<стр>Понимание проблем генеративного искусственного интеллекта в эпоху открытой сети. Как технология GenAI может влиять на общественный дискурс и качество информации.

<стр>Много было сказано о замечательных возможностях Генеративного ИИ (GenAI), и некоторые из нас также активно высказывались о рисках, связанных с использованием этой преобразующей технологии.

Появление GenAI создает серьезные проблемы для качества информации, общественного обсуждения и общей открытой сети. Способность GenAI прогнозировать и персонализировать контент можно легко использовать для манипулирования тем, что мы видим и с чем взаимодействуем.

Как индустрия SEO может использовать и улучшать генеративный искусственный интеллект

Генераторные поисковые системы искусственного интеллекта вносят свой вклад в общий шум, и вместо того, чтобы помогать людям находить истину и формировать объективные мнения, они склонны (по крайней мере, в своей нынешней реализации) ставить эффективность выше точности, как подчеркивается недавнее исследование Jigsaw, подразделения Google.

<п>Несмотря на шумиху вокруг партий SEO-аллигаторов и контент-гоблинов, наше поколение маркетологов и профессионалов SEO потратило годы на работу над созданием более позитивной веб-среды.

<стр>Мы сместили фокус маркетинга с манипулирования аудиторией на предоставление ей знаний, что в конечном итоге помогает заинтересованным сторонам принимать обоснованные решения.

Создание онтологии для SEO — это работа под руководством сообщества, которая идеально согласуется с нашей постоянной миссией по формированию, улучшению и предоставлению направлений, которые действительно улучшают взаимодействие человека и генного искусственного интеллекта, сохраняя при этом создателей контента и Интернет как общий ресурс. ресурс знаний и процветания.

Краткий обзор традиционных практик SEO и их эволюция

Традиционные методы SEO в начале 2010-х годов в основном были сосредоточены на оптимизации ключевых слов. Это включало в себя такие приемы, как наполнение ключевыми словами, схемы ссылок и создание некачественного контента, в первую очередь предназначенного для поисковых систем.

С тех пор SEO сместилось в сторону более ориентированного на пользователя подхода. Обновление Hummingbird (2013 г.) ознаменовало переход Google к семантическому поиску, целью которого является понимание контекста и целей поисковых запросов, а не только ключевых слов.

Эта эволюция привела к тому, что SEO-специалисты стали уделять больше внимания тематическим кластерам и объектам, чем отдельным ключевым словам, улучшая способность контента отвечать на многочисленные запросы пользователей.

<п>Сущности — это отдельные объекты, такие как люди, места или вещи, которые поисковые системы распознают и понимают как отдельные понятия.

<стр>Создавая контент, который четко определяет и относится к этим объектам, организации могут повысить свою видимость на различных платформах, а не только при традиционном веб-поиске.

Этот подход связан с более широкой концепцией SEO на основе сущностей, которая гарантирует, что сущность, связанная с бизнесом, четко определена в сети.

От статического контента к семантическим данным

<п>Перенесемся в сегодняшний день: статический контент, целью которого является высокий рейтинг в поисковых системах, постоянно трансформируется и обогащается семантическими данными.

<стр>Это предполагает структурирование информации так, чтобы она была понятна не только людям, но и машинам.

Этот переход имеет решающее значение для поддержки графиков знаний и ответов, генерируемых искусственным интеллектом, подобных тем, которые предлагают Google AIO или Bing Copilot, которые предоставляют пользователям прямые ответы и ссылки на соответствующие веб-сайты.

<ч2>

Что такое онтология для SEO с точки зрения непрофессионала?

<п>Представьте себе онтологию как гигантское руководство по описанию конкретных концепций. В мире SEO мы имеем дело с большим количеством жаргона, право? актуальностью, обратными ссылками, E-E-A-T, структурированными данными – это может сбить с толку!

Онтология для SEO – это гигантское соглашение о том, что означают все эти термины. Это похоже на общий словарь, но даже лучше. Этот словарь не просто дает определение каждому слову. Это также показывает, как все они связаны и работают вместе. Итак, “queries” может быть связано с “намерением поиска” и “веб-страницы” объясняя, как все они играют роль в успешной стратегии SEO.

Представьте, что это распутывание большого узла практик и терминов SEO и превращение их в четкую, организованную карту – в этом сила онтологии!

