Quando usar a ciência de dados em SEO

A ciência de dados se aproxima cada vez mais do SEO.

A ciência de dados e, mais exatamente, a inteligência artificial, não é nova, mas tornou-se moderna em nosso setor nos últimos anos.

Neste artigo, apresentarei brevemente os principais conceitos da ciência de dados por meio do aprendizado de máquina e também responderei às seguintes perguntas:

  • Quando a ciência de dados pode ser usada em SEO?
  • A ciência de dados é apenas uma palavra da moda no setor?
  • Como e por que deveria ser usado?

Uma breve introdução à ciência de dados

A ciência de dados cruza caminhos com big data e inteligência artificial quando se trata de analisar e processar dados conhecidos como conjuntos de dados.

O Google Trends mostra muito bem que a ciência de dados, como objeto de intenção, tem aumentado ao longo dos anos desde 2004.

 

A intenção do usuário de “aprendizado de máquina” também tem aumentado e é uma das consultas de pesquisa mais populares.

Essa é também uma das duas maneiras de operar a inteligência artificial e em que este artigo se concentrará.

 

Qual é a relação concreta entre inteligência artificial e Google?

Em 2011, o Google criou o Google Brain, uma equipe dedicada à inteligência artificial.

principal objetivo do Google Brain é transformar os produtos do Google por dentro e usar a inteligência artificial para torná-los “mais rápidos, mais inteligentes e mais úteis”.

Compreendemos facilmente que o mecanismo de pesquisa é a ferramenta mais poderosa e, considerando sua participação no mercado (95% dos usuários usam o Google como seu principal mecanismo de pesquisa), não surpreende que a inteligência artificial esteja sendo usada para melhorar a qualidade do mecanismo de pesquisa .

O que é aprendizado de máquina?

O aprendizado de máquina é um dos dois tipos de aprendizado que fortalecem a inteligência artificial.

O aprendizado de máquina tende a resolver um problema através de um quadro de referência e a saída é verificada por um ser humano, pois sempre vem com uma certa porcentagem de erro.

O Google explica o aprendizado de máquina da seguinte maneira:

“Um programa ou sistema que constrói (treina) um modelo preditivo a partir de dados de entrada. O sistema usa o modelo aprendido para fazer previsões úteis a partir de novos dados (nunca vistos) extraídos da mesma distribuição que a usada para treinar o modelo. O aprendizado de máquina também se refere ao campo de estudo relacionado a esses programas ou sistemas. ”

 

Mais simplesmente, os algoritmos de aprendizado de máquina recebem dados de treinamento.

No exemplo abaixo, esses dados de treinamento são fotos de gatos e cães.

Em seguida, o algoritmo treina a si mesmo para entender e identificar os diferentes padrões.

Quanto mais o algoritmo for treinado, melhor será a precisão dos resultados.

Então, se você pedir ao modelo para classificar uma nova imagem, obterá a resposta correta.

O Google Images é certamente o melhor exemplo para reproduzir esta explicação.

 

Qual é a relação concreta entre inteligência artificial e SEO?

Em 2015 – e para limitar essa discussão aos principais algoritmos – o RankBrain foi implementado para melhorar a qualidade dos resultados da pesquisa.

Como cerca de 15% das consultas nunca foram pesquisadas antes, o objetivo era entender automaticamente melhor a consulta para produzir resultados relevantes.

O RankBrain foi desenvolvido pelo Google Brain.

Então, em 2019, o BERT foi introduzido para entender melhor as consultas de pesquisa.

Como profissionais de SEO, é importante observar que não podemos otimizar um site para o RankBrain ou o BERT, pois eles foram projetados para entender e responder melhor às consultas de pesquisa.

Para resumir, esses algoritmos estão envolvidos em processos que não afetam como os sites são avaliados ou correspondidos às consultas. Não há como otimizar para eles.

Ainda assim, como o Google usa o aprendizado de máquina, é importante saber mais sobre esse campo e também usá-lo: ele pode ajudar a executar suas operações diárias de SEO.

 

Qual é o valor do aprendizado de máquina para SEO?

O seguinte pode ser visto como áreas valiosas para a aplicação do aprendizado de máquina ao SEO, de acordo com minha experiência:

  • Predição.
  • Geração.
  • Automação.

O exposto acima pode ajudar a economizar tempo em suas operações diárias e também convencer os tomadores de decisão em sua organização.

A partir daí, o restante do artigo poderá convencê-lo (como estou convencido) ou deixá-lo em dúvida.

De qualquer forma, as seguintes partes certamente lhe interessarão.

 

Predição

Os algoritmos de previsão podem ser úteis para priorizar seu roteiro destacando palavras-chave.

 

O exposto acima está disponível graças a um código-fonte aberto escrito por Mark Edmonson.

A ideia é fazer a seguinte suposição: se eu estivesse em primeiro lugar nessas palavras-chave, qual seria minha receita?

Em seguida, fornece a sua posição atual e a receita potencial que você pode obter considerando uma margem de erro.

Isso pode ajudar a convencer seus superiores a se concentrarem em algumas palavras-chave específicas, mas também pode atrair seu cliente (se você estiver trabalhando como consultor ou em uma agência).

 

Geração

Escrever conteúdo é certamente uma das tarefas mais demoradas em SEO.

Você escreve o conteúdo você mesmo ou precisa, no mínimo, escrever um resumo.

Em ambos os casos, às vezes é difícil encontrar inspiração para trabalhar com eficiência.

É por isso que a geração automática de conteúdo é valiosa.

Como eu já disse, o aprendizado de máquina vem com uma margem de erro.

É por isso que esse tipo de automação de conteúdo precisa ser visto como produzindo uma estrutura editorial inicial.

Compartilhei alguns exemplos de código fonte disponíveis aqui .

Além disso, a obtenção de um primeiro rascunho automatizado de conteúdo editorial pode ajudá-lo a semi-automatizar sua vinculação interna, permitindo destacar manualmente suas tags de âncora superior e secundária.

 

Automação

A automação é útil para rotular imagens e, eventualmente, vídeo, usando um algoritmo de detecção de objeto, como visto no TensorFlow .

Esse algoritmo pode ajudar a rotular imagens, para otimizar atributos alt com bastante facilidade.

Além disso, o processo de automação pode ser usado para testes A / B, pois é bastante simples fazer algumas alterações básicas em uma página.

Até o momento, o uso mais comum em SEO para testes A / B é usar dados do Google Ads, como CTR e conversões, para entender melhor o conteúdo (título e descrição dos anúncios) que apresenta o melhor desempenho e que pode ser aplicado ao SEO.

Nesse caso, a idéia seria automatizar o teste A / B graças à geração de conteúdo e atualizá-lo com base no desempenho esperado.