如何使用機器學習進行 SEO
已發表: 2020-03-17如何使用機器學習進行 SEO
機器學習、深度學習和神經網絡技術無疑是未來的潮流。 機器學習允許計算機系統在不使用明確指令的情況下執行特定任務，而不是依賴模式和推理。 這些先進技術是人工智能 (AI) 的一個子集，並且正在成為數字廣告中越來越重要的方面。 機器學習算法使用大型數據集來訓練預測和決策，而無需專門的編程指令，因此擁有大量數據的廣告公司可以將機器學習算法應用於其廣告產品。 我們可以在多個不同的數字渠道中使用機器學習。
谷歌的 Deepmind 程序 AlphaGo 在極其複雜的圍棋遊戲中成功擊敗了世界冠軍，創造了歷史。 圍棋因其複雜性和超過 10 的 172 次方（這個數字大於 googol 的 10 次方的 次方）的大量可能位置而被稱為人工智能最具挑戰性的經典遊戲。
谷歌繼續在廣告、圖像分析、視頻分析、計算機系統、控制和機器人技術、神經科學和安全等多個領域推進人工智能。
響應式搜索廣告。 Google 的自適應搜索廣告最多允許您添加 15 個標題和 4 個描述。 Google 的機器學習會自動測試您的標題和描述的不同組合，以了解哪些組合表現最佳。
智能出價。 Google 有一套自動出價策略，可幫助您實現業務的特定目標。 所有這些自動出價策略都使用 Google 的機器學習來實時調整每次拍賣的出價。 “在出價中，機器學習算法對大量數據進行訓練，以幫助您在整個帳戶中更準確地預測不同的出價金額可能如何影響轉化或轉化價值。 這些算法會考慮比單個人或團隊計算的更廣泛的影響性能的參數。”
“通過實時出價，您可以在出價優化中考慮廣泛的信號。 信號是在特定拍賣時關於一個人或其上下文的可識別屬性。 這包括設備和位置等屬性（可作為手動出價調整使用），以及智能出價獨有的其他信號和信號組合。”
Google 機器學習用於調整出價的信號列表：
- 設備
- 物理位置
- 定位意圖
- 工作日和時間
- 再營銷列表
- 廣告特徵
- 界面語言
- 瀏覽器
- 操作系統
- 人口統計
- 搜索查詢
- 搜索網絡合作夥伴
- 網絡展示位置
- 網站行為
- 產品屬性（購物）
- 移動應用評級
- 價格競爭力（購物）
- 季節性
要將 Google 的機器學習應用到您的 SEO 工作中，您需要運行當前使用機器學習的 Google Ad 產品，例如響應式搜索廣告和智能出價。 這將允許您收集已通過機器學習技術優化的數據，並將該數據應用於您的 SEO 工作。
集成機器學習證明的 SEO 語言。
- 創建使用自適應搜索廣告的搜索廣告系列。
- 通過將 15 個標題和 4 個描述添加到 3 個單獨的廣告（總共 45 個標題和 16 個描述）來最大化響應式搜索廣告
- 隨著時間的推移，谷歌將應用其機器學習來確定哪些標題表現最好。
- 使用廣告和附加信息資產詳細信息報告查看所有標題的列表。 此資產詳細信息報告將在效果列中對您的標題和描述進行評分，並在展示列中顯示展示次數。 注意：響應式搜索廣告通常需要在 30 天內獲得大約 5000 次展示，才能在效果列中顯示評級，但是，展示列是 Google 機器學習如何確定最佳標題和描述語言的主要指標。
- 將通過機器學習證明的性能最佳的標題語言集成到您網站上的關鍵 SEO 元素中。
可以為 SEO 集成和優化經過驗證的機器學習語言的關鍵 SEO 元素是：
- 標題標籤
- 元描述
- 標頭
- 段落標題
- 文字內容
- 博客內容和主題
整合機器學習證明的 SEO 關鍵詞
- 創建一個搜索廣告系列，該廣告系列使用符合您業務主要目標的智能出價策略。
- 使用廣泛關鍵字或修改後的廣泛關鍵字創建廣告組。 這是該過程的一個重要方面。 您的廣告組關鍵字越廣泛，Google 的機器學習將篩選並分配出價的關鍵字詞組的變化範圍就越廣。 這為您提供了在執行 SEO 時可以使用的更大的關鍵字集。 但是，始終最好遵循最佳做法並使用否定關鍵字和其他定位選項來縮小廣告的範圍，使其與您的廣告目標相關。
- 隨著時間的推移，Google 的機器學習將根據實現出價策略類型概述的目標的概率為所有關鍵字查詢分配出價。
- 使用關鍵字搜索詞報告查看機器學習為每個搜索詞創建的所有搜索詞和相關出價的列表。
- 使用這些列來確定您希望如何對關鍵字進行排序和評估。 注意：列中數據的重要性可能因您使用的出價策略類型而異。 例如，如果您使用以轉化為重點的智能出價策略，例如目標每次轉化費用、最大化轉化次數、最大化轉化價值或目標廣告支出回報率、平均每次點擊費用、轉化次數和轉化率，那麼這些列對於根據 Google 的機器學習確定最有價值的關鍵字非常重要. 另一方面，如果您的智能出價策略是“最大化點擊次數”或“目標展示次數份額”，則您可能希望關注非轉化列的價值，例如點擊次數、展示次數、點擊率等。
- 將通過機器學習證明的最有價值的關鍵字整合到您的整體 SEO 策略中。
通過機器學習確定為最有價值的關鍵字可以集成和優化到您整體 SEO 策略的各個方面，包括：
- 關鍵字研究——尋找機器學習過程證明的最有價值關鍵字的相關變體。
- 內容策略——將最有價值的關鍵詞整合到您的內容策略中。
- 頁面內容集成
- 標題標籤
- 元描述
- 標頭
- 段落標題
- 文字內容
- 博客內容和主題
- 圖像數據
- 視頻數據
- 鏈接建設
不幸的是，沒有 SaaS 或插件可以通過機器學習技術增強您的 SEO。 將機器學習用於 SEO 需要您使用已經實施機器學習的當前技術。 已經使用 Google Ads 的公司將通過利用 Google Search Ads 中的機器學習數據來增強他們的 SEO 關鍵字研究、理解和整合想法，這將帶來巨大的好處。 可能需要幾個月的時間才能獲得一組好的 SEO 關鍵字和 SEO 語言，這些關鍵字和 SEO 語言已通過機器學習過程證明可用於您的 SEO 工作，但我們相信使用 Google Ads 中的機器學習活動設置積累的數據對您的 SEO 工作非常寶貴. 試一試！