Исторически (и сколько я себя помню) SEO-специалисты были одержимы получением ссылок и их влиянием на рейтинг в поисковых системах. Перенесемся в 2017/2018 годы, и Google за последние несколько лет значительно продвинулся от относительно статического (но сложного) индекса на основе ссылок к индексу, который определяется множеством технических и пользовательских факторов. И сегодня движущей силой, которая помогает Google разобраться в этом множестве точек данных, является машинное обучение.

В этом сообщении в блоге я обсуждаю несколько концепций, идей и вещей, которые я обнаружил за последние несколько месяцев в связи с ростом машинного обучения, оптимизацией по намерениям пользователей и очень возможным (на мой взгляд) снижением важности ссылок. .

Сигналы роста пользовательского опыта в SEO

Растет консенсус и совокупность доказательств в поддержку идеи о том, что Google использует сигналы пользовательского опыта, чтобы ранжировать контент и определять, насколько полезен тот или иной фрагмент контента по заданному запросу. Также кажется, что с появлением RankBrain способность Google делать это почти в реальном времени (используя такие сигналы, как органический CTR и «подтягивание») для еще более эффективного ранжирования этого контента усилилась.

С учетом множества человеческих и технических факторов, влияющих на то, как Google ранжирует сайты, нам нужно серьезно подумать о работе, которую мы делаем, и о том, как она обеспечивает лучший пользовательский опыт — тот, который позволяет пользователю достичь желаемой цели — в первую очередь. .

Чтобы сделать это эффективно, я считаю, что есть определенные вещи, которые мы можем извлечь из практики CRO, которые могут помочь нам приблизиться к пониманию и оптимизации намерений пользователя, что, в свою очередь, поможет лучше выполнять нашу работу в качестве оптимизатора.

Как машинное обучение влияет на SEO?

Хорошо задокументировано, что RankBrain теперь является третьим по величине элементом в алгоритме ранжирования Google и что он в первую очередь связан с определением контекста поисковых запросов, с которыми никогда раньше не сталкивался. Учитывая, что 15% всех поисковых запросов в Google — это запросы, которые Google никогда раньше не видел, это большой шаг вперед для Google в понимании того, что действительно хотят и в чем нуждаются пользователи.

Google также использует машинное обучение и модели, основанные на данных, для понимания все более сложных взаимодействий человека с брендом и даже для прогнозирования поведения пользователей. Чтобы убедиться в этом, я настоятельно рекомендую вам прочитать исследование Google и SOASTA о построении алгоритма прогнозирующего машинного обучения для прогнозирования показателей отказов и конверсии.

Так что же все это значит для нас, маркетологов? В эту новую эпоху машинного обучения оптимизация алгоритма кажется чем-то вроде попытки выстрелить в движущуюся цель — что-то, что вполне может оказаться бесплодным. Эдмонд Лау, бывший инженер команды поиска Google, попал в самую точку:

«Трудно объяснить и установить, почему тот или иной результат поиска имеет более высокий рейтинг, чем другой результат по заданному запросу. Сложно напрямую настроить систему, основанную на машинном обучении, чтобы повысить важность одних сигналов по сравнению с другими».

Итак, как нам оптимизировать что-то непознаваемое?

Очевидно, что в современном SEO есть огромное количество технических аспектов, которые я не буду здесь обсуждать. Достаточно сказать, что они имеют решающее значение для успеха. Однако для целей этого поста меня интересует, как машинное обучение помогает Google улучшить интерпретацию типов общих терминов, которые мы, SEO-специалисты, используем все чаще и чаще — такие термины, как «вовлечение» и «полезность».

Что именно эти термины означают в глазах Google? Если мы углубимся в рекомендации по оценке качества, мы можем получить довольно хорошее представление. Фактически, «полезность» в значительной степени встроена во всю философию Google по определению качественного контента. Этот список, взятый из руководства по оценке качества, больше похож на манифест хорошего UX, чем на что-либо еще, в основе которого лежит полезность и цель:

  • Определите цель целевой страницы
  • Определите основной контент, дополнительный контент и рекламу. Легко ли сразу определить основной контент?
  • Просмотрите основной контент в отношении цели страницы
  • Определяем количество полезного основного контента
  • Определите преимущества дополнительного контента

Удовлетворенность искателя имеет решающее значение

Как обсуждалось в статье Стивена Леви In the Plex, возможно, самым сильным показателем качества контента Google является долгий клик:

«На самом базовом уровне Google мог видеть, насколько довольны пользователи. Перефразируя Толстого, все счастливые пользователи были одинаковы. Лучшим признаком их счастья был «долгий клик» — это происходило, когда кто-то переходил к результату поиска, в идеале к верхнему, и не возвращался. Это означало, что Google успешно выполнил запрос».