Хотя Schema.org является прекрасным примером связанного словаря, он фокусируется на определении конкретных атрибутов веб-страницы, таких как тип контента или автор. Он превосходно помогает поисковым системам понять наш контент. А как насчет того, как мы создаем ссылки между веб-страницами?

А как насчет запроса, по которому чаще всего ищут веб-страницу? Это важнейшие элементы в нашей повседневной работе, и онтология также может быть для них общей структурой. Думайте об этом как о игровой площадке, где каждый может внести свой вклад на GitHub, подобно тому, как развивается словарь Schema.org.

Идея онтологии для SEO состоит в том, чтобы дополнить Schema.org расширением, аналогичным тому, что сделал GS1, создав свой словарь. Итак, это база данных? Платформа для совместной работы или что-то еще? Это все эти вещи вместе. Онтология SEO работает как <сильная>совместная база знаний.

<п>Он действует как центральный центр, где каждый может поделиться своим опытом для определения ключевых концепций SEO и их взаимосвязи. Установив общее понимание этих концепций, SEO-сообщество играет решающую роль в <сильном> формировании будущего ориентированного на человека опыта искусственного интеллекта.

<п>

Снимок экрана с сайта WebVowl, август 2024 г. SEOntology – снимок (см. интерактивную визуализацию здесь).

Проблема совместимости данных в индустрии SEO

<п>Давайте начнем с малого и рассмотрим преимущества общей онтологии на практическом примере (вот слайд из презентации Эмилии Георгьевской на Загребском SEOSummit в этом году)

Изображение Эмилии Георгьевской, ЗагребSEOSummit, август 2024 г. <п>Представьте, что ваша коллега Валентина использует расширение Chrome для экспорта данных из Google Search Console (GSC) в Google Sheets. Данные включают такие столбцы, как “ID,” “Запрос” и “Впечатления” (как показано слева). Но Валентина сотрудничает с Яном, который строит бизнес-уровень, используя те же данные GSC. Проблема вот в чем: Ян использует другое соглашение об именах (“UID,” “Name,” “Impressions,” и “ Щелчки”).

Теперь увеличьте этот сценарий. Представьте, что вы работаете с n разными партнерами по обработке данных, инструментами и членами команды, использующими разные языки. Попытки постоянно переводить и согласовывать эти различные соглашения об именах становятся серьезным препятствием для эффективного сотрудничества в области данных. <п>Значительная ценность теряется в попытках заставить все работать вместе. Здесь на помощь приходит онтология SEO. Это общий язык, обеспечивающий общее имя для одной и той же концепции в разных инструментах, партнерах и языках.

<стр>Устраняя необходимость постоянного перевода и сверки, онтология SEO упрощает совместную работу с данными и раскрывает истинную ценность ваших данных.

Генезис SEOнтологии

В прошлом году мы стали свидетелями распространения ИИ-агентов и широкого внедрения поисковой дополненной генерации (RAG) во всех ее различных формах (модульная, графическая RAG и т. д.).< /п> <п>RAG представляет собой важный шаг вперед в технологии искусственного интеллекта, устраняя ключевое ограничение традиционных моделей больших языков (LLM), предоставляя им доступ к внешним знаниям.

Традиционно LLM похожи на библиотеки с одной книгой – ограничены данными обучения. RAG открывает обширную сеть ресурсов, позволяя специалистам LLM предоставлять более полные и точные ответы.

RAG повышают фактическую точность и понимание контекста, потенциально уменьшая предвзятость. Несмотря на многообещающие результаты, RAG сталкивается с проблемами в области безопасности, точности, масштабируемости и интеграции данных, особенно в корпоративном секторе.

Для успешной реализации RAG требуются высококачественные структурированные данные, к которым можно легко получить доступ и масштабировать.

<п>Мы были одними из первых, кто экспериментировал с AI-агентами и RAG на базе Knowledge Graph в контексте создания контента и автоматизации SEO.

Снимок экрана от агента WordLift, август 2023 г.

График знаний (KG) действительно набирает обороты в развитии RAG

Подходы RAG на основе KG, подобные тому, который предлагает LlamaIndex в сочетании с WordLift, решают эту проблему, создавая граф знаний на основе данных веб-сайта и используя его вместе с LLM для повышения точности ответов, особенно на сложные вопросы.

Изображение от автора, август 2024 г.

Мы тестировали рабочие процессы с клиентами из разных отраслей более года.

