Недавно на сайте readwrite.com была опубликована статья, содержащая соображения, которые могут заинтересовать читателя нашего блога. Сегодня предлагаем ознакомиться с первой частью размышлений на тему будущего поисковой оптимизации от гендиректора крупной зарубежной SEO-компании.

Искусственный интеллект (ИИ) проникает в каждую отрасль, от автоматизации заводских работ до улучшения областей, которые ранее считались для машин неприкосновенными (например, HR). Но, будучи ветераном в мире онлайн-маркетинга, Нейт Нид не может не дать волю своему воображению касаемо того, как ИИ и машинное обучение повлияют на мир SEO — стратегий, которые организации используют для повышения рейтинга на страницах результатов поиска (SERP).

Мы уже видим начало полномасштабной революции в области искусственного интеллекта в SEO, и маркетологи изо всех сил стараются не отставать от изменений. Но что принесут следующие несколько лет? А как насчет следующего десятилетия?

Ситуация в целом

Говоря о «поисковых системах», мы по большей части имеем в виду Google. Другие поисковики делят лишь часть пользовательской базы поиска, и большинство их систем моделируются в первую очередь по аналогии с Google. Итак, наш главный вопрос: как Google использует ИИ в будущем, чтобы изменить процесс поиска для обычного пользователя?

Как показывает опыт, обновления алгоритма производятся с учетом двух основных целей:

  • Улучшить пользовательский опыт. Google хочет, чтобы пользователи находили ответы на свои вопросы и потребляли точный и ценный контент. Это важная и сложная категория; чтобы достичь этого, компания должна не только совершенствовать работу своей поисковой системы, но и то, как та находит, организует и оценивает качество контента в сети.
  • Сохранить своих пользователей. Google зарабатывает деньги, когда люди его используют и остаются на платформе как можно дольше. Почему это важно увидим в следующем разделе.

Компания уже использует машинное обучение несколькими различными способами, и это лишь вопрос времени, когда она продвинется вперед.

RankBrain и машинное обучение

Во-первых, давайте рассмотрим RankBrain — основанное на машинном обучении обновление к алгоритму Google Hummingbird 2015 года. Изначально обновление Hummingbird от 2013 года дало возможность производить «семантический поиск» и было разработано для оценки контекста пользовательских запросов, а не точного их содержания.  Вместо того чтобы отдавать приоритет точным совпадениям ключевых слов, Hummingbird позволил Google учитывать синонимы, связанные фразы и многое другое. Это был шаг в верном направлении, ведь теперь пользователи могли находить лучшие результаты, а у оптимизаторов поиска больше не было возможности компоновать ключевые слова.

RankBrain стала доработкой, позволяющей Google изучать огромное количество пользовательских поисковых данных и автоматически улучшать интерпретацию фраз. Основное внимание было уделено длинным, запутанным или трудным для понимания фразам, что в конечном итоге привело к их сокращению до длины и сложности, с которым алгоритм мог бы справиться. С тех пор она самообновляется и улучшается.

Это важный показатель того, как будет развиваться поиск в будущем. Можно предположить, что вместо произведенных вручную обновлений, мы увидим больше самообновляющихся и основанных на машинном обучении апдейтов. Это намного быстрее и выгоднее, чем если бы всю работу выполняли люди.

Качество контента и ссылок

Подозреваю, что мы также увидим значительные улучшения ИИ, направленных на лучшее понимание качества контента и ссылок, создаваемых оптимизаторами поиска.

Ссылки и контент являются ключевыми точками большинства стратегий SEO. Google изучает ссылки для расчета авторитета на уровне домена и страницы (или надежности). Как правило, чем больше ссылок указывают на сайт, и чем эти ссылки лучше, тем выше его рейтинг. Точно так же, качественный и релевантный контент имеет тенденцию повышаться в выдаче и привлекать веб-пользователей. Качественное содержание и ссылки означают повышенную рентабельность инвестиций в стратегию SEO.

Со временем поисковик стал лучше анализировать качество контента и ссылок с веб-сайтов. Работа поисковых маркетологов превратилась из попытки обмануть алгоритм Google в простое стремление сделать свою работу максимально хорошо.

Прямо сейчас методы оценки субъективного «качества» контента и ссылок хороши, но предела совершенству нет. Гораздо проще дать понять ИИ что делает хороший контент таковым, чем полагаться на работника, который кодирует эти параметры в систему. Логично, что Google приложит больше усилий для автоматизации оценки качества в ближайшем будущем.