Jak AccuRanker określa intencje wyszukiwania za pomocą sztucznej inteligencji

Poniższy artykuł daje wgląd w nową funkcję intencji wyszukiwania AccuRanker (opartą na sztucznej inteligencji).

Aby lepiej zrozumieć ten artykuł, zalecamy najpierw przeczytać nasz inny artykuł: Co to jest intencja wyszukiwania? Dowiesz się z niego, że klasyfikujemy intencje wyszukiwania, na które celuje Google, patrząc bardziej na SERP (stronę wyników wyszukiwania) niż na słowo kluczowe. Dowiesz się również, dlaczego intencje wyszukiwania mogą się zmieniać w czasie i że możliwe jest posiadanie wielu intencji dla jednego SERP / słowa kluczowego.

W dalszej części tego artykułu będziemy odnosić się do pary SERP / słowo kluczowe jako słowa kluczowego dla zwięzłości, mimo że słowo kluczowe może mieć różne SERP.

Wprowadzenie

Intencje wyszukiwania to temat pełen niuansów. Skonfigurowanie zestawu stałych reguł w celu znalezienia intencji Google dla danego słowa kluczowego jest prawie niemożliwe. Na szczęście rozwój w dziedzinie sztucznej inteligencji i uczenia maszynowego w ciągu ostatniej dekady sprawia, że nowe metody są wykonalne. Dysponujemy teraz odpowiednim zestawem narzędzi do wykorzystywania ogromnych ilości danych SERP, które AccuRanker przetwarza codziennie, aby "wytrenować" model uczenia maszynowego.

Za modelem intencji wyszukiwania

Jako dane treningowe dla nowego modelu intencji wyszukiwania wykorzystaliśmy kombinację nieoznakowanych i ręcznie oznakowanych danych. Ten zbiór danych składa się z intencji wyszukiwania dla słów kluczowych oznaczonych przez ludzkich ekspertów w połączeniu z odpowiednimi danymi SERP. Dzięki technikom uczenia maszynowego pojawiają się wzorce. Wzorce te są tłumaczone na model, który można wykorzystać do znalezienia intencji wyszukiwania słów kluczowych poza zestawem danych szkoleniowych.

Korzystanie z modelu uczenia maszynowego pozwala nam przewidywać intencje wyszukiwania z większą precyzją niż podejścia oparte na regułach. Jednak osiągnięcie 100% precyzji jest niemożliwe z wielu powodów. Niektóre z tych powodów są następujące:

• Nawet ludzie (do 40%) patrzący na SERP nie zgadzają się co do intencji wyszukiwania.
• SERP może wyświetlać wiele intencji.
• Nie zawsze istnieje 100% zgodność co do definicji różnych kategorii intencji wyszukiwania.

Próbowaliśmy przedstawić definicje AccuRanker wraz z przykładami. Korzystając z tych definicji i oceniając model uczenia maszynowego pod kątem tych etykiet, możemy osiągnąć zgodność z ręcznie oznaczonymi danymi na poziomie ponad 90%. I często jesteśmy skłonni zgodzić się bardziej z modelem uczenia maszynowego niż z ludzką etykietą, gdy analizujemy różnice.

Które funkcje określają intencje wyszukiwania

Nowy model intencji wyszukiwania AccuRanker wykorzystuje ponad sto funkcji SERP do określenia intencji wyszukiwania. Cechy te są współzależne, a zatem nie jest łatwo szczegółowo wyjaśnić, jak działają. Gdyby tak było, równie dobrze moglibyśmy zastosować podejście oparte na regułach.

Funkcje te obejmują specjalne słowa (przetłumaczone na wiele języków) w słowach kluczowych, tytułach, adresach URL i opisach, a także funkcje SERP i inne metadane SERP, takie jak koszt kliknięcia i konkurencja AdWords.

Jednym ze sposobów na zrozumienie nowego modelu intencji wyszukiwania jest przyjrzenie się wizualizacjom SHAP, w jaki sposób funkcje wpływają na wyniki modelu w różnych przypadkach.

Wizualizacja, które funkcje określają intencje wyszukiwania

Poniższy obrazek przedstawia dwadzieścia najważniejszych cech, które określają, czy zamiar jest transakcyjny.

Tutaj można zobaczyć wnętrze nowego modelu intencji wyszukiwania i sposób podejmowania decyzji. Jest to pokazane w nieco uproszczony sposób.

Wykres można odczytać w następujący sposób:

• Na osi y znajdują się najbardziej wpływowe funkcje pozwalające stwierdzić, czy słowo kluczowe należy do kategorii transakcyjnej.
• Na osi x widać wpływ poszczególnych cech na wynik modelu, od ujemnego do dodatniego. Pionowa linia oddziela wpływ negatywny od pozytywnego.
• Każda kropka odpowiada słowu kluczowemu. Kolor kropki odwzorowuje wartość odpowiedniej cechy dla tego słowa kluczowego. Czerwony oznacza wysoką wartość, niebieski niską.

Intencje transakcyjne

Wykres z poprzedniego akapitu pokazał, które cechy określają, czy zamiar wyszukiwania jest transakcyjny. Przeanalizujmy ten wykres i weźmy jako przykład konkurencję w AdWords (competition_adwords).