<п>От исследования ключевых слов для больших редакционных групп до создания вопросов и ответов для веб-сайтов электронной коммерции, от группирования контента до составления плана информационного бюллетеня или обновления существующих статей — мы тестировали различные стратегии и на этом пути узнали несколько вещей. : <х3>1. RAG переоценен

Это просто один из многих шаблонов разработки, которые достигают цели более высокой сложности. RAG (или Graph RAG) призван помочь вам сэкономить время на поиске ответа. Это гениально, но не решает никаких маркетинговых задач, с которыми команде приходится сталкиваться ежедневно. Вам нужно сосредоточиться на данных и модели данных.

<п>Хотя существуют хорошие и плохие RAG, ключевое различие часто представлено “R” часть уравнения: поиск. Прежде всего, извлечение отличает модную демонстрацию от реального приложения, а за хорошей RAG всегда стоят хорошие данные. Однако данные — это не просто данные любого типа (или графические данные).

Он построен на основе согласованной модели данных, которая подходит для вашего случая использования. Если вы создаете поисковую систему по винам, вам необходимо получить лучший набор данных и смоделировать данные на основе функций, на которые пользователь будет полагаться при поиске информации.

Итак, данные важны, но модель данных еще важнее. Если вы создаете ИИ-агента, который должен что-то делать в вашей маркетинговой экосистеме, , вы должны соответствующим образом моделировать данные. Вы хотите отразить суть веб-страниц и контента.

Изображение автора, август 2024 г. <х3>2. Не все умеют подсказывать

<с>Сформулировать задачу в письменной форме сложно. Разработка подсказок полным ходом идет к автоматизации (вот моя статья о переходе от подсказок к программированию подсказок для SEO), поскольку только несколько экспертов могут написать подсказку, которая приведет нас к ожидаемому результату.

Это создает несколько проблем при разработке пользовательского опыта автономных агентов. Джейкон Нильсен неоднократно высказывался о негативном влиянии подсказок на удобство использования приложений ИИ:

“Одним из основных недостатков юзабилити является то, что пользователи должны четко выражать свои мысли, чтобы написать необходимый прозаический текст для подсказок.”

Даже в богатых западных странах статистика, предоставленная Nielsen, говорит нам, что <сильный>только 10% населения могут полностью использовать ИИ! 

<таблица> <тело> <тр>

Простая подсказка с использованием цепочки мыслей (CoT) Более сложная подсказка, сочетающая графическое мышление (GoT) и цепочку знаний (CoK)

<тр>

“Объясните пошагово, как вычислить площадь круга радиусом 5 единиц.”

<д>“Используя методы «График мысли» (GoT) и «Цепочка знаний» (CoK), дайте исчерпывающее объяснение того, как вычислить площадь круга с радиусом 5 единиц. Ваш ответ должен: Начать с диаграммы Правительства РТ, которая визуально представляет ключевые понятия и их взаимосвязи, в том числе: Радиус круга Площадь Пи (π) Формула для площади круга Следовать диаграмме Правительства РТ с разбивкой ЦК, которая: a) Определяет каждую концепцию. на схеме б) Поясняет взаимосвязи между этими понятиями в) Приводит исторический контекст разработки формулы площади круга. Излагает пошаговый процесс расчета, включающий: а) Изложение формулы площади круга. б) Объяснение роли каждого компонента в формуле в) Показ подстановки значений г) Выполнение расчета д) Округление результата до соответствующего количества десятичных знаков Завершите практическим применением этого расчета в реальных сценариях. На протяжении всего объяснения следите за тем, чтобы каждый шаг логически следовал за предыдущим, создавая четкую цепочку рассуждений от основных понятий до конечного результата.” Эта улучшенная подсказка включает GoT, запрашивая визуальное представление концепций и их взаимосвязей. Он также использует CoK, запрашивая определения, исторический контекст и связи между идеями. Пошаговая разбивка и практическое применение еще больше повышают глубину и практичность объяснения».

<х3>3. Вы должны построить рабочие процессы, чтобы направлять пользователя

Извлеченный урок заключается в том, что мы должны разработать подробные <сильные>стандартные операционные процедуры (СОП) и письменные протоколы, описывающие шаги и процессы для обеспечения последовательности, качество и эффективность выполнения конкретных задач оптимизации.

