الذكاء الاصطناعي يغير تحسين محركات البحث. وإليك كيف يعمل

الذكاء الاصطناعي يغير تحسين محركات البحث - إليك كيف يعمل

على مدى السنوات القليلة الماضية ، شهد العالم تطورات سريعة في مجال الذكاء الاصطناعي (AI). لم يقتصر التقدم على السياقات الأكاديمية الغامضة فحسب ، بل كان له تأثيرات واسعة النطاق تصل إلى حد تسويق المحتوى.

ومن أهم هذه التطورات ظهور ما يُعرف بنماذج لغة المحولات ، وأشهرها هو Transformer 3 Generative Pre-المدرب من OpenAI ، أو GPT-3. بشرت GPT-3 بعصر جديد لتوليد لغة الذكاء الاصطناعي - ليس فقط من خلال قوة النموذج ولكن أيضًا من خلال حقيقة أنه يمكن لأي شخص استخدامه. من خلال قدرته على إنشاء نص عالي الجودة ، بعيدًا عن أي نموذج تم طرحه قبله ، كان لـ GPT-3 آثار هائلة على عالم تحسين محركات البحث وإنشاء المحتوى.

ما هو GPT-3؟

في جوهرها ، GPT-3 عبارة عن خوارزمية تحاول التنبؤ بالاستمرار الأكثر طبيعية لسلسلة من الكلمات. إذا قمت بتزويده بموجه بسيط مثل " عاصمة فرنسا" ، فسيتم الرد بـ " باريس".

‍

لا يفعل GPT-3 هذا لأنه لديه أي معرفة فطرية بماهية فرنسا ، أو ما هي باريس ، أو ما هي عاصمة. بدلاً من ذلك ، يمكنه الإجابة على السؤال بشكل صحيح لأنه تم تدريبه على أفضل جزء من تريليون كلمة من النص. كنتيجة لهذا التدريب ، أصبح قادرًا على ملاحظة الأنماط في اللغة ، مما يسمح له بالإجابة على أسئلة مثل السؤال أعلاه.

من الناحية التاريخية ، كانت نماذج اللغة مقيدة بحقيقة أنه يجب تدريبها على البيانات النظيفة ، أي البيانات التي قام البشر بفحصها يدويًا بحثًا عن الأخطاء الإملائية وأخطاء التنسيق وما إلى ذلك. على النقيض من ذلك ، فإن التطورات الحديثة في أساليب التدريب تعني أنه يمكن تدريب GPT-3 على كميات هائلة من البيانات غير النظيفة وتعليم نفسها بشكل فعال لاستبعاد هذه العيوب.

تم تدريب أحدث طرازات GPT-3 على البيانات حتى يونيو 2021 ؛ ومع ذلك ، يتم تحديث النماذج باستمرار بمرور الوقت. هذا يعني أن GPT-3 يواجه بعض القيود في قدرته على التحدث عن أحداث أو مفاهيم أكثر حداثة ، وهو أمر يستحق أن يؤخذ في الاعتبار عند استخدامه.

فيما يتعلق بالبيانات الفعلية التي تم تدريب GPT-3 عليها ، فإن 80٪ منها هو ما يُعرف ببيانات الزحف الشائعة ، والتي تعني أساسًا أي شيء يمكنك العثور عليه على Google. يأتي الكثير من هذا من مواقع معروفة مثل Wikipedia أو Reddit أو arXiv ، ولكن هذا يشمل أيضًا كل شيء وصولاً إلى المدونات الصغيرة والمواقع الإعلامية. تأتي نسبة 20٪ الأخرى من بيانات تدريب GPT-3 من مجموعة متنوعة من المصادر المختلفة ولكنها تتكون إلى حد كبير من الكتب وغيرها من مصادر المحتوى الطويلة.

كيف يتم تطبيق GPT-3 على تحسين محركات البحث؟

لا تكمن القوة الحقيقية لـ GPT-3 ، بالطبع ، في الإجابة على أسئلة بسيطة من سطر واحد ، ولكن في إنتاج ردود على المطالبات المعقدة طويلة الشكل.