Obok competition_adowrds na wykresie widać, że czerwone kropki znajdują się na prawo od pionowej linii. Oznacza to, że wysoka konkurencja w AdWords (czerwona kropka) zwiększa prawdopodobieństwo, że będzie to transakcyjne słowo kluczowe (na prawo od pionowej linii).

Z drugiej strony, warto przyjrzeć się obecności featured snippet (pagefeaturedsnippet). Jeśli wartość ta jest wysoka (czerwona kropka), oznacza to, że w SERP znajduje się wyróżniony fragment. Czerwone kropki znajdują się po lewej stronie pionowej linii. Oznacza to, że jest mniej prawdopodobne, że będzie to transakcyjne słowo kluczowe, gdy istnieje polecany fragment.

Inne rzeczy, które można zobaczyć na wykresie, to fakt, że Amazon jest obecny jeden lub więcej razy (urlscountamazon.), co zwiększa prawdopodobieństwo, że SERP jest transakcyjny, a odwrotnie jest w przypadku Wikipedii.

Wyniki te nie są zaskakujące. Fajne jest to, że model uczenia maszynowego nie został o tym poinformowany z wyprzedzeniem. Model wywnioskował to z danych. Ponadto wywnioskował relacje między różnymi cechami. Zauważ, że punkty są rozłożone na osi x, zamiast znajdować się jeden na drugim. Wynika to z faktu, że wpływ cech SERP na model zależy od tego, jakie inne cechy są obecne w SERP. Tak więc tylko dlatego, że istnieje wysoka konkurencja w AdWords, model niekoniecznie dojdzie do wniosku, że słowo kluczowe jest transakcyjne.

Zamiar informacyjny

Na drugim końcu spektrum można zobaczyć dwadzieścia najważniejszych cech, które określają, czy zamiar jest informacyjny.

Tutaj widać, że wysoka konkurencja w AdWords oznacza, że jest mało prawdopodobne, aby była to intencja informacyjna. Widać również, że funkcje takie jak karuzele wideo, powiązane pytania i polecane fragmenty są dominujące w SERP z intencją informacyjną.

Z drugiej strony, słowo "najlepsze" zazwyczaj wskazuje na intencje komercyjne, a nie informacyjne. To samo dotyczy funkcji recenzji SERP i wyników lokalnych (pagemapslocal).

Innym interesującym spostrzeżeniem jest to, że gdy Facebook jest częścią SERP, zazwyczaj nie jest to intencja informacyjna. Zamiast tego jest to intencja nawigacyjna.

Intencja nawigacyjna

Poniższy wykres przedstawia intencje nawigacyjne.

Oczywiście linki do witryn są często powiązane z intencją nawigacyjną. Widać również, że panele wiedzy są często obecne dla słów kluczowych z intencją nawigacyjną. Ale są one również często obecne dla informacyjnych słów kluczowych.

LinkedIn, Twitter i Facebook często pojawiają się w SERP z intencją nawigacyjną. Wyniki lokalne i wyniki dotyczące są również powiązane z intencją nawigacyjną. Należy pamiętać, że wyniki lokalne są również powiązane z intencją komercyjną w zależności od kontekstu.

Zazwyczaj nie ma dużej konkurencji w AdWords, polecanych fragmentach lub miniaturach dla intencji nawigacyjnych.

Należy jednak pamiętać, że zawsze istnieje wyjątek od każdej reguły. I że można łatwo mieć słowo kluczowe z intencją nawigacyjną, które ma funkcje pokazujące inne intencje. Wykresy i przykłady podają ogólne wskazania dla każdego rodzaju intencji.

Można również zauważyć, że w przeciwieństwie do większości innych podejść do intencji wyszukiwania, cechy w modelu AccuRanker mogą być współzależne i mogą również sprawiać, że typ intencji wyszukiwania jest mniej prawdopodobny. Stworzenie takiego modelu jest możliwe dzięki wykorzystaniu ogromnej ilości danych AccuRanker w połączeniu z zaawansowanymi technikami uczenia maszynowego.

Intencje komercyjne

W przypadku intencji komercyjnych najczęściej pojawiają się elementy, które już opisaliśmy.

Mówiąc dokładniej, wyniki lokalne (maps_local) są często powiązane z intencjami komercyjnymi. To samo można powiedzieć o słowach takich jak "top" i "best" oraz funkcjach SERP, takich jak często zadawane pytania i recenzje.

Z drugiej strony, zazwyczaj nie zobaczysz słów takich jak "kup" lub "sprzedaż". Lub domeny takie jak Amazon, Facebook lub Wikipedia.

Podsumowanie

Ten artykuł dał ci wgląd w nową funkcję intencji wyszukiwania AccuRanker (opartą na sztucznej inteligencji). Przedstawiono w nim elementy składowe działania modelu i rodzaje cech wpływających na różne rodzaje intencji wyszukiwania, zarówno w kierunku pozytywnym, jak i negatywnym.

Nowa funkcja intencji wyszukiwania nie jest informowana ani uczona żadnych reguł. Zamiast tego model odkrywa własne reguły poprzez dopasowywanie wzorców do dużej liczby przykładów. Mówiąc prościej, nowy model intencji wyszukiwania uczy się na podstawie danych. Posiadanie precyzyjnych etykiet intencji wyszukiwania pozwala grupować i kierować słowa kluczowe według intencji. A to jest najważniejsze podczas tworzenia treści.