Мы можем видеть эмпирические свидетельства появления библиотек подсказок, подобных той, которая предлагается пользователям антропных моделей, или невероятного успеха таких проектов, как AIPRM.

<п>На самом деле мы узнали, что ценность для бизнеса создает ряд шагов, которые помогают пользователю преобразовать контекст, в котором он/она находится, в последовательное определение задачи.

Мы можем начать рассматривать маркетинговые задачи, такие как проведение исследования ключевых слов, как стандартную рабочую процедуру, которая может направлять пользователя через несколько шагов (вот как мы планируем использовать СОП для обнаружения ключевых слов с помощью агента WordLift)

<сильный>4. Великий сдвиг к Just-in-Time UX 

В традиционном UX-дизайне информация предопределена и может быть организована в иерархии, таксономии и заранее определенные шаблоны пользовательского интерфейса. Поскольку ИИ становится интерфейсом в сложном мире информации, мы наблюдаем смену парадигмы.

<п>Топологии пользовательского интерфейса имеют тенденцию исчезать, а взаимодействие между людьми и ИИ остается преимущественно диалогическим. Оперативные рабочие процессы «точно в срок» могут помочь пользователю контекстуализировать и улучшить рабочий процесс.

<ул>

Вам нужно <сильно>думать с точки зрения создания ценности для бизнеса, сосредоточиться на <сильных>интерактивном путешествии пользователя и облегчайте взаимодействие, создавая UX на лету. Таксономии остаются стратегическим активом, но они действуют скрытно, поскольку пользователь телепортируется от одной задачи к другой, как недавно блестяще описал Яннис Паниарас из Microsoft.

Изображение из статьи «Переход к оперативному пользовательскому интерфейсу: как искусственный интеллект меняет пользовательский опыт» Яннис Паниарас, август 2024 г. <х3>5. От агентов к RAG (и GraphRAG) к отчетности <стр>Поскольку пользователю необходимо влияние на бизнес, а RAG является лишь частью решения, фокус быстро смещается от более общих вопросов и ответов на шаблоны пользователей к расширенным многоэтапным рабочим процессам. <п>Однако самая большая проблема заключается в том, какой результат нужен пользователю. Если мы увеличим сложность для достижения высших бизнес-целей, то будет недостаточно, скажем, «запросить ваши данные»; или “поговорите с вашим сайтом”

Клиенту нужен отчет, например, о том, какова тематическая согласованность контента на всем веб-сайте (это концепция, которую мы недавно обнаружили как SiteRadus в массовой утечке данных Google), обзор сезонных тенденций в сотнях платных кампаний или полный обзор возможностей оптимизации, связанных с оптимизацией Google Merchant Feed.

<стр>Вы должны понимать, как работает бизнес и за какие результаты вы будете платить. Какие конкретные действия могут способствовать развитию бизнеса? На какие вопросы необходимо ответить? <п>Это начало создания потрясающего инструмента отчетности с помощью искусственного интеллекта.

Как можно связать граф знаний (KG) с онтологией для выравнивания ИИ, долговременной памяти и проверки контента?

<стр>Три руководящих принципа SEOntology: <ул>

Обеспечение совместимости SEO-данных для облегчения создания графиков знаний, одновременно уменьшая количество ненужных сканирований и привязку к поставщику;

Внедрение ноу-хау SEO в ИИ-агенты с использованием предметно-ориентированного языка.

Совместно <сильный>обмен знаниями и тактиками для улучшения находимости и <сильный>предотвращение неправильного использования генеративного ИИ.

Когда вы имеете дело как минимум с двумя источниками данных в своей задаче по автоматизации SEO, вы уже увидите преимущество использования SEOntology.

<х2>SEOntology как “USB-C для SEO/сканирования данных”

<сильный>Стандартизация данных <сильный>о ресурсах контента, продуктах, поисковом поведении пользователей и результатах SEO имеет стратегическое значение. Цель состоит в том, чтобы иметь “общее представление” Интернета как канала связи.

Давайте сделаем шаг назад. Как поисковая система представляет веб-страницу? Это наша отправная точка. Можем ли мы стандартизировать представление сканером данных, извлеченных с веб-сайта? Каковы преимущества принятия стандартов?

Случаи практического использования

Интеграция с Botify и динамическими внутренними ссылками

<п>В течение последних нескольких месяцев мы тесно сотрудничали с командой Botify, чтобы создать что-то интересное: график знаний, основанный на данных сканирования Botify и улучшенный с помощью SEOntology. Это сотрудничество открывает новые возможности для автоматизации и оптимизации SEO.

