كيف نستخدم الذكاء الاصطناعي والتعلم الآلي لزيادة أداء محتوى تحسين محركات البحث بنسبة 30٪

أي شخص تحدث معي خلال الأشهر التسعة الماضية سيعرف أنني كنت في أعماق حفرة أرنب في الذكاء الاصطناعي. لقد انشغلت تمامًا بكيفية عمل الذكاء الاصطناعي ، وفي Ellipsis اعتمدناه بسرعة في عملياتنا.

كان المستفيد الأكبر هو عمل محتوى تحسين محركات البحث ، والذي يشكل معظم عملنا اليومي. لدينا الآن مجموعة من الأدوات الداخلية التي تم تحسينها خصيصًا لإنشاء محتوى لأعمال WordPress. تعد هذه المجموعة من الأدوات أفضل بكثير من أي شيء متاح تجاريًا ، وتساعدنا على ضمان حصول المحتوى الخاص بنا على تصنيفات وتحويلات.

نحن نسمي النظام FALCON ، ومعه قمنا بتحسين نتائج محتوى تحسين محركات البحث بحوالي 30٪. هذه هي الطريقة التي يعمل بها كل شيء.

نظرة عامة: ما الذي يمكن أن يفعله الذكاء الاصطناعي؟

نحن مهتمون بأربعة أنواع من الذكاء الاصطناعي هنا:

• تصنيف النص (في أي فئة يوجد النص؟)
• توليد النص (إنشاء استجابة أصلية في الغالب)
• التنبؤ (ماذا سيحدث بعد ذلك ، بناءً على البيانات السابقة؟)
• فهم اللغة الطبيعية (ماذا يعني النص؟)

يُعد الذكاء الاصطناعي في عام 2021 مناسبًا تمامًا لحالات الاستخدام هذه. يتطلب كل نوع من هذه الأنواع "نموذجًا" يُستخدم لإنشاء المخرجات. هناك نوعان من هؤلاء: مدرب ذاتيًا ومدرب مسبقًا.

نماذج ذاتية التدريب هي نماذج مخصصة مبنية على بياناتك الخاصة لحالة الاستخدام الخاصة بك. يتم تشغيل هذا بواسطة التعلم الآلي (ML) ، لذلك غالبًا ما ترى استخدام التعلم الآلي بالتبادل هنا. يتم تدريب النماذج المدربة مسبقًا على بيانات شخص آخر. تميل هذه إلى أن تكون أكثر عمومية ، لكن النموذج العام الجيد قوي للغاية.

إذا كنت تريد معرفة ما إذا كان استعلام نموذج الاتصال الجديد هو بريد إلكتروني للمبيعات أو طلب دعم العملاء ، فمن المحتمل أنك بخير باستخدام نموذج مدرب مسبقًا. إذا كنت تريد معرفة الفريق الذي يجب توجيه رسالة دعم محددة إليه ، فربما تحتاج إلى نموذج مخصص مدرب ذاتيًا.

كان الاختراق الكبير في العام الماضي أو نحو ذلك هو تحسن النماذج المدربة مسبقًا بشكل ملحوظ. فتحت أمثال GPT-3 الخاصة بـ Open AI ، والتي تقوم بتوليد النص بشكل جيد للغاية ، العديد من الاحتمالات الأخرى. تم دمج هذا مع تدريب النماذج المخصصة التي أصبح الوصول إليها أكثر سهولة (صرخ لعميل Ellipsis Akkio): في السابق كنت بحاجة إلى عالم بيانات للقيام بذلك.

هذا هو السياق حول ما يمكن أن يفعله الذكاء الاصطناعي وكيف يمكننا استخدامه. دعنا الآن نلقي نظرة على حالات الاستخدام المحددة التي يمتلكها Ellipsis لكل منها في عملية محتوى تحسين محركات البحث.

التعلم الآلي لزيادة معدل نجاح مجموعات الكلمات الرئيسية والعناوين

يعد اختيار الكلمات الرئيسية من أولى المراحل في عملية إنتاج محتوى تحسين محركات البحث (SEO). سنحدد مجموعة الموضوعات التي نريد أن يتلاءم محتوى العميل معها ، ثم نبحث عن كلمة رئيسية مستهدفة جيدة للمنشور. إذا اخترت كلمة رئيسية خاطئة ، فلن يؤدي إنشاء المحتوى إلى عمل أي شيء.

