AIと機械学習を使用してSEOコンテンツのパフォーマンスを30％向上させる方法
公開: 2021-07-13過去9か月間私に話しかけたことがある人なら誰でも、私がAIのうさぎの穴の奥深くにいることを知っているでしょう。 私はAIの仕組みに完全に夢中になり、EllipsisではAIをプロセスに急速に採用しました。
最大の受益者は、私たちの日常業務の大部分を占めるSEOコンテンツの仕事です。 現在、WordPressビジネス向けのコンテンツを作成するために特別に最適化された一連の内部ツールがあります。 このツールセットは、市販されているものよりも大幅に優れており、コンテンツのランキングとコンバージョンを確実に獲得するのに役立ちます。
このシステムをFALCONと呼び、SEOコンテンツの結果を約30％向上させました。 これがすべての仕組みです。
この投稿は、時間のスナップショットとして興味深いものです！ しかし、今は時代遅れです。 FALCON AIは現在、非常に強力であり、ここで追跡したものよりもさらに優れた結果が得られます。最新の情報は、次の専用ページにあります：https://getellipsis.com/falcon-ai/
概要：AIは何ができますか？
ここでは、4種類のAIに関心があります。
- テキスト分類（テキストはどのカテゴリに含まれますか？）
- テキスト生成（ほとんど元の応答を作成します）
- 予測（過去のデータに基づいて、次に何が起こるでしょうか？）
- 自然言語理解（テキストはどういう意味ですか？）
2021年のAIは、これらのユースケースに適しています。 これらの各タイプには、出力の生成に使用される「モデル」が必要です。 これらには、自己訓練と事前訓練の2つのタイプがあります。
自己学習型は、ユースケース用に独自のデータに基づいて構築されたカスタムモデルです。 これは機械学習（ML）を利用しているため、ここではMLが同じ意味で使用されていることがよくあります。 事前にトレーニングされたモデルは、他の誰かのデータを使用してトレーニングされます。 これらははるかに一般的である傾向がありますが、優れた一般モデルは非常に強力です。
新しいお問い合わせフォームの問い合わせが販売メールなのかカスタマーサポートリクエストなのかを知りたい場合は、事前にトレーニングされたモデルを使用しても問題ありません。 特定のサポートメッセージをどのチームにルーティングする必要があるかを知りたい場合は、おそらく自己訓練されたカスタムモデルが必要になります。
昨年かそこらの大きな進歩は、事前に訓練されたモデルが大幅に改善されたことです。 テキスト生成を非常にうまく行うOpenAIのGPT-3のようなものは、さらに多くの可能性を開きました。 これは、カスタムモデルのトレーニングがはるかにアクセスしやすくなることと組み合わされています（EllipsisクライアントのAkkioに叫びます）。以前は、これを行うにはデータサイエンティストが必要でした。
これは、AIができることと、それをどのように使用できるかについてのコンテキストです。 ここで、EllipsisがSEOコンテンツプロセスでこれらのそれぞれについて持っている特定のユースケースを見てみましょう。
キーワードとタイトルの組み合わせの成功率を高めるための機械学習
SEOコンテンツ制作プロセスの最初の段階の1つは、キーワードの選択です。 クライアントのコンテンツを収めたいトピッククラスターを特定し、投稿に適したターゲットキーワードを探します。 間違ったキーワードを選択した場合、コンテンツ作成でできることは何も投稿を機能させません。
FALCONでは、カスタムの機械学習モデルを使用して、以前の投稿の成功に関する内部データに基づいて、キーワードとタイトルの組み合わせがどの程度うまく機能するかを予測しています。 このカスタムモデルだけでも、SEOコンテンツパフォーマンスの30％向上の大部分を単独で担っています。
確認するために、これには4つのバージョンがあります。
- 既存のキーワード
- 関連キーワード
- ロングテールキーワード
- すでに公開されているコンテンツのキーワード
1つ目は、指定したキーワードを簡単にチェックし、一度に最大100個のキーワードをチェックできます。 2つ目は、関連するキーワードを検索し、それらを大規模な予測（一度に最大100）で実行し、機能する関連キーワードを示します。 これにより、一度に100個の基本キーワードを処理できるため、1000個のキーワードを数分でチェックします。 3つ目は似ていますが、ロングテールキーワードに深く入り込んでいます。 最終バージョンでは、既存の投稿の別のターゲットキーワードのパフォーマンスが向上するかどうかを確認します。
