Ce trebuie să știe specialiștii în marketing despre Deep Learning și Google

Invatare profunda.

În timpul PubCon KeyNote din 2013, Matt Cutts a vorbit despre asta ca fiind unul dintre lucrurile cheie pe care Google le folosește pentru a îmbunătăți căutarea, în special în ceea ce privește deținerea de entități și căutarea vocală. Directorul Facebook AI, Yann LeCun, indică faptul că companii precum Facebook și Google se vor baza din ce în ce mai mult pe ea - Facebook pentru sortarea articolelor pentru a le arăta oamenilor, Google pentru mașinile autonome. Și după o „iarnă AI” oarecum lungă, companii precum Google, Facebook, Microsoft și IBM fac rost de experți în inteligență artificială și deep learning.

Pentru marketeri, nu a existat niciodată un moment mai important pentru a afla ce este hype și ce este real. Învățarea profundă este cu siguranță un schimbător de joc – dar poate nu în modurile la care vă așteptați.

Nu ca un creier, într-adevăr

Totul sună foarte „Google-is-SkyNet”, nu-i așa? Ceea ce îl impregnează cu acest tip de misticism este în parte modul în care Deep Learning și AI au fost portretizate de mass-media. Dar problema cu care se confruntă marketerii este mai puțin legată de complotul Terminator 2 și mai mult de expertiza pe care o au în ceea ce privește devenirea învechită a căutării.

Pentru a înțelege de ce, ajută la demistificarea a ceea ce este și nu este cu adevărat Deep Learning.

Stenografia pe care o folosesc uneori oamenii pentru a descrie tehnicile de învățare profundă în AI este că „funcționează exact ca un creier”. Aceasta este o expresie foarte tentantă de folosit, pentru că scapă de o parte din complexitate, iar oamenii își pot învălui mașinile care învață exact ca un creier.

Dar, după cum notează Yann într-un interviu recent, acest tip de hype este periculos. Da, există câteva tehnici în învățarea automată care sunt inspirate din biologie, dar multe, multe alte tehnici care nu sunt. Mai degrabă, Deep Learning se referă la predarea mașinilor cu privire la recunoașterea modelelor – cum ar fi să înveți o mașină să recunoască luminile verzi, roșii și galbene sau să faci Google să recunoască când există o față într-o imagine.

Mașini care învață

Ceea ce este profund în Deep Learning este arhitectura, nu învățăturile. Este vorba despre scară.

Când Google folosește Deep Learning pentru proiectele sale „lucruri, nu șiruri”, ceea ce o face profundă nu este faptul că poți avea o căutare conversațională mai bună, ci faptul că milioane și milioane de „entități” precum „Obama” și „președinte”. ” se obișnuiesc, împreună cu tone de modele despre acele relații.

O scurtă istorie a motoarelor de căutare

Modul în care acest lucru se leagă de motoarele de căutare și agenții de marketing online nu este ușor evident până când nu examinați istoria modului în care agenții de marketing de căutare au fost utili.

Când motoarele de căutare erau în faza lor incipientă, Altavista, Google și alte motoare de căutare ale vremii foloseau ceea ce se numește metaetichetă de cuvinte cheie pentru a determina despre ce este vorba despre o pagină. Ceea ce au făcut SEO „răi” sau „negru” a fost să abuzeze de acest lucru – au trimis cuvintele cheie din metaetichete până când Google a trebuit să renunțe și să spună că câmpul nu mai este util ca semnal.

Acest model ar continua în căutarea în continuare – Google și compania ar spune că linkurile sunt bune pentru motoarele de căutare, până când jucătorii sistemului au abuzat de acest lucru construind rețele de linkuri plătite care au făcut rezultatele căutării mai puțin utile atunci când se bazează doar pe linkuri. Motoarele de căutare au trebuit să se adapteze prin reducerea linkurilor pentru care sunt plătite. Paginile orientate pe subiecte sunt bune pentru motoarele de căutare, până când au apărut fermele de conținut și, practic, au avut conținut superficial pentru subiecte. Așa s-a născut Panda.

Așa a fost, în general, ecosistemul – inginerii din cadrul companiilor de motoare de căutare nu spun în mod specific ceea ce face ca paginile să se claseze, ci oferă indicații generale. SEO-ul „pălărie albă” ar prelua spiritul acestor linii directoare și le-ar aplica site-urilor web, iar „pălăriile negre” ar continua să testeze sistemul pentru punctele slabe.

Asta se întâmplă de aproximativ 15 ani, iar Deep Learning în căutare amenință să smulgă o mare parte a ecosistemului respectiv.

Mașina știe ce nu știu inginerii

Când Amit Singhal și restul echipei de căutare Google aplică modificări la căutarea Google, ei introduc în esență algoritmi cu câteva butoane modificate.

Dar introducerea Deep Learning în secțiunile de căutare Google este o schimbare în sensul că pentru un anumit set de căutări, mașina furnizează relevanța; inginerii nu ar putea răspunde, de exemplu, dacă domeniile cu potrivire exactă ajută, dacă ponderile sociale conduc cea mai mare parte a clasamentului pentru acea căutare sau dacă arhitectura internă a site-ului afectează clasamentul.

Cel mai bine ar putea spune un inginer Google este „poate”.

Și dacă inginerii Google înșiși nu știu, puteți paria că SEO nu știu, și nici clienții lor. Cu asta ne confruntăm, pe măsură ce sistemele de învățare profundă se îmbunătățesc: SEO ca ambarcațiune nu va muri, dar amploarea a ceea ce un SEO standard poate pretinde în mod rezonabil că știe va fi mai limitată.

Cum îți poți demonstra abilitățile în viitor într-o lume de învățare profundă?

Impactul Deep Learning nu va fi simțit doar în căutare, ci pentru o mulțime de agenți de marketing online, căutarea este mize de masă. În următorul deceniu, pe măsură ce aceste sisteme se îmbunătățesc și se dezvoltă mai multe standarde (chiar și inginerii de la Google și Facebook recunosc cu ușurință că nu suntem încă acolo), ele vor fi aplicabile în tot mai multe domenii.

Ce înseamnă asta pentru tine, ca agent de marketing, este că, dacă ai același timp limitat pentru a perfecționa impactul conectării blocurilor C pentru căutare și metodologie de testare împărțită pentru utilizare și conversii, acesta din urmă ar putea avea un pic mai mult timp înainte.

Se pare că în următorul deceniu, abilitățile pe care ar trebui să le alegeți sunt cele care îi împiedică pe vizitatori să facă clic înapoi odată ce accesează site-ul dvs. web – acestea vor fi esențiale, indiferent de cât de mult Deep Learning smulge pagina cu rezultatele căutării. Link-urile, recomandările pe rețelele sociale, elementele de pe pagină și alte lucruri vor fi în continuare luate în considerare, dar veți avea și mai puțină vizibilitate asupra cât de importante sunt acestea decât o faceți astăzi.