自成立以來，搜索引擎已經從基本搜索代理變成了基于人工智能（AI）和機器學習（ML）的復雜算法。這些創(chuàng)新技術從兩個完全相反的角度影響搜索引擎優(yōu)化（SEO）空間。

一方面，由于新的基于AI的排名算法能夠對元數(shù)據(jù)執(zhí)行非常深入的掃描，因此，推廣網(wǎng)站并將其推向SERP的頂部變得更具挑戰(zhàn)性。另一方面，由于搜索結果的整體質量已顯著提高，因此現(xiàn)在更難使用不同的技巧和黑帽操作來操縱它們（盡管仍然有可能在下面向你展示）。

總而言之，人工智能從根本上改變了SEO的方法。讓我們深入探討如何在搜索引擎營銷中使用AI，以及精通技術的營銷人員如何使用AI更好地實現(xiàn)其目標并改善關鍵績效指標。

什么是“ AI技術”？

人工智能技術按照模仿人類行為和能力的能力進行分類。利用這些特征，所有AI技術（現(xiàn)有技術和假設技術）都可以分為三種類型：

1）人工智能（ANI）或較弱AI。

它提供的能力范圍很窄。這些系統(tǒng)只能接受訓練以執(zhí)行特定任務。例如Google的Rankbrain，Apple的Siri或Amazon的Alexa。

2）人工智能（AGI）或強大的人工智能。

它反映了人類的能力，具有多種功能，能夠解決許多問題并從經驗中學習。

3）人工超級智能（ASI）或假想的AI。

它應該超越人類的智力。

到目前為止，ANI是唯一已被人類成功實現(xiàn)的AI類型。

為什么需要機器學習？

機器學習是AI的應用程序，無需明確編程即可自動從經驗中學習和改進。ML的出現(xiàn)是對不斷增長的數(shù)據(jù)量進行分析的結果，因此底層算法不會改變，但是用于選擇特定答案的代碼的內部權重和偏差會發(fā)生變化。當然，這不是那么簡單。

數(shù)據(jù)科學家經常將用于實現(xiàn)ML的技術稱為算法。算法是一系列分步操作，通常是計算，它們可以在有限的步驟中解決特定的問題。在機器學習中，算法使用一系列有限步驟通過從數(shù)據(jù)中學習來解決問題。

盡管ML算法是學習的，但是通常很難找到術語“學習”的確切含義，因為有不同的方法可以從數(shù)據(jù)中提取信息，具體取決于ML算法的構建方式。通常，學習過程需要大量數(shù)據(jù)，這些數(shù)據(jù)在給定特定輸入的情況下即可提供預期的響應。每個輸入/輸出對都是一個示例，其他示例使該算法更易于學習。這是因為每個輸入/輸出對都對應于定義問題區(qū)域的行，聚類或其他統(tǒng)計視圖。

ML是優(yōu)化模型的過程，它是數(shù)據(jù)本身的數(shù)學通用表示形式，即使它收到以前從未見過的輸入，也可以使其預測或以其他方式確定適當?shù)捻憫?/span>模型提供的答案越準確，模型從所提供的輸入中學習的越好。該算法將模型擬合到數(shù)據(jù)，并且該擬合過程正在學習中。

機器學習的原理

機器學習的中心思想是，你可以使用算法事先不知道的數(shù)學函數(shù)來表示現(xiàn)實，但是在查看一些數(shù)據(jù)后（總是以輸入和輸出成對的形式）可以猜出它。你可以根據(jù)未知的數(shù)學函數(shù)來表達現(xiàn)實及其所有復雜性，機器學習算法可以找到這些未知數(shù)學函數(shù)并將其用作內部數(shù)學函數(shù)的修改。也就是說，每種機器學習算法都基于可修改的數(shù)學函數(shù)。

根據(jù)預期結果和輸入數(shù)據(jù)的類型，你可以根據(jù)學習風格對算法進行分類。你選擇的樣式取決于你擁有的數(shù)據(jù)類型和預期結果。

使用四種學習風格來創(chuàng)建算法：

監(jiān)督學習–算法嘗試對目標預測輸出與輸入函數(shù)之間的關系和依賴性進行建模，以便我們可以根據(jù)從先前數(shù)據(jù)集中學習到的關系來預測新數(shù)據(jù)的輸出。

無監(jiān)督學習-使用無標簽數(shù)據(jù)訓練計算機。學習數(shù)據(jù)中的模式后，計算機可以教你一些新知識。在我們不知道要在數(shù)據(jù)中查找什么的情況下，這些算法特別有用。

