Khi Google tiếp tục đầu tư vào công nghệ máy học để giúp họ hiểu rõ hơn và phân tích với các truy vấn từ người dùng, nhà báo Eric Enge nhấn mạnh về sự cần thiết của giới marketing tiếp tục cải thiện chất lượng nội dung và sự hài lòng của người dùng.
Trong tháng Tám, tôi đã đưa ra một khái niệm về mô hình xếp hạng hai yếu tố cho SEO (https://moz.com/blog/the-two-part-seo-ranking-model-lets-make-seo-simple). Ý tưởng là đơn giản hóa SEO cho phần lớn giới xuất bản và nhắc nhở họ rằng các điểm tốt của SEO không có ý nghĩa gì nếu bạn không hiểu được đúng các nguyên tắc cơ bản. Khái niệm này dẫn đến một mô hình xếp hạng cơ bản như sau:
Nhìn khác đi một chút, đây là một cách để kiểm tra sự quan trọng của chất lượng nội dung:
Lý do để máy học quan trọng trong hoàn cảnh này đó là các công cụ tìm kiếm đang đầu tư mạnh để cải thiện hiểu biết của họ về ngôn ngữ. Hummingbird là thuật toán đầu tiên được công bố bởi Google tập trung nhiều vào việc giải quyết sự hiểu biết về ngôn ngữ tự nhiên, và RankBrain là thuật toán như vậy kế tiếp.
Tôi tin rằng các đầu tư này tập trung vào các mục tiêu như là:
1. Hiểu tốt hơn về mục đích người dùng
2. Đánh giá tốt hơn về nội dung chất lượng
Chúng tôi cũng biết rằng Google (và các công cụ tìm kiếm khác) quan tâm đến việc tận dụng dữ liệu về sự hài lòng của người dùng/sự tham gia của người dùng. Mặc dù không rõ là tín hiệu nào họ sẽ tập trung vào, nhưng dường như đây là một lĩnh vực dành cho máy học.
Hôm nay, tôi sẽ nói về chất lượng nội dung, và tôi nghĩ máy học có khả năng thúc đẩy sự phát triển của điều đó như thế nào.
Các nghiên cứu về cải thiện chất lượng nội dung
Một lượng lớn của các trang web ta thấy hiện đang tiếp tục được đầu tư để bổ sung nội dung vào các trang của họ. Điều này rất bình thường với các trang thương mại điện tử. Có quá nhiều trong số họ tạo các trang web, thêm các sản phẩm và mô tả sản phẩm, và họ nghĩ thế là xong. Đây là một sai lầm.
Ví dụ như, việc bổ sung các đánh giá của người dùng cụ thể về sản phẩm trên trang web rất hữu ích. Tại Stone Temple, chúng tôi làm việc với một trang mà việc bổ sung đánh giá của người dùng dẫn tới tăng trưởng 45% với các trang thử nghiệm.
Chúng tôi cũng đồng thời tiến hành một thử nghiệm mà chúng tôi lấy phần văn bản hiện có trên các trang chủ đề mà ban đầu được tạo ra như là “văn bản cho SEO” và thay thế chúng. Các văn bản cho SEO này không được viết ra cho người dùng và vì thế có ít giá trị với trang web. Chúng tôi thay thế văn bản SEO bằng một hướng dẫn ngắn ở chủ đề mà nội dung có mặt. Chúng tôi thấy tăng trưởng 68% về lượng truy cập tới các trang đó. Chúng tôi cũng có vài trang được kiểm soát mà chúng tôi không thay đổi gì, và lượng truy cập tới chúng giảm 11%, vì vậy lượng tăng trưởng thực tế chỉ là 80%.
Lưu ý rằng đoạn văn bản của chúng tôi được làm thủ công và điều chỉnh với một mục tiêu rõ ràng là bổ sung giá trị cho các trang thử nghiệm. Vì vậy không hề dễ hoặc rẻ để thực hiện, nhưng nó vẫn khá hiệu quả, với việc chúng tôi tiến hành điều này trên những trang chủ đề lớn của trang web.
Hai ví dụ này cho chúng ta thấy rằng đầu tư vào việc cải thiện chất lượng nội dung có thể đem đến các lợi ích rõ rệt. Giờ hãy xem làm thế nào máy học có thể khiến điều này còn quan trọng hơn nữa.
Tác động của máy học
Hãy bắt đầu bằng việc xem xét các yếu tố xếp hạng lớn và xem xem máy học có thể thay đổi chúng như thế nào.