Использование существующих данных с помощью SEOntology

И вот что самое интересное: если вы уже используете Botify, мы можем воспользоваться той золотой жилой данных, которую вы собрали. Никаких дополнительных сканирований или дополнительной работы с вашей стороны не требуется. Мы используем язык запросов Botify (BQL) для извлечения и преобразования необходимых данных с помощью SEOntology.

<стр>Думайте о SEOntology как об универсальном трансляторе SEO-данных. Он берет сложную информацию из Botify и преобразует ее в формат, который не только машиночитаем, но и понятен машине. Это позволяет нам создать богатую, взаимосвязанную сеть знаний, наполненную ценной информацией по SEO.

Что это значит для вас

<п>Когда у нас будет эта Графа Знаний, мы сможем делать удивительные вещи:

<ул>

Автоматизированные структурированные данные: мы можем автоматически генерировать разметку структурированных данных для страниц со списком ваших товаров (PLP). Это помогает поисковым системам лучше понимать ваш контент, потенциально улучшая вашу видимость в результатах поиска.

Динамическое внутреннее связывание: Здесь все становится действительно интересно. Мы используем данные из Knowledge Graph для создания умных, динамических внутренних ссылок на вашем сайте. Позвольте мне объяснить, как это работает и почему это так эффективно.

На диаграмме ниже мы также можем видеть, как данные из Botify можно смешивать с данными из Google Search Console.

<п>Хотя в большинстве реализаций Botify уже импортирует эти данные в свои проекты сканирования, если это не так, мы можем запустить новый запрос API и импортировать клики, показы и позиции из GSC в график.

<п>

Сотрудничество с рекламными инструментами для обеспечения совместимости данных

Аналогично мы сотрудничали с блестящим Элиасом Даббасом, создателем Advertools — любимая библиотека Python среди маркетологов – для автоматизации широкого спектра маркетинговых задач.

<стр>Наши совместные усилия направлены на улучшение взаимодействия данных, обеспечивая плавную интеграцию и обмен данными между различными платформами и инструментами.

В первом блокноте, доступном в репозитории SEOntology GitHub, Элиас демонстрирует, как мы можем легко создавать атрибуты для класса WebPage, включая заголовок, метаописание, изображения и ссылки. Эта основа позволяет нам легко моделировать сложные элементы, такие как стратегии внутренних ссылок. См. здесь структуру:

<ул>

Internal_Links

<ул>

<ул>

anchorTextContent

NoFollow

<ли>Ссылка

Мы также можем добавить флаг, если страница уже использует разметку схемы:

<ул>

usesSchema

Формализация того, что мы узнали из анализа утекших документов поиска Google

Хотя мы хотим быть предельно осознанными при разработке тактик или небольших схем на основе массовой утечки информации Google, и мы хорошо понимаем, что Google быстро предотвратит любое потенциальное злоупотребление такой информацией, есть большое преимущество. уровень информации, который на основе того, что мы узнали, можно использовать для улучшения представления веб-контента и организации маркетинговых данных. <п>Несмотря на эти ограничения, утечка дает ценную информацию о том, как улучшить представление веб-контента и организацию маркетинговых данных. Чтобы демократизировать доступ к этой информации, я разработал инструмент Google Leak Reporting, предназначенный для того, чтобы сделать эту информацию легкодоступной для специалистов по SEO и интернет-маркетологов.

Например, особенно полезным оказалось понимание системы классификации Google и ее сегментации веб-сайтов по различным таксономиям. Эти таксономии – такие как ‘verticals4’, ‘geo’ и ‘products_services’ – играют решающую роль в поисковом рейтинге и релевантности, каждый из которых обладает уникальными атрибутами, которые влияют на то, как веб-сайты и контент воспринимаются и оцениваются в результатах поиска.

Используя SEOntology, мы можем использовать некоторые из этих атрибутов для улучшения представления веб-сайта.

<п>Теперь сделайте паузу на секунду и представьте, как сложные SEO-данные, которыми вы ежедневно управляете, преобразуются с помощью таких инструментов, как Moz, Ahrefs, Screaming Frog, Semrush и многих других, в интерактивный график. Теперь представьте себе на своей стороне автономного ИИ-агента, такого как агент WordLift.

