Машинное обучение на службе SEO-специалиста. Обучение поисковой оптимизации


10 лучших курсов по обучению SEO на Запад — Оффтоп на vc.ru

Все еще задаетесь вопросом, куда же пойти учиться или подтянуть свои знания? Интересуйтесь зарубежными курсами о SEO? Обыскали весь Интернет в надежде найти вебинары со стоящей информацией? Тогда этот дайджест точно для вас. Мы собрали все ближайшие курсы и вебинары о SEO на Запад. Добавляйте себе в закладки, чтоб не потерять:)

https://seofirst.pro/

SEOFirst проводит курсы, лекции и обучающие семинары для SEO-специалистов разного уровня, работающих или планирующих начать работать с продвижения сайтов на Запад. Главным и основным условием участия является знание английского языка.

Когда: осень 2018 годаТип встречи: оффлайнГде: г. КиевСтоимость: 1000 $Ссылка для регистрации: https://seofirst.pro/junior-seo-courses #rec36388724

http://skillup.ua

SkillUp проводит курсы для русских SEO-специалистов. Но бонусом их программы является лекция «Линкбилдинг для зарубежных проектов» и одноименные практические занятия. Курс состоит из 12 занятий, по прохождению вы получите видеоматериалы по каждому уроку и трудоустройство. У SkillUp проходит акция, — при регистрации до 31-го июля есть возможность получить скидку 76 $.

Когда: 1 августаТип встречи: оффлайн Где: г. Киев Стоимость: до 31 июля — 337 $, с 1 августа — 413 $Ссылка для регистрации: http://skillup.ua/lp/seo-kiev-new/

https://moz.com

SEO Bootcamp от Moz, 5-дневный вебинар. Этот класс охватывает основные методы SEO для исследований, конкурентного анализа, отчетности, построения ссылок и т. д. Обучение предоставляется с понедельника по пятницу, 2 часа в день.

Когда: 23 июляТип встречи: онлайн Стоимость: 595 $ Ссылка для регистрации: https://attendee.gototraining.com/536sk/catalog/8 092 144 279 214 755 840?tz=Europe/Helsinki

http://seokursi.com/online/

Курсы проходят от студии Wezom, в программе обучения — раскрутка русскоязычных и англоязычных сайтов. Занятия записаны в видеоуроках, после просмотра вам предоставят практические задания для закрепления материала, если какие-то моменты будут непонятны — преподаватель выйдет с вами на связь 24/7.

Когда: курс доступен в любое время после регистрации и оплатыТип встречи: онлайнСтоимость: обучение делится на 3 типа, от этого и зависит цена. Если вам нужен полный пакет PRO (обучение + практика + работа над вашим сайтом) его цена — 190 $.Пакет Base (обучение + практика) цена — 121 $, пакет Light (обучение) — 76 $Ссылка для регистрации: http://seokursi.com/online/

https://nazapad.com/

NaZapad (На Запад) — это практическая онлайн конференция, которая проходит один раз в год. Но можно получить записи с конференции, где все подробно рассказано. На данный момент 5 из 9 записей можно посмотреть бесплатно, остальные можно купить после регистрации на сайте. Виктор Карпенко — лектор конференции «На Запад», ведет канал на YouTube, где можно посмотреть лекции о продвижении сайтов в буржунете.

Стоимость видеокурсов: 25 $ за видео Ссылка на регистрацию: https://nazapad.com/#confСсылка на бесплатные лекции Виктора Карпенко: https://www.youtube.com/watch?v=QzefsVYaCPg&list=PLJcTpr5wSOfu7CPolcRNZxgGYpbfgMOkR

http://www.onlinesem.ru

OnlineSEM — дистанционные курсы по SEO и интернет-маркетингу. Их преимуществом является то, что доступ к видеоматериалов у вас будет круглый год, даже после прохождения занятий. Курсы делятся на три категории: Self-study — самостоятельное освоение материалов курса SEO, дистанционный курс SEO с опытным SEO-экспертом, дистанционный курс SEO для организованных групп от 3-х человек.

