LazarinaStoyを使用したSEOでの機械学習の開始

公開: 2022-04-09

あなたのSEOのどれくらいを自動化していますか？また、現在行っていることを自動化することで、より速く、より高いレベルの精度でそれを行うことができることをご存知ですか？

今日は、SEOで機械学習を開始するための6つのステップについて、技術とデータのすべてを専門とするSEOマネージャーと話し合っています。彼女はコンテンツクリエーターでもあり、Data Studioダッシュボード、スクリプト、およびその他の便利なツールを共有し、他のSEOがタスクをもう少し効率的に実行できるように支援および熱望しています。 Intrepid Digital、LazarinaStoyのSEOおよびデータサイエンスマネージャーへようこそ。

手順は次のとおりです。

あなたの限界的な信念を理解し、それらを克服する
機械学習における一般的なタスク仕様、ソリューション仕様、およびデータ仕様を理解する
毎日練習して、動きを始めましょう
機械学習が必要なときに理解するための新しいタスク、そのソリューション、およびデータ特性を評価します
制限を理解し、機械学習の成果を精査する
協力して作業し、合理的な期待を設定する

SEO機械学習

ラザリーナ：こんにちは。ここに来て幸せです。こんにちは。

D：ここにお越しいただきありがとうございます。 Lazarinaはlazarinastoy.comで見つけることができます。それで、ラザリーナ、マシンがSEOを引き継ぐまでどれくらいかかりますか？

L：久しぶりに。より効率的にするために、マシンを引き継ぐ必要があります。彼らは私たちを乗っ取っていないことを願っています。

D：たぶん脳への神経リンクが役立つでしょう。

L：ええ、私たちは彼らよりもずっと良くなるでしょう。それらを適切に使用する必要があります。必要な場所にチャネルします。

D：あなたにはある程度の前向きさがあります。そこで本日は、SEOで機械学習を開始するための6つのステップについて説明します。ナンバーワンから始めて、あなたの限界的な信念を理解し、それらを克服してください。

1.あなたの限界的な信念を理解し、それらを克服する

L：この小さなステップは、実際に機械学習をもう少し追求することを妨げているものについて実際に考えることです。 SEOの自動化を始めて、新しいスクリプトやツールなどを実行することを妨げているのは何ですか。多くの人が本当に新しいテクノロジーに触発されているのを聞いて、彼らはそれを試してみたいと思っているからです。しかし、彼らはそうすることを妨げているこれらの制限的な信念を持っています。そして、それはSEO業界に固有または固有のものではありません。実際、これは機械学習コミュニティでも非常に広く認識されていることです。なぜなら、彼ら自身が機械学習から始めていないため、多くの開発者が実際に抱えている問題だからです。

実際、機械学習コミュニティで非常に有名なデータサイエンティスト、ジェイソンブラウンリーは、いくつかの限定的な信念、またはあなたが始めていない理由のリストを実際に作成しました。そして、私がそれらをステートメントに入れなければならない場合、それは私たちが自分自身に言うことです。たとえば、開始するにはPythonの専門家、開始するにはコーディングの専門家である必要があります。または、AからAまでの機械学習分野を知っている必要があります。 Z.または、開始するために各アルゴリズムが行うこと。あるいは、開始するのに多くの自由な時間が必要な場合や、スケジュールにある程度の時間が必要な場合、または完璧なPCなど、自分に言い聞かせていることは何でもあります。克服するのが最も難しいのは、始めるのが非常に難しいか難しいと思うことです。ほとんどの機械学習の専門家は、実際には、機械学習モデルを実行するには文字通り3行のコードが必要であると言うでしょう。それはあなたのデータを理解し、どこでいつそれを適用できるかを知ることです。それは難しい部分です。

したがって、これらの制限的な信念を克服することが最初のステップです。実際、始めるのは難しくないからです。文字通りGoogleの機械学習と10分間のチュートリアルを使用して、小さなことから始めて、毎日習慣を身に付けることができます。そうすれば、開始するのを待っているだけで、開始していないときに精神的に制約を感じている場合は、それが実行する必要のある非常に小さなステップであることがわかります。スケジュールの10分を予約して開始するだけです。そして、最初のスクリプトまたはインストール、ライブラリ、およびすべてを実行すると、実際にはそれほど難しいことではないことがわかります。そして、ゲームが少しシフトします。次に、SEOの日常生活にモデルを適用できる場所を確認する必要があります。そして、それは正直に言うと楽しい部分です。

