วิธีจำแนกความตั้งใจของผู้ใช้ตามมาตราส่วน

ในฐานะวิศวกรวิจัยแมชชีนเลิร์นนิ่งที่ MarketMuse ฉันใช้เวลาทั้งวันไปกับรหัสคอมพิวเตอร์และตัวเลข แต่สำหรับโพสต์นี้ ให้ข้ามเรื่องนั้นไปในขณะที่เราพิจารณาฟิลด์ที่น่าตื่นเต้นของการจัดประเภทความตั้งใจของผู้ใช้

ความสามารถในการจำแนกความตั้งใจของผู้ใช้ตามขนาดมีศักยภาพมหาศาลสำหรับนักการตลาดทุกที่ ในโพสต์นี้ ฉันได้สัมผัสโดยสังเขปเกี่ยวกับเจตนาของผู้ใช้ การจำแนกประเภทผลประโยชน์ วิธีที่บางคนเข้าถึงปัญหา และกลยุทธ์ที่ MarketMuse ใช้

เจตนาของผู้ใช้คืออะไร

เราใช้ภาษามนุษย์เพื่อแสดงความตั้งใจของเรา ในระหว่างการสนทนาปกติ นี้ไม่ค่อยมีปัญหา อย่างไรก็ตาม ในกรณีของข้อความค้นหา ซึ่งโดยทั่วไปแล้วผู้ค้นหาจะใช้คำน้อยที่สุดเท่าที่จะเป็นไปได้ เจตนาจะมองเห็นได้ยาก

เราได้เขียนไว้อย่างละเอียดเกี่ยวกับจุดประสงค์ในการค้นหา ดังนั้นฉันจะข้ามช่วงเบื้องต้นและเข้าสู่ใจกลางของประเด็นนี้ เบื้องหลังทุกวลีค้นหามีเจตนา ความสามารถของเนื้อหาที่จะสนองความต้องการนั้นเป็นปัจจัยสำคัญในการจัดตำแหน่งในผลการค้นหา บทความที่มีการเขียนอย่างดีและมีเนื้อหาเฉพาะเจาะจงจะมีประสิทธิภาพในการค้นหาได้ไม่ดีหากไม่มีการระบุถึงเจตนาอย่างเพียงพอ

ด้วยเหตุนี้ เราจึงต้องการจัดประเภทความตั้งใจของผู้ใช้ตามขนาด

ประโยชน์ของการจัดประเภทเจตนาของผู้ใช้

การจัดประเภทความตั้งใจของผู้ใช้จะส่งผลอย่างมากต่อแพลตฟอร์ม MarketMuse มีหลายวิธีที่ผู้ที่ใช้ MarketMuse อาจได้รับประโยชน์

ตัวอย่างเช่น เรารักษาบริการ SERP ในอดีตที่เราจัดเก็บคุณลักษณะของ 60 ล้านหัวข้อ การเพิ่มความตั้งใจของผู้ใช้ลงในส่วนผสมช่วยให้เราสังเกตความสัมพันธ์ระหว่างการเปลี่ยนแปลงคุณลักษณะและความตั้งใจได้ เราสามารถวิเคราะห์เพจที่มีประสิทธิภาพสูงสุดใน SERP ที่รักษาจุดยืนและดูว่าหน้าเหล่านั้นมีการปรับตัวอย่างไรเพื่อตอบสนองต่อความตั้งใจที่เปลี่ยนแปลงไป

เรายังรักษาบริการกราฟความรู้ที่มีมากกว่า 50 ล้านหัวข้อที่ขับเคลื่อน MarketMuse Content Briefs ของเรา โดยให้คำแนะนำตามหัวข้อ การจัดประเภทเจตนาจะช่วยปรับปรุงคำแนะนำเหล่านั้น หลักการเดียวกันนี้ใช้กับเอ็นจิ้นคำถามของเรา

