搜索引擎如何抓取网页(2.识别新的信号AI与SEO/数字营销的关系)

　　搜索引擎如何抓取网页(2.识别新的信号AI与SEO/数字营销的关系)

　　当我们在2010年初第一次听说机器学习时，一开始看起来很糟糕

　　然而，一旦向我们解释了（我们意识到技术已经被用来为我们提供解决方案），我们就开始解决实际问题：

　　机器学习本质上使用算法根据历史数据计算特定事物的趋势、价值或其他特征

　　百度甚至声称自己是机器学习领域的第一家公司

　　搜索引擎总是喜欢尝试如何使用这种不断发展的技术。这里有9个深入的解释。我们知道他们目前正在使用机器学习及其与SEO/数字营销的关系

　　1.模式检测

　　搜索引擎正在使用机器学习模式检测来帮助识别垃圾邮件网站或重复内容。它们插入低质量内容的常见属性，例如：

　　能够找到这些类型的模式大大减少了人力审查

　　尽管仍有人对网页质量进行评估，但机器学习可以帮助百度自动筛选网页，消除低质量的网页，而不需要真正的人先查看

　　机器学习是一项不断发展的技术，因此你分析的页面越多，它就越精确（理论上）

　　2.识别新信号

　　人工智能不仅帮助识别查询中的模式，还帮助搜索引擎识别可能的新排序信号

　　这些信号都被百度追捧，可以继续提高搜索结果的质量

　　因为搜索引擎可以教会人工智能如何独立运行预测和数据，它可以减少体力劳动，员工可以转向其他机器无法完成的事情，如创新或以人为本的项目

　　

　　识别新信号

　　3.它的重量是一小部分

　　然而，尽管机器学习正在慢慢改变搜索引擎在搜索引擎中查找和排名网站的方式，但这并不意味着它对我们的服务器（目前）有重大影响

　　机器学习只是他们整个排名信号平台的一部分，并作为整体算法的一小部分进行加权

　　百度的最终目标是利用技术为用户提供更好的体验。如果这意味着用户没有他们想要的体验，他们不想自动化整个过程

　　因此，不要认为机器学习会很快取代所有的搜索排名。这只是搜索引擎已经意识到的一个小难题，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

　　搜索引擎中的机器学习可能因查询类别或措辞而异。这意味着机器学习可以在某些特定查询中增加变量的权重

　　总体而言，通过机器学习定制的个性化搜索将点击率（CTR）提高了10%

　　当用户向百度输入更多的查询时，他们发现CTR持续增加

　　这可能是因为搜索引擎“了解”特定用户的偏好，并能根据过去的查询提供最有趣的信息

　　会议报告中经常使用的一个示例是，会议中有一系列查询，以及结果如何根据您上次搜索的内容进行更改

　　搜索历史只是机器学习用来提供更好结果的搜索体验的一部分

　　5.picture搜索图片

　　这项任务非常适合机器学习，因为它可以分析颜色和形状的模式，并匹配图像中的任何现有模式数据，以帮助搜索引擎了解图像是什么

　　这就是百度不仅可以为百度图像搜索结果提供目录图像，还可以提供允许用户通过图像文件搜索（而不是文本查询）的功能

　　然后，用户可以在互联网上找到其他图片示例、与图片主题或颜色相同的图片以及图片中的主题信息。用户与这些结果交互的方式可以在未来塑造他们的SERP（搜索引擎结果页面）

　　

　　图片搜索以了解有关图片的信息

　　6.识别搜索查询中单词之间的相似性

　　机器学习不仅使用查询数据来识别和个性化用户的后续查询，还帮助创建数据模式以形成其他用户获得的搜索结果

　　随着时间的推移，用户搜索越来越多，机器学习可以显示更准确的信息

　　随着语言的发展和变化，机器能够更好地预测我们所说的话背后的含义，并为我们提供更好的信息

　　7.提高用户的广告质量和目标

　　机器学习可以用来改进“其他弱统计模型”。这意味着广告排名会受到机器学习系统的影响

　　通过关键词逐字输入系统“出价金额、您的出价时间、广告质量（包括预期点击率、广告相关性和登录页面体验）、广告级别阈值和用户搜索上下文”，以确定百度为每个关键词考虑的阈值@

　　8.同义词识别

　　当您看到代码片段中没有收录关键词的搜索结果时，可能是因为百度使用同义词反馈机制来识别

　　9.查询和澄清

　　我最喜欢的主题之一是搜索查询用户意图

　　用户可能正在搜索任何给定搜索的购买（交易）、研究（信息）或资源（导航）。此外，关键词可能用于其中一个或任何目的

　　通过分析用户使用的点击模式和内容类型（例如按内容类型按Ctrl键），搜索引擎可以使用机器学习来确定意图

　　

　　查询澄清

　　结论

　　虽然机器学习不是（也可能永远不会）完美的，但人类与它的互动越多，它就会变得越准确和“聪明”

　　这可能会让一些人担心——带来《终结者》电影中的天网场景——然而，当我们需要它时，实际结果可能是更好的技术体验，为我们提供我们需要的信息和服务