Этот агент использует нейросимволический искусственный интеллект, передовой подход, который сочетает в себе возможности нейронного обучения с символическим рассуждением, для автоматизации задач SEO, таких как создание и обновление внутренних ссылок. Это оптимизирует ваш рабочий процесс и обеспечивает ранее недостижимый уровень точности и эффективности.

<п><эм>SEOntology служит основой этого видения, обеспечивая структурированную структуру, которая обеспечивает беспрепятственный обмен и повторное использование данных SEO на разных платформах и инструментах. Стандартизируя представление и взаимосвязь данных SEO, SEOntology гарантирует, что ценная информация, полученная с помощью одного инструмента, может быть легко применена и использована другими. Например, данные об эффективности ключевых слов из SEMrush могут служить основой для стратегий оптимизации контента в WordLift, и все это в единой, совместимой среде. Это не только максимизирует полезность существующих данных, но также ускоряет процессы автоматизации и оптимизации, которые имеют решающее значение для эффективного маркетинга.

<ч2>Внедрение SEO-ноу-хау в ИИ-агенты

Поскольку мы разрабатываем новый агентный подход к SEO и цифровому маркетингу, SEOntology служит нашим предметно-ориентированным языком (DSL) для кодирования навыков SEO в агентов искусственного интеллекта. Давайте посмотрим на практический пример того, как это работает.

Снимок экрана из WordLift, август 2024 г.

Мы разработали систему, которая информирует агентов ИИ о производительности органического поиска на веб-сайте, обеспечивая новый вид взаимодействия между SEO-профессионалами и ИИ. Вот как работает прототип:

Компоненты системы

<ул>

График знаний: хранит данные консоли поиска Google (GSC), закодированные с помощью SEOntology.

LLM: переводит запросы на естественном языке в GraphQL и анализирует данные.

AI Agent: предоставляет ценную информацию на основе проанализированных данных.

<сильное>Взаимодействие человека и агента

Изображение автора, август 2024 г.

Диаграмма иллюстрирует ход типичного взаимодействия. Вот что делает этот подход эффективным:

<ул>

<сильный>Интерфейс на естественном языке: SEO-специалисты могут задавать вопросы простым языком, не создавая сложных запросов.

<сильный>Понимание контекста: LLM понимает концепции SEO, что позволяет делать более тонкие запросы и ответы.

Глубокий анализ: Агент ИИ не просто извлекает данные; он предоставляет полезную информацию, такую ​​​​как: <ул>

Определение наиболее эффективных ключевых слов.

Выделение значительных изменений в производительности.

Предлагаю возможности оптимизации.

Интерактивное исследование: пользователи могут задавать дополнительные вопросы, что позволяет динамически исследовать эффективность SEO.

<п>Кодируя знания SEO с помощью SEOntology и интегрируя данные о производительности, мы создаем агенты искусственного интеллекта, которые могут предоставлять контекстно-зависимую и детальную помощь в задачах SEO. Этот подход устраняет разрыв между необработанными данными и практическими знаниями, делая расширенный SEO-анализ более доступным для профессионалов всех уровней.

Этот пример иллюстрирует, как такая онтология, как SEOntology, может дать нам возможность создавать агентные инструменты SEO, которые автоматизируют сложные задачи, сохраняя при этом человеческий контроль и гарантируя качественные результаты. Это взгляд в будущее SEO, где ИИ дополняет человеческий опыт, а не заменяет его.

Человеческий контроль (HTIL) и совместный обмен знаниями

<п>Давайте будем предельно ясны: хотя ИИ совершает революцию в SEO и поиске, люди являются бьющимся сердцем нашей отрасли. По мере того, как мы глубже погружаемся в мир SEOntology и рабочих процессов с использованием искусственного интеллекта, очень важно понимать, что Human-in-the-Loop (HITL) — это не просто причудливое дополнение, оно&mdash;it& это основа всего, что мы строим.

Суть создания SEOntology состоит в том, чтобы перенести наш коллективный опыт SEO на машины, гарантируя при этом, что мы, люди, остаемся твердо на месте водителя. Речь идет не о передаче ключей ИИ; это примерно <сильный>научить его быть лучшим помощником в нашем путешествии по SEO.

