拥有您的有机搜索业务意味着什么英国*敏*感*词*向Google诉求

　　拥有您的有机搜索业务意味着什么英国*敏*感*词*向Google诉求

　　科技巨头在机器学习方面投入巨资。

　　2019 年，微软投资了 11 家人工智能 (AI) 初创公司，仅这些公司就为 Openai 赚了 10 亿美元。它们甚至不是企业风险投资泛滥的最大来源。同年，英特尔投资进行了 19 次投资，谷歌企业进行了 16 次投资。

　　巨额投资资本的涌入意味着 AI 计算能力在从医疗保健到营销和搜索引擎优化等一系列领域的快速发展。

　　但是，在讨论机器学习对 SEO 专业人士的影响之前，让我们先定义一下 AI 的含义。

　　拥有自然搜索业务意味着什么

　　英国*敏*感*词*向谷歌上诉：披露算法或撤回关键辩护证据

　　如何优化SaaS首页：关键词，更多链接

　　SEO 访客博客指南：2021 年及以后

　　立即直播：SEO 谈论 COVID-19 搜索中断

　　AI 类型 AI：

　　狭隘或弱人工智能：

　　这种类型的 AI 旨在执行必须“教授”算法的专业任务（想想 Google 的搜索算法）。尽管范围非常专业，但狭义人工智能 (ANI) 可以快速识别模式并以符合人类能力的方式执行任务。

　　一般或强人工智能：

　　通用人工智能 (AGI) 能够独立学习和解决问题，将机器学习提升到一个新的水平。 AI 收录一个深度学习过程，旨在反映人脑的神经网络，允许算法在没有指导的情况下做出决策。目前，人工智能（ASI）仍然完全属于这一类科幻小说。理论上，这种类型的人工智能可以比人类*敏*感*词*更好地解决我们这个时代“无法解决”的问题。尽管 Openai 和 Transformation 等公司正在开发用于自然语言处理的通用 AI，但没有明确的 AGI 示例。 随着广告连接阅读从 ANI 到 AGI 的进步，深度学习将成为创建更强大的 AI 的关键，该 AI 可以使用演绎推理来分析复杂的非结构化数据并做出独立决策。

　　2016 年，Google 宣布有意成为

　　“机器学习优先”公司

　　。此后，他们一直朝着这个目标稳步前进，2017 年推出 Google AI，2019 年推出

　　伯特

　　。他们在机器学习方面的目标是什么？ [嗯，根据谷歌

　　它们不仅让我们的生活更轻松，而且还使用 AI 寻找新方法来发现现有问题，“从重新思考医疗保健到推进科学发现。”

　　除了在未来实现这些崇高目标之外，人类还看到了机器学习在我们每天与搜索引擎算法交互的事物中取得的这些较小进步。

　　Google 一直在稳步推进搜索，以将用户与其内容联系起来，包括这九种方式。我们知道搜索引擎现在正在使用机器学习。 1 下面广告网阅读。模式检测

　　搜索引擎正在使用机器学习

　　模式检测有助于识别垃圾邮件或重复内容。

　　Ality 内容通常有不同的相似之处，例如：

　　有多个指向不相关页面的出站链接。用于停止使用单词或同义词。确定的“垃圾”关键字的发生率。

　　机器学习识别这些模式并标记它们。它还使用来自用户交互的数据来检测何时使用了新的垃圾邮件结构和技术、识别新模式并成功标记这些内容。

　　尽管 Google 仍然使用人工评估员，但使用机器学习来检测这些模式大大减少了审核内容所需的人力。

　　这样，谷歌就可以在杂草之前自动过滤掉低质量的内容。实际人员必须进行相关编辑。

　　机器学习是一项不断发展的技术，因此它分析的页面越多，它就越准确（至少在理论上如此）。

　　2.识别新信号

　　RankBrain 是 Google 开发的机器学习算法。它不仅有助于识别查询中的模式，还有助于搜索引擎识别可能的新排名信号。 [在RankBrain之前，谷歌的算法完全是手工编码的。它依赖于一个工程师团队来分析搜索查询结果、运行测试以提高这些结果的质量并实施更改。