FALCONを使用することで、作成するコンテンツのパフォーマンスが向上し（投稿がランク付けされると確信しているため）、AIによってキーワードの表示が容易になるため、見つけることができるキーワードが改善されます。
BERTを使用した検索意図の分類
Googleは、検索者に可能な限り最高のユーザーエクスペリエンスを提供することに関心を持っています。 これは、彼らが探していたものすべてに迅速に完全な答えを提供することを意味します。 これを行うために、Googleは検索者が何を探しているかを理解する必要があり、表示されている結果がこれに対する答えを提供する場合。 これを検索意図と呼びます。
Googleが表示する結果を見ると、検索者が何を探しているのかがわかります。
BERTは、2018年にGoogleがオープンソースにした自然言語理解（NLU）手法です。BERTは、コンテキスト内の検索意図を理解するためにGoogleによって使用されます。「クイーンアルバム」を検索すると、このコンテキストでのクイーンはバンドを意味することがわかります。人の女王ではありません。
Googleはこの方法論を使用して、検索者が何を探しているのかを理解しています。 結果を確認し、それらを使用して検索意図を分類することにより、FALCONで同じことを行うためにそれを使用しています。 これを行うために、事前にトレーニングされたBERTモデルを使用しています。
これが私たちのキーワード調査プロセスに入ります。 これは手動で行うことができますが、手動では検索結果ではなく検索クエリで行われる傾向があります。かなり直感的な「WordPressテーマの購入」は購入意向のキーワードです。 ただし、Googleは実際のユーザーに対応しているため、予想外の結果を出すことが増えています。そのため、BERTを使用すると、上位10件の結果を確認し、それらすべてに基づいて分類を行うことができます。これは約0.5秒で完了します。
トピックを識別するための自然言語処理
Googleは、検索者が何を探しているのかを理解したいと考えています。 コンテンツをランク付けする場所を決定するには、ページの内容を理解して、結果が検索者のニーズにどの程度一致するかを理解できるようにする必要があります。
Googleはこれに自然言語処理（NLP）を使用しています。 NLPを使用すると、GoogleはURLを取得して、ページに含まれるエンティティとトピックを理解できます。 ページの内容がわかれば、ランク付けする場所を理解できます。
NLPは長い間SEOの最先端分野であり、過去3年間はコンテンツプロセスの中核を成してきました。 Clearscope、MarketMuse、Fraseなどの商用ツールは、この方法論を普及させています。ターゲットキーワードの最初の10〜30の結果を調べてから、それらの結果内のトピックを集約します。 それはあなたが投稿でカバーするための30-50のトピックのリストをあなたに与えるでしょう、そしてそれらをカバーすることはあなたが検索者が持つであろうすべての質問に答える良い仕事をしたことを確実にすることができます。
これは実証済みのプロセスであり、これから何年にもわたって良い結果が得られています。
ただし、商用ツールにはいくつかの制限があります。 主なものはAIです。NLPは優れていますが、制限があります。 ツールは、使用するNLPからの良好な結果に依存しています。 たとえば、Googleは、ページ上のトピックの約18％しか識別できず、多くの場合、それらを誤認します。
商用ツールでも同じことがわかります。1つのNLPプロバイダーを使用するのが一般的であるため、投稿でカバーする必要のあるトピックやエンティティを見逃してしまいます。 トピックの不完全なリストに基づいてコンテンツを作成している場合は、見逃していることになります。
この例でわかるように、私は「最高のWordPressホスティング」のトップランキングの投稿でGoogleのNLPデモを実行しました。
分類はほとんど機能しましたが、GoogleはHostingerは会社ではなく個人であると考えています。
これにより、WordPress固有のトピックをより適切に取得するために、独自のFALCONNLPソリューションを開発することになりました。
社内のNLPソリューションを使用すると、トピックの識別を向上させることができます。 これにより、商用ツールで作成された競合コンテンツよりも完全なコンテンツを作成できます。
