我们如何使用人工智能和机器学习将 SEO 内容性能提高 30%

任何在过去九个月里与我交谈过的人都会知道我已经深深陷入了人工智能的兔子洞。 我完全全神贯注于 AI 的工作原理，在 Ellipsis，我们迅速将其应用到我们的流程中。

最大的受益者是我们的 SEO 内容工作，它构成了我们日常工作的大部分。 我们现在有一套内部工具，专门为为 WordPress 业务创建内容而优化。 这套工具比任何商业可用的工具都要好得多，并帮助我们确保我们的内容获得排名和转化。

我们将系统称为 FALCON，通过它我们将 SEO 内容结果提高了约 30%。 这就是一切的运作方式。

概述：人工智能能做什么？

我们在这里对四种类型的 AI 感兴趣：

• 文本分类（文本属于哪个类别？）
• 文本生成（创建大部分原始响应）
• 预测（根据过去的数据，接下来会发生什么？）
• 自然语言理解（文本是什么意思？）

2021 年的 AI 非常适合这些用例。 这些类型中的每一种都需要一个用于生成输出的“模型”。 有两种类型：自训练和预训练。

自训练是基于您自己的数据为您的用例构建的自定义模型。 这由机器学习 (ML) 提供支持，因此您经常看到 ML 在这里可以互换使用。 预训练模型是使用其他人的数据进行训练的。 这些往往更通用，但是一个好的通用模型非常强大。

如果您想知道新的联系表查询是销售电子邮件还是客户支持请求，您可能可以使用预先训练的模型。 如果您想知道需要将特定支持消息发送到哪个团队，您可能需要一个自训练的自定义模型。

去年左右的重大突破是预训练模型变得更好。 Open AI 的 GPT-3 之类的文本生成非常出色，开辟了更多可能性。 这与训练自定义模型相结合，变得更容易访问（向 Ellipsis 客户 Akkio 大喊）：以前您需要数据科学家来执行此操作。

这是关于人工智能可以做什么以及我们如何使用它的背景。 现在让我们看看 Ellipsis 在我们的 SEO 内容流程中针对每一个的具体用例。

机器学习提高关键词和标题组合的成功率

SEO 内容制作过程的第一个阶段是关键字选择。 我们将确定我们希望客户的内容适合哪个主题集群，然后为帖子寻找一个好的目标关键字。 如果您选择了错误的关键字，那么您对内容创建所做的任何事情都无法使帖子正常工作。

借助 FALCON，我们使用自定义机器学习模型来预测关键字和标题组合的效果，基于我们之前发布成功的内部数据。 仅此自定义模型就对我们的 SEO 内容性能提升 30% 的最大份额负责。

我们有四个版本来检查：

1. 现有关键字
2. 相关关键词
3. 长尾关键词
4. 已上线内容的关键字

第一个对您提供的关键字进行简单检查，一次最多可以检查 100 个关键字。 第二个查找相关关键字并在预测中运行它们（一次最多 100 个），向您显示可行的相关关键字。 这反过来又可以一次处理 100 个基本关键字，因此我们在几分钟内检查了 1000 个关键字。 第三个是类似的，但深入到长尾关键词。 最终版本会检查现有帖子上的不同目标关键字是否会表现更好。

通过使用 FALCON，我们看到我们制作的内容的性能得到了提高——因为我们对帖子的排名充满信心——以及我们可以找到的关键词的改进，因为人工智能使关键词更容易出现。

使用 BERT 对搜索意图进行分类

谷歌有兴趣为搜索者提供最好的用户体验。 这意味着快速为他们所寻找的任何内容提供完整的答案。 为了做到这一点，谷歌必须了解搜索者在寻找什么，以及它显示的结果是否提供了答案。 我们称之为搜索意图。

我们通过查看 Google 显示的结果来了解搜索者在寻找什么。

BERT 是谷歌于 2018 年开源的一种自然语言理解 (NLU) 方法。谷歌使用 BERT 来理解上下文中的搜索意图：如果你搜索“Queen Albums”，它会理解在上下文中的 Queen 是指乐队，不是皇后这个人。

谷歌正在使用该方法来了解搜索者在寻找什么。 我们使用它对 FALCON 做同样的事情，通过查看结果并使用它们对搜索意图进行分类。 我们正在使用预训练的 BERT 模型来执行此操作。

这进入了我们的关键字研究过程。 您可以手动执行此操作，但手动操作往往是在搜索查询而不是搜索结果上完成：它相当直观，“购买 WordPress 主题”是一个购买意图关键字。 然而，随着 Google 对真实世界用户的响应，Google 越来越多地抛出意想不到的结果，因此使用 BERT 可以让我们查看前 10 个结果并根据所有这些结果进行分类——它在大约半秒内完成。

用于识别主题的自然语言处理

谷歌想要了解搜索者在寻找什么。 为了确定在哪里对内容进行排名，它需要了解页面上的内容，以便了解结果在多大程度上符合搜索者的需求。

谷歌为此使用自然语言处理 (NLP)。 NLP 让 Google 获取 URL 并了解页面中包含的实体和主题。 一旦它知道页面上有什么，它就可以理解在哪里对其进行排名。