ИИ под руководством человека: незаменимый человеческий элемент

SEOntology – это больше, чем просто техническая основа – это катализатор совместного обмена знаниями, который подчеркивает человеческий потенциал в SEO. Наши обязательства выходят за рамки кода и алгоритмов и направлены на развитие навыков и расширение возможностей маркетологов нового поколения и специалистов по SEO. <п>Почему? Потому что истинная сила ИИ в SEO раскрывается благодаря человеческой проницательности, разнообразным точкам зрения и реальному опыту. После многих лет работы с рабочими процессами искусственного интеллекта я понял, что агентное SEO по своей сути ориентировано на человека. Мы не заменяем экспертные знания; мы усиливаем это.

<стр>Мы добиваемся более эффективных и надежных результатов, сочетая передовые технологии с человеческим творчеством, интуицией и этическими суждениями. Такой подход укрепляет доверие клиентов в нашей отрасли и в Интернете.

<стр>Вот где люди остаются незаменимыми: <ул>

<сильный>Понимание потребностей бизнеса: ИИ может подсчитывать цифры, но не может заменить тонкое понимание бизнес-целей, которое приносят опытные специалисты по поисковой оптимизации. Нам нужны эксперты, которые смогут воплотить цели клиента в действенные стратегии SEO.

<сильный>Определение ограничений клиента: Каждый бизнес уникален, со своими ограничениями и возможностями. Требуется человеческое понимание, чтобы преодолеть эти ограничения и разработать индивидуальные подходы SEO, которые работают в реальных условиях.

Разработка передовых алгоритмов: Алгоритмы, лежащие в основе наших инструментов искусственного интеллекта, не материализуются из воздуха. Нам нужны блестящие умы, чтобы разрабатывать современные алгоритмы, учиться на человеческом опыте и постоянно совершенствоваться.

Разработка надежных систем: За каждым бесперебойно работающим инструментом искусственного интеллекта стоит команда инженеров-программистов, которые обеспечивают скорость, безопасность и надежность наших систем. . Благодаря этому человеческому опыту наши ИИ-помощники работают как хорошо смазанные машины.

<сильный>Страсть к лучшему Интернету: В основе SEO лежит стремление сделать Интернет лучше. Нам нужны люди, которые разделяют видение Тима Бернерса Ли — люди, которые увлечены развитием сети данных и улучшением цифровой экосистемы для всех.

Сплоченность и устойчивость сообщества: Нам необходимо объединиться, чтобы проанализировать поведение поисковых гигантов и разработать устойчивые стратегии. Речь идет о инновационном решении наших проблем как индивидуально, так и коллективно. Это то, что мне всегда нравилось в индустрии SEO!

Расширение возможностей SEOntology

Поскольку мы продолжаем развивать SEOntology, мы не действуем изолированно. Вместо этого мы развиваем и расширяем существующие стандарты, в частности Schema.org, и следуем успешной модели веб-словаря GS1.

<х3>SEOntology как расширение Schema.org

Schema.org стал фактическим стандартом структурированных данных в сети, предоставляя общий словарь, который веб-мастера могут использовать для разметки своих страниц.

Однако, хотя Schema.org охватывает широкий спектр концепций, он не углубляется в элементы, специфичные для SEO. Здесь на помощь приходит SEOntology.

Расширение Schema.org, как и SEOntology, по сути является дополнительным словарем, который добавляет новые типы, свойства и отношения к основному словарю Schema.org.

Это позволяет нам поддерживать совместимость с существующими реализациями Schema.org, в то же время вводя специфичные для SEO концепции, не включенные в основной словарь.

Изучение веб-словаря GS1

<п>Веб-словарь GS1 предлагает отличную модель для создания успешного расширения, которое беспрепятственно взаимодействует с Schema.org. GS1, глобальная организация, которая разрабатывает и поддерживает стандарты цепочки поставок, создала свой веб-словарь, чтобы расширить Schema.org для случаев использования электронной коммерции и информации о продуктах.

Веб-словарь GS1 даже недавно демонстрирует, как отраслевые расширения могут влиять на разметку схемы и взаимодействовать с ней:

<ул>

Влияние на реальный мир: Свойство https://schema.org/Certification, которое теперь официально поддерживается Google, создано GS1&rsquo. ;s https://www.gs1.org/voc/CertificationDetails. Это демонстрирует, как расширения могут способствовать развитию Schema.org и возможностей поисковых систем.