การปรับปรุงเหล่านี้มีผลลดลง เนื่องจากบรีฟเนื้อหาของเราขับเคลื่อน MarketMuse First Draft ซึ่งเป็นเอ็นจิ้นการสร้างภาษาธรรมชาติ (NLG) ของเรา การปรับปรุงใดๆ ของบรีฟจะสะท้อนให้เห็นในเอาต์พุต NLG

สถานะปัจจุบันของการวิจัยความตั้งใจของผู้ใช้

มีการวิจัยเกี่ยวกับความตั้งใจของผู้ใช้ไม่มากนักเนื่องจากเกี่ยวข้องกับการค้นหา การศึกษาส่วนใหญ่เกี่ยวกับจุดประสงค์ทั่วไปของผู้ใช้สำหรับลูกค้า ตัวอย่างเช่น คุณกำลังพัฒนาแชทบ็อตสำหรับเว็บไซต์และต้องการจัดประเภทความตั้งใจของผู้ใช้เพื่อให้คุณสามารถตอบหรือนำผู้เยี่ยมชมไปยังแหล่งข้อมูลที่เหมาะสมได้

ความสนใจค่อยๆ พัฒนาขึ้นในการพยายามจัดประเภทความตั้งใจของผู้ใช้ในวงกว้างสำหรับการค้นหา ตัวอย่างยอดนิยมสองสามตัวอย่างที่คุณอาจทราบมาจาก Kane Jamison ที่ Content Harmony และ Hamlet Batista ที่ RankSense

ในกรณีของ Content Harmony พวกเขาใช้วิธีศึกษาสำนึกเพื่อจำแนกจุดประสงค์ในการค้นหา เมื่อพิจารณาจากคุณสมบัติของ SERP สำหรับการสืบค้นข้อมูล พวกเขาจะพิจารณาถึงประเภทของข้อความค้นหา ตัวอย่างเช่น หากพวกเขาเห็นรายการซื้อของ จะต้องเป็นการสอบถามเกี่ยวกับธุรกรรม หรือหากพวกเขาเห็นรายการข่าว จะต้องเป็นการให้ข้อมูล

ตามที่พวกเขาได้รับทราบในโพสต์บล็อก วิธีการนี้มีข้อเสียมากมาย มันมีความผันผวน การเปลี่ยนแปลงใดๆ ที่ Google ทำกับรูปแบบของคุณลักษณะการค้นหาอาจทำให้การจัดประเภทเจตนาผิดพลาดได้ เช่นเดียวกับการเปลี่ยนแปลงตามฤดูกาลในความตั้งใจของการค้นหา เช่น Black Friday หรือ Christmas ตามแนวทางของ Content Harmony คุณต้องจับตาดูการเปลี่ยนแปลงในการจัดอันดับจากฤดูกาลหนึ่งไปอีกฤดูกาลเพื่อตรวจจับการเปลี่ยนแปลงในความตั้งใจของผู้ใช้

แนวทางที่ Hamlet Batista กล่าวถึงในบทความ Search Engine Journal ของเขาคล้ายกับกลยุทธ์ของเรา ฉันจะพูดถึงวิธีที่เราจะจัดประเภทความตั้งใจในการค้นหาในลักษณะที่ปรับขนาดได้

แนวทาง MarketMuse เพื่อจัดประเภทเจตนาของผู้ใช้

ที่ MarketMuse เรากำลังใช้ประโยชน์จากความก้าวหน้าล่าสุดในการเรียนรู้ของเครื่องและการสร้างภาษาธรรมชาติเพื่อพัฒนาตัวแยกประเภทที่เชื่อถือได้ซึ่งสามารถนำมาใช้ในวงกว้างได้ เราได้สร้างแบบจำลองการจัดหมวดหมู่ความตั้งใจของผู้ใช้ในการเรียนรู้เชิงลึกโดยอิงจากชุดข้อมูลของข้อความค้นหานับพัน โมเดลของเราใช้วิธีการเรียนรู้เชิงรุก รวบรวมข้อมูลใหม่อย่างต่อเนื่อง และปรับปรุงความสามารถ