Когда: курс доступен в любое время после регистрации и оплатыТип встречи: онлайн Стоимость: от 91 $ до 374 $ (в зависимости от выбора курсов) Ссылка для регистрации: http://www.onlinesem.ru/order/

https://www.marketmotive.com

Курс продвинутого SEO-специалиста Market Motive предлагает полное 360-градусное онлайн-обучение по всем концепциям поисковой оптимизации. Компания предлагает 25+ часов электронного обучения, загружаемые книги, обновленный контент и викторины. Market Motive обещают вернуть деньги в течении 7 дней, если вам не понравится.

Когда: курс доступен в любое время после регистрации и оплаты Тип встречи: онлайнСтоимость: 1152.25 $ Ссылка для регистрации: https://www.simplilearn.com/secure/checkout/details?authtoken=5e433765ec08f075e5489f006f9bdec1ba33f2ff1e759e05c96f6b4991d16336

https://www.udemy.com

Этот курс даст четкие практические лекции, загрузки и практики, которые помогут вам развивать свой бизнес с помощью SEO. Все лекции быстро обновляются после любых изменений в методах SEO или бесплатных инструментах. На этот онлайн-курс действует скидка 94%.

Когда: курс доступен в любое время после регистрации и оплаты Тип встречи: онлайн Стоимость: 10.99 $ Ссылка для регистрации: https://www.udemy.com/cart/

http://thebrandsalon.com

Курс поможет вам с уверенностью взять на себя роль SEO-специалиста. С четким пониманием функционирования поисковых систем и новейших тенденций вы сможете разработать грамотную стратегию и получить высокий рейтинг для своего сайта или веб-сайта своего клиента в результатах поиска Google. После прохождения вы получите сертификат. Также действуют корпоративные курсы для повышения квалификации.

Когда: курс доступен в любое время после регистрации и оплаты Тип встречи: онлайн Стоимость: 1000 $Ссылка для регистрации: http://thebrandsalon.com/certification-course-in-seo/

https://www.getsmarter.com

Это практичный 10-недельный курс, состоящий из 10 модулей. На каждую неделю выделяется одна тема и по окончанию модуля вы получите задание для закрепления материала. По завершению курса вам выдадут сертификат из высшего учебного заведения как мощное доказательство ваших новых компетенций.

Когда: 3 сентября Тип встречи: онлайн Стоимость: 863 $Ссылка для регистрации: https://www.getsmarter.com/courses/uct-search-engine-optimisation-short-course/course_registrations/step1

Материал опубликован пользователем. Нажмите кнопку «Написать», чтобы поделиться мнением или рассказать о своём проекте.

Написать

vc.ru

Машинное обучение на службе SEO-специалиста – статьи про интернет-маркетинг

Предпосылки

Поисковые системы совершенствуются с помощью искусственного интеллекта. Началось это в 2009 году: Яндекс вместо традиционной формулы ранжирования внедряет собственный метод машинного обучения Матрикснет. После этого он начинает использовать нейронные сети в алгоритме «Палех». А алгоритм «Королев» помогает ориентироваться на смысл текста практически так же, как делает это человек. Все это сильно усложняет работу SEO-специалиста.

Что делать с этой информацией? Можно не верить и продолжать работать по-прежнему. Можно паниковать, а можно пытаться «раскусить» алгоритм ранжирования.

Факт в том, что с каждым годом алгоритмы будут только сложнее, и этого не стоит бояться. Машинное обучение может не только создавать проблемы SEOшникам, но и помогать им в ежедневной работе.

Машинное обучение позволяет автоматизировать некоторые рутинные операции и решать новые сложные задачи, которые требуют анализа большого количества данных.

Основные термины

Для того, чтобы понимать, о чем пойдет речь, нам нужно познакомиться с несколькими терминами, которые часто используют как синонимы.