Опираясь на это качественное понимание, кажется вполне возможным, что Google может предпринять шаги для развития этого с алгоритмической точки зрения, как обсуждалось Биллом Славски в отношении патента на «длинный щелчок, поданного Google».

Как обсуждалось в исследовании SEMrush Ranking Factors Study 2017, было обнаружено, что время на сайте, количество страниц за сеанс и показатель отказов положительно коррелируют с высокорейтинговым контентом, что позволяет предположить, что вовлеченность пользователей свидетельствует об актуальности для SEO. Да, эти метрики ошибочны с точки зрения автономности, но их корреляция с ранжированием дает интересное представление о том, как алгоритм в настоящее время может интерпретировать сигналы взаимодействия с пользователем.

В мире пост-PageRank мы оптимизируем не только клик, но и взаимодействие после клика.

CRO-практики и UX-аналитики будут участвовать в повышении производительности сайта несколькими важными способами. Это может включать в себя что угодно, от подробного картирования пути пользователя, пользовательского тестирования и качественного анализа до A/B-тестирования.

Независимо от используемых методов, CRO-практики стремятся выяснить, почему посетители ведут себя определенным образом, не завершают определенное действие, и устранить проблемы, вызывающие этот блок. Так что, если мы, оптимизаторы, все больше заботимся об оптимизации с учетом намерений и удовлетворенности пользователей — безусловно, должен быть более тесный диалог между SEO-сообществом и сообществом CRO; возможно, это способ прийти к некоторым подобным определениям и выводам.

Отрасль, плохо подготовленная к изменениям?

Назовите меня циничным, но я не верю, что сообщества SEO и CRO до сих пор действительно установили набор общих представлений или определений. И меня беспокоит то, что без этого диалога и сотрудничества ни один из них никогда не сможет полностью оптимизировать клик и то, что происходит после клика, как единственный опыт, который есть на самом деле.

Все сводится к фундаментальной истине об этой экосистеме «после PageRank» — хороший пользовательский опыт и хорошее SEO должны преследовать одни и те же цели и говорить на одном языке. Все это звучит немного утопично и, возможно, далеко от реальности на данный момент. Что заставило меня задуматься, как это может работать на практике? Я не претендую на то, что у меня есть ответ, но скорее я хотел поделиться способом мышления, который, по моему мнению, команды могли бы принять и поделиться, чтобы помочь работать над достижением общих целей, опираясь на довольно простой процесс.

Нам нужна совместная структура для SEO и CRO

Я много думал о том, как внедрение «CRO-мышления» — образа мышления и строгости оптимизации вокруг пользователя и всего, что включает в себя — помогает заложить основу для этой новой эры SEO, в которой оптимизация для выполнения задач или вовлечения является критическим. Размышляя об этом, я позаимствовал некоторые идеи у CRO, чтобы попытаться создать некую общую структуру, которая, как я считаю, помогает, по крайней мере, поощрять диалог и сотрудничество.

Эту систему можно в общих чертах определить как следующий циклическому процессу:

Отличительной чертой CRO как практики часто является ее простота. Команды ориентируются на единую цель, оптимизируют и измеряют вокруг этой конкретной цели до тех пор, пока не будет достигнут контрольный показатель, после чего они могут либо двигаться дальше, либо повторять попытку улучшить этот контрольный показатель еще раз.

По сути, как специалисты по поисковой оптимизации, мы должны пытаться мыслить аналогичными терминами при оптимизации с учетом намерений пользователя. Что именно мы пытаемся сделать? Есть ли у нас в виду метрика, на которой нам нужно сосредоточиться? Есть ли у нас вообще способ измерения того, создаем ли мы более привлекательный опыт или нет?

Назначайте ценность микровзаимодействиям, чтобы лучше понять полезность контента

Google Analytics — невероятно мощный инструмент, но, на мой взгляд, он используется крайне редко. Вместо того, чтобы настраивать наши конфигурации, чтобы сосредоточиться на том, что важно, огромное количество маркетологов по-прежнему сосредотачиваются на в значительной степени ошибочных и бесполезных тщеславных показателях, таких как показатель отказов и время на странице, чтобы оценить, интересна ли страница или нет.

Мы можем и должны сделать гораздо больше, чтобы настроить нашу конфигурацию Analytics, чтобы лучше информировать нас о том, что действительно важно. Вместо того, чтобы сосредотачиваться на показателях тщеславия, рассмотрите точки взаимодействия с клиентами, которые важны для вас как владельца сайта или бренда, и где они пересекаются с потребностями пользователя.