半監(jiān)督學習-在許多實際情況下，標簽的成本非常高，因為它需要熟練的專業(yè)人員。因此，在沒有標簽的情況下，半指導算法是構建模型的最佳選擇。這些方法利用了這樣的思想，即即使未標記的數(shù)據(jù)組的成員身份是未知的，數(shù)據(jù)也會攜帶有關該組參數(shù)的重要信息。

強化學習-這種方法利用與環(huán)境互動過程中收集到的觀察結果來采取行動，以最大程度地提高回報或最小化風險。強化學習算法（稱為代理）從環(huán)境中連續(xù)不斷地學習。在此過程中，代理從他在環(huán)境中的經驗中學習，直到探究所有可能的狀態(tài)為止。

每天，我們必須處理的信息量呈指數(shù)級增長。對我們情緒狀態(tài)的壓力也是如此。因此，機器學習已成為人類自動化日常工作，節(jié)省時間并提高生產率的必要條件。

人工智能如何在搜索引擎算法中使用？

現(xiàn)在，當我們弄清楚了AI算法如何工作以及一般為何需要它們時，讓我們繼續(xù)進行SEO及其如何利用AI技術。

機器學習的進步推動了基于AI的SEO的發(fā)展。盡管自2003年以來一直在探索這一領域，但十年后的第一個重大成就是在2013年推出了Word2vec， 這是一種“自然語言處理（NLP）技術，它使用神經網(wǎng)絡模型從大型語料庫中學習單詞聯(lián)想文字。”

兩年后的2015年，Google使用 Word2vec數(shù)據(jù)庫來構建和啟動RankBrain，并將其作為Hummingbird算法的一部分。

RankBrain是一個由AI驅動的自我學習系統(tǒng)，它使Google能夠加快關鍵字類別的驗證速度，從而為用戶提供與其搜索查詢最相關的內容。RankBrain“知道”如何理解文本的含義，如何找到單詞之間的聯(lián)系，學習不熟悉的單詞和短語以及如何專門適應請求的國家和語言。

所有這些都使自然搜索結果更加相關。

Google代表指出，與內容質量和鏈接一樣，該算法是現(xiàn)代搜索排名中的第三個重要因素。

好吧，蛋糕上的櫻桃是2019年發(fā)布的 Google BERT算法。

BERT（來自變壓器的雙向編碼器表示）也是基于神經網(wǎng)絡的NLP學習系統(tǒng)。與其他模型不同，BERT旨在深入了解自然語音。

換句話說，給定上下文的每個細節(jié)， BERT應當使機器人能夠理解句子中單詞的含義。Google使用BERT來更好地了解用戶查詢，并為他們提供真正相關的結果。

在SEO中使用AI的示例

內容創(chuàng)作

AI已經被廣泛用于創(chuàng)建內容。一些內容和SEO專業(yè)人員為此使用OpenAI GPT-2模型。

GPT-2

GPT-2是一個基于變壓器的大型語言模型，具有15億個參數(shù)，在800萬個網(wǎng)頁的數(shù)據(jù)集中進行了訓練，其簡單目標是預測下一個單詞以匹配上下文。

圖片來源：GitHub

他們說，由該轉換器編寫的文本與由人編寫的文本幾乎沒有區(qū)別。我決定仔細檢查。

作為內容營銷商，我的目標之一是提高雇主的品牌知名度和思想領導力，并通過頂級媒體和邊緣媒體上的來賓和幽靈出版物發(fā)表口碑。為了這個目標，我找到了一家位于英國的優(yōu)秀媒體來提交我的來賓出版物。

但是，每篇提交的文章都會由真正的人工編輯閱讀。如果他們在內容中找不到任何價值，則不會發(fā)布。

我已經使用此轉換器創(chuàng)建了一篇文章，并將其提交給編輯器以供批準。令我驚訝的是，編輯們接受了它，但不明白是由機器人編寫了文字。

通常，你可以安全地應用GPT-2模型來創(chuàng)建不同語言的文章和評論。

GPT-2生成的文本示例

如何使用GPT-2模型

轉到托管工作GPT-2模型的https://inferkit.com。查找所需文本的來源。復制一小段（兩到三個句子）文本，將其粘貼到表單中，然后單擊“完整文本”按鈕。GPT-2將創(chuàng)建三到五個文本段落。如果通過人工智能創(chuàng)建的結果不適合你，請再次單擊“完整文本”按鈕。