Искусственный интеллект — широкий термин, основная идея которого в том, что машина моделирует разумное поведение. Вокруг нас много реальных примеров:

Машинное обучение — одно из направлений искусственного интеллекта, характерной чертой которого является не прямое решение задачи, а процесс обучения. Машине на вход подаются некоторые данные, в которых она самостоятельно ищет закономерности. Задачи могут быть совершенно разными: классификация, регрессия, кластеризация. Примеры использования машинного обучения:

На выходе получается некоторый черный ящик (модель): на вход подаются данные, на выходе получаются какие-то результаты. Получить такую модель можно, используя разные методы машинного обучения: линейную регрессию, решающее дерево, метод опорных векторов, градиентный бустинг, нейронные сети.

Нейронная сеть — некоторая машинная интерпретация мозга человека, в которой находятся миллионы нейронов и которые некоторым образом взаимодействуют между собой. Есть большое количество архитектур нейронных сетей, которые описывают взаимодействие между нейронами. Например, в задачах компьютерного зрения и распознавания речи.

Процесс обучения

Основная проблема в том, что вы говорите новому клиенту о пользе услуги SEO без конкретных цифр. В лучшем случае, вы обещаете ему увеличение продаж или трафика на какую-то цифру, прописанную в скрипте. Это плохо для обеих сторон, потому что клиент, не получив обещанного результата, откажется от ваших услуг, но это можно исправить, если на старте показать клиенту более точный прогноз.

Самое простое, что можно сделать: найти отношение SEO-трафика к среднему трафику в контексте. На момент захода клиента смотреть его трафик по контексту и рассчитывать трафик для SEO. Но сайты могут быть совершенно разные по тематике, по специфике спроса, по развитости. Можно попробовать решить эту проблему логически — проанализировать данные и создать простые правила. 

А можно позволить сделать это машине, которая найдет более сложные зависимости. Для этого потребуется выделить и разметить признаки, которые характеризуют сайт и взять текущий трафик из разных каналов.

После подготовки данных необходимо обучить модель прогнозировать процент или количество конверсий при заданных параметрах. При этом можно использовать любые методы обучения, в том числе нейронные сети. Универсального метода для всех случаев нет, аналитик использует разные методы, а затем выбирает те, которые дали лучшее качество.

После продажи услуги клиенту, требуется создать для него семантическое ядро. Есть много сервисов, которые решают эту задачу. Они обычно подбирают большое количество запросов, схожих по тематике. Затем специалист просматривает полученный список запросов, удаляя плохие. Что может быть плохим запросом? Например, он содержит товар, который соответствует тематике, но его нет на сайте.

Можно автоматизировать шаг фильтрации — разметить примеры хороших и плохих запросов. Нужно попросить своего самого лучшего сотрудника это сделать — при успешном обучении вы получите модель, которая стабильно выдает результаты, похожие на идеальный вариант.

Затем потребуется для каждого запроса придумать и разметить некоторые параметры:

Далее обучаем и используем модель. В процессе обучения могут возникнуть проблемы, и модель может работать хуже, чем специалист. Часто это можно решить, придумав большее количество параметров для обучения.

Помимо релевантности сайту, у запроса можно определить некоторые метрики качества:

Эти метрики специалист не может оценить при составлении семантического ядра. И если вы попросите ваших лучших специалистов выбрать конверсионные запросы, а затем сравните их ответ с фактом, то вы увидите, что они не совпадают. На этот показатель влияет огромное число факторов, которые человек не в состоянии проанализировать.

Можно создать модель, которая будет с некоторой вероятностью определять, конверсионный запрос или нет.

Для прогнозирования конверсии потребуется придумать и разметить параметры для обучения. Чем лучше параметры описывают метрику, тем больше вероятность успеха. Методы обучения уже вторичны.

