Teknologi Yang Akan Merevolusi Cara Anda Berpikir Tentang Pencarian

Teknologi Yang Akan Merevolusi Cara Anda Berpikir Tentang Pencarian – AI, pembelajaran mesin, seluler, dan pencarian suara adalah beberapa teknologi yang akan merevolusi cara Anda berpikir tentang pencarian – dan mungkin jauh lebih cepat dari yang Anda harapkan.

Teknologi Yang Akan Merevolusi Cara Anda Berpikir Tentang Pencarian

prothsearch – Satu hal yang tetap konstan dalam industri pencarian: sering – dan seringkali dramatis – perubahan dalam teknologi. Sebagai profesional SEO, penting bagi kami untuk terus berkembang agar tetap efektif. Hari ini, kita berada pada titik di mana ini terjadi lebih cepat dan lebih dramatis daripada sebelumnya.

Sementara beberapa perubahan sebelumnya pada penelusuran memengaruhi taktik tertentu , yang akan kita hadapi di masa mendatang — perubahan yang telah kita hadapi dalam skala yang lebih kecil sekarang — akan cenderung memengaruhi penelusuran pada tingkat yang lebih strategis . Kemajuan teknologi ini akan sepenuhnya merevolusi pencarian.

Ada Panggilan Revolusi

Beberapa dari Anda mungkin relatif baru dalam pencarian dan belum melihat perubahan yang luar biasa dalam industri ini. Orang lain yang telah ada sedikit lebih lama mungkin ingat apa yang tampak seperti perubahan besar karena pembaruan algoritme seperti Penguin , Panda , dan bahkan lebih jauh ke belakang, Florida . Sekelompok veteran industri yang jauh lebih kecil kemungkinan mengingat seperti apa pengoptimalan mesin telusur pada hari-hari sebelum Google, ketika tautan bahkan bukan merupakan faktor peringkat.

Namun perubahan dramatis yang telah kita lihat selama dua dekade terakhir hanya akan menjadi setetes ember dibandingkan dengan perubahan yang akan kita hadapi di tahun-tahun mendatang.

Kemajuan teknologi akan sepenuhnya merevolusi industri, menciptakan peluang luar biasa bagi praktisi SEO yang proaktif dan cerdas, tetapi kemungkinan juga menciptakan kekacauan dan kerusakan jaminan pada skala yang belum dilihat industri. Jika kami berharap untuk tetap kompetitif di tahun-tahun mendatang, penting bagi kami untuk menyadari teknologi ini dan memahaminya sebaik mungkin. Itu akan membutuhkan kombinasi dari:

Menganalisis paten yang relevan atau dengan cermat mengikuti pekerjaan mereka yang melakukannya, seperti Bill Slawski dan Roger Montti .
Secara konsisten melakukan eksperimen skala besar untuk membuktikan atau menyangkal teori.

Bagian terakhir itu sangat penting karena sementara paten mungkin mengatakan bahwa sesuatu akan bekerja dengan cara tertentu, hasilnya di dunia nyata seringkali sangat berbeda. Meskipun demikian, ini adalah teknologi yang akan merevolusi cara kita berpikir tentang pencarian — dan mungkin jauh lebih cepat dari yang kita harapkan.

1. Kecerdasan Buatan & Pembelajaran Mesin

Pembicaraan tentang kecerdasan buatan dan pembelajaran mesin telah mencapai puncaknya dalam beberapa tahun terakhir karena teknologi di belakangnya telah maju dengan pesat. Namun, sejauh mereka datang, mereka masih memiliki jalan panjang.

Saya suka membandingkan perilaku AI dengan balita mabuk. Kadang-kadang hal itu benar, tetapi sama seringnya, hal itu salah, dan sering kali, itu melakukan sesuatu yang benar-benar memalukan, konyol, dan bahkan menakutkan. Kecerdasan buatan, yang didukung oleh pembelajaran mesin, memiliki potensi untuk menjadi kekuatan luar biasa dan positif dalam menggerakkan mesin pencari, tetapi masih banyak yang harus dilakukan.

Saat ini, dalam masa pertumbuhannya, ia masih merangkak di Garanimals PJs dengan dot di mulutnya. Dalam beberapa tahun, itu akan lebih seperti seorang remaja yang marah berteriak, “Kamu tidak mengerti aku!” sambil makan Tide Pods — tetapi juga akan jauh lebih dekat untuk memberikan hasil yang bermanfaat secara lebih konsisten.

Dan dengan hasil, maksud saya tidak hanya memuntahkan 10 pilihan, atau bahkan satu, sebagai tanggapan atas kueri yang dicolokkan ke bidang pencarian. Maksud saya, ini akan jauh melampaui konsep tradisional mesin pencari dengan mengantisipasi dan memprediksi kebutuhan kita jauh sebelum kita memikirkannya. Saya akan menyebutnya pencarian prediktif.

Berikut ini contohnya: Saya kadang-kadang dapat ditantang secara geografis, jadi ketika saya meninggalkan janji, saya biasanya membuka aplikasi peta saya dan mengklik alamat kantor saya untuk memandu saya kembali. Ini adalah contoh sempurna di mana AI dan pembelajaran mesin dapat bersinar.

Ketika janji temu saya selesai, daripada saya harus membuka aplikasi peta saya secara manual dan memasukkan alamat janji temu berikutnya, Google dapat mengevaluasi apakah saya pernah ke alamat janji temu berikutnya sebelumnya, dan mulai bertindak dengan:

  • Membuka aplikasi peta saya secara otomatis dengan alamat berikutnya di kalender saya yang siap digunakan jika itu adalah tempat baru,
  • Menawarkan prompt jika di suatu tempat saya sudah beberapa kali,
  • Atau tidak membuka sama sekali jika itu adalah tempat yang sering saya kunjungi.

