สิ่งที่นักการตลาดต้องการทราบเกี่ยวกับ Deep Learning และ Google

การเรียนรู้อย่างลึกซึ้ง

ในระหว่างงาน PubCon KeyNote ปี 2013 Matt Cutts ได้กล่าวถึงสิ่งนี้ว่าเป็นหนึ่งในสิ่งสำคัญที่ Google ใช้เพื่อปรับปรุงการค้นหา โดยเฉพาะอย่างยิ่งเกี่ยวกับการมีเอนทิตีและการค้นหาด้วยเสียง Yann LeCun ผู้อำนวยการ AI ของ Facebook ระบุว่าบริษัทต่างๆ เช่น Facebook และ Google จะใช้มันมากขึ้นเรื่อยๆ – Facebook สำหรับการจัดเรียงรายการเพื่อแสดงให้ผู้คนเห็น Google สำหรับรถยนต์ที่ขับด้วยตนเอง และหลังจาก “ฤดูหนาวของ AI” มายาวนาน บริษัทต่างๆ เช่น Google, Facebook, Microsoft และ IBM ก็กำลังรวบรวมปัญญาประดิษฐ์และผู้เชี่ยวชาญด้านการเรียนรู้เชิงลึก

สำหรับนักการตลาด ไม่เคยมีช่วงเวลาใดที่สำคัญไปกว่าในการเรียนรู้ว่าสิ่งใดมีโฆษณาเกินจริงและของจริง การเรียนรู้เชิงลึกเป็นตัวเปลี่ยนเกมอย่างแน่นอน แต่อาจไม่ใช่ในแบบที่คุณคาดหวัง

ไม่เหมือนสมองจริงๆ

ทุกอย่างฟังดู "Google-is-SkyNet" มากใช่ไหม สิ่งที่เติมแต่งด้วยความลึกลับแบบนั้นเป็นส่วนหนึ่งที่สื่อนำเสนอการเรียนรู้เชิงลึกและ AI แต่ปัญหาที่นักการตลาดกำลังเผชิญอยู่นั้นไม่ค่อยเกี่ยวกับเนื้อเรื่องของ Terminator 2 และความเชี่ยวชาญที่พวกเขามีอยู่เกี่ยวกับการค้นหาก็ล้าสมัยมากขึ้น

เพื่อให้เข้าใจถึงสาเหตุ จะช่วยให้เข้าใจอย่างชัดเจนว่า Deep Learning คืออะไรจริงๆ และไม่ใช่

บางครั้งคนจดชวเลขใช้เพื่ออธิบายเทคนิคการเรียนรู้เชิงลึกใน AI ว่า "มันทำงานเหมือนสมอง" นี่เป็นวลีที่เย้ายวนใจอย่างยิ่งที่จะใช้ เพราะมันขจัดความซับซ้อนบางอย่างออกไป และผู้คนสามารถเอาหัวไปใช้กับเครื่องจักรที่เรียนรู้ได้เหมือนกับที่สมองทำ

แต่ดังที่ Yann บันทึกไว้ในการสัมภาษณ์เมื่อเร็วๆ นี้ โฆษณาประเภทนี้เป็นอันตราย ใช่ มีเทคนิคบางอย่างในแมชชีนเลิร์นนิงที่ได้รับแรงบันดาลใจจากชีววิทยา แต่มีเทคนิคอื่นๆ อีกมากมายที่ไม่ได้เป็นเช่นนั้น แต่ Deep Learning นั้นเกี่ยวกับการสอนการจดจำรูปแบบของเครื่องจักร เช่น การสอนรถยนต์ให้รู้จักไฟสีเขียว สีแดง และสีเหลือง หรือการทำให้ Google จดจำเมื่อมีใบหน้าอยู่ในภาพ

เครื่องที่เรียนรู้

สิ่งที่ลึกลงไปในการเรียนรู้อย่างลึกซึ้งคือสถาปัตยกรรม ไม่ใช่การเรียนรู้ มันเกี่ยวกับขนาด

เมื่อ Google ใช้ Deep Learning สำหรับโครงการ "สิ่งของ ไม่ใช่สตริง" สิ่งที่ทำให้เข้าใจอย่างลึกซึ้งไม่ใช่ความจริงที่ว่าคุณสามารถค้นหาการสนทนาได้ดีขึ้น แต่เป็นความจริงที่ว่า "หน่วยงาน" นับล้านเช่น "Obama" และ "ประธานาธิบดี" ” กำลังถูกใช้พร้อมกับรูปแบบมากมายเกี่ยวกับความสัมพันธ์เหล่านั้น

ประวัติโดยย่อของเครื่องมือค้นหา

ความเกี่ยวข้องกับเสิร์ชเอ็นจิ้นและนักการตลาดออนไลน์นั้นไม่ชัดเจน จนกว่าคุณจะตรวจสอบประวัติว่านักการตลาดการค้นหามีประโยชน์อย่างไร

เมื่อเสิร์ชเอ็นจิ้นที่อยู่ในระยะตั้งไข่ Altavista, Google และเครื่องมือค้นหาอื่นๆ ในยุคนั้นใช้สิ่งที่เรียกว่าเมตาแท็กของคีย์เวิร์ดเพื่อช่วยกำหนดว่าหน้านั้นเกี่ยวกับอะไร สิ่งที่ SEO ที่ "ไม่ดี" หรือ "หมวกดำ" ทำคือการละเมิด - พวกเขาสแปมคำหลักในเมตาแท็กจนกว่า Google จะต้องยอมแพ้และบอกว่าฟิลด์นี้ไม่เป็นประโยชน์เป็นสัญญาณอีกต่อไป