مع FALCON ، نحن نستخدم نموذجًا مخصصًا للتعلم الآلي للتنبؤ بمدى جودة أداء مجموعة الكلمات الرئيسية والعنوان ، بناءً على بياناتنا الداخلية حول نجاح المنشور السابق. هذا النموذج المخصص وحده مسؤول بمفرده عن نصيب الأسد في زيادة 30٪ لأداء محتوى تحسين محركات البحث (SEO) الخاص بنا.

لدينا أربع نسخ من هذا ، للتحقق:

1. الكلمات الرئيسية الموجودة
2. كلمات ذات صلة
3. الكلمات الرئيسية طويلة الذيل
4. كلمات رئيسية على محتوى موجود بالفعل

يقوم الأول بفحص بسيط للكلمة الرئيسية التي قدمتها له ، ويمكنه فحص ما يصل إلى 100 كلمة رئيسية في المرة الواحدة. يبحث الثاني عن الكلمات الرئيسية ذات الصلة ويقوم بتشغيلها من خلال التنبؤ على نطاق واسع (حتى 100 في المرة الواحدة) ، ويعرض لك الكلمات الرئيسية ذات الصلة التي من شأنها أن تعمل. وهذا بدوره يمكنه التعامل مع 100 كلمة رئيسية أساسية في وقت واحد ، لذلك نحن نتحقق من 1000 كلمة رئيسية في دقائق. والثالث مشابه لكنه يتعمق في الكلمات المفتاحية الطويلة. يتحقق الإصدار النهائي لمعرفة ما إذا كانت كلمة رئيسية مستهدفة مختلفة في منشور موجود ستؤدي بشكل أفضل.

من خلال استخدامنا لـ FALCON ، نشهد كلاً من الأداء المتزايد للمحتوى الذي ننتجه - حيث لدينا ثقة عالية في أن المنشور سيصنف - وتحسينات في الكلمات الرئيسية التي يمكننا العثور عليها ، حيث يسهل الذكاء الاصطناعي ظهور الكلمات الرئيسية.

تصنيف نية البحث باستخدام BERT

تهتم Google بتوفير أفضل تجربة مستخدم ممكنة للباحث. هذا يعني تقديم إجابة كاملة لكل ما يبحثون عنه بسرعة. للقيام بذلك ، يتعين على Google فهم ما يبحث عنه الباحث ، وإذا كانت النتائج التي يعرضها توفر الإجابة على ذلك. نسمي هذا القصد من البحث.

نحن نفهم ما يبحث عنه الباحث من خلال الاطلاع على النتائج التي يعرضها Google.

BERT هي منهجية لفهم اللغة الطبيعية (NLU) مفتوحة المصدر بواسطة Google في 2018. تستخدم Google BERT لفهم هدف البحث في السياق: إذا كنت تبحث عن "Queen albums" فسوف تفهم أن Queen في هذا السياق تعني الفرقة ، لا ملكة الشخص.

تستخدم Google المنهجية لفهم ما يبحث عنه الباحث. نحن نستخدمها لفعل الشيء نفسه مع FALCON ، من خلال النظر إلى النتائج واستخدامها لتصنيف هدف البحث. نحن نستخدم نموذج BERT مدرب مسبقًا للقيام بذلك.

يأتي هذا في عملية البحث عن الكلمات الرئيسية لدينا. يمكنك القيام بذلك يدويًا ، ولكن يتم إجراؤه يدويًا على استعلام البحث وليس نتائج البحث: إنها كلمة "شراء قوالب WordPress" بديهية إلى حد ما ، وهي كلمة رئيسية تهدف إلى الشراء. تقدم Google نتائج غير متوقعة بشكل متزايد ، على الرغم من أنها تستجيب لمستخدمي العالم الحقيقي ، لذا فإن استخدام BERT يتيح لنا إلقاء نظرة على أفضل 10 نتائج وإجراء تصنيف بناءً عليها جميعًا - ويتم ذلك في حوالي نصف ثانية.

معالجة اللغة الطبيعية لتحديد الموضوعات

تريد Google فهم ما يبحث عنه الباحث. من أجل تحديد مكان ترتيب المحتوى ، يحتاج إلى فهم ما هو موجود في الصفحة حتى يتمكن من فهم إلى أي مدى تتطابق النتيجة مع حاجة الباحث.

