За последние несколько месяцев было много шума вокруг ChatGPT, «Нового Bing» и Google Bard. Эти новые инновации в поиске основаны на машинном обучении и искусственном интеллекте (ИИ).
Эти темы также подробно обсуждались во время основных докладов на Пабкон Остин 2023. Наш генеральный директор, Марта Ван Беркель был там, чтобы услышать это, и оставил Pubcon с парой идей о будущем Schema Markup и поиска на основе ИИ.
Связь между Schema Markup и AI
На прошлой неделе Марта представила на Pubcon Austin 2023 лучшие способы использования разметки схемы. Во время презентации она рассказала о том, как разметка схемы связана с искусственным интеллектом (ИИ), а также о важности связанной разметки схемы в эпоху поиска на основе ИИ.
Подключенная схема разметки помогает построить вашу сеть знаний
Когда вы внедряете связанную разметку схемы на своем сайте, вы, по сути, строите граф знаний.
«График знаний определяется как набор отношений между вещами, определенными с использованием стандартизированного словаря, из которого новые знания могут быть получены путем логического вывода».
Schema.org — это стандартный словарь, используемый поисковыми системами для понимания содержимого страницы, и когда вы используете его для определения отношений между объектами на веб-сайте, вы создаете граф знаний для этой организации. На самом деле, если вы внимательно посмотрите на Schema.org, вы увидите, как он был построен с учетом создания графов знаний.
Когда вы смотрите на словарные определения Schema.org, вы часто видите, что многие свойства ожидают, что значение свойства будет другим типом, а не текстовым или URL-значением.
С использованием Врач например, ожидаемый тип для свойства HospitalAffliation — это другой тип schema.org под названием Hospital. Встраивая тип больницы в свойство HospitalAffliation, вы определяете связь между врачом и больницей, с которой они связаны.
Этот пример демонстрирует, как словарь Schema.org определяет отношения между вещами на вашем веб-сайте. Когда вы соединяете и определяете эти отношения с помощью разметки схемы, вы строите свой граф знаний.
В Schema App мы знаем о важности создания связанной разметки схемы и построения многоразового графа знаний. В нашем корпоративном решении используется семантическая технология, которая создает и сохраняет разметку схемы и веб-контент в графе знаний.
Но какое отношение графы знаний имеют к ИИ и машинному обучению? Почему организациям важно развивать свой граф знаний с помощью Schema Markup?
Мы спросили ЧатGPT почему графики знаний важны, и вот что они должны были сказать.
«Графики знаний — это мощный инструмент для структурированного представления и организации информации.
Вот три причины, по которым графы знаний важны:
- Интеграция и совместимость: Графы знаний позволяют интегрировать разнородные данные из разных источников, форматов и языков. Это позволяет организациям получить целостное представление о своих данных, упрощая выявление шаблонов и идей, которые могут быть невидимы, когда данные разрознены. Графы знаний также обеспечивают взаимодействие между различными системами, упрощение совместного использования и повторного использования данных в разных приложениях.
- Семантический поиск и анализ: Графы знаний используют семантические отношения для представления информации, упрощение выполнения задач расширенного поиска и анализа. Например, графы знаний можно использовать для выполнения сложных запросов, учитывающих отношения между различными сущностями, например, «найти всех людей, которые работали в компаниях той же отрасли, что и Microsoft». Это может помогать организациям выявлять закономерности и идеи, которые было бы трудно обнаружить с помощью традиционных методов поиска и анализа.
- Машинное обучение и ИИ: Графы знаний — это фундаментальная технология для машинного обучения и искусственного интеллекта. Представляя информацию в структурированном и стандартизированном виде, графы знаний упростить алгоритмам извлечение информации и прогнозирование. Например, графы знаний можно использовать для обучения моделей обработки естественного языка (NLP) или для создания механизмов рекомендаций, которые предлагают продукты или контент на основе предпочтений и поведения пользователя».
(Источник: ChatGPT, Open Ai)
Поисковые системы используют вашу разметку схемы и граф знаний в качестве источников данных для обучения своих машин и получения новых знаний. Разработав граф знаний вашей организации, вы можете сделать веб-данные вашей организации «готовыми к ИИ».
Ранее в этом году Райан Леверинг, лидер Google в области структурированных данных, сказал следующее о том, что Google хочет от Schema Markup.
Кроме того, со временем более богатая/правильная семантика будет отдавать предпочтение более связанным графам.
– Райан Леверинг, Google (Источник: мастодонт)
Несмотря на то, что Google еще не выпустил никакой официальной документации по подключенной разметке схемы, комментарий Леверинг указывает на ее растущую важность в мире поиска.
Наше отношение к подключенной разметке схемы также поддержали Фабрис Канельглавный программный менеджер Bing, на своей основной презентации в Pubcon Austin 2023.
SEO-рекомендации для Bing AI Search
Во время своей основной презентации Канель дал ценные советы и идеи по оптимизации для Новая поисковая система Bing с искусственным интеллектом. Несмотря на то, что поиск с помощью ИИ находится в зачаточном состоянии, Канел поделился, что один из способов, которым SEO-специалисты могут подготовиться к этому новому поиску с поддержкой ИИ, — это написание отличного контента и аннотирование с помощью Schema Markup.