Chất lượng nội dung
Hiển thị nội dung chất lượng cao trong kết quả tìm kiếm sẽ vẫn là điều quan trọng với các công cụ tìm kiếm. Các thuật toán máy học như RankBrain đã cải thiện khả năng của chúng để hiểu được ngôn ngữ con người. Một ví dụ về điều này là truy vấn mà Gary Illyes chia sẻ với tôi: “bạn có thể đạt 100% điểm trên Super Mario mà không cần (without) xem hướng dẫn chơi không”.
Trước RankBrain, từ “without” bị thuật toán của Google bỏ qua, khiến nó trả lại kết quả của các hướng dẫn chơi, trong khi những gì người dùng muốn là một kết quả cho họ biết làm sao để chơi mà không cần hướng dẫn. RankBrain tập trung phần lớn vào các truy vấn tìm kiếm đuôi-dài và thể hiện một bước tiến trong việc hiểu được ý định của người dùng trong các truy vấn.
Tuy nhiên Google còn cả một chặng đường dài. Ví dụ, xem xét truy vấn sau đây:
Trong truy vấn này, Google cho thấy sự không rõ ràng về việc từ “best” được sử dụng. Truy vấn này không phải là về các loại chăn bông tốt nhất, mà là về việc tại sao chăn bông lại tốt hơn nhiều loại chăn khác.
Hãy xem một ví dụ khác:
Bạn thấy bài báo xác định ngày lạnh nhất trong lịch sử Mỹ xảy ra ở Alaska, nhưng không thực sự cung cấp câu trả lời chi tiết ở phần thông tin mở rộng? Điều thú vị ở đây là bài báo mà Google lấy câu trả lời thực sự cho bạn biết cả ngày tháng và nhiệt độ của ngày lạnh nhất tại Mỹ - Google đã bỏ lỡ nó.
Những điều này không phức tạp để Google sửa lỗi, khi bạn xem xét chúng riêng lẻ. Hạn chế hiện thời là do sự phức tạp của ngôn ngữ và quy mô của máy học cần thiết để sửa nó. Hướng tiếp cận để sửa lỗi yêu cầu xây dựng các bộ ví dụ lớn hơn giống như hai ví dụ mà tôi chia sẻ phía trên, sau đó sử dụng chúng để huấn luyện các thuật toán máy học tốt hơn.
RankBrain là một bước tiến lớn của Google, nhưng việc đang được tiến hành. Công ty này đang đầu tư lớn vào việc đưa hiểu biết của họ theo các cách mạnh mẽ hơn. Trích đoạn sau từ USA Today, bắt đầu với một trích dẫn từ quản lý chương trình cao cấp của Google, Linne Ha, người dẫn dắt đội Pygmalion của ngôn ngữ học tại công ty:
“Chúng ta đưa ra các quy tắc và ngoại lệ để huấn luyện máy tính”, Ha nói. “Tại sao chúng ta nói “tổng thống Mỹ?” Và tại sao ta không nói “tổng thống Pháp”? Tất cả sự không thống nhất trong ngôn ngữ của ta và trong mọi ngôn ngữ. Với con người thì nó dường như là tự nhiên nhưng cho máy móc thì thực sự khá là khó khăn”.
Đội Pygmalion tại Google là đội tập trung vào việc cải thiện hiểu biết của Google về ngôn ngữ tự nhiên. Vài thứ sẽ được cải thiện cùng lúc là hiểu biết của họ về:
1. trang nào trên mạng lưới web phù hợp nhất với mục đích người dùng như được nói ở truy vấn.
2. tính toàn diện của một trang web trong việc đáp ứng nhu cầu của người dùng như thế nào.
Khi họ làm điều đó, khả năng của họ trong việc đo lường chất lượng của nội dung và nó đáp ứng nhu cầu của người dùng thế nào sẽ tăng trưởng, và theo thời gian, điều này vì thế sẽ trở thành một yếu tố xếp hạng lớn.
Sự thu hút/sự hài lòng của khách hàng
Như đã được lưu ý, ta biết rằng các công cụ tìm kiếm sử dụng nhiều phương thức để đo lường sự thu hút người dùng. Họ đã công bố rộng rãi rằng họ sử dụng CTR (thỉ lệ nhấp chuột) như là một yếu tố kiểm soát chất lượng, và hiều người tin rằng họ sử dụng nó như một yếu tố xếp hạng trực tiếp. Tuy nhiên là hợp lý khi kỳ vọng rằng các công cụ tìm kiếm sẽ tìm ra các cách hữu ích để tín hiệu từ người dùng đóng một vai trò quan trọng trong xếp hạng tìm kiếm.