如果生成的文本符合你的期望，請進行復制。然后將由GPT-2編寫的最后一段粘貼到轉換器窗體中，然后再次單擊“完整文本”按鈕。GPT-2將繼續(xù)撰寫你的文章。

GPT-3

OpenAI最近發(fā)布了第三代開源語言預測模型GPT-3，該模型允許計算機生成與示例樣本大致相同的長度和語法結構的隨機句子。

Github用戶Manuel Araoz在他對GPT-3的早期實驗中發(fā)現(xiàn)，將預測的GPT-3提案發(fā)布在bitcointalk.org論壇上時，引起了論壇其他參與者的積極關注，包括有關該系統(tǒng)的建議必須很聰明（和/或諷刺），并且他在他們的信息中發(fā)現(xiàn)了微妙的模式。他認為，通過將GPT-3結果重新發(fā)布在其他留言板，博客和社交網(wǎng)絡上，可以獲得類似的結果。

5月的每一天，他都在bitcointalk.org上發(fā)布了一篇完全由GPT-3模型生成的有趣的技術文章。當用戶與他的帖子互動時，GPT-3模型會創(chuàng)建回復，甚至可以預測下一條評論。

根據(jù)Araoz的說法，每當他以自己的身份發(fā)布到論壇時，人們經常提到他們認為他必須是一個“機器人”，才能發(fā)布得如此迅速，準確，和/或與他人說相同的話。

那個實驗使他相信GPT-3是迄今為止他所看到的主要技術進步之一。

如何在SEO中使用GPT-3

如果內容營銷產生了你業(yè)務業(yè)績的50％或更多，那么可能值得擴展你的技能以成為更精通AI的營銷商。

你可以將GPT-3模型用于以下任務：

• 大規(guī)模創(chuàng)建簡短內容（例如，產品目錄頁面上的頁腳內容，工具提示等）；
• 創(chuàng)建元描述，舊內容的ALT標簽以及其他缺少的SEO元素
• 創(chuàng)建常綠的內容-如果你的行業(yè)具有始終如一的常綠主題（例如定義問題，標準流程等），則GPT-3可以生成簡短的大綱并提供工作草案以進行詳細闡述和完善。

消除日常任務

通過使用預構建的模型來教學機器，可以將AI用于最小化日常流程。在我的實踐中，我遇到了以下完全或部分由AI自動化的SEO任務。

• 語義聚類；
• 表達的選擇；
• 通過確定問題的類型和相關的登陸頁面對請求類型進行分類；
• 基于屏幕截圖對網(wǎng)站頁面進行分類；
• 反向鏈接獲取的自動化，
• 檢測并修復薄內容，例如門口頁面，低質量的會員頁面或僅包含很少或沒有內容的頁面;
• 內容計劃分析。

同樣，使用獨特的算法，內容營銷人員可以更有效地創(chuàng)建和分析其內容計劃。

不久前，我請我前雇主的技術團隊構建一種機器學習算法，該算法將使我們的營銷團隊能夠“過濾”出文章，以在我們自己的，付費的和賺錢的媒體中發(fā)表。這樣一來，我們就可以準確地預測哪個主題最適合Google排名因素，哪個文章將變得常綠，或者哪個項目最有可能獲得Google的精選摘要。這稱為“瘦內容方法”。

聲音搜索

在任何現(xiàn)代SEO專業(yè)人員的清單中都可以找到的一項新技能是，了解如何優(yōu)化語音查詢的內容。得益于Alexa，Siri，Cortana等AI虛擬助手的普及，語音搜索正變得越來越流行。

實際上，有35％的互聯(lián)網(wǎng)用戶已經使用他們的虛擬助手進行購物，Gartner預測，到2021年，所有網(wǎng)絡瀏覽會話中的30％將在屏幕外完成。人們使用語音搜索與自己喜歡的品牌和在Internet上搜索產品和業(yè)務。

圖片來源：dialogtech.com

如果你希望品牌保持競爭力，或者需要改善廣告系列的效果，則需要緊跟這一趨勢并優(yōu)化語音搜索的內容。為了滿足算法并獲得較高的排名，你應該使用搜索引擎所使用的相同工具和策略。這就是為什么在使內容更易于搜索引擎和語音搜索查詢訪問時，Moz或Yooast之類的工具非常有用的原因。

你可以應用AI的任務很多。這一切都取決于你要做什么以及需要定期處理多少數(shù)據(jù)。始終存在盈利能力的問題。

由于從原則上講還沒有創(chuàng)建AI，因此我們只能使用弱目標或狹窄目標的“模擬”，例如決策樹上的梯度增強。

使用神經網(wǎng)絡的例子很多，分別是：

• 基于用戶行為的推薦系統(tǒng)；
• 確定搜索引擎中LSI單詞的算法；
• 聊天機器人進行語言分析等

使用Deepfake技術處理SEO結果

Deepfake是合成媒體，其中現(xiàn)有圖像或視頻中的人被他人替換。盡管內容偽造并不是什么新鮮事，但Deepfake仍使用強大的機器學習和人工智能技術來操縱或創(chuàng)建具有很高欺騙潛力的視覺和音頻內容。

