Ciò che gli esperti di marketing devono sapere su Deep Learning e Google

Apprendimento approfondito.

Durante il PubCon KeyNote del 2013, Matt Cutts ne ha parlato come una delle cose chiave che Google sta utilizzando per migliorare la ricerca, in particolare per quanto riguarda le entità e la ricerca vocale. Il direttore dell'IA di Facebook Yann LeCun indica che aziende come Facebook e Google faranno sempre più affidamento su di esso: Facebook per lo smistamento degli elementi da mostrare alle persone, Google per le auto a guida autonoma. E dopo un "inverno AI" piuttosto lungo, aziende come Google, Facebook, Microsoft e IBM stanno acquistando esperti di intelligenza artificiale e deep learning.

Per gli esperti di marketing, non c'è mai stato un momento così importante per imparare cosa è clamore e cosa è reale. Il Deep Learning è certamente un punto di svolta, ma forse non nel modo in cui ti aspetteresti.

Non come un cervello, davvero

Sembra tutto molto "Google-è-SkyNet", non è vero? Ciò che lo permea di quel tipo di misticismo è in parte il modo in cui il Deep Learning e l'IA sono stati rappresentati dai media. Ma il problema che i marketer devono affrontare riguarda meno la trama di Terminator 2 e più l'esperienza che hanno sulla ricerca che diventa obsoleta.

Per capire perché, aiuta a demistificare ciò che il Deep Learning è veramente e non è.

L'abbreviazione che le persone a volte usano per descrivere le tecniche di Deep Learning nell'IA è che "funziona proprio come un cervello". Questa è una frase molto allettante da usare, perché elimina parte della complessità e le persone possono avvolgere la testa attorno a macchine che imparano proprio come fa un cervello.

Ma come osserva Yann in una recente intervista, questo tipo di clamore è pericoloso. Sì, ci sono alcune tecniche nell'apprendimento automatico che si ispirano alla biologia, ma molte, molte altre tecniche che non lo sono. Piuttosto, il Deep Learning riguarda l'insegnamento del riconoscimento dei modelli delle macchine, come insegnare a un'auto a riconoscere le luci verdi, rosse e gialle o far riconoscere a Google quando c'è un volto in una foto.

Macchine che imparano

Ciò che è profondo nel Deep Learning è l'architettura, non gli apprendimenti. Si tratta di scala.

Quando Google utilizza il Deep Learning per i suoi progetti "cose, non stringhe", ciò che lo rende profondo non è il fatto che puoi avere una ricerca conversazionale migliore, ma il fatto che milioni e milioni di "entità" come "Obama" e "presidente ” si stanno abituando, insieme a tonnellate di schemi su quelle relazioni.

Una breve storia dei motori di ricerca

Come questo si collega ai motori di ricerca e ai marketer online non è subito evidente finché non esamini la storia di come i marketer di ricerca sono stati utili.

Quando i motori di ricerca erano nella loro fase nascente, Altavista, Google e altri motori di ricerca dell'epoca usavano quello che viene chiamato il metatag delle parole chiave per aiutare a determinare di cosa tratta una pagina. Ciò che hanno fatto i SEO "cattivi" o "blackhat" è stato abusare di questo: hanno spammato le parole chiave nei metatag fino a quando Google ha praticamente dovuto arrendersi e dire che il campo non è più utile come segnale.

Questo modello continuerebbe nella ricerca andando avanti: Google e la società direbbero che i collegamenti sono buoni per i motori di ricerca, fino a quando i giocatori del sistema non ne hanno abusato costruendo reti di collegamenti a pagamento che hanno reso i risultati di ricerca meno utili nel complesso quando si basavano solo sui collegamenti. I motori di ricerca hanno dovuto adeguarsi scontando i collegamenti a pagamento. Le pagine orientate agli argomenti sono buone per i motori di ricerca, fino a quando non sono arrivate le content farm e sostanzialmente avevano contenuti superficiali per gli argomenti. Così è nata Panda.

Ecco com'è stato generalmente l'ecosistema: gli ingegneri all'interno delle società di motori di ricerca non dicono specificamente cosa rende le pagine classificate, ma danno indicazioni generali. I SEO "white hat" prenderebbero lo spirito di tali linee guida e le applicherebbero ai siti Web e "black hat" continuerebbero a testare i punti deboli del sistema.

Ciò va avanti da circa 15 anni e il Deep Learning nella ricerca minaccia di sradicare gran parte di quell'ecosistema.

La macchina sa quello che gli ingegneri non sanno

Quando Amit Singhal e il resto del team di ricerca di Google applicano le modifiche alla ricerca di Google, in sostanza introducono algoritmi con alcune manopole ottimizzate.

Ma l'introduzione del Deep Learning nelle sezioni della ricerca di Google è un punto di svolta, nel senso che per un particolare insieme di ricerche, la macchina fornisce la pertinenza; gli ingegneri non sarebbero in grado di rispondere, ad esempio, se i domini a corrispondenza esatta stanno aiutando, se i pesi sociali stanno guidando la maggior parte del ranking per quella ricerca o se l'architettura interna del sito sta danneggiando il ranking.

Il meglio che un ingegnere di Google potrebbe dire è "forse".

E se gli stessi ingegneri di Google non lo sanno, puoi scommettere che i SEO non lo sanno, e nemmeno i loro clienti. Questo è ciò che stiamo affrontando mentre i sistemi di Deep Learning migliorano: la SEO come mestiere non morirà, ma l'ampiezza di ciò che un SEO standard può ragionevolmente affermare di sapere sarà più limitata.

In che modo metti a prova di futuro le tue abilità in un mondo di deep learning?

L'impatto del Deep Learning non si farà sentire solo nella ricerca, ma per molti marketer online, la ricerca è una posta in gioco. Nel prossimo decennio, man mano che questi sistemi miglioreranno e verranno sviluppati più standard, (anche gli ingegneri di Google e Facebook ammettono prontamente che non ci siamo ancora arrivati) saranno applicabili in un numero sempre maggiore di aree.

Ciò che questo significa per te come marketer è che se hai lo stesso tempo limitato per rispolverare l'impatto del collegamento dei blocchi C per la ricerca e la metodologia del test diviso per l'usabilità e le conversioni, quest'ultimo potrebbe avere solo un po' più di gambe per andare avanti.

Sembra che nel prossimo decennio le competenze che dovresti scegliere siano quelle che impediscono ai visitatori di fare clic di nuovo una volta che hanno visitato il tuo sito Web: saranno fondamentali indipendentemente da quanto il Deep Learning sradica la pagina dei risultati di ricerca. Link, riferimenti ai social media, elementi sulla pagina e altre cose saranno ancora da considerare, ma avrai ancora meno visibilità su quanto siano importanti rispetto a oggi.