على سبيل المثال ، إذا طلبت ذلك بشيء مثل ، "اكتب وصفًا طويلاً جدًا للثورة الأمريكية" ، فستسترجع عدة فقرات كثيفة من النص حول الموضوع. هذا هو المكان الذي نبدأ فيه في رؤية كيف يمكن تطبيق GPT-3 لإنتاج محتوى جاهز لتحسين محركات البحث.

يستخدم بعض الكتاب GPT-3 كمساعد كتابة ، للمساعدة في توليد جزء نثر غريب هنا وهناك. تعكس حالة الاستخدام هذه الكثير من الأدوات التي تم إنشاؤها فوق GPT-3 ؛ ولا سيما منتجات مثل copy.ai و Jasper. تعمل هذه الأدوات على تسخير قوة GPT-3 لتنفيذ مهام معينة في عملية الكتابة ، سواء كان الأمر يتعلق بالعناوين أو الأوصاف أو الخطوط العريضة للمدونة ، إلخ.

في حين أن هذه الأدوات كانت مؤثرة في تسريع عمليات كتابة المحتوى وتقليل تكاليف الاستثمار في تحسين محركات البحث ، إلا أنها مقيدة إلى حد ما. بالنسبة للمبتدئين ، غالبًا ما يكون من المنطقي للكتاب تجاوز هذه الأدوات والتفاعل مع GPT-3 نفسها من خلال ملعب OpenAI (الموجود في الصور أعلاه).

لا يؤدي هذا إلى توفير المزيد من التكاليف فحسب ، بل يمنح الكتاب أيضًا تحكمًا كاملاً في كيفية تفاعلهم مع GPT-3 ويتيح لهم تخصيص مدخلاتهم وفقًا لحالة الاستخدام الخاصة بهم. يتضمن ذلك القدرة على تخصيص معايير مثل نبرة الصوت والطول وما إذا كان يجب التركيز على أفكار محددة في أي محتوى يتم إنتاجه.

كيفية استخدام الذكاء الاصطناعي لتوسيع نطاق تحسين محركات البحث

كما ذكرنا سابقًا ، GPT-3 قادر على أداء مهام مختلفة مختلفة في عملية الكتابة ، بما في ذلك كتابة العناوين الرئيسية وهياكل المقالات ومحتوى الجسم.

عندما تصبح قوة هذه الأداة ذات مغزى خاص ، عندما يتعلق الأمر بتسلسل مخرجات تلك المهام المختلفة معًا.

إذا كنت قادرًا على الحصول على GPT-3 لإنشاء عنوان المقالة ، وهيكل ، ثم محتوى لإدراجه في كل قسم من هذا الهيكل ، فستكون لديك فجأة القدرة على إنتاج مقالات بأقل قدر من التدخل البشري.

كل مهمة من هذه المهام بسيطة نسبيًا للقيام بها يدويًا ؛ ما عليك سوى كتابة التعليمات الخاصة بك لـ GPT-3 بأكبر قدر ممكن من السياق. على سبيل المثال ، بالنظر إلى عنوان المقالة أعلاه ، يمكننا الحصول على GPT-3 لإنشاء بنية مقالة على النحو التالي:

ثم لكل عنوان فرعي في المقالة ، يمكننا الحصول على GPT-3 لإنشاء المزيد من المحتوى بالطريقة التالية:

قصير ولطيف ، ولكن يمكنك دائمًا تعديل مطالبتك لإنتاج فقرات أطول.

يجب أن يبدأ في أن يتضح أنه باستخدام GPT-3 لربط مهام الكتابة المختلفة هذه ، يمكننا البدء في بناء عملية يمكنها من خلالها إنتاج محتوى منظم طويل الشكل تلقائيًا.