　　尽管仍然有人类工程师在研究算法，但 Rankbrain 会在后台悄悄地运行测试并衡量变化如何影响用户交互。 [RankBrain 解决了 Google 和传统算法面临的一些棘手问题——包括如何处理在 Google 之前从未输入过的搜索词。

　　根据 Google 的 Gary Illyes 在

　　2019 年 Reddit AMA：

　　“Rankbrain 是一个 PR-sexy 机器学习排名组件，它使用历史搜索数据来预测用户 [SIC] 最有可能点击以前不可见的查询。”

　　阅读下方

　　作为搜索引擎，它可以教会技术如何运行预测和数据，可以减少人力，员工可以转向其他事情，机器可以做一些事情，例如创新或以人为本的项目。

　　3.它作为一小部分加权

　　怎么样，尽管机器学习正在慢慢改变搜索引擎查找和排名 网站 的方式，但这并不意味着它对我们的 SERPS 有重大影响（目前）。

　　2019 年

　　网站Administration 中心办公时间讨论，Google 的 John Mueller 提到机器学习如何帮助 Google 的工程师更好地理解各种问题，但他非常关注：

　　“……机器学习不仅仅是这个黑匣子，一方面为您提供互联网，另一方面为您提供搜索结果。”

　　最近，2021 年 5 月的办公时间

　　讨论

　　他解释说，机器学习可以调整各种排名信号的权重。但同样，仍然有真实的人手动检查和调整这些值。

　　Google 的最终目标是利用技术为用户提供更好的体验。如果这意味着用户将无法获得他们想要的体验，那么他们就不想自动化整个过程。

　　所以不要假设机器学习很快就会接管所有搜索排名；这只是搜索引擎实现的一小部分拼图，希望能让我们的生活更轻松。

　　4.基于特定查询的自定义信号

　　Google 当前的隐私政策

　　讨论搜索引擎如何根据用户行为创建个性化搜索结果。

　　Google 的个性化搜索专利，

　　US20050102282A1

　　即：

　　""...个性化的SEACH会根据搜索引擎的不同用户的兴趣和过去的行为，为他们生成不同的搜索结果。 "

　　我们可以清楚地看到这一点。它通常用于会议演示中，以证明此过程与 Google 中的一系列查询相关，并查看结果如何变化，具体取决于您上次搜索的内容。

　　阅读下方

　　例如，如果我在隐身浏览器中搜索 [New York Football Stadium]，我会得到答案 [Metlife Stadium]。

　　接下来，如果我在同一个浏览器中只搜索 [Jets]，Google 会假设因为我之前的查询是关于足球场的，那么这个查询也是关于足球的。

　　

　　

　　

　　

　　当我继续搜索时，Google 了解到我的兴趣何时开始发生变化。

　　在同一浏览器中搜索 [Jaguars] 会显示有关 Jacksonville Jaguar 的 NFL 球队的信息（与我最近的两次搜索相关）。

　　

　　

　　但是当我开始搜索[San Diego near the zoo]，然后在查询框中输入[zoo]的那一刻，Google 建议了 jaguar [虽然我没有第二次搜索 jaguar]

　　

　　搜索历史的搜索体验只是一个组件，使用机器学习来提供更好的结果。下面

　　5 次阅读广告网络阅读。自然语言处理

　　搜索引擎可以识别文本的文本形式。这不仅适用于所使用的词语，也适用于它们的深层含义。来自transformer-BERT的双向编码器表示

　　，Transient - 是 Google 用来更好地理解上下文以处理用户搜索查询的自然学习框架。

　　人们并不总是像机器一样说话。我们玩语言来想出新词组。

　　我们使用相同的词来描述不同的事物。有时，我们甚至故意模糊。

　　但是，随着越来越多的人在线使用和搜索新词组，机器学习可以为这些查询显示更准确的信息。

　　Google 趋势就是一个很好的正面例子。一个新的短语或词获得关注（例如，“glow at first”或“overflow”或“overflow”）起初可能会产生荒谬的搜索结果。 Piaget 的广告网络阅读 Piaget 旨在通过学习用户如何与内容交互以分解这些上下文来重写人类识别。并匹配搜索查询以获得更相关的结果。

