Cara Mengklasifikasikan Niat Pengguna Sesuai Skala

Sebagai Insinyur Riset Pembelajaran Mesin di MarketMuse, saya menghabiskan hari-hari saya dengan tenggelam dalam kode dan angka komputer. Tetapi untuk posting ini, mari kita kesampingkan itu semua saat kita melihat ke dalam bidang klasifikasi maksud pengguna yang menarik.

Kemampuan untuk mengklasifikasikan niat pengguna dalam skala besar memiliki potensi besar bagi pemasar di mana pun. Dalam posting ini, saya menyentuh secara singkat tentang apa maksud pengguna, klasifikasi manfaat yang dapat dihasilkan, bagaimana beberapa orang mendekati masalah, dan strategi yang diambil MarketMuse.

Apa Niat Pengguna?

Kami menggunakan bahasa manusia untuk mengekspresikan niat kami. Dalam percakapan normal, ini jarang menjadi masalah. Namun, dalam kasus kueri penelusuran, di mana seorang penelusur biasanya menggunakan kata-kata sesedikit mungkin, maksud bisa sulit untuk dibedakan.

Kami telah banyak menulis tentang tujuan pencarian, jadi saya akan melewatkan pendahuluan dan langsung ke inti masalah. Di balik setiap frasa pencarian, ada niat. Kemampuan konten untuk memenuhi maksud tersebut merupakan faktor utama dalam penempatannya di hasil pencarian. Artikel yang ditulis dengan baik dan kaya topik akan berkinerja buruk dalam pencarian jika niatnya tidak ditangani secara memadai.

Karena alasan inilah kami ingin mengklasifikasikan niat pengguna dalam skala besar.

Manfaat Klasifikasi Niat Pengguna

Mengklasifikasikan niat pengguna akan berdampak signifikan pada platform MarketMuse. Ada beberapa cara di mana mereka yang menggunakan MarketMuse berpotensi mendapatkan keuntungan.

Misalnya, kami mempertahankan layanan SERP historis tempat kami menyimpan fitur dari 60 juta topik. Menambahkan maksud pengguna ke dalam campuran memungkinkan kita untuk mengamati korelasi antara perubahan fitur dan maksud. Kami dapat menganalisis halaman berkinerja terbaik di SERP yang telah mempertahankan posisinya dan melihat bagaimana mereka beradaptasi dalam menanggapi perubahan niat.

Kami juga mengelola layanan grafik pengetahuan dengan lebih dari 50 juta topik yang mendukung Ringkasan Konten MarketMuse kami, memberikan rekomendasi topikal. Klasifikasi maksud akan membantu menyempurnakan rekomendasi tersebut. Prinsip yang sama berlaku untuk mesin pertanyaan kami.

Peningkatan ini memiliki efek menetes ke bawah. Karena ringkasan konten kami mendorong MarketMuse First Draft, mesin generasi bahasa alami (NLG) kami, setiap peningkatan pada ringkasan akan tercermin dalam output NLG.

Status Penelitian Niat Pengguna Saat Ini

Tidak banyak penelitian tentang niat pengguna yang terkait dengan Penelusuran. Sebagian besar studi berkisar pada niat pengguna umum untuk klien. Misalnya, Anda sedang mengembangkan chatbot untuk situs web dan ingin mengklasifikasikan maksud pengguna sehingga Anda dapat menjawab atau mengarahkan pengunjung ke sumber daya yang sesuai.

Perlahan, minat berkembang untuk mencoba mengklasifikasikan niat pengguna dalam skala besar untuk Penelusuran. Beberapa contoh populer, yang mungkin Anda ketahui, berasal dari Kane Jamison di Content Harmony dan Hamlet Batista di RankSense.

Dalam kasus Harmoni Konten, mereka mengambil pendekatan heuristik untuk mengklasifikasikan maksud pencarian. Melihat fitur SERP untuk kueri tertentu, mereka menentukan jenisnya. Misalnya, jika mereka melihat daftar belanja, itu pasti kueri transaksional atau jika mereka melihat item berita, itu pasti informasional.

