Apa yang Perlu Diketahui Pemasar Tentang Deep Learning dan Google

Pembelajaran Mendalam.

Selama PubCon KeyNote 2013, Matt Cutts membicarakan hal ini sebagai salah satu hal utama yang digunakan Google untuk meningkatkan pencarian, terutama seputar entitas dan pencarian suara. Direktur AI Facebook Yann LeCun menunjukkan bahwa perusahaan seperti Facebook dan Google akan semakin mengandalkannya – Facebook untuk menyortir item untuk ditunjukkan kepada orang-orang, Google untuk mobil yang dapat mengemudi sendiri. Dan setelah "musim dingin AI" yang agak lama, perusahaan seperti Google, Facebook, Microsoft, dan IBM mengambil alih kecerdasan buatan dan pakar pembelajaran mendalam.

Untuk pemasar, tidak pernah ada waktu yang lebih penting untuk mempelajari apa yang hype dan apa yang nyata. Deep Learning tentu saja merupakan pengubah permainan – tetapi mungkin tidak seperti yang Anda harapkan.

Tidak Seperti Otak, Sungguh

Semuanya terdengar sangat "Google-is-SkyNet", bukan? Apa yang mengilhami mistisisme semacam itu sebagian adalah bagaimana Deep Learning dan AI digambarkan oleh media. Tetapi masalah yang dihadapi pemasar bukanlah tentang plot Terminator 2, dan lebih banyak tentang keahlian yang mereka miliki seputar pencarian yang menjadi usang.

Untuk memahami alasannya, ada baiknya untuk mengungkap apa itu Deep Learning sebenarnya dan bukan.

Singkatan yang kadang-kadang digunakan orang untuk menggambarkan teknik Deep Learning di AI adalah bahwa "itu bekerja seperti otak." Ini adalah frasa yang sangat menggoda untuk digunakan, karena menghilangkan beberapa kerumitan, dan orang-orang dapat membungkus kepala mereka dengan mesin yang belajar seperti otak.

Tapi seperti yang dicatat Yann dalam sebuah wawancara baru-baru ini, hype semacam ini berbahaya. Ya, ada beberapa teknik dalam pembelajaran mesin yang terinspirasi oleh biologi, tetapi masih banyak lagi teknik yang tidak. Sebaliknya, Deep Learning adalah tentang mengajarkan pengenalan pola mesin – seperti mengajari mobil untuk mengenali lampu hijau, merah, dan kuning, atau membuat Google mengenali saat ada wajah dalam gambar.

Mesin yang Belajar

Apa yang jauh dari Deep Learning adalah arsitekturnya, bukan pembelajarannya. Ini tentang skala.

Ketika Google menggunakan Deep Learning untuk proyek "hal-hal, bukan string" mereka, apa yang membuatnya mendalam bukanlah fakta bahwa Anda dapat memiliki pencarian percakapan yang lebih baik, tetapi fakta bahwa jutaan demi jutaan "entitas" seperti "Obama" dan "presiden ” mulai digunakan, bersama dengan banyak pola tentang hubungan itu.

Sejarah Singkat Mesin Pencari

Bagaimana hal ini berkaitan dengan mesin pencari dan pemasar online tidak mudah terlihat sampai Anda memeriksa sejarah bagaimana pemasar pencarian telah berguna.

Ketika mesin pencari di mana dalam fase baru lahir mereka, Altavista, Google, dan mesin pencari lainnya saat itu menggunakan apa yang disebut metatag kata kunci untuk membantu menentukan tentang apa halaman itu. Apa yang "buruk" atau "blackhat" SEO lakukan adalah menyalahgunakan ini - mereka mengirim spam kata kunci di metatag sampai Google pada dasarnya harus menyerah dan mengatakan bahwa bidang tersebut tidak berguna sebagai sinyal lagi.

Pola ini akan terus berlanjut dalam pencarian - Google dan perusahaan akan mengatakan bahwa tautan bagus untuk mesin pencari, sampai para pemain sistem menyalahgunakannya dengan membangun jaringan tautan berbayar yang membuat hasil pencarian kurang bermanfaat secara keseluruhan ketika hanya mengandalkan tautan. Mesin pencari harus menyesuaikan dengan diskon link yang dibayar. Halaman berorientasi topik bagus untuk mesin pencari, sampai ladang konten muncul dan pada dasarnya memiliki konten dangkal untuk topik. Maka lahirlah Panda.

Jadi seperti itulah ekosistem secara umum – insinyur dalam perusahaan mesin pencari tidak mengatakan secara spesifik apa yang membuat peringkat halaman, tetapi memberikan arahan secara keseluruhan. SEO “white hat” akan mengambil semangat dari pedoman tersebut dan menerapkannya ke situs web, dan “black hat” akan terus menguji kelemahan sistem.

Itu telah berlangsung selama sekitar 15 tahun, dan Deep Learning dalam pencarian mengancam untuk mencabut sebagian besar ekosistem itu.

Mesin Mengetahui Apa yang Tidak Dilakukan Insinyur

Ketika Amit Singhal dan tim pencarian Google lainnya menerapkan perubahan pada pencarian Google, mereka pada dasarnya memperkenalkan algoritme dengan beberapa tombol yang diubah.

Tetapi memperkenalkan Deep Learning ke bagian pencarian Google adalah pengubah permainan dalam arti bahwa untuk serangkaian pencarian tertentu, mesin menyediakan relevansi; para insinyur tidak akan dapat menjawab, misalnya, jika domain pencocokan tepat membantu, apakah bobot sosial mendorong sebagian besar peringkat untuk pencarian itu, atau jika arsitektur internal situs merusak peringkat.

Yang terbaik yang bisa dikatakan oleh seorang insinyur Google adalah, "mungkin."

Dan jika para insinyur Google sendiri tidak tahu, Anda dapat bertaruh SEO tidak tahu, dan klien mereka juga tidak. Itulah yang kami hadapi saat sistem Deep Learning menjadi lebih baik: SEO sebagai keahlian tidak akan mati, tetapi luasnya apa yang dapat diklaim secara wajar oleh SEO standar akan lebih terbatas.

Bagaimana Anda Membuktikan Keterampilan Anda di Masa Depan di Dunia Pembelajaran Mendalam?

Dampak Deep Learning tidak hanya akan dirasakan dalam pencarian, tetapi bagi banyak pemasar online, pencarian adalah taruhannya. Dalam dekade berikutnya, ketika sistem ini menjadi lebih baik dan lebih banyak standar dikembangkan, (bahkan insinyur dari Google dan Facebook dengan mudah mengakui bahwa kami belum sampai di sana) mereka akan dapat diterapkan di lebih banyak area.

Apa artinya ini bagi Anda sebagai pemasar adalah jika Anda memiliki waktu terbatas yang sama untuk memoles dampak penautan blok-C untuk pencarian dan metodologi pengujian terpisah untuk kegunaan dan konversi, yang terakhir mungkin hanya memiliki sedikit lebih banyak kaki untuk bergerak maju.

Sepertinya dalam dekade berikutnya, keterampilan yang harus Anda pilih adalah keterampilan yang mencegah pengunjung mengklik kembali begitu mereka membuka situs web Anda – keterampilan itu akan sangat penting terlepas dari seberapa banyak Deep Learning mencabut halaman hasil pencarian. Tautan, rujukan media sosial, elemen di halaman, dan hal-hal lain masih akan menjadi pertimbangan, tetapi Anda akan memiliki visibilitas yang lebih sedikit tentang betapa pentingnya mereka daripada yang Anda lakukan hari ini.