D：わかりました。基本的に、あなたが言っているのは、テクノロジーがあなたの行動を妨げないようにすることです。実際に始める前に、テクノロジーのすべての側面を理解する必要はありません。

L：それは、ドアを通り抜けるためにすべてを理解する必要がないSEOの分野とよく似ています。あなたはただそれをしたいという情熱と願望を持っている必要があります。

D：課題は、多くのSEOが、何かをする前にすべてを理解したいという考え方を持っていることだと思います。彼らはそのような頭脳を持っていると思います。そこでは、何かをする前にその理由を理解する必要があります。

2つ目は、機械学習における一般的なタスク仕様、ソリューション仕様、およびデータ仕様を理解することです。

2.機械学習における一般的なタスク仕様、ソリューション仕様、およびデータ仕様を理解する

L：ええ、最初にデータから始めます。特定の項目をいつ検索するかを知る必要があります…たとえば、すでにステップ1に合格し、毎日の練習、おそらく10分間のチュートリアルがあり、これは非常にクールで派手であることがわかります。しばらくそれをします。そして今、あなたは日常生活の中である種の課題に遭遇します。そして、あなたは機械学習があなたが直面しているいくつかの課題を克服するのに役立つ正しい解決策であるかどうかを見たいと思っています。あなたが考える必要がある3つのことはあなたが持っているデータ特性です。つまり、機械学習を適用するデータセットです。そして、それはテキスト、数値データ、または画像ベースのデータである可能性があります。ただし、ここでは初心者のシナリオについて話します。もちろん、ビデオまたはオーディオファイルを適用するマルチモーダル機械学習のようなものがあり、それらに機械学習を適用します。しかし、ここでは初心者の場合について話しているだけです。そして、ほとんどの場合、SEOとして、モデルに与えるタスクはテキストベースになるため、たとえば、ページのコンテンツや数値になります。たとえば、オーガニックトラフィックを予測しようとしている場合や、クリック数を予測しようとしている場合などです。

また、タスクの特性に関しては、機械学習には教師なしと教師なしの2つの主要な分野があることがわかっています。そして、最も一般的なケースでは、これらの特定のタイプのタスクに使用できる主なモデルを知る必要があります。したがって、教師あり学習とは、モデルの出力を検証するためにデータにラベルを付けたことを意味します。また、教師なしとはその逆を意味し、結果を検証する方法がありません。教師あり学習では、予測を行う回帰や、既存のクラスに基づいてグループに分割する分類などがあります。

これらの両方の例を示すために、オーガニックトラフィックの予測など、すでに説明した予測を行うことは、特にビッグデータを処理している場合や、グループに分類を分割している場合に適しています。たとえば、ブログの一部ですでに特定のカテゴリに分類されていて、これらの特定のグループの1つに分類したい新しいコンテンツがある場合は、分類を使用すると便利です。教師あり学習では、クラスタリングの次元削減があります。これは、データのセットが非常に多い場合や、実際には問題がない場合など、おそらく使用する予定の、もう少し高度なものです。検証する方法があります。また、多くの場合、2つのアプローチを組み合わせることができる場合もあります。

ソリューションの特性に関して、知っておくべき最も重要なことは、機械学習をいつどこで適用すべきかということです。私のウェブサイトとブログでは、機械学習の初心者向けガイドとして、機械学習をどのように適用するか、そしてそれが正しいユースケースであるかどうかを確認するのに役立つフローチャートをいくつかリストしました。たとえば、ビッグデータを使用していない場合、それは機械学習ではありません。文字通り、スプレッドシートやGoogleスプレッドシートで、いくつかの統計式を使用して行うことができます。基本的に、ほとんどの機械学習モデルはまさにそれです。統計学。そして、ええ、それがミッションクリティカルである場合、あなたがしているタスクのように、あなたは機械学習にまったく依存するべきではありません。また、利害関係者、結果が達成された方法、またはそのモデルの出力を説明または複製しようとする必要がある場合は、教師あり機械学習や深層学習など、避けるべき特定のモデルがあります。、それらのほとんどはブラックボックスのように機能するためです。そして、特にビッグデータでは、出力に到達するためにモデルが行ったことを複製することは非常に困難です。

ここで考えるためのたくさんの食べ物。しかし、これら3つのことを理解し、特定の問題について「わかりました。私のデータはテキストです。必要なモデルは回帰ベースまたは分類ベースなどです。つまり、データとは何か、タスクとは何かを正確に特定する必要があります。また、探しているソリューションの種類を理解する必要があります。それができれば、はるかに簡単になります。あなたの目標を達成するのに役立つ適切なリソースを見つけるために。

