마케터가 딥 러닝과 Google에 대해 알아야 할 사항

딥 러닝.

2013년 PubCon KeyNote에서 Matt Cutts는 특히 엔터티 및 음성 검색과 관련하여 Google이 검색을 개선하기 위해 사용하는 핵심 사항 중 하나로 이것을 말했습니다. Facebook AI 이사 Yann LeCun은 Facebook과 Google과 같은 회사가 사람들에게 보여주기 위해 항목을 분류하는 데 Facebook, 자율 주행 자동차에 대한 Google과 같이 Facebook과 Google과 같은 회사가 점점 더 그것에 의존할 것이라고 말합니다. 그리고 다소 긴 "AI 겨울" 이후 Google, Facebook, Microsoft 및 IBM과 같은 회사는 인공 지능 및 딥 러닝 전문가를 영입하고 있습니다.

마케터에게 무엇이 과대 광고이고 무엇이 진짜인지를 배우는 데 이보다 더 중요한 시간은 없었습니다. 딥 러닝은 확실히 게임 체인저입니다. 하지만 아마도 예상한 방식은 아닐 것입니다.

두뇌가 아니라 정말

이 모든 것이 "Google은 SkyNet과 같다"고 들리지 않습니까? 그런 종류의 신비주의를 불어넣는 것은 부분적으로 딥 러닝과 AI가 미디어에서 어떻게 묘사되었는지입니다. 그러나 마케터가 직면한 문제는 터미네이터 2의 줄거리가 아니라 검색에 대한 전문 지식이 더 이상 쓸모가 없어진다는 것입니다.

그 이유를 이해하려면 딥 러닝이 실제로 무엇이고 무엇이 아닌지를 이해하는 데 도움이 됩니다.

AI의 딥 러닝 기술을 설명하기 위해 사람들이 가끔 사용하는 속기는 "뇌처럼 작동합니다."입니다. 이것은 사용하기에 매우 유혹적인 문구입니다. 왜냐하면 복잡성을 일부 제거하고 사람들이 뇌처럼 학습하는 기계 주위에 머리를 감쌀 수 있기 때문입니다.

그러나 Yann이 최근 인터뷰에서 언급했듯이 이러한 종류의 과대 광고는 위험합니다. 예, 기계 학습에는 생물학에서 영감을 받은 몇 가지 기술이 있지만 그렇지 않은 기술이 훨씬 더 많습니다. 오히려 딥 러닝은 자동차가 녹색, 빨간색, 노란색 조명을 인식하도록 가르치거나 사진에 얼굴이 있을 때 Google이 인식하도록 하는 것과 같이 기계 패턴 인식을 가르치는 것입니다.

학습하는 기계

딥 러닝의 핵심은 학습이 아니라 아키텍처입니다. 규모에 관한 것입니다.

Google이 "문자열이 아닌 사물" 프로젝트에 딥 러닝을 사용할 때 더 나은 대화 검색을 할 수 있다는 사실이 아니라 "오바마" 및 "대통령"과 같은 수백만 개의 "엔티티"가 딥 러닝을 깊이 있게 만듭니다. "는 이러한 관계에 대한 수많은 패턴과 함께 익숙해지고 있습니다.

검색 엔진의 간략한 역사

이것이 검색 엔진 및 온라인 마케터와 어떤 관련이 있는지는 검색 마케터가 얼마나 유용했는지에 대한 역사를 조사할 때까지 쉽게 명확하지 않습니다.

초기 단계의 검색 엔진에서 Altavista, Google 및 당시의 다른 검색 엔진은 페이지의 내용을 결정하는 데 도움이 되는 키워드 메타태그라는 것을 사용했습니다. "나쁜" 또는 "블랙햇" SEO가 한 것은 이것을 남용하는 것이었습니다. Google이 기본적으로 포기하고 필드가 더 이상 신호로 유용하지 않다고 말할 때까지 메타태그의 키워드를 스팸했습니다.

이 패턴은 앞으로 검색에서도 계속될 것입니다. Google과 회사는 시스템의 게이머가 링크에만 의존할 때 검색 결과를 전반적으로 덜 유용하게 만드는 유료 링크 네트워크를 구축하여 이를 악용할 때까지 링크가 검색 엔진에 좋다고 말할 것입니다. 검색 엔진은 유료 링크를 할인하여 조정해야 했습니다. 주제 지향 페이지는 콘텐츠 팜이 등장하고 기본적으로 주제에 대한 얕은 콘텐츠가 있을 때까지 검색 엔진에 적합합니다. 그래서 팬더가 태어났습니다.

검색 엔진 회사의 엔지니어는 페이지 순위를 결정하는 요소가 무엇인지 구체적으로 말하지 않고 전반적인 방향을 제시합니다. "화이트 햇" SEO는 이러한 지침의 정신을 취하여 웹 사이트에 적용하고 "블랙 햇"은 시스템의 약점을 계속 테스트합니다.

이는 약 15년 ​​동안 진행되어 왔으며 검색 분야의 딥 러닝은 해당 생태계의 상당 부분을 뿌리 뽑을 위험이 있습니다.

기계는 엔지니어가 모르는 것을 알고 있습니다.

Amit Singhal과 나머지 Google 검색 팀이 Google 검색에 변경 사항을 적용할 때 본질적으로 몇 가지 노브를 조정한 알고리즘을 도입합니다.

그러나 Google 검색 섹션에 딥 러닝을 도입하는 것은 특정 검색 집합에 대해 기계가 관련성을 제공한다는 점에서 게임 체인저입니다. 예를 들어, 정확한 일치 도메인이 도움이 되는지, 소셜 가중치가 해당 검색에 대한 순위의 대부분을 차지하는지, 또는 사이트의 내부 아키텍처가 순위에 영향을 미치는지와 같이 엔지니어는 대답할 수 없습니다.

Google 엔지니어가 말할 수 있는 최고의 말은 "아마도"입니다.

그리고 구글 엔지니어들이 모른다면 SEO도 모르고 그들의 고객도 모를 것이라고 장담할 수 있습니다. 그것이 딥 러닝 시스템이 개선됨에 따라 우리가 직면하고 있는 것입니다. 기술로서의 SEO는 죽지 않을 것이지만 표준 SEO가 합리적으로 알 수 있다고 주장할 수 있는 범위는 더 제한될 것입니다.

딥 러닝 세계에서 기술의 미래를 어떻게 보장합니까?

딥 러닝의 영향은 검색에서만 느낄 수 있는 것이 아니라 많은 온라인 마케터에게 검색은 큰 의미가 있습니다. 향후 10년 동안 이러한 시스템이 개선되고 더 많은 표준이 개발됨에 따라(Google과 Facebook의 엔지니어도 우리가 아직 거기에 있지 않다는 것을 쉽게 인정합니다) 점점 더 많은 영역에 적용할 수 있습니다.

이것이 마케터로서 당신에게 의미하는 바는 검색을 위해 C-블록을 연결하고 사용성과 전환을 위한 분할 테스트 방법론의 영향을 검토할 제한된 시간이 있다면 후자가 앞으로 더 많은 다리를 가질 수 있다는 것입니다.

향후 10년 동안 선택해야 하는 기술은 방문자가 웹 사이트를 방문하면 다시 클릭하지 않도록 하는 것입니다. 이는 딥 러닝이 검색 결과 페이지를 얼마나 뿌리 뽑는지에 관계없이 중요할 것입니다. 링크, 소셜 미디어 추천, 페이지 내 요소 및 기타 사항은 여전히 ​​고려 대상이 될 것이지만, 현재보다 그 중요성에 대한 가시성이 훨씬 떨어집니다.