Was Marketer über Deep Learning und Google wissen müssen

Tiefes Lernen.

Während der PubCon KeyNote 2013 sprach Matt Cutts dies als eines der wichtigsten Dinge an, die Google verwendet, um die Suche zu verbessern, insbesondere in Bezug auf Entitäten und Sprachsuche. Facebook-KI-Direktor Yann LeCun weist darauf hin, dass Unternehmen wie Facebook und Google sich immer mehr darauf verlassen werden – Facebook zum Sortieren von Gegenständen, um sie Menschen zu zeigen, Google für selbstfahrende Autos. Und nach einem etwas langen „KI-Winter“ schnappen sich Unternehmen wie Google, Facebook, Microsoft und IBM Experten für künstliche Intelligenz und Deep Learning.

Für Vermarkter war es noch nie so wichtig zu lernen, was Hype und was echt ist. Deep Learning ist sicherlich ein Game-Changer – aber vielleicht nicht so, wie Sie es vielleicht erwarten.

Nicht wie ein Gehirn, wirklich

Das klingt alles sehr nach „Google-ist-SkyNet“, oder? Was es mit dieser Art von Mystik erfüllt, ist zum Teil, wie Deep Learning und KI von den Medien dargestellt wurden. Aber das Problem, mit dem Vermarkter konfrontiert sind, liegt weniger in der Handlung von Terminator 2, als vielmehr in der Veraltung ihres Fachwissens rund um die Suchfunktion.

Um zu verstehen warum, hilft es zu entmystifizieren, was Deep Learning wirklich ist und was nicht.

Die Abkürzung, die Leute manchmal verwenden, um Deep-Learning-Techniken in der KI zu beschreiben, lautet: „Es funktioniert genau wie ein Gehirn“. Dies ist ein sehr verlockender Ausdruck, weil er einen Teil der Komplexität beseitigt und die Menschen ihren Kopf um Maschinen wickeln können, die genau wie ein Gehirn lernen.

Aber wie Yann kürzlich in einem Interview anmerkt, ist diese Art von Hype gefährlich. Ja, es gibt einige Techniken des maschinellen Lernens, die von der Biologie inspiriert sind, aber viele, viele weitere Techniken, die das nicht sind. Vielmehr geht es beim Deep Learning darum, Maschinen die Mustererkennung beizubringen – wie einem Auto beizubringen, grüne, rote und gelbe Lichter zu erkennen, oder Google dazu zu bringen, zu erkennen, wenn auf einem Bild ein Gesicht zu sehen ist.

Maschinen, die lernen

Was tief in Deep Learning steckt, ist die Architektur, nicht die Erkenntnisse. Es geht um den Maßstab.

Wenn Google Deep Learning für seine „Things, not Strings“-Projekte verwendet, ist das, was es tiefsinnig macht, nicht die Tatsache, dass Sie eine bessere Konversationssuche haben können, sondern die Tatsache, dass Millionen und Abermillionen von „Entitäten“ wie „Obama“ und „president “ gewöhnen sich zusammen mit Tonnen von Mustern über diese Beziehungen.

Eine kurze Geschichte der Suchmaschinen

Wie dies mit Suchmaschinen und Online-Vermarktern zusammenhängt, ist nicht ohne weiteres ersichtlich, bis Sie die Geschichte der Nützlichkeit von Suchmaschinen-Vermarktern untersuchen.

Als Suchmaschinen in ihrer Anfangsphase waren, verwendeten Altavista, Google und andere Suchmaschinen der damaligen Zeit das sogenannte Schlüsselwort-Metatag, um festzustellen, worum es auf einer Seite geht. Was „böse“ oder „Blackhat“-SEOs taten, war, dies zu missbrauchen – sie spammten die Schlüsselwörter in den Metatags, bis Google im Grunde aufgeben musste und sagte, das Feld sei als Signal nicht mehr zu gebrauchen.