تستخدم Google معالجة اللغة الطبيعية (NLP) لهذا الغرض. يتيح البرمجة اللغوية العصبية لـ Google أخذ عنوان URL وفهم الكيانات والموضوعات الموجودة في الصفحة. بمجرد أن يعرف ما هو موجود على الصفحة ، يمكنه فهم مكان ترتيبه.

لطالما كان البرمجة اللغوية العصبية (NLP) مجالًا متطورًا في تحسين محركات البحث ، وكان جزءًا أساسيًا من عملية المحتوى لدينا على مدار السنوات الثلاث الماضية. عملت الأدوات التجارية مثل Clearscope و MarketMuse و Frase على تعميم المنهجية: سوف ينظرون في أول 10 إلى 30 نتيجة للكلمة الرئيسية المستهدفة ، ثم يقومون بتجميع الموضوعات ضمن تلك النتائج. سيعطيك ذلك قائمة من 30 إلى 50 موضوعًا لتغطيتها في المنشور ، ويتيح لك تغطيتها ضمان قيامك بعمل جيد للإجابة على جميع الأسئلة التي سيطرحها الباحث.

هذه عملية مجربة ومختبرة ، وحققنا نتائج جيدة منها لعدد من السنوات.

ومع ذلك ، فإن الأدوات التجارية لها بعض القيود. العامل الأساسي هو AI: NLP جيد ، لكن له حدود. الأدوات تعتمد على النتائج الجيدة من البرمجة اللغوية العصبية التي يستخدمونها. Google ، على سبيل المثال ، قادر فقط على تحديد حوالي 18٪ من الموضوعات على الصفحة ، وغالبًا ما يخطئ في التعرف عليها.

نرى الشيء نفسه مع الأدوات التجارية: من المعتاد بالنسبة لهم استخدام موفر معالجة اللغات الطبيعية ، لذلك سيفقدون الموضوعات والكيانات التي تحتاج منشورات الكيانات إلى تغطيتها. إذا كنت تبني المحتوى الخاص بك على قائمة غير مكتملة من الموضوعات ، فستفقد الكثير.

كما ترون في هذا المثال ، قمت بتشغيل العرض التوضيحي للغة البرمجة اللغوية العصبية من Google في أعلى مشاركة مرتبة لـ "أفضل استضافة WordPress":

نجح التصنيف في الغالب ، لكن Google تعتقد أن Hostinger هو شخص وليس شركة.

وقد دفعنا ذلك إلى تطوير حل FALCON NLP الخاص بنا ، للحصول على موضوعات خاصة بـ WordPress بشكل أفضل .

من خلال حل البرمجة اللغوية العصبية الخاص بنا ، يمكننا الحصول على تعريف أفضل للموضوع. يتيح لنا ذلك إنتاج محتوى أكثر اكتمالاً حتى من المحتوى المتنافس الذي يتم إنتاجه بأدوات تجارية.

إذا كان بإمكانك الحصول على تعريف أفضل للموضوعات المراد تغطيتها والتأكد من أن المحتوى الخاص بك يتيح لـ Google تحديد موضوعاتك ، فلديك ميزة تنافسية. هذا ما يحتويه محتوانا.

نحن نستخدم أيضًا البرمجة اللغوية العصبية في مرحلة البحث عن الكلمات الرئيسية لدينا لتجميع الكلمات الرئيسية تلقائيًا في مجموعات المواضيع. في السابق كانت هذه عملية يدوية بطيئة ، لذا فإن الأتمتة مفيدة للغاية.

نماذج GPT-3 مخصصة لتوليد العنوان

لقد أبرزت GPT-3 أعلاه. GPT-3 هي تقنية رائعة من صنع Open AI. إنه يقوم بتوليد النص ، ويقوم بعمل جيد. تم تدريب GPT-3 على 175 مليار معلمة ويمكنها كتابة نص قصير لا يمكن تمييزه عما يمكن للإنسان فعله. إنه أمر لا يصدق.

نحن لا نستخدم GPT-3 لأي إنشاء محتوى طويل ، كما سأصل إليه لاحقًا. ومع ذلك ، فإن ما نقوم به هو استخدام نماذج مخصصة لأجزاء معينة من عملية المحتوى. هذه أشياء قوية جدا.

يأتي الكثير من الدعاية لـ GPT-3 مما يمكنك فعله به. هناك قائمة طويلة من التطبيقات المبنية عليه. تعد "كتابة الإعلانات بالذكاء الاصطناعي" واحدة من أكثر المجالات وضوحًا في GPT-3 ، وهناك حاليًا سباق تسلح لبناء أدوات للقيام بذلك. كل هذه الأدوات مبنية على GPT-3 API من Open AI.