На следующем слайде он подробно остановился на том, что они подразумевают под отличным контентом и разметкой схемы. Они особо упомянули об использовании «семантической разметки» для передачи информации о страницах.
Семантическая разметка также известна как связанная разметка схемы, где вы определяете отношения между содержимым на своих страницах и другими определениями в Интернете, используя свойства, определенные в Schema.org.
Это говорит о том, что подключенная схема разметки важна для поисковых систем с искусственным интеллектом, и SEO-специалисты должны инвестировать в нее. Именно поэтому наша команда в Schema App постоянно подчеркивает это при разработке стратегии разметки схемы для наших клиентов.
Начните строить свой график знаний
Загрузите наше руководство по подключенной разметке схемы, чтобы узнать, как подключить разметку схемы и разработать граф знаний.
Как ИИ изменит поиск
Во время своего основного доклада Канел также рассказал о различных типах поисковых запросов и о том, как будут меняться результаты поисковой системы, чтобы наилучшим образом удовлетворить запрос пользователя.
Мы пришли к выводу, что новый интерфейс Bing Chatbot подойдет для одних запросов, в то время как на другие запросы лучше ответить с помощью таблицы или версии сегодняшних результатов поиска.
Например, на такие запросы, как «Назовите мне все отели в Доминикане, в которых есть водные горки», пользователи могут быть удовлетворены сводным ответом чат-бота и даже принять погрешность.
С другой стороны, для таких запросов, как «Каково время восстановления после операции на бедре», пользователи могут захотеть прочитать различные статьи по этому вопросу и лично определить, кто является экспертом в данной области, прежде чем принять ответ.
Со временем будет интересно посмотреть, как эти различные способы и типы поиска будут развиваться с помощью этой новой технологии чата с искусственным интеллектом.
Несмотря на недавний ажиотаж, ИИ и машинное обучение не новы для поиска. Гэри Айлис из Google начал Pubcon со своей основной презентацией о том, как ИИ восходит к бронзовому веку, как эти концепции уже глубоко укоренились в том, как мы ведем бизнес, и как они будут продолжать развиваться.
Нам очень понравилось видеть, как существующие сегодня отрасли используют машинное обучение и ИИ с помощью уже принятых инструментов и автоматизации процессов.
Тем не менее, Ильес не прокомментировал Барда или выпустит ли Google чат-бота в ответ на новый Bing, поэтому нам просто нужно подождать и посмотреть.
Схема приложения и ИИ
В Schema App мы также используем ИИ и машинное обучение в наших инструментах. Мы используем его для нашего Распознавание связанных объектов функцию и наш инструмент Schema Performance Analytics.
Из-за нашей страсти к семантической технологии ваши данные сохраняются в графе знаний, когда вы создаете разметку схемы с помощью приложения Schema. Затем мы добавляем дополнительные возможности искусственного интеллекта, чтобы помочь вам добавить больше смысла вашему контенту.
Например, распознавание связанных объектов в приложении Schema позволяет нашей технологии создавать связанную разметку схемы с использованием обработки естественного языка, чтобы связать ваш контент с известными объектами в сети знаний Google и Викиданных. Это обеспечивает контекст для контента, соединяя контент с помощью ссылки «такой же как» или, более гибко, с упоминаниями, о, категории и т. д.
Предстоящий выпуск также будет включать концептуальную модель Medical BERT, которую медицинские компании смогут использовать для рекламы всех своих специальностей. Мы также работаем над функцией Schema Performance Analytics, позволяющей генерировать ИИ-аналитику на основе данных о производительности, и вскоре выпустим ее в бета-версии.
Начните готовиться к поиску на базе ИИ
ИИ и машинное обучение никуда не денутся и будут продолжать занимать видное место в поиске. К счастью, эволюция поиска не произойдет в одночасье. Скорее всего, в ближайшие несколько лет он будет развиваться.
Однако организации должны быть готовы к тому, что грядет. Когда вы принимаете, развертываете и управляете своей разметкой схемы для достижения богатого результата, вы также хотите убедиться, что вы делаете это семантически для построения связанного графа знаний. Таким образом, вы можете заложить основу для релевантности для поисковых систем и хорошо работать в этом новом поиске.
Как компания, занимающаяся семантическими технологиями, Schema App рада предоставить вам опыт и инструменты для масштабируемого, управляемого способа с измеримыми результатами. Если вам нужна помощь в создании связанной разметки схемы, свяжитесь с нами сегодня, чтобы узнать, как мы можем помочь вам подготовиться к этому новому поиску.
Марта — генеральный директор и соучредитель Schema App. Приложение Schema — это комплексное решение Schema Markup, которое помогает корпоративным SEO-командам создавать, развертывать и управлять Schema Markup, чтобы выделиться в поиске. Она является активным членом сообщества поисковой оптимизации, и работа, которую она выполняет через приложение Schema, помогает брендам со всего мира улучшать их эффективность в органическом поиске.