Возможные признаки:

Следующий этап — подбор страниц под запросы. На этом этапе либо выделяются существующие страницы, либо будут создаваться новые. Есть два подхода, каждый из которых имеет свои недостатки:

В первом случае, если сайт не проиндексирован, поиск по сайту не найдет подходящих страниц. Во втором кластеризацию обычно проводят по результатам выдачи по запросу, при этом структура сайта клиента никак не учитывается. Оба подхода требуют активного участия специалиста и отнимают много времени. Можно поступить следующим образом:

Проблема процесса оптимизации — его длительность. Страница дорабатывается, после этого необходимо дождаться индексации, и только через несколько недель можно оценить эффект от доработок. Но можно спрогнозировать, даст доработка эффект или нет. Для обучения можно использовать статистику изменений.

Можно попробовать обучить модель для того, чтобы она выявила закономерности в значимости доработок, например:

Правила будут не настолько простыми, поэтому интерпретировать их не получится. После доработок специалист может получить прогноз эффекта от его работы: тогда можно будет не отправлять доработки на сайт, если прогнозируется ухудшение позиций.

Вместо заключения

Требуется сказать, что качество всех моделей обычно значительно хуже 100%. Часто такое происходит из-за неполноты информации, которой мы владеем. Но плохое, на первый взгляд, качество не всегда означает отказ от модели. Всегда нужно сравнивать текущее состояние по проблеме с качеством модели. Например, сейчас только 20% первичных доработок приводят к улучшению позиций, а модель показывает качество 60%. В этом случае, пусть качество далеко от идеала, использование модели значительно улучшит отработку.

www.ashmanov.com

SEO и машинное обучение: адаптация к новым реалиям Google

О технологиях машинного обучения (Machine Learning) говорят уже несколько лет, но лишь немногие SEO-специалисты уделяли этому вопросу достаточно внимания. Машинное обучение все еще находится в стадии становления и пока еще кардинально не изменило механику поисковой оптимизации, поэтому большинство отдает предпочтение проверенным методам внутренней и внешней оптимизации. Но время идет, и те из сеошников, кто игнорирует Machine Learning, определенно останутся у разбитого корыта.

Вполне вероятно, в недалеком будущем вы заметите резкие подъемы и падения в ранжировании Google сайтов ваших клиентов. Вашей первой мыслью будет, что Google выкатил новые апдейты алгоритма. Такая вероятность действительно существует. Однако такие хаотичные спады в выдаче и трафике могут быть связаны с тем, что Google пытается внедрить машинное обучение для более эффективного ранжирования страниц. Самое время SEO-специалистам признать, что их роль и цели изменятся в следующие несколько лет. Необходимо быть готовыми к наступающей революции и понять, что необходимо сделать для адаптации к новым реалиям поиска. Поэтому давайте проясним, что же означает “машинное обучение”.

Согласно Википедии, машинное обучение (англ. machine learning) — класс методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение в процессе применения решений множества сходных задач. Иначе говоря, машинное обучение предоставляет компьютерам возможность обучаться, не будучи специально запрограммированными для этого. Будучи частью искусственного интеллекта, machine learning учит компьютеры решать задачи, для которых требуется человеческий интеллект. Несмотря на то,  что машинное обучение стало самостоятельной научной дисциплиной еще в 1990-х, его расцвет пришелся на 2010 год, когда большие корпорации (Google, Facebook, Amazon, Apple) начали собирать десятки терабайт данных о своих пользователях.

Большие массивы данных в 2010 году — ключ к тем преимуществам, которые получило машинное обучение как отдельная индустрия. Чем больше данных “скармливаются” алгоритмам машинного интеллекта, тем лучше они могут быть обучены выполнять специфические действия. Чем больше данных, тем больше вариантов развития событий для искусственного интеллекта.