Dieses Muster würde sich auch in Zukunft bei der Suche fortsetzen – Google und das Unternehmen würden sagen, dass Links gut für Suchmaschinen sind, bis Spieler des Systems dies missbrauchten, indem sie bezahlte Linknetzwerke aufbauten, die die Suchergebnisse insgesamt weniger nützlich machten, wenn sie sich nur auf Links verließen. Suchmaschinen mussten sich anpassen, indem sie bezahlte Links rabattierten. Themenorientierte Seiten waren gut für Suchmaschinen, bis Content Farms auftauchten und im Grunde seichten Inhalt für Themen hatten. So wurde Panda geboren.

So war also das Ökosystem im Allgemeinen – Ingenieure in Suchmaschinenunternehmen sagen nicht genau, was Seiten zum Rang bringt, sondern geben allgemeine Anweisungen. „White Hat“-SEOs würden den Geist dieser Richtlinien übernehmen und sie auf Websites anwenden, und „Black Hats“ würden das System weiterhin auf Schwachstellen testen.

Das geht seit ungefähr 15 Jahren so, und Deep Learning in der Suche droht einen großen Teil dieses Ökosystems zu entwurzeln.

Die Maschine weiß, was die Ingenieure nicht wissen

Wenn Amit Singhal und der Rest des Google-Suchteams Änderungen an der Google-Suche vornehmen, führen sie im Wesentlichen Algorithmen mit einigen angepassten Knöpfen ein.

Aber die Einführung von Deep Learning in Teile der Google-Suche ist insofern ein Wendepunkt, als die Maschine für eine bestimmte Gruppe von Suchen die Relevanz liefert; Die Ingenieure könnten beispielsweise nicht beantworten, ob exakt passende Domains hilfreich sind, ob die sozialen Gewichtungen den größten Teil des Rankings für diese Suche bestimmen oder ob die interne Architektur der Website dem Ranking schadet.

Das Beste, was ein Google-Ingenieur sagen könnte, ist „vielleicht“.

Und wenn die Google-Ingenieure selbst es nicht wissen, können Sie darauf wetten, dass SEOs es nicht wissen, und ihre Kunden werden es auch nicht wissen. Das ist es, womit wir konfrontiert werden, wenn Deep-Learning-Systeme besser werden: SEO als Handwerk wird nicht sterben, aber die Breite dessen, was ein Standard-SEO vernünftigerweise zu wissen behaupten kann, wird begrenzter sein.

Wie machen Sie Ihre Fähigkeiten in einer Deep-Learning-Welt zukunftssicher?

Die Auswirkungen von Deep Learning werden nicht nur bei der Suche zu spüren sein, sondern für viele Online-Vermarkter ist die Suche ein Tischspiel. In den nächsten zehn Jahren, wenn diese Systeme besser werden und mehr Standards entwickelt werden (selbst Ingenieure von Google und Facebook geben bereitwillig zu, dass wir noch nicht so weit sind), werden sie in immer mehr Bereichen anwendbar sein.

Für Sie als Vermarkter bedeutet dies, dass, wenn Sie die gleiche begrenzte Zeit haben, um die Auswirkungen der Verknüpfung von C-Blöcken für die Suche und die Split-Test-Methodik für Benutzerfreundlichkeit und Konversionen aufzufrischen, letztere möglicherweise nur ein bisschen mehr Fortschritte machen.

Es sieht so aus, als ob Sie im nächsten Jahrzehnt diejenigen Fähigkeiten auswählen sollten, die Besucher davon abhalten, zurück zu klicken, sobald sie auf Ihre Website geklickt haben – diese werden entscheidend sein, unabhängig davon, wie sehr Deep Learning die Suchergebnisseite entwurzelt. Links, Verweise auf soziale Medien, On-Page-Elemente und andere Dinge werden immer noch berücksichtigt, aber Sie werden noch weniger Einblick in ihre Bedeutung haben als heute.