Seperti yang telah mereka akui dalam posting blog mereka, metode ini memiliki banyak kekurangan. Ini mudah berubah. Perubahan apa pun yang dilakukan Google pada format fitur pencarian mereka dapat menyebabkan kesalahan klasifikasi niat. Begitu juga dengan perubahan musiman pada maksud kueri, seperti Black Friday atau Christmas. Menurut Content Harmony, dengan pendekatan mereka, Anda perlu mengawasi perubahan peringkat dari musim ke musim untuk mendeteksi perubahan niat pengguna tersebut.

Pendekatan yang dibahas Hamlet Batista dalam artikel Jurnal Mesin Pencarinya mirip dengan strategi kami. Jadi saya akan membahas bagaimana kita akan mengklasifikasikan maksud pencarian dengan cara yang terukur.

Pendekatan MarketMuse untuk Klasifikasi Niat Pengguna

Di MarketMuse, kami memanfaatkan kemajuan terbaru dalam pembelajaran mesin dan generasi bahasa alami untuk mengembangkan pengklasifikasi andal yang dapat digunakan dalam skala besar. Kami telah membuat model klasifikasi niat pengguna pembelajaran mendalam berdasarkan kumpulan data dari ribuan kueri. Model kami mengambil pendekatan pembelajaran aktif, terus mengumpulkan data baru dan meningkatkan kemampuannya.

Pendekatan kami mengambil hati Occam's Razor, sebuah prinsip pemecahan masalah yang menyatakan bahwa "entitas tidak boleh digandakan tanpa kebutuhan." Untuk mempermudah, pertama-tama kita akan menggunakan kueri penelusuran itu sendiri untuk menentukan apakah kueri tersebut dapat diklasifikasikan.

Melihat ribuan Ringkasan Konten MarketMuse yang dihasilkan, kami melihat bahwa maksud pencarian biasanya termasuk dalam salah satu kategori berikut:

• Perbandingan
• Lokal
• informasi
• Transaksional

Jadi itu yang kita mulai dulu.

Pertanyaannya tetap apakah akan sesederhana itu. Apakah model cukup kuat untuk mengklasifikasikan hanya berdasarkan frase kata kunci? Jika tidak, ada hal lain yang bisa kita pertimbangkan.

Tentu saja, kita perlu memperhitungkan musim. Dari pengalaman, kami tahu bahwa Google mengubah maksud pengguna untuk banyak kueri penelusuran, berdasarkan musim. Salah satu parameter utama yang akan kami lacak adalah niat pengguna dalam jangka waktu yang lama. Itu akan sangat membantu dalam klasifikasi kami karena untuk banyak kueri, waktu musim secara langsung memengaruhi maksud penelusuran.

Mungkin aspek yang paling menarik dari model kami adalah bahwa model ini akan terus belajar dan berkembang. Biasanya, model dilatih untuk melakukan suatu fungsi dan hanya itu. Ketika model berhenti bekerja, mereka perlu melatih semuanya dari awal lagi dengan kumpulan data baru.

Dengan pendekatan kami, modelnya tidak statis. Itu selalu memakan data baru, belajar dari kesalahannya dan mengoreksi dirinya sendiri. Artinya, kami dapat merespons perubahan tersebut dalam maksud penelusuran karena berubah dari waktu ke waktu.

Ringkasan

Pencari menggunakan frase kata kunci untuk mengekspresikan niat mereka. Kemampuan untuk mengenali maksud tersebut, dan perubahannya dari waktu ke waktu, dapat secara signifikan memengaruhi strategi konten dan cara konten dibuat. Di MarketMuse, kami mengejar klasifikasi niat dengan bantuan kecerdasan buatan. Secara khusus, kami menggunakan model pembelajaran mesin yang terus melatih dirinya sendiri, belajar dari kesalahannya, menyesuaikan, dan melakukan peningkatan.