Google исторически находится на острие инноваций, поэтому нет ничего удивительного в том, что корпорация инвестирует миллиарды долларов в искусственный интеллект и машинное обучение. И это более чем неоспоримый факт, что ландшафт SEO изменится в самое ближайшее время. Особое внимание следует уделить таким сферам:

Контент

Контент станет движущей силой поисковой оптимизации. И это заставит сеошников обращать больше внимания на пользовательский опыт от контента, чем на внутреннюю оптимизацию, ссылки и технические аспекты. Усилия поискового алгоритма Google в первую очередь направлены на соответствие намерениям пользователя (например, пользователи способны найти искомое, вводя запрос в поле поиска). Для того, чтобы сайт удовлетворял требованиям Google, пользователь должен найти именно то, что он ищет на определенном этапе своего путешествия (customer journey). А значит, сеошники должны быть заодно с диджитал и контент-маркетологами, специалистами UI/UX и так далее, поскольку у них одна цель — дать пользователю нужный результат.

Например, контент для 30-летнего айтишника из Силиконовой долины должен отличаться от контента для 27-летней матери с двумя детьми из Бруклина. Несмотря на то, что они получают доступ к одному и тому же сайту и ищут одинаковую информацию, они решают разные проблемы и находятся на разных стадиях решения о покупке.

Эти отличия влияют не только на такие тривиальные вещи, как ключевые слова и фразы, но и на структуру контента, визуальные элементы, дизайн и ссылки. На данный момент все эти факторы едва ли частично находятся в зоне внимания сеошников. Однако как только искусственный интеллект научится мгновенно оценивать качество страницы, значение этих факторов возрастет в разы, и все это случится в ближайшем будущем.

Именно сеошники должны будут решить, насколько контент:

Если учесть, что все данные будут обработаны машиной, невыполнение этих требований мгновенно приведет к падению рейтинга сайта.

Google уже может “читать” контент, хотя это звучит как научная фантастика. Начиная с 2015 года поисковый гигант тестирует технологию, которая позволяет искусственному интеллекту обучаться так, как это делает человек. Технология DeepMind позволяет машинам читать, и Google понимает смысл того, что размещено на конкретной странице — как это понял бы человек.

Внутренняя оптимизация и ссылки

С развитием алгоритмов машинного обучения снижается значимость традиционных методов внутренней оптимизации. Заголовки, мета-теги, URL и alt-тексты будут по-прежнему играть свою роль, но они перестанут быть факторами, которые определяют эффективность SEO.

Сеошникам придется стать более креативными. Линейные пошаговые стратегии, не учитывающие дизайн, контент и пользовательский опыт, будут с легкостью выявлены алгоритмами искусственного интеллекта. SEO-экспертам придется существенно улучшить методы оптимизации, чтобы добиться каких-либо изменений существующей ситуации.

Скорее всего, черные и серые методы оптимизации окончательно вымрут. Например, у алгоритма Google на базе искусственного интеллекта не будет проблем с тем, чтобы определить платные ссылки и наказать за них владельцев сайта и веб-мастеров.

Снизится и значимость органических ссылок, хотя сейчас они — определенно один из наиболее значимых факторов ранжирования. Как только Google отшлифует технологии машинного обучения, поисковик получит доступ к настоящей ценности страницы, не полагаясь более на ссылочные сигналы. При условии, что DeepMind понимает контент страницы, алгоритмы Google смогут проанализировать, корректно ли размещена конкретная ссылка в тексте. Помимо этого, будет видно поведение пользователей после клика по ссылке: если они будут тут же возвращаться, Google посчитает ценность ссылки равной нулю и не засчитает ее вес при ранжировании.

Google, на вооружении которого будет машинное обучение, станет слишком умным для манипуляций. Поисковик в считанные секунды отсеет хорошие органические ссылки от плохих манипуляционных. Усилия Google будут прежде всего направлены на анализ облака бэклинков вашего сайта. И если алгоритмы искусственного интеллекта определят, что ядро является не органическим, а манипуляционным (например, характеризуется множеством анкоров на продукты и услуги компании), то поисковик понизит сайт в выдаче. Неорганическое и линейное наращивание ссылочной массы будет легко идентифицировано и определенно не будет приветствоваться.