من الجيد تمامًا إنشاء كل هذا المحتوى يدويًا ، وإعادة كتابة مطالباتك يدويًا في كل مرة لإنتاج كل جزء من المقالة. إذا كنت تقنيًا ، فمن المفيد أن تتعرف على واجهة برمجة تطبيقات GPT-3. سيسمح لك ذلك بأتمتة نسبة كبيرة من العمل لإنتاج كميات هائلة من المحتوى في جزء صغير من الوقت الذي يستغرقه الإنسان للكتابة.

كيف يتم استخدام هذه الأتمتة بالفعل من قبل مسوقي المحتوى؟

على نحو متزايد ، رأيت علامات تجارية تستخدم أساليب مثل تلك المذكورة أعلاه لأتمتة الكثير من أعمال تحسين محركات البحث طويلة الذيل. في حين أن GPT-3 لا يمكنها التنافس مع عمق وأصالة الإنسان عندما يتعلق الأمر بالكتابة بشروط مهمة (على سبيل المثال ، زراعة الفراولة ) ، فإن المزيد والمزيد من العلامات التجارية تستخدم نماذج مثل GPT-3 لبناء محتوى ثري على المدى الطويل مصطلحات البحث ذات الذيل (على سبيل المثال ، كيفية زراعة الفراولة في وسط فلوريدا ).

إليك سبب نجاح استخدام GPT-3 للمحتوى طويل الذيل:

• غالبًا لا تحتاج استعلامات البحث ذات الذيل الطويل إلى إجابات أصلية للغاية ، ولكنها تحتاج إلى إجابات محددة للغاية ، وهي حالة استخدام مناسبة لها GPT-3.
• هناك قدر كبير من التنوع في مصطلحات البحث الطويلة ، ومعظم العلامات التجارية لا تملك الميزانيات لدفع مؤلفي المحتوى لتغطية كل منهم.
• غالبًا ما يكون حجم البحث منخفضًا جدًا في بعض تلك المصطلحات الطويلة بحيث لا يكون من المجدي اقتصاديًا للعلامات التجارية أن تدفع مقابل المحتوى المكتوب بشريًا. في حين أن الإنسان غير المتخصص قد يكلف ما بين 20 دولارًا و 200 دولارًا ، فإن تكاليف تشغيل GPT-3 لإنتاج نفس المقالة ليست سوى جزء بسيط من ذلك.

كيف يمكنني استخدام GPT-3 لإنشاء محتوى لموقعي؟

يجب أن توفر الأقسام أعلاه بعض الإلهام لك لبدء استخدام GPT-3 ، ولكن هناك بعض النقاط الإضافية التي يجب مراعاتها.

كل شيء جيد وجيد استخدام GPT-3 لإنشاء مقالة فردية هنا وهناك ، ولكن إذا كنت تريد استخدامها على نطاق واسع ، فإن الأمر يستحق بعض الاعتبارات.

اختر إنشاء محتوى:

1. GPT-3 مناسب تمامًا للإنتاج. يتضمن ذلك المحتوى الواقعي ، والذي تمت تغطيته جيدًا بشكل معقول (وبالتالي شيء تم تدريب GPT-3 عليه) ، ويمكن كتابته دون الحاجة إلى الصور أو الرسوم التوضيحية المصاحبة.
2. ليست تنافسية بشكل كبير من منظور تحسين محركات البحث. كلما كان المصطلح أكثر تنافسية ، زاد احتمال تغطيته جيدًا من قبل كتاب بشريين ذوي جودة عالية. هذا لا يعني أن GPT-3 لا يمكنها المنافسة على الإطلاق هنا ؛ لقد رأيت الكثير من مقالات GPT-3 تفوق المحتوى البشري المكتوب جيدًا. وبالطبع ، فإن فرص نجاحك تكون أفضل عند استهداف مجموعة كبيرة من شروط المنافسة المنخفضة ، بدلاً من بعض شروط المنافسة العالية.
3. يتبع بنية أو تنسيقًا مشابهًا. إذا كنت تنتج الكثير من المقالات بتنسيق مشابه ( كيف أقوم بذلك {x} ، أو ما هو الأفضل {y} ) ، فستتمكن من كتابة مطالبات محددة ومفصلة للغاية ولكنها تنطبق أيضًا حسنًا لجميع مقالاتك. من الصعب جدًا كتابة سلسلة من المطالبات التي تعمل بشكل جيد عبر مجموعة متنوعة من تنسيقات المقالات.