Có một kiểu máy học gọi là “học củng cố” có thể có ích ở đây. Sẽ ra sao nếu bạn có thể thử các bộ kết quả tìm kiếm khác nhau, xem xem chúng hoạt động thế nào, và sau đó sử dụng điều đó như một đầu vào để tinh chỉnh và cải thiện trực tiếp các kết quả tìm kiếm theo cách tự động? Nói cách khác, liệu bạn có thể đơn giản thu thập các tín hiệu thu hút người dùng và sử dụng chúng để thử các kiểu kết quả tìm kiếm khác nhau cho các truy vấn, và sau đó tinh chỉnh chúng đến khi bạn tìm ra bộ kết quả tốt nhất?
Nhưng hóa ra đây là một vấn đề rất khó giải quyết. Jeff Dean, người mà nhiều người coi là một trong những lãnh đạo các nỗ lực máy học tại Google, đã nói thế về việc đo lường sự tham gia của người dùng trong một cuộc phỏng vấn của ông ấy với Fortune:
Một ví dụ về một vấn đề học củng cố là là cố gắng sử dụng nó trong việc thế hiện kết quả nào mà tôi nên đưa ra. Có một bộ kết quả lớn hơn tôi có thể hiển thị phản hồi với các truy vấn khác nhau, và tín hiệu kết quả hơi nhiễu. Giống như việc nếu như một người dùng xem một kết quả tìm kiếm và thích hoặc không thích nó, điều đó không có gì hiển nhiên.
Tuy nhiên, tôi hy vọng rằng đây là một lĩnh vực tiếp tục được Google đầu tư. Và nếu bạn nghĩ đến nó, sự thu hút và hài lòng của người dùng có một tác động quan trọng với chất lượng nội dung. Thực tế, nó giúp ta nghĩ về việc nội dung chất lượng thực sự thể hiện điều gì: các trang web đáp ứng được nhu cầu của phần lớn mọi người. Điều này có các ý nghĩa:
1. Sản phẩm/dịch vụ/thông tin họ tìm kiếm có mặt ở trên trang web.
2. Họ có thể tìm nó khá dễ trên trang web.
3. Các sản phẩm/dịch vụ/thông tin hỗ trợ họ cần có thể cũng dễ dàng tìm thấy trên trang web.
4. Trang web đem cho họ tự tin rằng bạn là một nguồn uy tín để tương tác.
5. Thiết kế tổng thể cung cấp một trải nghiệm thu hút.
Với khả năng của máy học của Google, họ sẽ sẽ làm tốt hơn trong việc đo lường bản thân chất lượng trang, hoặc nhiều kiểu tín hiệu tham gia của người dùng cho thấy những gì người dùng nghĩ về chất lượng trang. Điều này có nghĩa bạn sẽ cần đầu tư vào việc tạo các trang phù hợp với các tiêu chí ở 5 điểm trên. Nếu bạn làm thế, nó sẽ đưa đến cho bạn thuận lợi trong các chiến lược marketing số của mình và ếu bạn không, bạn sẽ sẽ khó có được một kết quả.
Kết luận
Có các thay đổi lớn đang đến, và chúng sẽ tác động sâu sắc đến hướng tiếp cận của bạn với marketing số. Các ưu tiên cơ bản của bạn sẽ không thay đổi, vì bạn vẫn cần phải:
1. Tạo ra nội dung chất lượng cao.
2. Đo lường và liên tục cải thiện sự hài lòng của người dùng với trang web của bạn.
3. Thiết lập độ tin cậy với các liên kết.
Câu hỏi lớn là, liệu bạn có thực sự làm đủ các điều này vào hôm nay? Với kinh nghiệm của tôi, phần lớn các công ty đang đầu tư vào việc liên tục cải thiện chất lượng nội dung và cải thiện độ hài lòng của người dùng. Đây là thời gian để bắt đầu tập trung hơn vào các điều này. Khi Google và các công cụ tìm kiếm khác làm tốt hơn trong việc xác định chất lượng nội dung, người thắng và kẻ thua trong kết quả tìm kiếm sẽ bắt đầu thay đổi theo cách mạnh mẽ.
Tập trung của Google vào việc cung cấp các kết quả ngày càng tốt hơn, và điều này dẫn tới thị phần cao hơn cho họ và vì thế là doanh thu cao hơn. Tốt nhất là hãy đi theo xu hướng chất lượng nội dung ngay bây giờ, trước khi nó đi mất và bạn ở lại phía sau!
Nguồn: http://searchengineland.com/
