Cómo clasificar la intención del usuario a escala

Como ingeniero de investigación de aprendizaje automático en MarketMuse, paso mis días inmerso en códigos y números de computadora. Pero para esta publicación, dejemos todo eso a un lado mientras observamos el apasionante campo de la clasificación de la intención del usuario.

La capacidad de clasificar la intención del usuario a escala tiene un enorme potencial para los especialistas en marketing de todo el mundo. En esta publicación, me refiero brevemente a la intención del usuario, los beneficios que puede traer la clasificación, cómo algunas personas abordan el problema y la estrategia que está tomando MarketMuse.

¿Qué es la intención del usuario?

Utilizamos el lenguaje humano para expresar nuestra intención. En el curso de una conversación normal, esto rara vez es un problema. Sin embargo, en el caso de las consultas de búsqueda, en las que un buscador suele utilizar la menor cantidad de palabras posible, la intención puede ser difícil de discernir.

Hemos escrito extensamente sobre el tema de la intención de búsqueda, así que me saltaré los preliminares y llegaré directamente al meollo del asunto. Detrás de cada frase de búsqueda, hay una intención. La capacidad del contenido para satisfacer esa intención es un factor importante en su ubicación en los resultados de búsqueda. Un artículo bien escrito y rico en temas tendrá un desempeño deficiente en la búsqueda si la intención no se aborda adecuadamente.

Es por esta razón que buscamos clasificar la intención del usuario a escala.

Los beneficios de la clasificación de la intención del usuario

Clasificar la intención del usuario tendrá un impacto significativo en la plataforma MarketMuse. Hay varias formas en las que aquellos que usan MarketMuse pueden beneficiarse potencialmente.

Por ejemplo, mantenemos un servicio SERP histórico donde almacenamos las características de 60 millones de temas. Agregar la intención del usuario a la combinación nos permite observar las correlaciones entre los cambios en las funciones y la intención. Podemos analizar las páginas de mayor rendimiento en SERP que han mantenido su posición y ver cómo se han adaptado en respuesta a la intención cambiante.

También mantenemos un servicio de gráficos de conocimiento con más de 50 millones de temas que impulsa nuestros resúmenes de contenido de MarketMuse, que brindan recomendaciones de actualidad. La clasificación de intenciones ayudará a refinar esas recomendaciones. El mismo principio se aplica a nuestro motor de preguntas.

Estas mejoras tienen un efecto de goteo. Debido a que nuestros resúmenes de contenido impulsan MarketMuse First Draft, nuestro motor de generación de lenguaje natural (NLG), cualquier mejora en los resúmenes se reflejará en el resultado de NLG.

Investigación sobre el estado actual de la intención del usuario

No hay mucha investigación sobre la intención del usuario en lo que respecta a la búsqueda. La mayoría de los estudios giran en torno a la intención general del usuario para el cliente. Por ejemplo, está desarrollando un chatbot para un sitio web y desea clasificar la intención del usuario para poder responder o dirigir a un visitante al recurso adecuado.

Lentamente, se está desarrollando el interés por tratar de clasificar la intención del usuario a escala para la Búsqueda. Un par de ejemplos populares, que quizás conozca, provienen de Kane Jamison en Content Harmony y Hamlet Batista en RankSense.

En el caso de Content Harmony, adoptan un enfoque heurístico para clasificar la intención de búsqueda. Al observar las características SERP para una determinada consulta, toman una determinación en cuanto a su tipo. Por ejemplo, si ven una lista de compras debe ser una consulta transaccional o si ven una noticia debe ser informativa.

Tal y como han reconocido en su entrada de blog, este método tenía muchos inconvenientes. es volátil Cualquier cambio que haga Google en el formato de sus funciones de búsqueda puede provocar una clasificación errónea de la intención. Lo mismo ocurre con los cambios estacionales en la intención de una consulta, como Black Friday o Navidad. Según Content Harmony, con su enfoque, debe estar atento a los cambios en las clasificaciones de una temporada a otra para detectar esos cambios en la intención del usuario.

El enfoque que analiza Hamlet Batista en su artículo del Search Engine Journal es similar a nuestra estrategia. Así que discutiré cómo vamos a clasificar la intención de búsqueda de una manera escalable.

El enfoque de MarketMuse para la clasificación de la intención del usuario

En MarketMuse, estamos aprovechando los avances recientes en el aprendizaje automático y la generación de lenguaje natural para desarrollar un clasificador confiable que pueda emplearse a escala. Hemos creado un modelo de clasificación de intención de usuario de aprendizaje profundo basado en un conjunto de datos de miles de consultas. Nuestro modelo adopta un enfoque de aprendizaje activo, recopilando continuamente nuevos datos y mejorando sus capacidades.

Nuestro enfoque toma muy en serio la Navaja de Occam, un principio de resolución de problemas que establece que "las entidades no deben multiplicarse sin necesidad". Para simplificar las cosas, primero usaremos las propias consultas de búsqueda para determinar si se pueden clasificar.

Al observar los miles de resúmenes de contenido de MarketMuse generados, notamos que la intención de búsqueda generalmente cae en una de estas categorías:

• Comparación
• Local
• Informativo
• transaccional

Así que eso es con lo que estamos comenzando primero.

La pregunta que queda es si será así de simple. ¿El modelo es lo suficientemente fuerte como para clasificar basándose solo en una frase de palabras clave? Si no, hay otras cosas que podemos tener en cuenta.

Por supuesto, debemos tener en cuenta la estacionalidad. Por experiencia, sabemos que Google cambia la intención del usuario para muchas consultas de búsqueda, según la temporada. Uno de los principales parámetros de los que realizaremos un seguimiento es la intención del usuario durante largos períodos de tiempo. Eso será muy útil en nuestra clasificación porque para muchas consultas, el momento de la temporada influye directamente en la intención de búsqueda.

Quizás el aspecto más emocionante de nuestro modelo es que aprenderá y mejorará continuamente. Por lo general, los modelos están capacitados para realizar una función y eso es todo. Cuando el modelo deja de funcionar, necesitan volver a entrenar todo de nuevo con un nuevo conjunto de datos.

Con nuestro enfoque, el modelo no es estático. Siempre se está alimentando de nuevos datos, aprendiendo de sus errores y corrigiéndose a sí mismo. Eso significa que podemos responder a esos cambios en la intención de búsqueda a medida que varían con el tiempo.

Resumen

Los buscadores usan frases de palabras clave para expresar su intención. La capacidad de reconocer esa intención y sus cambios a lo largo del tiempo puede afectar significativamente la estrategia de contenido y cómo se crea el contenido. En MarketMuse, buscamos la clasificación de intenciones con la ayuda de la inteligencia artificial. Específicamente, estamos utilizando un modelo de aprendizaje automático que se entrena continuamente, aprende de sus errores, se ajusta y realiza mejoras.