แนวทางของเราให้ความสำคัญกับ Occam's Razor ซึ่งเป็นหลักการในการแก้ปัญหาที่ระบุว่า "องค์กรไม่ควรถูกคูณโดยไม่จำเป็น" เพื่อให้ง่ายขึ้น ก่อนอื่นเราจะใช้คำค้นหาด้วยตนเองเพื่อพิจารณาว่าสามารถจัดประเภทได้หรือไม่

เมื่อดูที่ MarketMuse Content Briefs ที่สร้างขึ้น เราสังเกตเห็นว่าจุดประสงค์ในการค้นหาโดยทั่วไปจะจัดอยู่ในหมวดหมู่ใดหมวดหมู่หนึ่งเหล่านี้:

• การเปรียบเทียบ
• ท้องถิ่น
• ข้อมูล
• การทำธุรกรรม

นั่นคือสิ่งที่เราเริ่มต้นก่อน

คำถามก็คือ มันจะง่ายขนาดนั้นไหม โมเดลนี้แข็งแกร่งพอที่จะจำแนกตามวลีคำหลักหรือไม่ ถ้าไม่ มีสิ่งอื่น ๆ ที่เราสามารถนำมาพิจารณา

แน่นอน เราต้องคำนึงถึงฤดูกาลด้วย จากประสบการณ์ เราทราบดีว่า Google ได้เปลี่ยนความตั้งใจของผู้ใช้สำหรับคำค้นหาจำนวนมากตามฤดูกาล หนึ่งในพารามิเตอร์หลักที่เราจะติดตามคือความตั้งใจของผู้ใช้ในช่วงเวลาที่ยาวนาน ซึ่งจะมีประโยชน์มากในการจัดหมวดหมู่ของเรา เนื่องจากสำหรับคำค้นหาจำนวนมาก ช่วงเวลาของซีซันส่งผลโดยตรงต่อความตั้งใจในการค้นหา

บางทีสิ่งที่น่าตื่นเต้นที่สุดของโมเดลของเราคือการเรียนรู้และปรับปรุงอย่างต่อเนื่อง โดยทั่วไปแล้ว โมเดลต่างๆ จะได้รับการฝึกฝนให้ทำหน้าที่ต่างๆ และนั่นแหล่ะ เมื่อแบบจำลองหยุดทำงาน พวกเขาจำเป็นต้องฝึกสิ่งใหม่ทั้งหมดอีกครั้งด้วยชุดข้อมูลใหม่

ด้วยแนวทางของเรา โมเดลจะไม่คงที่ มันมักจะดึงข้อมูลใหม่ เรียนรู้จากความผิดพลาดและแก้ไขตัวเอง ซึ่งหมายความว่าเราสามารถตอบสนองต่อการเปลี่ยนแปลงในความตั้งใจในการค้นหาที่เปลี่ยนแปลงไปตามกาลเวลา

สรุป

ผู้ค้นหาใช้วลีคำหลักเพื่อแสดงเจตนา ความสามารถในการรับรู้ถึงเจตนานั้นและการเปลี่ยนแปลงเมื่อเวลาผ่านไป อาจส่งผลกระทบอย่างมากต่อกลยุทธ์เนื้อหาและวิธีสร้างเนื้อหา ที่ MarketMuse เรากำลังดำเนินการจำแนกประเภทความตั้งใจด้วยความช่วยเหลือของปัญญาประดิษฐ์ โดยเฉพาะอย่างยิ่ง เราใช้โมเดลแมชชีนเลิร์นนิงที่ฝึกฝนตัวเองอย่างต่อเนื่อง เรียนรู้จากข้อผิดพลาด ปรับเปลี่ยน และปรับปรุง