NLP 长期以来一直是 SEO 的前沿领域，在过去三年中它一直是我们内容流程的核心部分。 Clearscope、MarketMuse 和 Frase 等商业工具已经普及了该方法：他们将查看目标关键字的前 10-30 个结果，然后在这些结果中聚合主题。 这将为您提供一个包含 30-50 个主题的列表，供您在帖子中涵盖，涵盖它们可以确保您已经很好地回答了搜索者将遇到的所有问题。

这是一个久经考验的过程，多年来我们已经取得了很好的成果。

但是，商业工具有一些限制。 第一个是人工智能：NLP 很好，但也有局限性。 这些工具依赖于他们使用的 NLP 的良好结果。 例如，谷歌只能识别页面上大约 18% 的主题，而且它经常错误地识别它们。

我们在商业工具中看到了同样的情况：他们通常使用一个 NLP 提供者，因此他们会错过帖子需要涵盖的主题和实体。 如果您的内容基于不完整的主题列表，那么您就错过了。

正如您在此示例中所见，我在“最佳 WordPress 托管”排名靠前的帖子上运行了 Google 的 NLP 演示：

分类主要是有效的，但谷歌认为 Hostinger 是一个人，而不是一家公司。

这促使我们开发了自己的 FALCON NLP 解决方案，以更好地获取 WordPress 特定主题。

通过我们内部的 NLP 解决方案，我们可以获得更好的主题识别。 与使用商业工具制作的竞争内容相比，这让我们能够制作出更完整的内容。

如果您可以更好地识别要涵盖的主题并确保您的内容让 Google 识别您的主题，那么您就拥有了竞争优势。 这就是我们的内容。

我们还在关键字研究阶段使用 NLP 将关键字自动分组到主题集群中。 以前这是一个缓慢的手动过程，因此自动化非常有用。

用于生成标题的自定义 GPT-3 模型

我在上面强调了 GPT-3。 GPT-3 是 Open AI 打造的卓越技术。 它会生成文本，并且做得很好。 GPT-3 接受了 1750 亿个参数的训练，可以编写与人类无法区分的短文本。 这太不可思议了。

我们不会将 GPT-3 用于任何长格式的内容生成，我稍后会谈到。 不过，我们正在做的是为内容流程的特定部分使用自定义模型。 这是非常强大的东西。

GPT-3 的很多炒作都来自于你可以用它做什么。 有一长串基于它的应用程序。 “AI 文案”是 GPT-3 最明显的领域之一，目前正在展开一场军备竞赛，以构建执行这些任务的工具。 所有这些工具都建立在 Open AI 的 GPT-3 API 之上。

商业工具的局限性在于您依赖于通用提示。 您将从“AI 文案”SaaS 获得的“博客文章标题生成器”需要处理所有类型的标题。 我们需要专门为 WordPress 内容优化的东西。

我们正在使用人工智能来生成非常好的 SEO 优化标题。 使用 FALCON，我们可以获取目标关键字，查找排名靠前的结果，然后使用 GPT-3 生成类似于排名靠前的内容结果的标题（我们过滤掉非博客文章结果）。 输出是针对 Google 完美优化的标题，因为它基于已经排名的内容。

这就是人工智能比人类好得多的地方：人工智能可以查看结果的细微差别并即时生成多个版本。 因此，我们生成了多个标题选项并通过上述机器学习步骤运行它们：FALCON 然后将输出获胜的标题。

我们不会在这里节省任何时间或成本（如果有的话，那就是更耗时且更昂贵），但我们现在可以大规模评估更多选择，并为我们的客户提供最好的选择。 感谢牛津大学的 Oliver Crook 博士对此提供的支持。

一个明显的问题是：人工智能生成的内容呢？ 我非常看好这是一个糟糕的想法，因为我将进入下一个。

人工智能生成的内容呢？

我们不使用 GPT-3 生成长格式内容。 GPT-3 对于长篇内容来说很糟糕，因为它不知道它在说什么。 它不知道真相是什么：它可以将单词连接在一起，但它不知道它们的含义。

当谷歌越来越重视主题权威时，使用不知道它在说什么的人工智能是灾难的根源。

因此，我们在内容流程的边缘使用文本生成来改进和提高效率，但我们没有使用 GPT-3 来生成长格式内容。

如果有的话，这让我们更乐意与主题专家合作。 这些专家的成本很高，但如果其他人开始尝试自动生成可能是无意义的内容，我们和我们的客户将拥有更大的竞争优势。 来吧！

FALCON 系统以及如何获得它

到目前为止，我们的结果显示，自从我们开始在内容流程中认真实施人工智能以来，SEO 内容结果提高了 30% 。 自今年年初以来，我们已经开始为客户实现这些成果。

该系统作为一个整体被标记为 FALCON 系统。 这是我们的内部工具集合，旨在提高我们为客户所做的 SEO 内容工作的成功率。

FALCON 现在包含在我们所有的 SEO 内容增长包中。 您可以在此处查看详细信息，或与我们联系以了解我们如何为您提供帮助。