　　随着语言的发展和转换，机器更能够预测我们所说的话背后的含义，并为我们提供更好的信息。

　　

　　

　　6.图片搜索了解照片

　　

　　大约每秒

　　

　　1087 张照片上传到 Instagram，

　　4000

　　上传到 Facebook。这些是每天上传到这两个社交网络的数亿张照片。

　　对许多提交的分析和编目对人类来说是一项艰巨的（如果不是不可能的）任务，但它非常适合机器学习。机器学习分析颜色和形状图案，并将与照片相关的现有图案数据与任何现有结构数据进行比较，以帮助搜索引擎了解图像的实际图像。

　　这就是 Google 不仅搜索 Google Image 目录图像的结果，而且搜索其目录图像的方式

　　反向图片搜索

　　允许用户使用图片而不是文本查询进行搜索。以下广告网阅读阅读资料，可用于查找网上其他照片的其他示例，以及具有相同主题或调色板的类似照片以及带有该主题信息的照片。反过来，用户与这些结果的交互方式可以影响未来的 SERP。

　　7.广告质量和定位改进

　　与其自然搜索结果一样，Google 希望为其个人用户提供最相关的广告。根据

　　Google 美国专利 US20070156887

　　US9773256

　　在广告质量方面，机器学习可用于改进“其他统计模型”。

　　

　　这意味着AD级别

　　

　　可能会受到机器学习系统的影响。

　　“出价金额、您的临时存储时间广告质量（包括预期*敏*感*词*率、广告相关性和着陆页体验），

　　AD 级别阈值

　　此人搜索的上下文“根据关键字通过关键字进入系统，以确定GOOG对每个关键字考虑的阈值。

　　8.同义词识别

　　当您看到代码段中不收录关键字的搜索结果时，可能是由于 Google 使用 RankBrain 来识别同义词。

　　搜索时[森林保护，下方阅读

　　您会看到各种结果，因为在这种情况下它可以与“save”互换使用。

　　Google 在某些情况下甚至会突出显示同义词，进一步证明它是同义词。

　　9.查询澄清我最喜欢的主题之一是搜索查询用户意图。拍摄搜索引擎的原因有很多。用户可能正在搜索购买（交易）、研究（信息）或查找任何给定的搜索资源（导航）。进一步阅读下面的广告链接，单个关键字可能对这些意图中的任何一个都有用。 [通过分析点击模式和用户与用户互动的内容类型（例如，通过内容类型的点击率），机器学习用于确定用户搜索背后的意图。示例可以在 Google 搜索中搜索“最佳大学”。结果是每个人的 SERP，大学列在顶部。这证明了谷歌对搜索背后可能的意图的理解。广告网络阅读下面的内容正在改变 SEOS 看待链接结构和位置的方式，因为谷歌的算法使用 BERT 之类的工具来更好地评估这些链接所在的上下文。概述虽然机器学习不是（并且可能永远不会“完美，人类互动越多，越准确，越聪明”它会得到它。从“终结者”电影Vision创建天网可能会令人震惊。然而，实际结果可能是更好地体验技术解决复杂问题，让人们专注于驱动创造力和创新。2018年，PEW Research进行了一项民意调查，63%的受访者表示他们对人类的未来充满希望，因为到2030年和AI有关。在人工智能的帮助下，人类看到了生活质量的提高，我们看到了生活质量的道路。随着谷歌等搜索引擎彻底改变了机器学习.我们可以更轻松地找到我们需要的信息和服务，我们需要。以下广告链接阅读以下更多机器学习资源：机器学习世界中的SEO指南如何在搜索工作中学习：Eve你需要知道机器学习如何改变 SEO 以及如何调整图片来源作者所有截图 2021 年 6 月