D：そして3つ目は、毎日の練習を可能にし、動きを始めることです。

3.毎日練習し、動きを始めましょう

L：前のステップで触れたと思いますが、毎日の練習が重要です。そして、それが私にとって個人的に意味することは、Pythonに関連する何かをしたいということです。なぜなら、それが私の頼りになる言語だからです。しかし、JavaScriptの場合もあれば、興味のある他の言語の場合もあります。機械学習に十分なリソースを見つけて、機械学習に関連することを毎日試みることができます。さて、それは本格的なものではないかもしれません、あなたが知っている、毎日のプロジェクト、それはあなたが大きなプロジェクトに取り組んでいる場合は特に、それは多くの時間がかかるかもしれないからです。ただし、たとえば、関数がどのように機能するかを理解している場合や、所有している履歴データに基づいてモデルを実行している場合、または機械学習を監査に組み込んで、機械学習をテストする新しい方法を見つけている場合があります。したがって、毎日の練習は非常に重要です。そして、それは特に機械学習が本質的に何ができるかを見つけるのに役立つので、あなたをつま先に留めます。そして、それが何ができるかを知っていれば、日常の役割に取り掛かると、機械学習をプロセスに組み込む機会を見つけるのがはるかに簡単になります。ここで強調したいのは、ボタンをクリックするだけで機能する完全に自動化されたソリューションが必要であり、仕事を完全に自動化できるという意味ではありません。つまり、作業中の特定のプロジェクトを10の異なるビットに分割でき、機械学習とおそらくこれらの10のうちの2つを自動化または埋め込むことができれば、より多くの時間を費やすことができます。これらの残りの10の出力。または、リーダーシップやコミュニケーションなどの作業など、キャリアを向上させるプロジェクトにもこの時間を使用できます。基本的に、それは機械学習をいつどこで使用するかを知ることです。そして、これを行うための最良の方法は、それに精通することです。そのためには、毎日の練習が鍵となります。

D：これにより、4番目になります。新しいタスクに遭遇した場合は、タスクソリューションとデータの特性を評価して、機械学習が本当に必要かどうかを理解してください。

4.機械学習が必要なときに理解するために、新しいタスク、そのソリューション、およびデータ特性を評価します

L：ええ、繰り返しますが、前に触れたことがあります。機械学習が必要かどうかを評価するには、さまざまな方法があります。そして、私はすでにそれらのフローチャートのカップルについて言及しました。しかし、基本的に、遭遇するすべてのタスク、たとえばメタ記述の記述を取り上げましょう。これは、私たちが頻繁に行うことだからです。まあ、私たちはそれにあまり多くの時間を費やすべきではありません。これらはSEOにとってそれほど重要ではないことはわかっていますが、ページ上の最適化プロジェクトの一環として、それを行う必要があります。最適化する必要があります。

ここでタスクを分解してみましょう。入力データがテキストであると言う場合、それはそうです、ページコンテンツがテキストであることを意味します。そして、その場合のタスクは何ですか？監視ありですか、それとも監視なしですか？私たちはそれが監視されていないことを知っています。出力の結果を検証する方法がないため、自分で検証する必要があります。自動化された方法はありません。その場合、たとえば、ページのテキストを取得して160文字未満の出力に変換するなど、変換可能なモデルを探します。したがって、テキストから文を取り出すことは抽出を意味します。または、要約することもできます。しかし、これを行う別の方法は、GPT-3のような生成モデルを使用することです。入力、つまりページ上のテキストを入力すると、基本的にメタ記述が生成され、最初から書き込まれます。

ミッションクリティカルかどうかに戻ると、そうではないことがわかります。したがって、機械学習はこのタイプのエクササイズに適しています。同じタイプのページに対してこのモデルを実行すると、異なる出力が得られる場合がありますか？たとえば、モデルを2回実行すると、同じページに2つの異なるメタディスクリプションが表示される場合があります。それは絶対に大丈夫です。両方からお選びいただけます。それはまったく問題ではありません。これらのメタディスクリプションをどのように記述したかについての説明が必要ですか？いいえ、まったくありません。そして、これをどのように行ったかを利害関係者に説明する必要はありません。それは平均的な方法よりも優れていますか？機械学習を使用するかどうかを評価する場合は非常に重要な質問です。このフレームワークを使用して、使用する必要があるかどうか疑問に思っているタスクに適用すると、はるかに高速になるため、絶対に「はい」と言えます。機械学習の有無にかかわらず、機械学習に適したタスクとそうでないタスクをすばやく見つけることができます。例を挙げると、それはニッチにも依存する可能性があります。これは、タイトルとH1についてまったく同じ例をとると、非常に競争力がなく、それはあなたのお金やあなたの人生のタイプのものではありません、そして私たちは絶対に、同じスタンスで、それはミッションクリティカルではないと言うかもしれません。タスクは自動化でき、機械学習を実装できます。タイトルやH1の書き方について説明する必要はありません。しかし、たとえば、私たちのクライアントがHMRCであると言えば、これを正しく行うためにはこれが非常に重要であることがわかります。完全に適切ではないタイトルやH1、メタディスクリプションを提案したくありません。したがって、クライアントや業界、または作業している特定のサイトが、これらのツールの一部を実装できない理由であると感じることもあります。

