Loading...
GoogleRedes Sociales

Cómo y por qué la concordancia neuronal de Google está afectando su sitio

Se acabaron los días de hacer coincidir una palabra clave con una página y esperar resultados de cola larga. Google está cambiando el juego de cómo se realiza la concordancia de palabras clave e intención y muchos sitios tienen que ponerse al día.

El 12 de marzo, Google lanzó una gran actualización de núcleo que sacudió a la industria.

La actualización principal fue un paso en la serie de cambios en los que Google está trabajando para predecir la intención del usuario en lugar de hacer coincidir exactamente los términos con una consulta.

Lo que debe saber sobre la actualización de marzo de 2019.

Google ha estado trabajando en las actualizaciones para capturar más búsquedas generalizadas, coincidiendo con la intención y menos en la palabra clave de coincidencia exacta con el texto.

Dos meses después de su última actualización y muchas compañías están luchando por recuperarse. Las empresas más afectadas se encuentran en la industria de la salud, como WebMD y sitios similares que incluyen resultados de búsqueda para enfermedades comunes, mientras que las personas buscan sus síntomas.

Comprender el algoritmo de concordancia neural y a qué se dirige Google en la búsqueda ayudará a explicar cómo su sitio podría haber sido afectado y por qué.

¿Qué es el algoritmo de concordancia neural de Google?

Para entender la actualización de Google de marzo de 2019, debemos regresar a septiembre de 2018 con un Tweet de Danny Sullivan que explica cómo es Google:

  • Trabajar para comprender “cómo la búsqueda de personas suele ser diferente de la información sobre la que las personas escriben soluciones”.
  • Coincidencia de la intención del usuario mejor con el contenido proporcionado en Internet.

Google ha estado guiando a los webmasters en la optimización de sus resultados de Discover, no solo contribuyendo a la comprensión de la intención del usuario sino que va un paso más allá al predecir lo que los usuarios buscan antes de realizar una búsqueda.

Con este nuevo cambio en la coincidencia de resultados y la predicción de la intención y los intereses de los usuarios, ¿cómo se supone que los optimizadores de motores de búsqueda optimicen correctamente un sitio web y su contenido?

Entendiendo el Aprendizaje Automático para el Combate Neural

Google utiliza el aprendizaje automático cuando los usuarios buscan preguntas o escenarios más complejos y hacen clic para encontrar la respuesta que están buscando.

El viaje del cliente mientras las compras comienza con una idea, seguido de una investigación y terminando con la decisión de compra.

Despertar el interés de los usuarios con anuncios gráficos, anuncios de Facebook, redes sociales, anuncios de búsqueda pagados o contenido optimizado en un blog o página de destino que se adapte a sus intereses cuando no están familiarizados con su marca o producto, son formas de comenzar su compromiso.

Haga un seguimiento de los materiales optimizados para SEO que apoyan la investigación sobre su marca y / o producto con piezas educativas en un blog o en relaciones públicas (publicaciones de noticias, podcasts e incluso videos de conferencias o presentaciones de ferias comerciales) al tiempo que incluye revisiones de fuentes acreditadas fuera de tu propia compañía.

Cuanto más pueda proporcionar a su audiencia información fuera de su sitio web, más se familiarizarán con su marca y generarán confianza.

Al final, la optimización de los productos en su sitio web para esas búsquedas cuando el usuario esté listo para realizar una compra completará el viaje.

¿Qué son los ‘Zoomies’?

Durante la fase de investigación del viaje de su cliente, es donde el Neural Matching es el que más juega. Un usuario podría estar tratando de entender un problema complejo y puede no saber que tiene un producto que resuelve ese problema.

Digamos, por ejemplo, que su compañía vende un producto que entretiene a un perro mientras se queda solo en casa ya que su dueño está en el trabajo 5 días a la semana.

Los perros que no se ejercitan regularmente obtienen lo que se denomina “Zoomies”, ya que se meten las patas traseras debajo de sí mismos y se “acercan” a la casa o al patio trasero con un repentino estallido de energía.

Una búsqueda rápida de “mi perro corre como loco” trae la respuesta para “Zoomies” a pesar de que el usuario nunca usó la palabra “Zoomies” o sabe lo que significa.

Proporcionar esta respuesta en una publicación de blog o descripción del producto atraerá a los usuarios para informarles sobre su producto, empujándolos a través de la fase de investigación y hacia una compra rápidamente.

Este método de búsqueda puede ser más común entre la terminología médica y el diagnóstico: diagnosticar un sonido o comportamiento divertido en un automóvil y muchos otros problemas de comportamiento o cuestionables que puede encontrar con gatos y perros.

La diferencia entre el aprendizaje automático y la inteligencia artificial

Tanto el aprendizaje automático como la inteligencia artificial a menudo pueden ser malinterpretados como lo mismo, sin embargo, no podrían ser más diferentes entre sí.

El aprendizaje automático es un algoritmo programado para aprender basado en señales en las que la inteligencia artificial está programada para ser más humana y responder de manera inteligente.

Ambos podrían terminar en el mismo lugar, dependiendo del caso de uso, pero tomar diferentes viajes para llegar allí.

Aprendizaje de datos

Piense en los datos de “Star Trek la próxima generación”. Incluso si no eres un fanático de Star Trek, puedes imaginarte un android creado para actuar y tomar decisiones como lo haría un humano.

Los escenarios están programados en la base de datos de Android con los resultados requeridos.

El Android puede aprender de las reacciones o los resultados de los escenarios y aprender a reaccionar en el futuro si surge una situación similar, pero no es un escenario programado exacto.

Esos aprendizajes son exactamente lo que es el aprendizaje automático.

Los ejemplos de Google que utilizan el aprendizaje automático en su algoritmo de concordancia neural se aplican a señales como que un usuario haga clic en un resultado y vuelva a hacer clic en otro resultado en segundos.

Obtenga una gran cantidad de usuarios haciendo clic en el mismo enlace solo para volver a intentar otro resultado y le dirá a Google que el resultado no es el esperado. El segundo resultado en el que se haga clic comenzará a clasificarse arriba.

¿Qué puedes hacer para optimizar la concordancia neuronal?

Los profesionales de SEO a menudo le dirán que no puede hacer mucho para optimizar el algoritmo de coincidencia neural de Google que no sea escribir contenido de buena calidad para sus usuarios.

Alternativamente, le dirán que solo agregue sinónimos, sin embargo, no se trata solo de agregar sinónimos o adjetivos a su contenido.

Como se mencionó anteriormente, es mejor entender el problema que está tratando de resolver con su producto o servicio y el viaje por el que pasará su usuario para tomar una decisión de compra.

El contenido asistido que está interconectado dentro y fuera del sitio web ayudará a los usuarios durante su proceso de compra, lo compromete, proporciona más información y se aplica al algoritmo de aprendizaje automático.

Fuente y foto: https://www.searchenginejournal.com/google-machine-learning-neural-matching/304563