รูปแบบนี้จะยังคงดำเนินต่อไปในการค้นหาในอนาคต – Google และบริษัทต่างๆ จะบอกว่าลิงก์นั้นดีสำหรับเครื่องมือค้นหา จนกว่านักเล่นเกมของระบบจะใช้สิ่งนี้ในทางที่ผิดโดยการสร้างเครือข่ายลิงก์แบบชำระเงิน ซึ่งทำให้ผลการค้นหาโดยรวมไม่ค่อยมีประโยชน์เมื่อเพียงแค่อาศัยลิงก์ เครื่องมือค้นหาต้องปรับโดยการลดราคาลิงก์ที่จ่ายไป เพจตามหัวข้อเหมาะสำหรับเสิร์ชเอ็นจิ้น จนกระทั่งมีเนื้อหาเกี่ยวกับเนื้อหาและโดยทั่วไปจะมีเนื้อหาที่ตื้นสำหรับหัวข้อต่างๆ แพนด้าจึงถือกำเนิดขึ้น

นั่นคือสิ่งที่ระบบนิเวศได้รับโดยทั่วไป – วิศวกรภายในบริษัทเสิร์ชเอ็นจิ้นไม่ได้พูดอย่างเฉพาะเจาะจงถึงสิ่งที่ทำให้เพจมีอันดับ แต่ให้ทิศทางโดยรวม SEO แบบ “หมวกขาว” จะใช้จิตวิญญาณของหลักเกณฑ์เหล่านั้นและนำไปใช้กับเว็บไซต์ และ “หมวกดำ” จะยังคงทดสอบระบบเพื่อหาจุดอ่อน

สิ่งนี้เกิดขึ้นมาประมาณ 15 ปีแล้ว และการเรียนรู้เชิงลึกในการค้นหาคุกคามที่จะถอนรากถอนโคนส่วนใหญ่ของระบบนิเวศนั้น

เครื่องรู้ว่าวิศวกรทำอะไรไม่ได้

เมื่อ Amit Singhal และทีมค้นหาของ Google คนอื่นๆ นำการเปลี่ยนแปลงไปใช้กับการค้นหาของ Google พวกเขาแนะนำอัลกอริทึมโดยปรับลูกบิดบางส่วน

แต่การแนะนำ Deep Learning ให้กับส่วนต่างๆ ของการค้นหาของ Google เป็นตัวเปลี่ยนเกมในแง่ที่ว่าสำหรับการค้นหาชุดใดชุดหนึ่ง เครื่องจะให้ความเกี่ยวข้อง วิศวกรจะไม่สามารถตอบได้ เช่น หากโดเมนการจับคู่แบบตรงทั้งหมดช่วยได้ หากน้ำหนักทางสังคมเป็นตัวขับเคลื่อนการจัดอันดับส่วนใหญ่สำหรับการค้นหานั้น หรือหากสถาปัตยกรรมภายในของไซต์ส่งผลเสียต่ออันดับ

สิ่งที่ดีที่สุดที่วิศวกรของ Google พูดได้ก็คือ "อาจจะ"

และถ้าวิศวกรของ Google เองไม่รู้ คุณก็พนันได้เลยว่า SEO ไม่รู้ และลูกค้าของพวกเขาก็เช่นกัน นั่นคือสิ่งที่เรากำลังเผชิญเมื่อระบบ Deep Learning ดีขึ้น: SEO ในฐานะงานฝีมือจะไม่ตาย แต่ความกว้างของสิ่งที่ SEO มาตรฐานสามารถอ้างได้อย่างสมเหตุสมผลว่ารู้จะมีข้อจำกัดมากขึ้น

คุณจะพิสูจน์ทักษะในอนาคตของคุณในโลกแห่งการเรียนรู้อย่างลึกซึ้งได้อย่างไร

ผลกระทบของการเรียนรู้เชิงลึกจะไม่เพียงแค่สัมผัสได้ในการค้นหา แต่สำหรับนักการตลาดออนไลน์จำนวนมาก การค้นหาคือเดิมพันบนโต๊ะ ในทศวรรษหน้า เมื่อระบบเหล่านี้ดีขึ้นและได้มาตรฐานมากขึ้น (แม้แต่วิศวกรจาก Google และ Facebook ก็ยอมรับว่าเรายังไม่ได้อยู่ที่นั่น) พวกเขาจะนำไปประยุกต์ใช้ในด้านต่างๆ มากขึ้นเรื่อยๆ

สิ่งนี้มีความหมายสำหรับคุณในฐานะนักการตลาดหากคุณมีเวลาจำกัดเหมือนกันในการทำความเข้าใจผลกระทบของการเชื่อมโยง C-block สำหรับการค้นหาและแยกวิธีการทดสอบสำหรับการใช้งานและการแปลง อย่างหลังอาจมีส่วนเพิ่มเติมอีกเล็กน้อยที่จะก้าวไปข้างหน้า

ดูเหมือนว่าในทศวรรษหน้า ทักษะที่คุณควรเลือกคือทักษะที่ป้องกันไม่ให้ผู้เยี่ยมชมคลิกกลับเมื่อเข้าสู่เว็บไซต์ของคุณ ทักษะเหล่านั้นจะมีความสำคัญไม่ว่า Deep Learning จะถอนรากถอนโคนหน้าผลการค้นหามากเพียงใด ลิงก์ การอ้างอิงโซเชียลมีเดีย องค์ประกอบในหน้า และสิ่งอื่น ๆ ยังคงเป็นข้อพิจารณา แต่คุณจะมองเห็นได้น้อยลงว่ามีความสำคัญมากกว่าที่คุณทำในปัจจุบัน