精通SEO的宣傳人員可以通過多種方式傳播虛假信息并破壞搜索結果，包括：

模棱兩可–使用AI機器人故意將錯誤的地址或電話號碼充斥于競爭對手所在的互聯(lián)網(wǎng)；

Google Bombing（又稱Googlewashing）-通過大量鏈接使網(wǎng)站在SERP上針對無關，不相關或偏離主題的搜索詞排名很高的做法；

302劫持-使用AI機器人配置從一個站點到另一個站點的臨時重定向，這允許重定向頁面開始對目標網(wǎng)頁的關鍵字進行排名。

例如，在3月發(fā)生在英國的神經毒劑襲擊和4月發(fā)生在敘利亞的化學武器襲擊之后，俄羅斯政府的宣傳機構RT和Sputnik的文章出現(xiàn)在Google搜索的首頁上。同樣，YouTube（由Google擁有）具有一種算法，該算法將用戶花在觀看內容上的時間劃分優(yōu)先級，以此作為確定哪些內容首先出現(xiàn)在搜索結果中的關鍵指標。

這種算法偏好會導致頂部出現(xiàn)虛假，極端和不可靠的信息，這意味著該內容會被更頻繁地查看，并被用戶認為更可靠。

“來自SEO操縱行業(yè)的收入估計為數(shù)十億美元。”——布魯金斯大學

AI驅動的SEO工具

如果你是一名SEO專家，希望利用AI提供的新機會，那么現(xiàn)在應該開始熟悉有用的工具。

Clearscope是基于AI的內容優(yōu)化平臺。該工具已付款。對于任何關鍵字，該工具都會分析表現(xiàn)最出色的自然成分，并使用Watson AI按重要性順序為你提供所有相關術語的細分。

另一個使用AI技術的SEO創(chuàng)業(yè)公司是frase.io。與Clearscope一樣，它的主要工作是為你的內容收集信息并對其進行優(yōu)化。該服務是付費的，但是有免費的測試選項。

• 清楚地了解自己在做什么和想要得到什么，
• 數(shù)據(jù)集
• 機器學習的基礎知識（你可以閱讀BigML博客）。

與其他顯示儀表板和圖表的工具不同，Diib用通俗易懂的語言與你交談，并描述性地解釋了 增加有機流量和改善其他關鍵SEO KPI所需采取的所有步驟。

善用AI最佳化網(wǎng)站的秘訣

1）使用 GPT-2和GPT-3模型來創(chuàng)建高質量的搜索引擎優(yōu)化內容（社交媒體的縮寫形式和meta以及長期和長期戰(zhàn)略意義上的常綠形式）。

2）使用 Google的Cloud Vision優(yōu)化圖像，檢測情緒，理解文字等。

3） 請注意每頁內容的質量，講故事的邏輯以及使用單詞的上下文。目前，檢查是否符合上下文是最困難且最耗時的任務，因為很少有工具為此使用國家字庫。

最佳解決方案之一是Sketchengine。它使用了源自維基百科文本的語料庫。順便說一下，Google BERT也接受了維基百科文本的培訓。

4）從 優(yōu)化關鍵字頁面（包括文本搜索查詢及其密度）到優(yōu)化內容的本質，即：

• 完整性
• 豐富的短語，
• 潛在語義索引（LSI），
• 設置主題的主題關鍵字，
• 搜索結果中的突出顯示（例如精選片段）等。

總結

在SEO中使用人工智能的話題仍然存在爭議，對此有很多不同的看法。

但是，否認基于AI的技術會影響搜索優(yōu)化空間是沒有道理的。發(fā)布了新的搜索引擎算法和工具，使專家可以適應自動化關鍵字研究和內容編寫過程，簡化和改善反向鏈接配置文件以及總體上的用戶體驗。另一方面， deepfake等AI技術會通過使用不公平的競爭做法并散布有關你品牌的虛假信息，從而大大降低SEO的質量并操縱搜索結果。

無論你是白帽子還是白帽子的SEO專家（黑帽子的SEO專家通常是早期技術采用者，并且首先嘗試新事物）–如果你還沒有利用AI，請考慮盡快采取行動以保持競爭力，做出明智的決定，并以相關，有用和高質量的搜索結果使目標受眾滿意。

*本文僅代表作者個人觀點，不代表AI科技大本營任何立場。

原文鏈接：

https://hackernoon.com/ai-and-seo-a-marriage-made-in-heaven-or-hell-eh3w31y9

本文由AI科技大本營翻譯，轉載請注明出處