D：それは、機械学習を扱い、その限界を理解し、出力を精査するときの5番目まで非常にうまく導くと思います。

5.制限を理解し、機械学習の成果を精査します

L：もちろん、これは機械学習で何かができると思った回数が多いので非常に重要です。スクリプトがたくさんあるので、モデルを実装したり、スクリプトなどをテストしたりしました。そこに。正直なところ、それらを検索する方法を知っていれば、考えられるすべてのタスクのスクリプトがほとんどあります。SEOの特定の問題にそれを実装する方法を知っている必要があります。そして、私がいくつかテストして、出力を使用しなくなった回数はたくさんあります。したがって、機械学習で何ができるかを知る必要があります。現在、機械学習は狭いタスクで非常に優れている段階にありますが、ほとんどのモデル、それらのトレーニング方法、および初心者として、ほとんどの場合、事前にトレーニングされたモデルを使用することになります。自分でトレーニングするつもりはありません。そして、それ自体はまったく別のトピックです。ただし、事前にトレーニングされたモデルを使用していて、自分でトレーニングしていない場合、ほとんどの場合、トレーニングされたデータセットは特定の業界にとって特に有用ではないことがわかります。あなたが望むほど詳細ではありません。これは特に、NLPなどのテキストベースのタスクに当てはまります。

そしてここでは、2つのことを知っている必要があります。まず第一に、一緒に働くための基盤を持っていることでさえ、持っているのに十分なものです。たとえば、モデルが生成したメタディスクリプションはそれほど良くありませんが、修正することはできます。そして、それらを編集すると、最終的な出力を生成するのがはるかに速くなると思う場合は、背中を軽くたたく必要があります。あなたは自分自身をたくさん節約したので、素晴らしい仕事をしました。それでも時間。また、出力がまったく役に立たないと思ったとしても、すべての機械学習が役に立たないという意味ではありません。これは、この特定のタスクでは、使用したこの特定のモデルが役に立たなかったことを意味します。そして、それは完全に大丈夫です。利害関係者やクライアントに、いくつかのアプローチをテストしたと言うこともできるので、自動化されたアプローチをテストしました。そして、これとこの理由のためにそれは機能しませんでした。また、モデルの出力を使用して、チームが生成した出力と比較対照することもできます。したがって、すべての場合において、機械学習を実装または試行することで、ケースが大幅に強化されます。いつ大丈夫と言うかを知っておく必要があります。私たちはそれを試しましたが、うまくいきませんでした。また、これをどのように活用するかについても同様に説明しました。

D：そして、私たちを6番目にきちんと導くアウトプットについて話します。それは、協力して働き、合理的な期待を設定することです。

6.協力して作業し、合理的な期待を設定します

L：この最後のステップは、いつ助けが必要かを知り、適切な助けを得る方法を知ることです。そして、ここで私はあなたがあなたが必要とする助けを得るためにあなたが追求することができるいくつかのことがあると思います。まず、機械学習の仲間を見つけます。あなたと同じタイプの人。彼らは同じ業界で働いています。彼らは同じタイプの問題を抱えています。そして、あなたは問題を考えて直面していて、ある種一緒にタスクを研究しています。そして、誰かがその役割に役立つ何かを見つけたとき、彼らはそれを仲間と共有します。それはあなたが自分自身に責任を持ち続けるのを助けます、それはあなたがあなた自身をやる気に保つのを助けます、そしてそれは本当に持っていることはとても良いことです。

