Как машинное обучение повлияет на качество контента

Пока Google продолжает инвестировать в технологии машинного обучения ради более глубинной обработки пользовательских запросов, колумнист Эрин Энге настаивает на том, что маркетологи должны обращать все больше внимания на качество контента и уровень удовлетворенности читателей. А августе Эрик опубликовал свои размышления на тему двух-факторной модели ранжирования для всех SEO-индустрии.  Все это плавно приводит нас к базовой модели ранжирования, которая выглядит примерно следующим образом: Если взглянуть на это слегка под другим углом, то можно увидеть способ оценки, насколько важен качественный контент: Причина, по которой машинное обучение неразрывно связано с этим графиком, заключается в том, что поисковые системы усердно и быстро учатся понимать языки. Hummingbird – первый в истории обновление от Google, всецело сосредоточенное на улучшении понимания естественного языка, а RankBrain продолжило заданный тренда. Мне кажется, что все эти инвестиции ориентированы на следующие цели:

1. Чтобы лучше понимать намерения пользователей;
2. Чтобы лучше оценивать качество контента.

Нам также известно, что Google (да и другие поисковики) заинтересованы в повышение уровня удовлетворения пользователей и их заинтересованности (вовлеченности). И хотя на данном этапе не очень понятно, на какие сигналы будут указывать на это, но вероятнее всего здесь открываются новые горизонты для машинного обучения. Сегодня я бы хотел подробнее поговорить о качестве контента, и о том, как машинное обучение повлияет на эволюцию этого аспекта.

Кейсы про повышение качества контента

Сегодня многие компании вкладывают в контент недостаточно. Это особенно касается интернет-магазинов. Слишком многие просто создают страницы, добавляют товары и их описания, и на этом все усилия заканчиваются. И это главная ошибка. К примеру, намного эффективней будет поместить на продуктовые страницы форму отзывов от покупателей. В моей практике однажды была ситуация, когда простой функционал с отзывами от реальных покупателей помог интернет-магазину увеличить трафик на 45%. Мы также проводили тесты, в которых существующий текст из категорий (который преподносился как “продающий”) заменялся новым текстом. Обращаю ваше внимание, что так называемый продающий текст был ориентирован точно не на реальных покупателей, и поэтому имел не столь большое значение для страницы. Мы заменили его краткой инструкцией о том, как пользоваться категориями, и это позволило увеличить трафик этих страниц на 68%. У нас также были контрольные страницы, которые никто не изменял, и их посещаемость сразу же упала на примерно 11%: Обратите внимание, что наш текст создавался с одной лишь целью – увеличить полезность тестовых страниц. Это было не так просто сделать, но усилия полностью оправдали себя, учитывая тот факт, что мы работали над основными категориями сайта. Эти примеры показывают нам, что вложения в повышение качества контента может принести существенную выгоду. Теперь давайте посмотрим, как машинное обучение еще больше усилит эта факторы.

Влияние машинного обучения

Начнем, пожалуй, с ключевых факторов ранжирования, и посмотрим, как машинное обучение способно повлиять на них.

Качество контента

С точки зрения поисковых систем одним из важнейших факторов ранжирования по-прежнему будет качество контента. Алгоритмы машинного обучения, вроде RankBrain, позволили поисковым системам лучше понимать язык людей. В качестве примера хочу привести запрос “can you get 100% score on Super Mario without walkthrough”. До RankBrain слово “without” игнорировалось алгоритмами Google, и поэтому поисковик все равно выдавал результаты с прохождениями, несмотря на то, что пользователь хотел узнать, как добиться результата БЕЗ прохождений. RankBrain, по большей части, было ориентировано на длинные запросы, и дало хороший толчок в развитии с точки зрения понимания запросов и намерений пользователей. Но для этого компания Google прошла длинный путь. Давайте рассмотрим следующий запрос: В данном запросе Google не совсем понимает, в каком ключе используется слово “best” (лучший). То есть, запрос направлен на то, чтобы узнать о лучших пуховых одеялах (“down comforters”), а на то, чтобы узнать, ПОЧЕМУ пуховые одеяла ЛУЧШЕ других типов одеял. Еще один пример: Обратите внимание на то, как в статье говорится о том, что самый холодный день (coldest day) в истории США был зафиксирован на Аляске, но почему подробного ответа нет в расширенных сниппетах? Здесь интересно то, что Google на запрос выдал статью, в которой приведены данные как о дате, так и о температуре самого холодного дня в истории США. На самом деле, это упущение не так сложно исправить, и на данный момент самое главное ограничение возникает именно из-за проблемы распознавания языка. Машинное обучение призвано как раз решить эту проблему. Решение заключается в наработке большой базы примеров, которую можно будет использовать для обучения алгоритмов и искусственного интеллекта. RankBrain помогло Google сделать большой шаг вперед, но до совершенства еще очень далеко. Компания делает огромные вливания в развитие алгоритмов распознания языка. Взгляните на фрагмент из USA Today, который начинается с цитаты старшего программного менеджера Google, Линне Ха, курирующего в компании команду лингвистов Pygmalion:

Мы собираемся обучить компьютер множеству правил и исключений. Почему в некоторых случаях мы используем артикли, а в других нет (the USA, но the France). В наших языках столько несоответствий и странностей. Для нас, людей, это кажется естественным и привычным, однако машины обезличены и бездушны, им сложно понять отхождения от логики.

