Co marketerzy powinni wiedzieć o Deep Learning i Google

Głęboka nauka.

Podczas publikacji PubCon KeyNote w 2013 r. Matt Cutts mówił o tym jako o jednej z kluczowych rzeczy, których Google używa do ulepszania wyszukiwania, szczególnie w zakresie encji i wyszukiwania głosowego. Dyrektor Facebook AI Yann LeCun wskazuje, że firmy takie jak Facebook i Google będą coraz bardziej polegać na nim – Facebook do sortowania przedmiotów, aby pokazać ludziom, Google do autonomicznych samochodów. A po dość długiej „zimie AI” firmy takie jak Google, Facebook, Microsoft i IBM zdobywają ekspertów od sztucznej inteligencji i głębokiego uczenia się.

Dla marketerów nigdy nie było tak ważnego czasu, aby dowiedzieć się, co jest głośne, a co prawdziwe. Głębokie uczenie z pewnością zmienia zasady gry – ale być może nie w taki sposób, jakiego można by oczekiwać.

Naprawdę nie jak mózg

To wszystko brzmi bardzo „Google-is-SkyNet”, prawda? Tym, co nasyca go tego rodzaju mistycyzmem, jest po części sposób, w jaki uczenie głębokie i sztuczna inteligencja zostały przedstawione przez media. Ale problem, z którym borykają się marketerzy, nie dotyczy fabuły Terminatora 2, a bardziej wiedzy, jaką mają w zakresie wyszukiwania, które stają się przestarzałe.

Aby zrozumieć dlaczego, warto wyjaśnić, czym naprawdę jest Deep Learning, a czym nie.

Skrót, którego ludzie czasami używają do opisywania technik głębokiego uczenia w sztucznej inteligencji, polega na tym, że „działa tak jak mózg”. Jest to bardzo kuszące wyrażenie, ponieważ pozbywa się części złożoności, a ludzie mogą owijać głowę wokół maszyn, które uczą się tak jak mózg.

Ale jak zauważa Yann w niedawnym wywiadzie, ten rodzaj szumu jest niebezpieczny. Tak, istnieją techniki uczenia maszynowego inspirowane biologią, ale wiele, wiele innych technik nie jest. Głębokie uczenie polega raczej na nauczeniu maszyn rozpoznawania wzorców — na przykład nauczeniu samochodu rozpoznawania zielonego, czerwonego i żółtego światła lub umożliwieniu Google rozpoznania twarzy na zdjęciu.

Maszyny, które się uczą

To, co jest głębokie w Deep Learning, to architektura, a nie nauka. Chodzi o skalę.

Kiedy Google używa Deep Learning do swoich projektów „rzeczy, a nie ciągi”, to, co czyni je głębokim, nie jest fakt, że możesz mieć lepsze wyszukiwanie konwersacyjne, ale fakt, że miliony „podmiotów” takich jak „Obama” i „prezydent” przyzwyczajają się, wraz z mnóstwem wzorców dotyczących tych relacji.

Krótka historia wyszukiwarek

W jaki sposób odnosi się to do wyszukiwarek i sprzedawców internetowych, nie jest oczywiste, dopóki nie przyjrzysz się historii przydatności marketerów w wyszukiwarkach.

Kiedy wyszukiwarki znajdowały się w początkowej fazie, Altavista, Google i inne wyszukiwarki tamtych czasów używały tak zwanego metatagu słowa kluczowego, aby pomóc określić, o czym jest strona. To, co robili „złe” lub „czarne” SEO, to nadużywanie tego – spamowali słowa kluczowe w metatagach, dopóki Google w zasadzie nie musiał się poddać i powiedzieć, że pole nie jest już przydatne jako sygnał.

Ten wzorzec będzie kontynuowany w wyszukiwarkach – Google i firma twierdzą, że linki są dobre dla wyszukiwarek, dopóki gracze systemu nie nadużywają tego, budując sieci płatnych linków, które sprawiają, że wyniki wyszukiwania są ogólnie mniej przydatne, gdy tylko polegają na linkach. Wyszukiwarki musiały dostosować się, dyskontując linki, za które są opłacane. Strony zorientowane tematycznie są dobre dla wyszukiwarek, dopóki nie pojawiły się farmy treści i zasadniczo miały płytką treść dla tematów. Tak narodziła się Panda.

Tak więc generalnie wyglądał ekosystem – inżynierowie w firmach zajmujących się wyszukiwarkami nie mówią konkretnie, co sprawia, że ​​strony są pozycjonowane, ale podają ogólne wskazówki. SEO „białego kapelusza” przejęłoby ducha tych wytycznych i zastosowałoby je na stronach internetowych, a „czarne kapelusze” nadal testowałyby system pod kątem słabości.

Trwa to od około 15 lat, a Deep Learning w wyszukiwaniu grozi wykorzenieniem dużej części tego ekosystemu.

Maszyna wie to, czego nie wiedzą inżynierowie

Kiedy Amit Singhal i reszta zespołu wyszukiwania Google wprowadzają zmiany w wyszukiwarce Google, zasadniczo wprowadzają algorytmy z kilkoma poprawionymi pokrętłami.

Jednak wprowadzenie Deep Learning do sekcji wyszukiwarki Google zmienia zasady gry w tym sensie, że w przypadku określonego zestawu wyszukiwań maszyna zapewnia trafność; inżynierowie nie byliby w stanie odpowiedzieć, na przykład, czy domeny dopasowania ścisłego pomagają, czy wagi społecznościowe decydują o większości rankingu dla tego wyszukiwania lub czy wewnętrzna architektura witryny szkodzi pozycji.

Najlepsze, co inżynier Google mógłby powiedzieć, to „może”.

A jeśli sami inżynierowie Google nie wiedzą, można się założyć, że SEO nie wiedzą, podobnie jak ich klienci. Z tym właśnie mamy do czynienia, gdy systemy Deep Learning stają się coraz lepsze: SEO jako rzemiosło nie umrze, ale zakres tego, co standardowy SEO może rozsądnie twierdzić, będzie bardziej ograniczony.

Jak sprawdzisz swoje umiejętności w świecie głębokiego uczenia się na przyszłość?

Wpływ głębokiego uczenia się będzie odczuwalny nie tylko w wyszukiwarce, ale dla wielu marketerów online wyszukiwanie jest stawką przy stole. W ciągu następnej dekady, w miarę jak te systemy będą coraz lepsze i coraz więcej standardów zostanie opracowanych (nawet inżynierowie z Google i Facebooka przyznają, że jeszcze nas tam nie ma) będą miały zastosowanie w coraz większej liczbie obszarów.

Dla Ciebie jako marketera oznacza to, że jeśli masz tak samo ograniczony czas na odświeżenie wpływu łączenia bloków C dla wyszukiwania i metodologii testów podziału na użyteczność i konwersje, ta ostatnia może mieć nieco więcej kroków do przodu.

Wygląda na to, że w następnej dekadzie umiejętności, które powinieneś wybrać, to te, które powstrzymują odwiedzających przed kliknięciem, gdy trafią na Twoją stronę internetową – będą one kluczowe, niezależnie od tego, jak bardzo Deep Learning wykorzeni stronę wyników wyszukiwania. Linki, odesłania do mediów społecznościowych, elementy na stronie i inne rzeczy nadal będą brane pod uwagę, ale będziesz mieć jeszcze mniejszy wgląd w to, jak ważne są, niż masz dzisiaj.