يتمثل القيد في الأدوات التجارية في أنك تعتمد على المطالبات العامة. يحتاج "مُنشئ عنوان منشور المدونة" الذي ستحصل عليه من SaaS "مؤلف إعلانات AI" إلى العمل مع جميع أنواع العناوين. نحتاج إلى شيء مُحسَّن خصيصًا لمحتوى WordPress.

نحن نستخدم الذكاء الاصطناعي لإنشاء عناوين مُحسّنة لتحسين محركات البحث بشكل جيد للغاية. باستخدام FALCON ، يمكننا أخذ كلمة رئيسية مستهدفة ، والبحث عن أفضل النتائج ، ثم استخدام GPT-3 لإنشاء عناوين مشابهة لنتائج المحتوى الأعلى تصنيفًا (نقوم بتصفية نتائج المنشورات التي لا تتعلق بالمدونة). الإخراج عبارة عن عنوان تم تحسينه تمامًا لـ Google ، لأنه يعتمد على ما تم ترتيبه بالفعل.

هذا هو المكان الذي يكون فيه الذكاء الاصطناعي أفضل بكثير من البشر: يمكن للذكاء الاصطناعي النظر في الفروق الدقيقة في النتائج وإنشاء إصدارات متعددة أثناء التنقل. وبالتالي فإننا ننشئ خيارات متعددة للعناوين ونشغلها من خلال خطوة التعلم الآلي الموضحة أعلاه: سيقوم FALCON بعد ذلك بإخراج العنوان الفائز.

نحن لا نقدم أي توفير للوقت أو التكلفة هنا (إذا كان أي شيء يستغرق وقتًا طويلاً ومكلفًا) ، ولكن يمكننا الآن تقييم العديد من الخيارات على نطاق واسع ومنح عملائنا الأفضل منها. شكري للدكتور أوليفر كروك في جامعة أكسفورد لدعمه في هذا الشأن.

السؤال الواضح هو: ماذا عن المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي؟ أنا متفائل جدًا لكون هذه فكرة رهيبة ، وسأنتقل إلى الخطوة التالية.

ماذا عن المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي؟

نحن لا نستخدم GPT-3 لإنشاء محتوى طويل. يعد GPT-3 أمرًا مروعًا للمحتوى الطويل لأنه لا يعرف ما الذي يتحدث عنه. ليس لديه فكرة عن ماهية الحقيقة: يمكنه ربط الكلمات معًا ، لكن ليس لديه فكرة عما تعنيه.

عندما تقدر Google سلطة الموضوع أكثر فأكثر ، فإن استخدام ذكاء اصطناعي ليس لديه فكرة عما تتحدث عنه هو وصفة لكارثة.

لذلك نحن نستخدم إنشاء نص على هوامش عملية المحتوى الخاصة بنا لإجراء تحسينات وإيجاد الكفاءات ، لكننا لا نستخدم GPT-3 لإنشاء محتوى طويل الشكل.

إذا كان هناك أي شيء ، فإن ظهور هذا يجعلنا أكثر سعادة لمضاعفة العمل مع خبراء الموضوع. هؤلاء الخبراء مكلفون ، ولكن إذا بدأ الآخرون في محاولة إنشاء محتوى تلقائيًا قد يكون هراءًا ، فسوف نتمتع نحن وعملائنا بميزة تنافسية أكثر. اجلبه!

نظام فالكون وكيف يمكنك الحصول عليه

أظهرت نتائجنا حتى الآن تحسنًا بنسبة 30٪ في نتائج محتوى تحسين محركات البحث (SEO) منذ أن بدأنا بجدية في تطبيق الذكاء الاصطناعي في عملية المحتوى الخاصة بنا. منذ بداية هذا العام ، بدأنا في تحقيق هذه النتائج للعملاء.

يسمى النظام ككل نظام FALCON. إنها مجموعتنا من الأدوات الداخلية المصممة لزيادة نجاح محتوى تحسين محركات البحث الذي نقوم به للعملاء.

تم تضمين FALCON الآن في جميع حزم تنمية المحتوى الخاصة بنا لمحتوى تحسين محركات البحث. يمكنك الاطلاع على التفاصيل هنا ، أو التواصل معنا لمعرفة كيف يمكننا مساعدتك.