SEO和智能内容：发现，连接和改进的性能

客户旅程在其复杂性方面已发生了显着的发展，由于数字技术的发展，接触点的数量可能激增。 在消费者使用和可访问性方面，移动已升至第一。 超本地化已成为策略的重中之重; 现在，智能内容营销对于成功至关重要。 对于营销人员而言，通过在SEO和内容营销之间建立共生关系，切断从消费者到其品牌的明确途径比以往任何时候都更为重要。

营销人员已经认识到SEO和内容结合在一起的必要性，因为这两个领域的增长预计都将显着增长。 与SEO相关的任务的预算预计将从2016年的650亿美元增长到2020年的近800亿美元。与此同时，内容生产也将跃升，因为70％的B2B内容营销商和73％的B2C内容营销商表示他们打算在2017年发布比2016年更多的内容。

但是，尽管内容的制作速度更高，但许多营销人员仍在努力吸引读者使用其材料。 实际上，B2C行业中通常只有20％的内容具有参与度（需要注册），而B2B营销人员的参与度为50％时看到的效果略好。 随着品牌不断推进内容制作，很显然，他们必须学习如何更好地满足当前和潜在访问者的需求。 答案是不只是更多的内容-它是生产智能内容。

只有当SEO和内容制作团队可以一起工作时，组织才能够推动内容性能的发展。

发现并了解用户意图

首先，最重要的是，必须构建内容和SEO策略来解决用户的意图-了解消费者在搜索栏中键入查询时需要什么信息，以及进一步了解他们打算如何使用该信息。 您越了解他们想要阅读什么以及他们在网上寻求什么，就越容易为他们提供他们想要的材料。

有三种主要的搜索意图类型：

• 导航意图是指专注于到达特定站点的意图。 进行这些查询的消费者已经牢记其最终目的地。
• 信息意图是指进行搜索的人，因为他们希望获得信息以了解特定的事物。
• 交易意图查询是针对购买商品而进行的搜索。

Google致力于使其SERP符合搜索者的意图，以提供更好的用户体验。 例如，早在2016年，Google删除了侧边栏广告，并增加了SERP上自然搜索结果之上的有酬职位的广告位数量。 对于某些“高度商业化”的查询，现在有多达四个广告出现在自然搜索结果上方。 显然，他们确定，与那些执行信息搜索的人相比，执行交易搜索的人将更好地受到广告的服务。

我们在BrightEdge上的研究发现了这些SERP布局中的一些模式。 例如，具有事务性意图的查询在SERP顶部索取有薪职位的可能性要高六倍。 但是，与事务性查询相比，信息性更强的结果被列为前五名结果之一，其点击率高69％。

从我们的研究中可以明显看出，客户的意图对Google如何显示SERP结果有明显的影响。 能够理解这些差异的品牌更适合创建满足用户需求的内容。

创建智能内容以有意义的方式与受众保持一致

凭借对搜索者意图的洞察力，品牌现在必须专注于创建排名最高，鼓励点击并吸引到达页面的访问者的优化内容。 通过理解消费者想要阅读的内容和时间来创建“智能内容”，从而在目标受众眼中提升品牌。

品牌需要密切关注当前吸引其受众的主题和趋势，以创建这种智能内容。 他们应该监视趋势，以了解人们在搜索什么以及这些不同的适用关键字的竞争程度。 当品牌做到这一点时，他们可以顺应行业内的上升趋势，并在竞争对手之前发布高质量的内容，从而使自己成为专家。

• 关键字列表也可以根据竞争分析来制定，其中品牌识别其竞争对手排名的内容和关键字。 了解将客户带入其他品牌的术语和主题可以为内容制作提供出色的想法。
• 品牌还应该简单地研究其特定行业中的热门关键字。 一起使用这些不同的策略将使组织能够建立一个强大的关键字列表并确定可用于指导内容开发的关键主题。

在创建内容时，品牌应该针对适用的用户意图和目标购买者的角色对其进行优化。 这需要将Google的微时刻纳入内容开发策略，并生成适合Google的四个微时刻类别至少其中之一的材料–我想购买，我想知道，我想做和我想去的时刻。 例如，我想去的微时刻应该针对具有本地目标关键字和本地重点内容的本地搜索进行优化。

充分利用机器学习

机器学习已经成为内容策略中的重要元素，并且它的重要性可能会继续提高，以帮助品牌商为其消费者开发合适的内容。 机器学习已经在内容开发领域取得了重大进展。 例如Google的RankBrain。 对于营销人员而言，机器学习有可能释放对消费者行为模式的洞察力，因此营销人员可以预期潜在客户希望获得的内容。

当客户访问网站时，他们会留下无数的数据点，例如单击的内容和位置，在相应页面上停留的时间，如何到达网站，地理位置以及他们是唯一身份还是回头客。 当品牌能够监控这些数据并向所有访问者扩展其洞察力时，他们可以开始了解到达网站的不同类型的访问者，这些潜在客户在其购买者的旅程中以及将要访问的内容的类型。对这些前进的角色最有帮助。

不幸的是，可用的数据量巨大。 到2020年，数字生态系统中可用的数据量预计将从130艾字节增加到40,000，这将使营销人员无法单手整理可用信息。 机器学习功能的工作将是收集信息并为营销人员生成可操作的任务。

从这些数据中获得的洞察力将使品牌能够开始在不同阶段为特定角色创建内容，并为他们提供更个性化的体验，以更有效地吸引用户。 为了评估这些努力是否成功，营销人员必须将机器学习与准确的SEO和内容指标配对。

应该监视内容以收集有关以下方面的数据：

• 适用关键字在SERP上获得的排名。
• SERP的点击率。
• 访问者进入页面后的参与度。
• 在对访问者访问网站的初始内容进行审核之后，他们访问了网站。
• 您的转化率从访问者到潜在客户，再到潜在客户。

这些统计信息将帮助确保您的机器学习指导工作取得成功，并且可以提供下一步的见解。 提供有关内容性能及其对品牌收入影响的即时信息的统计信息也可以轻松转换为报告和视觉效果，以呈现给公司领导者。

执行：让SEO和智能内容为您服务

总而言之，为了使SEO和智能内容适合其品牌，营销人员需要关注以下五点：

1. 了解用户意图如何影响您的排名和参与度。
2. 根据用户需求制定关键字列表和内容策略。
3. 创建与微时刻和非线性客户旅程保持一致的内容。
4. 利用机器学习来深入了解您的受众并自动化工作流元素。
5. 使用可靠的SEO指标来监视您的内容营销进度并根据需要进行调整。

内容营销支出的增长以及对理解搜索意图的关注表明SEO和内容营销学科最终正在融合。 也就是说，关键的挑战仍然在于优化内容和将内容营销推向新的高度。 展望未来，至关重要的是，营销人员必须采用更加智能的方法来制作，优化和衡量内容。

知道如何使用搜索数据更好地了解其客户的营销人员已做好充分准备，可以创建具有可观影响力的目标内容。

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。