如何进行演练而无需演练。 RankBrain主要专注于长尾搜索查询，在理解此类查询的用户意图方面迈出了一大步。

但是谷歌还有很长的路要走。 例如，考虑以下查询：

在此查询中，Google不清楚如何使用“最佳”一词。 该查询不是关于最佳的羽绒被，而是关于为什么羽绒被比其他类型的羽绒被更好的问题。

让我们看另一个例子：

看看这篇文章如何确定美国历史上最冷的一天发生在阿拉斯加，但实际上并未在“精选摘要”中提供详细答案吗？ 这里有趣的是，谷歌的文章拉到回答实际上并告诉你这两个日期和最冷的一天，在美国的温度-谷歌刚刚错过了它。

当您一次查看这些内容时，这些问题并不复杂，可以由Google进行修复。 当前的限制是由于语言的复杂性以及修复该语言所需的机器学习规模而引起的。 解决该问题的方法需要构建越来越多的示例集，例如我上面共享的两个示例，然后使用它们来帮助训练更好的机器学习派生算法。

RankBrain是Google迈出的重要一步，但这项工作仍在进行中。 该公司正进行大量投资，以戏剧性的方式促进他们对语言的理解。 以下摘录自《今日美国》，摘自Google高级程序经理Linne Ha的话，他是公司语言学家Pygmalion团队的负责人：

“我们正在提出规则和例外来训练计算机，” Ha说。 “为什么我们要说'美国总统？' 为什么我们不说“法国总统”？ 我们的语言内以及每种语言内都有各种不一致之处。 对于人类来说，这似乎是自然而自然的，但对于机器而言，却是相当困难的。”

Google的Pygmalion团队致力于改善Google对自然语言的理解。 他们将同时改善的一些方面是：

1. 网络上哪些页面最符合查询所暗示的用户意图。
2. 页面在满足用户需求方面的综合程度。

当他们这样做时，他们衡量内容质量以及如何很好地满足用户意图的能力将会增强，因此随着时间的推移，这将成为越来越大的排名因素。

用户参与度/满意度

如前所述，我们知道搜索引擎使用各种方法来衡量用户参与度。 他们已经公开表明他们将点击率用作质量控制因素，并且许多人认为他们将其用作直接排名因素。 无论如何，可以合理地期望搜索引擎将继续寻找更有用的方法，以使用户信号在搜索排名中扮演更大的角色。

这里有一种叫做“强化学习”的机器学习。 如果您可以尝试不同的搜索结果集，看看它们的性能如何，然后将其用作输入以自动地直接优化和改善搜索结果，该怎么办？ 换句话说，您是否可以简单地收集用户参与度信号并使用它们来动态尝试不同类型的搜索结果以进行查询，然后不断对其进行调整，直到找到最佳结果集为止？

但是事实证明，这是一个很难解决的问题。 杰夫·迪恩（Jeff Dean）被许多人视为Google机器学习工作的领导者之一，他在对《财富》杂志进行的最近一次采访中曾说过关于衡量用户参与度的说法：

强化学习问题的一个示例可能是尝试在我应显示的搜索结果中使用它。 对于不同的查询，我可以显示范围更广的搜索结果，并且奖励信号有点嘈杂。 就像用户查看搜索结果并喜欢它或不喜欢它一样，这并不是很明显。

尽管如此，我希望这是Google的持续投资领域。 而且，如果考虑到这一点，用户的参与度和满意度与内容质量有着重要的关系。 实际上，它可以帮助我们考虑内容质量真正代表的是：满足大部分登陆者需求的网页。 这意味着几件事：

1. 他们正在寻找的产品/服务/信息出现在页面上。
2. 他们可以在页面上相对轻松地找到它。
3. 他们想要的支持产品/服务/信息也可以在页面上轻松找到。
4. 该页面/网站使他们确信您是与之互动的良好来源。
5. 整体设计提供了引人入胜的体验。

随着Google机器学习功能的发展，它们将更好地衡量页面本身的质量，或者衡量用户对页面质量的看法的各种类型的用户参与信号。 这意味着您将需要投资创建符合以上五个要点列出的条件的页面。 如果这样做，它将为您提供数字营销策略方面的优势-否则，您最终将蒙受痛苦。

概要

风向正在发生巨大变化，它们将极大地影响您的数字营销方式。 您的基本优先事项不会改变，因为您仍然需要：

1. 创建高质量的内容。
2. 衡量并不断提高用户对您网站的满意度。
3. 通过链接建立权限。

最大的问题是，您今天真的在做这些事情吗？ 以我的经验，大多数公司在持续改善内容质量和提高用户满意度方面投资不足。 现在是时候开始更多地关注这些事情了。 随着Google和其他搜索引擎在确定内容质量方面变得越来越出色，搜索结果的赢家和输家将开始发生戏剧性的变化。

Google的重点是提供越来越好的结果，因为这将为其带来更多的市场份额，从而带来更高的收入水平。 最好现在就登上内容质量培训-在它离开车站并离开您之前！

本文中表达的观点是来宾作者的观点，不一定是Search Engine Land。 工作人员作者在此处列出。