Техническое SEO

Техническое знание и опыт будут относиться к SEO в меньшей степени, чем сейчас. Карта сайта, robots.txt файлы и скрипты будут идентифицированы и исправлены машиной. Например, на данный момент Google Search Console уведомляет владельцев сайта об ошибках, но в недалеком будущем система сможет мгновенно исправить эти ошибки.

В ближайшее время технические аспекты управления сайтом с позиций поисковой оптимизации будут требовать все меньше вмешательства со стороны человека. Однако, сеошники не будут полностью исключены из ландшафта.

Google прилагает все усилия к тому, чтобы заставить владельцев сайтов освоить AMP, установить структурированные данные и оптимизировать сайт под устройства голосового поиска (Google Home, Alexa, Amazon Echo). Зачем? Потому что Google необходим полный доступ к каждому сайту, прежде чем искусственный интеллект сможет проанализировать и ранжировать его. Искусственный интеллект не сможет сделать это без исходных выходных данных и настроек.

Давайте в качестве примера рассмотрим структурированные данные. Внедрение схематической разметки данных требует некоторых технических усилий, но даже сейчас это приводит к росту трафика, повышению CTR и позиций сайта. Разметка также позволяет показывать текстовые блоки при голосовом поиске. Если на сайте не будет структурированных данных, даже самый мощный искусственный интеллект не сможет “вытащить”из этого сайта ответ на поисковый запрос.

Тем не менее, не стоит отодвигать на задний план свой опыт решения технических вопросов для сайтов ваших клиентов: этот опыт вам все еще понадобится.

Пользовательский опыт

А вот значение факторов пользовательского опыта будет только расти в отличии от внутренней оптимизации, ссылок и технических аспектов SEO. Отличный User Experience — это однозначно ключевой фактор, который Google будет использовать для ранжирования сайтов в поисковых результатах.

На сегодняшний день кликабельность и вовлеченность для Google — основные показатели того, что определенная страница оправдала ожидания пользователей. Поэтому вполне вероятно, что Google будет шлифовать свои поисковые алгоритмы машинного обучения до тех пор, пока опыт их взаимодействия с сайтом не станет идентичным опыту человека. Искусственный интеллект сможет мгновенно оценить UX и соответственно ранжировать страницы.

Таким образом, сеошники наряду с дизайнерами, разработчиками, диджитал-маркетологами и бизнес-аналитиками должны будут тщательно изучить вебсайты и убедиться, что все недочеты UI/UX исправлены и что скорость загрузки сайта находится на должном уровне.

Заключительные мысли

Использование Google и другими поисковиками алгоритмов машинного обучения уже влияет на SEO. Поисковые системы стали умнее, они достаточно оснащены для того, чтобы за несколько секунд определить, удовлетворяет ли сайт намерениям пользователей. Они имеют доступ к сотням специфических сигналов, чтобы узнать о положительном или отрицательном опыте взаимодействия пользователя с конкретной страницей и мгновенно ранжировать страницу на основании этих данных.

Проверенные линейные стратегии (особенно контент и ссылочная масса) скоро перестанут работать. Google будет постоянно расширять и совершенствовать свои алгоритмы, заставляя сеошников перепроектировать существующие стратегии и выявлять новые методы оптимизации. SEO-специалисты будут вынуждены адаптироваться к совершенно новым реалиям, в которых им не нужно будет лезть из кожи вон ради трафика Google. Напротив, им нужно будет помогать поисковому гиганту определить истинную ценность каждого сайта с помощью контента, UX и органических ссылок. Сеошники должны уже сейчас начать помогать машинам как можно эффективнее получить доступ к своим сайтам. В противном случае, они вполне могут упустить шанс запрыгнуть в последний вагон уходящего поезда.

Оригинал статьи.

o-es.ru


Prostoy-Site | Все права защищены © 2018 | Карта сайта