Используя значение цели Google Analytics, мы можем начать приписывать значения конкретным микровзаимодействиям и поведению пользователей, которые, по нашему мнению, важны для бренда и для пользователя. Признавая, что пользователь не всегда конвертируется в достижение макроцели, мы можем использовать эти микровзаимодействия, чтобы лучше понять, как контент помогает или мешает им в выполнении того, что им нужно сделать. Я смоделировал следующий пример, основываясь на гипотетическом понимании того, что косметический бренд может считать важным взаимодействием между пользователем и брендом:

Микроконверсии, такие как переход пользователя на страницу службы из сообщения в блоге или просмотр 100% видео о нашем бренде, помогают нам получить немного более целостное представление о том, что работает, а что нет, которое мы затем можем оптимизировать и улучшать. Это простой в реализации и масштабируемый подход к определению значимых целей, который мы можем использовать для получения ценной информации, даже когда в игре задействованы огромные наборы данных.

2. Сбор и анализ

Имея доступ к такой детализированной аналитике и ожиданиям пользователей на рекордно высоком уровне, мы имеем дело с миллионами аудиторий одного человека: с отдельными людьми и реальными людьми, а не с простой демографией. Нам нужно как можно лучше понять, кто является нашей аудиторией, ее потребности и их эмоциональные движущие силы, чтобы создать лучший опыт на индивидуальном уровне. И, конечно же, этот опыт высоко оценивается в поисковой выдаче. Дело в том, что традиционного исследования ключевых слов может быть недостаточно. По данным IBM (2017):

88 % разговоров с потребителями теперь проходят в приложениях для обмена личными сообщениями.

Используя данные, которые у нас есть по нескольким каналам, от социальных сетей до электронной почты и даже чат-ботов, мы можем получить представление о конкретных проблемах наших клиентов, которые выходят далеко за рамки исследования ключевых слов. Разработав более целостный подход к исследованию ключевых слов, который включает более широкую сферу коммуникации вокруг бренда, можно получить представление о настроении бренда, отношении клиентов к конкурентам и даже личностных качествах, которые могут повлиять на их поведение.

Хотя мы, вероятно, еще не совсем в отрасли, есть интересные шаги, предпринимаемые с использованием машинного обучения для ускорения анализа больших наборов данных. Используя такие инструменты, как API естественного языка Watson, мы можем создать более подробное и богатое представление о пользователе, которое выходит далеко за рамки традиционного исследования ключевых слов и приближает нас к потребностям аудитории в целом.

3. Гипотеза и идея

Как однажды справедливо сказал Авинаш Кошик, все данные в совокупности — это по сути чушь. Очень важно, чтобы мы взяли весь этот анализ и создали гипотезы, которые затем можно применить для формирования идей по улучшению пользовательского опыта. Мы можем использовать сегменты Google Analytics для выдвижения гипотез о поведенческих чертах и ​​конкретных группах аудитории на основе реальных данных, а не предположений.

Например, предположим, что мы хотим лучше оптимизировать для определенной целевой аудитории, Google Analytics может предоставить нам окно с конкретными поведенческими чертами этой аудитории:

Кроме того, этот процесс можно применять в соответствии с вашей шкалой вовлеченности для выявления ключевых групп пользователей, их болевых точек и слабых мест в вашем контенте или их пути.

4. Тестирование и итерация

Сплит-тестирование в масштабе для SEO — обычная тактика как часть интегрированной стратегии SEO. Тем не менее, сегодня мы можем пойти дальше, опираясь на то, что мы раньше считали более ориентированными на CRO практиками. Есть варианты, которые мы можем применить на уровне целевой страницы, чтобы проверить сформированные нами гипотезы. Такие платформы, как Google Optimize (Я писал о том, как начать работу здесь), позволяют нам тестировать определенные итерации в ключевых сегментах, измеряя эффективность вариантов с точки зрения пользовательского опыта и вовлеченности.

После тестирования мы можем развернуть выигрышный вариант или, возможно, копнуть глубже и попробовать еще раз. В нашем распоряжении такие платформы, как Sitecore, которые позволяют нам постоянно предоставлять персонализированный опыт для конкретной аудитории, создавая те релевантные впечатления, которые мы все ищем как маркетологи (и потребители!). На этом этапе мы промываем и повторение.

Сочетание SEO и CRO для лучшего общего поиска

Машинное обучение формирует более гибкую, интеллектуальную поисковую систему, ориентированную на пользователя. Это оказывает огромное влияние на SEO, поскольку показатели пользовательского опыта используются поисковыми системами для ранжирования контента. На мой взгляд, мы находимся в начале новой фразы SEO, в которой успех будет достигнут, команды SEO и CRO будут сотрудничать, применяя мышление и строгость дисциплин друг друга как часть общей структуры. «Золотая середина» наступит, когда эти методы сойдутся воедино и ожидания пользователей оправдаются.

Это сообщение в блоге было адаптировано из выступления, которое я сделал на конференции ManyMinds’ Give it a Go в октябре 2017 года. Слайды представлены ниже:

Первоначально опубликовано на сайте anguscarbarns.me 30 декабря 2017 г.