O que os profissionais de marketing precisam saber sobre Deep Learning e Google

Aprendizado Profundo.

Durante o PubCon KeyNote de 2013, Matt Cutts falou sobre isso como uma das principais coisas que o Google está usando para melhorar a pesquisa, principalmente em torno de entidades e pesquisa por voz. O diretor de IA do Facebook, Yann LeCun, indica que empresas como Facebook e Google confiarão cada vez mais nele – o Facebook para classificar itens para mostrar às pessoas, o Google para carros autônomos. E depois de um “inverno de IA” um pouco longo, empresas como Google, Facebook, Microsoft e IBM estão adquirindo especialistas em inteligência artificial e aprendizado profundo.

Para os profissionais de marketing, nunca houve um momento mais importante para aprender o que é hype e o que é real. O Deep Learning certamente é um divisor de águas - mas talvez não da maneira que você espera.

Não como um cérebro, realmente

Tudo soa muito "Google-is-SkyNet", não é? O que o imbui desse tipo de misticismo é, em parte, como o Deep Learning e a IA foram retratados pela mídia. Mas o problema que os profissionais de marketing estão enfrentando é menos sobre o enredo do Exterminador do Futuro 2 e mais sobre a experiência que eles têm em torno da obsolescência da busca.

Para entender o porquê, ajuda a desmistificar o que o Deep Learning realmente é e o que não é.

A abreviação que as pessoas às vezes usam para descrever as técnicas de Deep Learning em IA é que “funciona como um cérebro”. Esta é uma frase muito tentadora de usar, porque elimina um pouco da complexidade, e as pessoas podem envolver suas cabeças em torno de máquinas que aprendem exatamente como um cérebro.

Mas, como Yann observa em uma entrevista recente, esse tipo de hype é perigoso. Sim, existem algumas técnicas de aprendizado de máquina que são inspiradas na biologia, mas muitas, muitas outras técnicas que não são. Em vez disso, o Deep Learning trata de ensinar o reconhecimento de padrões de máquinas – como ensinar um carro a reconhecer luzes verdes, vermelhas e amarelas, ou fazer o Google reconhecer quando há um rosto em uma foto.

Máquinas que aprendem

O que há de profundo no Deep Learning é a arquitetura, não os aprendizados. É sobre escala.

Quando o Google usa o Deep Learning para seus projetos de “coisas, não strings”, o que o torna profundo não é o fato de que você pode ter uma pesquisa conversacional melhor, mas o fato de que milhões e milhões de “entidades” como “Obama” e “presidente ” estão se acostumando, juntamente com toneladas de padrões sobre esses relacionamentos.

Uma breve história dos motores de busca

Como isso se relaciona com os mecanismos de busca e os profissionais de marketing on-line não é facilmente perceptível até que você examine a história de como os profissionais de marketing de busca foram úteis.

Quando os mecanismos de busca estavam em sua fase inicial, Altavista, Google e outros mecanismos de busca da época usavam o que é chamado de metatag de palavra-chave para ajudar a determinar sobre o que é uma página. O que os SEOs “ruins” ou “blackhat” fizeram foi abusar disso – eles enviaram spam às palavras-chave nas metatags até que o Google basicamente teve que desistir e dizer que o campo não é mais útil como um sinal.

Esse padrão continuaria na pesquisa avançando – o Google e a empresa diriam que os links são bons para os mecanismos de pesquisa, até que os jogadores do sistema abusassem disso construindo redes de links pagos que tornavam os resultados da pesquisa menos úteis em geral ao confiar apenas nos links. Os mecanismos de pesquisa tiveram que se ajustar descontando os links pagos. As páginas orientadas a tópicos são boas para os mecanismos de pesquisa, até que as fazendas de conteúdo surgiram e basicamente tinham conteúdo superficial para tópicos. Assim nasceu o Panda.

Então é assim que o ecossistema geralmente tem sido – engenheiros dentro de empresas de mecanismos de busca não dizem especificamente o que faz com que as páginas sejam classificadas, mas dando orientações gerais. SEOs de “chapéu branco” pegariam o espírito dessas diretrizes e as aplicariam a sites, e “chapéus pretos” continuariam a testar o sistema em busca de pontos fracos.

Isso vem acontecendo há cerca de 15 anos, e o Deep Learning em busca ameaça desarraigar grande parte desse ecossistema.

A máquina sabe o que os engenheiros não sabem

Quando Amit Singhal e o resto da equipe de pesquisa do Google aplicam alterações à pesquisa do Google, eles essencialmente introduzem algoritmos com alguns botões ajustados.

Mas a introdução do Deep Learning nas seções de pesquisa do Google é um divisor de águas no sentido de que, para um conjunto específico de pesquisas, a máquina está fornecendo a relevância; os engenheiros não seriam capazes de responder, por exemplo, se os domínios de correspondência exata estão ajudando, se os pesos sociais estão direcionando a maior parte da classificação para essa pesquisa ou se a arquitetura interna do site está prejudicando a classificação.

O melhor que um engenheiro do Google poderia dizer é “talvez”.

E se os próprios engenheiros do Google não sabem, pode apostar que os SEOs não sabem, e nem seus clientes. É isso que estamos enfrentando à medida que os sistemas de Deep Learning ficam melhores: SEO como um ofício não morrerá, mas a amplitude do que um SEO padrão pode razoavelmente alegar saber será mais limitada.

Como você prova suas habilidades para o futuro em um mundo de aprendizado profundo?

O impacto do Deep Learning não será sentido apenas na pesquisa, mas para muitos profissionais de marketing on-line, a pesquisa está em jogo. Na próxima década, à medida que esses sistemas melhorarem e mais padrões forem desenvolvidos (até engenheiros do Google e do Facebook admitem prontamente que ainda não chegamos lá), eles serão aplicáveis ​​em mais e mais áreas.

O que isso significa para você como profissional de marketing é que, se você tiver o mesmo tempo limitado para aprimorar o impacto da vinculação de blocos C para pesquisa e metodologia de teste A/B para usabilidade e conversões, o último pode ter um pouco mais de pernas no futuro.

Parece que na próxima década, as habilidades que você deve escolher são aquelas que impedem os visitantes de clicar de volta assim que acessarem seu site – elas serão críticas, independentemente de quanto Deep Learning desarraiga a página de resultados de pesquisa. Links, referências de mídia social, elementos na página e outras coisas ainda serão consideradas, mas você terá ainda menos visibilidade de quão importantes eles são do que você tem hoje.