カバーするトピックをより適切に識別し、コンテンツによってGoogleがトピックを識別できるようにすることができれば、競争上の優位性が得られます。 これが私たちのコンテンツです。
また、キーワードの調査段階でNLPを使用して、キーワードをトピッククラスターに自動的にグループ化します。 以前はこれは遅い手動プロセスだったので、自動化は非常に便利です。
タイトル生成用のカスタムGPT-3モデル
上記のGPT-3を強調しました。 GPT-3は、OpenAIによって作成された注目に値するテクノロジーです。 それはテキスト生成を行い、それをうまく処理します。 GPT-3は1750億のパラメータで訓練されており、人間ができることと見分けがつかない短いテキストを書くことができます。 それはかなり信じられないほどです。
後で説明するように、長い形式のコンテンツの生成にはGPT-3を使用していません。 ただし、私たちが行っているのは、コンテンツプロセスの特定の部分にカスタムモデルを使用することです。 これはかなり強力なものです。
GPT-3の誇大宣伝の多くは、それを使ってできることから来ています。 その上に構築されたアプリの長いリストがあります。 「AIコピーライティング」はGPT-3の最も明白な分野の1つであり、現在、これらを実行するツールを構築するための軍拡競争があります。 これらのツールはすべて、OpenAIのGPT-3APIに基づいて構築されています。
商用ツールの制限は、一般的なプロンプトに依存していることです。 「AIコピーライター」SaaSから取得する「ブログ投稿タイトルジェネレーター」は、すべてのタイプのタイトルで機能する必要があります。 WordPressコンテンツ用に特別に最適化されたものが必要です。
AIを使用して、SEOに最適化された非常に優れたタイトルを生成しています。 FALCONを使用すると、ターゲットキーワードを取得し、上位の結果を検索してから、GPT-3を使用して、上位のコンテンツ結果に類似したタイトルを生成できます（ブログ以外の投稿の結果は除外されます）。 出力は、すでにランキングされているものに基づいているため、Google向けに完全に最適化されたタイトルです。
これは、AIが人間よりもはるかに優れているところです。AIは結果のニュアンスを見て、その場で複数のバージョンを生成できます。 したがって、複数のタイトルオプションを生成し、上記の機械学習ステップを実行します。FALCONは、勝者のタイトルを出力します。
ここでは時間やコストの節約は実現していませんが（どちらかといえば、より時間と費用がかかります）、より多くのオプションを大規模に評価して、クライアントに最適なものを提供できるようになりました。 これをサポートしてくれたオックスフォード大学のオリバー・クルック博士に感謝します。
明らかな質問は、AIで生成されたコンテンツはどうですか？ 次に説明するように、これがひどい考えであることにかなり強気です。
AIで生成されたコンテンツはどうですか？
長い形式のコンテンツの生成にはGPT-3を使用していません。 GPT-3は、何について話しているのかわからないため、長い形式のコンテンツにはひどいものです。 それは真実が何であるかについての概念を持っていません：それは言葉を一緒につなぐことができます、しかしそれはそれらが何を意味するのか分かりません。
グーグルが主題の権威をますます重視するとき、それが何について話しているのかわからないAIを使用することは災害のレシピです。
そのため、コンテンツプロセスの余白でテキスト生成を使用して改善を行い、効率を高めていますが、長い形式のコンテンツ生成にはGPT-3を使用していません。
どちらかといえば、これの台頭により、対象分野の専門家との協力を倍増することができます。 それらの専門家は高価ですが、他の人がナンセンスである可能性のあるコンテンツを自動生成しようとすると、私たちと私たちのクライアントはさらに競争上の優位性を持つことになります。 かかって来い！
FALCONシステムとその入手方法
これまでの結果では、コンテンツプロセスにAIを本格的に実装し始めて以来、SEOコンテンツの結果が30％向上しています。 今年の初めから、私たちはクライアントのためにそれらの結果を実現し始めました。
システム全体には、FALCONシステムというラベルが付いています。 これは、クライアントのために行うSEOコンテンツ作業の成功を高めるために設計された社内ツールのコレクションです。
FALCONは、SEOコンテンツのすべてのコンテンツ成長パッケージに含まれるようになりました。 ここで詳細を確認するか、私たちがどのようにお手伝いできるかを確認するために連絡を取ることができます。