ここでのもう1つの解決策は、機械学習部族のような部族に参加することです。ここでも、ジェイソン・ブラウンリーと呼びます。彼はこのチャートを作成しました。これは、そこにあるさまざまな機械学習部族の内訳です。そして私たちにとって、SEOとして、私たちはビジネス部族に属しているので、自動化または機械学習が問題の正しい解決策であるかどうか、またはそれがチームやデータに使用できるかどうかを確認しようとしているマネージャーである可能性があります部族。たとえば、データの理解を少し上手にしようとしているデータアナリストです。そして、私がこれら2種類の部族について具体的に言及した理由は、あなたがそのようなグループまたはコミュニティにいる場合、そこにいる人々が同じ種類の結果を見つけようとしていることを知っているからですが、問題に対する彼らのアプローチは似ていますあなたに。したがって、たとえば、コーディングや機械学習モデルの背後にある数学に関連する高度な概念がわからない場合は、精査されることはありません。あなたはあなたが持っている挑戦のタイプに非常に同情している人々に囲まれるでしょう。そして、それは別の課題かもしれません。たとえば、Python開発者がいるコミュニティにいて、質問している場合、なぜ私のモデルが機能しないのか、コンマなどであることがわかります。あなたはもう少し精査を感じるかもしれません、あなたの質問への応答は少し厳しいかもしれません、そして私たちはあなたにやる気を感じさせたくありません。そのため、適切なタイプのコミュニティまたは適切なタイプの部族を見つけることに重点を置いています。

そして3つ目は、どのアプローチを選択するかに関係なく、これを適用する必要があると思います。それは、自分でクエリを解決できないと感じるときはいつでも、できる限り開発者に連絡する必要があります。 StackOverflowに6時間ほど費やし、たった1つのエラーで立ち往生していて、非常にやる気がなく、誰かに連絡するだけの場合は、SEOコミュニティにも非常に多くの熟練したPython開発者がいます。あなたが彼らに連絡した場合、彼らはすでにそのような問題に遭遇しているかもしれないので、彼らはあなたに指示を与えるかもしれません。そして、私は彼らに手を差し伸べると言っているのではないので、彼らはあなたのためにあなたのスクリプトを書くことができます。しかし、彼らはあなたを正しい方向に導くことができます。そして、それは非常に刺激的でやる気を起こさせることもできます。

D：ラザリーナ、それは絶対に素晴らしかった。 SEOの機械学習について何週間も話すことができることを私は知っています。それは簡単な紹介でした。しかし、それは本当にあなたの知識を示しています。そして、私はあなたが特定の分野に飛び込むことができると確信しています。ある時点であなたを取り戻すのは素晴らしいことです。おそらく私たちはあなたを取り戻し、PythonforSEOやその他のニッチなトピックのようなものに飛び込むことができます。

パレートピクルス-新しい機会のためにSERPを分析する

最後にパレートピクルスで締めくくりましょう。パレートは、20％の努力から80％の結果を得ることができると言います。適度なレベルの努力で信じられないほどの結果をもたらす、あなたがお勧めするSEO活動の1つは何ですか？

L：これについてはよく考えました。そして、私は私がそれほど頻繁に行われるのを見たことがないと思う何かを言いたかった。そして私にとって、それはSERP分析です。特に大規模な検索エンジンの結果ページを分析する機会はたくさんあります。したがって、すでにキーワード調査を行っており、サイトがランク付けされている可能性のあるキーワード、サイトがランク付けされていないキーワード、コンテンツのギャップなどを知っている場合。 DataForSEOのようなツールを使用して、非常に大規模なSERP分析を行うことができれば、市場の非常に良い全体像を把握できると思います。誰がどこでランク付けしているのか、どのブランドと競合しているのか、タイトル、メタディスクリプション、コンテンツの長さなど、さまざまな分析をどのように構成しているのかなどです。そして、そのレベルで、機械学習をいつどこで実装するかを知っている場合、そのアクティビティだけがコンテンツ戦略全体に影響を与えます。そして、それはあなたが後で同様に競争力を維持するためにあなたを軌道に乗せるでしょう。したがって、これはこの特定のクライアントに対して1回実行して保護するものであり、これを2、3か月間使用して、他の多くの戦略であなたを導き、影響を与えることができます。

D：私は本当にそれに飛び込みたいです。続けて、もっと質問したいです。しかし、それはさらに30分ほどかかることを私は知っています、そして私たちは今それをする時間がありません。うまくいけば、私たちは将来のエピソードであなたを取り戻すでしょう。今のところ。私はあなたのホストであるデビッド・ベインです。 InSearchSEOポッドキャストにご参加いただきありがとうございます。

L：デビッド、ありがとうございました。嬉しかったです。

D：そして聞いてくれてありがとう。