Команда Pygmalion в Google полностью сосредоточена вокруг работы над совершенствованием того, как поисковик понимает язык людей. В первую очередь работа ведется над следующими аспектами:

1. Какие страницы лучше отражают намерения и желания пользователя, представленные в запросе;
2. Насколько исчерпывающей должна быть запрошенная информация.

Когда этот механизм будет отлажен, возможности поисковой системы с точки зрения оценки качества контента значительно возрастут, и со временем эти факторы будут все больше влиять на ранжирования.

Вовлеченность/удовлетворение пользователей

Как уже было отмечено, нам известно о нескольких методах оценки вовлеченности пользователей. Уже достоверно известно, что CTR используется как инструмент контроля качества, и многие подозревают, что компания использует его и как прямой фактор ранжирования. Несмотря на это, есть смысл ждать, что поисковые системы продолжат выискивать более удобные способы сделать так, чтобы сигналы от пользователей имели большее значение для ранжирования. Существует тип машинного обучения “Обучение с подкреплением” (англ. “reinforcement learning”), который и может быть уместен в данном случае. Что если бы у вас была возможность оценить несколько наборов поисковых результатов, оценить их эффективность, а затем использовать для вывода наиболее подходящих результатов в автоматическом режиме? Другими словами, мы могли бы собирать пользовательские сигналы и использовать их в динамической системе подбора результатов поиска по запросам, где по итогу оставались бы исключительно наиболее подходящие результаты. Однако оказывается, что это достаточно сложная задача или даже проблема. Джеф Дин, которого многие считают лидером машинного обучения в рамках Google, в своем недавнем интервью ресурсу Fortune рассказал следующее:

Пример не совсем правильного применения обучения с подкреплением как раз-таки заключается в том, что мы пытается использовать его для определения результатов, которые следует показывать пользователю. На разные запросы могут быть гораздо более обширные вариации результатов, а мы лишь пытаемся сузить информационный потенциал. Когда пользователь просто смотрит на результаты, и решает, нравятся они ему или нет, мы этого понять не можем!

Тем не менее, мне кажется, что Google в любом случае продолжит финансирование этой отрасли, и лишним это не будет. Если подумать, вовлеченность и удовлетворение пользователей имеет очень большое значение с точки зрения качества контента. По факту, эти факторы помогают нам понять, что конкретно должен представлять собой качественный контент: страницы, которые полностью соответствуют ожиданиям определенной группы людей. У этого может быть несколько значений:

1. На странице присутствует информация (о товаре/услуге и т.д.), которую они искали;
2. В рамках страницы эту информацию очень просто найти;
3. У них есть доступ к сопутствующим и дополняющим товарам/услугам;
4. На странице есть вся необходимая информация о том, чтобы зарекомендовать ваш ресурс как достоверный и безопасный;
5. В целом дизайн страниц исполнен так, чтобы ими удобно и интересно пользоваться.

По мере развития способностей Google в сфере машинного обучения, поисковик начинает все лучше разбираться в качестве контента и страниц, а также учится выявлять сигналы пользователей, которые дают понять, какую оценку люди дают контенту. Это значит, что в будущем придется выделять больше средств и времени на разработку страниц, которые будут четко отвечать требованиям, и максимально соответствовать каждому из вышеприведенных пунктов. Если вы засуетитесь вовремя, это позволит вам извлечь выгоду из электронного маркетинга, если же нет, то вряд ли хитрости вам помогут.

В завершение

Грядут серьезные перемены, и они сильно скажут на нашем с вами подходе к цифровому маркетингу. Однако основные приоритеты смещены не будут:

• Создавайте качественный контент;
• Постоянно оценивайте и совершенствуйте опыт взаимодействия с пользователями;
• Нарабатывайте связи с уважаемыми источниками.

Главный вопрос заключается в том, относитесь ли вы к этим аспектам серьезно уже сегодня или все еще нет? По собственному опыту могу сказать, что сегодня подавляющее большинство сайтов недостаточно вкладываются в качество контента и удовлетворение клиентов. Пришло время уделить этим факторам больше внимания и сил. Google и другие поисковики стремительно развиваются в этом направлении, и уже скоро ресурсы с недостаточно качественным контентом останутся позади. Главным ориентиром Google является наиболее эффективные результаты поиска, так как это в дальнейшем привлечет к поисковику больше людей, а значит, позволит зарабатывать больше. Лучше уже сейчас запрыгнуть в локомотив качественного контента, так как можно не успеть уехать последним рейсом!