<п>Мы хотим использовать аналогичный подход, чтобы расширить Schema.org и стать стандартным словарем для приложений, связанных с SEO, что потенциально повлияет на будущие возможности поисковых систем, рабочие процессы, управляемые искусственным интеллектом, и практики SEO.

Подобно тому, как GS1 определяет свое пространство имен (gs1:) при ссылке на термины схемы, мы определили наше пространство имен (seovoc:) и интегрируем классы в иерархию Schema.org, когда это возможно.

<ч2>Будущее SEOнтологии

SEOntology – это больше, чем просто теоретическая основа; это практический инструмент, предназначенный для расширения возможностей SEO-специалистов и производителей инструментов в экосистеме, все более управляемой искусственным интеллектом. <стр>Вот как вы можете использовать SEOntology и извлечь из нее пользу.

Если вы разрабатываете инструменты SEO:

<ул>

<сильный>Взаимодействие данных: Внедрите SEOntology для экспорта и импорта данных в стандартизированном формате. Это гарантирует, что ваши инструменты смогут легко взаимодействовать с другими системами, совместимыми с SEOntology.

Данные, готовые к работе с искусственным интеллектом: Структурируя данные в соответствии с SEOntology, вы делаете их более доступными для систем автоматизации на основе искусственного интеллекта и анализы.

Если вы профессионал в области SEO:

<ул>

Вклад в развитие: Как и в случае со Schema.org, вы можете внести свой вклад в развитие SEOntology. Посетите его репозиторий GitHub, чтобы: <ул>

Поднимите вопросы о новых концепциях или свойствах, которые, по вашему мнению, следует включить.

Предложить изменения в существующие определения.

Участвуйте в дискуссиях о будущем направлении SEOntology.

Внедрите в свою работу: начните использовать концепции SEOntology в своих структурированных данных.

Мы доверяем открытому исходному коду

<п>SEOntology — это проект с открытым исходным кодом, идущий по стопам успешных проектов, таких как Schema.org и других общих связанных словарей.

Все обсуждения и решения будут публичными, что гарантирует сообществу право голоса в направлении SEOntology. По мере того, как мы набираем обороты, мы создадим комитет, который будет руководить его развитием и регулярно делиться обновлениями.

<ч2>Заключение и дальнейшая работа

Будущее маркетинга зависит от человека, а не от искусственного интеллекта. SEOntology – это не просто еще одно модное слово – это шаг к этому будущему. SEO имеет стратегическое значение для развития методов агентивного маркетинга.

<п>SEO больше не касается рейтингов; речь идет о создании интеллектуального, адаптивного контента и плодотворном диалоге с заинтересованными сторонами по различным каналам. Стандартизация данных и методов SEO имеет стратегическое значение для построения устойчивого будущего и инвестиций в ответственный искусственный интеллект.

<с>Готовы ли вы присоединиться к этой революции?

В основе работы SEOntology лежат три руководящих принципа, которые нам необходимо разъяснить читателю:

<ул>

Поскольку ИИ нужны семантические данные, нам необходимо обеспечить совместимость данных SEO, облегчая создание графиков знаний для всех. SEOntology — это USB-C для данных SEO/сканирования. Важно стандартизировать данные об активах контента и продуктах, а также о том, как люди находят контент, продукты и информацию в целом. Это первая цель. Здесь у нас есть два практических варианта использования. У нас есть соединитель для WordLift, который получает данные сканирования от сканера Botify и помогает вам запустить KG, использующий SEOntology в качестве модели данных. Мы также работаем с Advertools, сканером с открытым исходным кодом и инструментом SEO, чтобы обеспечить совместимость данных с SEOntology;

По мере того, как мы продвигаемся в разработке нового агентного способа выполнения SEO и цифрового маркетинга, мы хотим внедрить ноу-хау в области SEO с помощью SEOntology, предметно-ориентированного языка, чтобы привить SEO-мышление в SEO. агенты (или мультиагентные системы, такие как Agent WordLift). В этом контексте навыки, необходимые для создания динамических внутренних ссылок, кодируются как узлы в графе знаний, а возможности становятся триггерами для активации рабочих процессов.

Мы ожидаем работать с HITL, управляемым человеком, а это означает, что онтология станет способом совместного обмена знаниями и тактиками, которые помогут улучшить находимость и предотвратить неправильное использование генеративного ИИ, который загрязняет мир. Интернет сегодня.

<ч4>Обзор проекта