بعض حالات الاستخدام المحددة التي رأيتها تعمل بشكل جيد هي:

• بناء مسارد. معظم المسارد المتوفرة على الإنترنت قليلة السُمك إلى حد ما من حيث المحتوى ، مما يجعل من السهل تصنيفها بالمحتوى الغني الذي يمكن لـ GPT-3 إنتاجه. تتبع جميع الصفحات تنسيقًا مشابهًا جدًا ( ما هو {x} ) ، لذلك يمكنك أن تكون توجيهيًا جدًا في كيفية حث GPT-3 ( اكتب مجموعة من الفقرات الواقعية التي تشرح معنى المصطلح "{x}" ).
• بناء أدلة إرشادية. يمكن أن يؤدي التنوع الهائل للأسئلة التي يمكن للباحثين طرحها حول موضوع بسيط جدًا إلى صعوبة تغطية كل حجم البحث المتاح فقط بالمحتوى المكتوب بواسطة الإنسان. هذا يعني أيضًا أن هذه الأنواع من مصطلحات البحث غالبًا ما تكون أقل تنافسية وجاهزة للبناء على نطاق واسع باستخدام أداة مثل GPT-3.

يجب أن يعطي ما سبق بعض المؤشرات على أنواع الأفكار التي تعمل بشكل جيد ، على الرغم من أن خيالك هو في الحقيقة الحد الوحيد. إذا كان بإمكانك التفكير في سلسلة كبيرة من المصطلحات المتشابهة التي يبحث عنها جمهورك ، والتي لا تتمتع بالمنافسة الفائقة بالفعل ، فمن المحتمل أنك وجدت تطبيقًا جيدًا لـ GPT-3.

ماذا تعني هذه التقنية لمُحسّنات محرّكات البحث في المستقبل؟

في حين أن هذا لا يعني قدرًا هائلاً من المصطلحات الأساسية التي تشكل العديد من استراتيجيات تحسين محركات البحث للعلامات التجارية ، فمن المحتمل أن تشهد السنوات القليلة القادمة ثورة في جودة وعمق المحتوى المتاح بشروط طويلة. نظرًا لأن المزيد والمزيد من العلامات التجارية تستخدم استراتيجيات مدفوعة بالذكاء الاصطناعي مثل تلك المذكورة أعلاه ، فمن المحتمل أن نرى تلك العلامات التجارية نفسها تستفيد من الفرص المقدمة من خلال القدرة على الترتيب لفترات طويلة للجمهور المستهدف.

بينما أصدرت Google تحذيرات للمواقع التي تستخدم محتوى مكتوبًا بالذكاء الاصطناعي ، فليس هناك ما يشير إلى أنها في وضع يسمح لها بالرد. يبدو أن HCU (تحديث المحتوى المفيد) الأخير ، الذي يهدف إلى معاقبة المواقع المعتمدة على الذكاء الاصطناعي ، قد وصل فقط إلى المواقع التي تحتوي على مقالات منخفضة الجودة بشكل صارخ. جميع العلامات التجارية التي رأيتها وعملت معها في مشاريع تحسين محركات البحث (SEO) المدفوعة بالذكاء الاصطناعي لم تشهد أي تأثير على تصنيفاتها.

مع وضع ذلك في الاعتبار ، من السهل معرفة سبب استخدام العديد من العلامات التجارية لنماذج الذكاء الاصطناعي مثل GPT-3 في إستراتيجية تحسين محركات البحث الخاصة بهم - ولماذا من المحتمل أن تنضم العديد من العلامات التجارية إلى الحفلة خلال السنوات القادمة.