Tapi teknologi ini bisa lebih dari itu, menawarkan bantuan dengan cara yang lebih kreatif, dan melalui saluran yang kebanyakan orang tidak pernah pertimbangkan. Tentu, kita semua akrab dengan melakukan pencarian melalui situs web, aplikasi, dan bahkan perangkat seperti Google Home , tetapi bagaimana ketika mesin pencari mulai menggunakan data dari berbagai sumber untuk memprediksi kebutuhan kita sebelum kita melakukan pencarian?

Masa Depan yang Menyenangkan (Atau Menakutkan)?

Bayangkan jika anak Anda pulang dari sekolah sakit — jika Anda orang tua, ini tidak memerlukan banyak imajinasi karena sebanyak kita mencintai mereka, kita harus mengakui bahwa anak-anak seperti pabrik kuman kecil yang menjijikkan, dan sekolah yang kita kirim mereka untuk sebagian besar hari mereka pada dasarnya adalah cawan Petri turbocharged yang diisi dengan patogen tingkat senjata.

Jadi, bisa ditebak, Anda menyerah pada wabah bermutasi apa pun yang mereka bawa pulang dari sesama pabrik kuman, dan Anda akhirnya sakit keesokan paginya.

Tak lama setelah mengirim email kepada bos Anda untuk memberi tahu dia bahwa Anda tidak akan hadir, klien dan rekan kerja yang dijadwalkan untuk berinteraksi dengan Anda pada hari itu juga menerima email — tetapi bukan dari Anda . AI mengidentifikasi dan menafsirkan pesan email Anda ke atasan Anda, dan secara otomatis memberi tahu semua orang di kalender Anda untuk hari itu bahwa Anda tidak akan masuk.

Kemudian, setelah koma singkat yang disebabkan oleh NyQuil, Anda keluar dari kamar tidur Anda, masih terbungkus piyama dan jubah, dengan rambut berantakan dan napas yang bisa menyumbat opossum, untuk menjawab ketukan di pintu Anda. Di sana, di tanah di depan Anda, duduk sebuah paket kecil dari Amazon yang Anda tidak ingat pernah memesannya. Merobeknya, Anda menemukan tiga botol teh kombucha, satu paket pelega tenggorokan, dan sebotol echinacea dan vitamin C.

Skenario ini mungkin terdengar menyeramkan, tetapi semuanya berada dalam ranah kemungkinan kecerdasan buatan, dan saya yakin kita tidak terlalu jauh dari itu untuk menjadi kenyataan. Perkiraan yang cukup konservatif dapat menyebutkannya secepat lima tahun. Namun, Jim Hedger dan saya membahas topik ini pada episode Webcology baru -baru ini , dan dia yakin itu bisa lebih dekat ke satu atau dua tahun.

Perangkat keras sudah ada di sini, dan berkat adopsi cepat perangkat asisten pribadi dalam beberapa tahun terakhir, seperti Google Home, Siri, dan Alexa, kenyamanan dengan gagasan perangkat yang selalu mendengarkan menjadi norma. Satu-satunya hal yang hilang adalah AI yang cukup pintar untuk melakukan jenis tugas ini dengan baik secara konsisten.

Itu maju dengan kecepatan yang mengejutkan berkat keberadaan perangkat keras yang sesuai, adopsi teknologi secara luas, dan penggunaan pembelajaran mesin, yang diajarkan melalui pencarian suara, untuk melatih atau mengajarkan algoritma kecerdasan buatan yang kompleks cara melakukan.

2. Pencarian Suara

Saya telah berkecimpung dalam industri ini cukup lama untuk mengingat kapan masuk akal untuk membuat halaman individual untuk setiap kemungkinan variasi kata kunci, termasuk kesalahan ejaan yang umum. Seperti yang Anda bayangkan (atau seperti yang Anda ingat), ini menciptakan banyak sampah online.

Untungnya, pemikiran tentang penelitian kata kunci telah berkembang secara dramatis selama dua dekade terakhir, pertama secara perlahan beralih dari pendekatan berbasis kata kunci yang kaku ke pendekatan berbasis topik yang lebih alami, kemudian memadukan pendekatan berbasis topik tersebut dengan bahasa alami. Dengan bahasa alami , maksud saya istilah pencarian yang memodelkan bagaimana Anda dapat berbicara dengan manusia lain.

Pencarian suara secara teknis telah ada sejak lama, tetapi tidak benar-benar lepas landas sampai sekitar tahun 2013 ketika smartphone seperti iPhone dan Android menjadi umum. Itu menempatkan kekuatan internet ke tangan rata-rata orang di mana pun mereka berada, tetapi tanpa kenyamanan keyboard dan mouse, membuat pencarian suara menjadi pilihan yang lebih mudah dan nyaman.

Meskipun tampaknya satu jenis kueri penelusuran sama dengan yang lainnya, penelusuran suara adalah makhluk yang sama sekali berbeda karena hasilnya sangat didorong oleh niat .

Misalnya, jika saya mencari restoran yang kami miliki di Tampa bernama Texas de Brazil dari desktop saya, mesin pencari tahu bahwa saya mungkin mencari informasi tentang restoran tersebut, jadi hasil organik pertama adalah situs web mereka. Sebaliknya, jika saya melakukan pencarian yang sama menggunakan pencarian suara melalui perangkat seluler, saya mungkin hanya ingin tahu bagaimana menuju ke sana.

Pada akhirnya, Anda perlu berpikir di luar kueri penelusuran dan memikirkan masalah apa yang kemungkinan besar coba dipecahkan oleh pengguna dengan kueri penelusuran tersebut. Asalkan itu dan kemungkinan Anda berkinerja baik dalam pencarian suara akan meningkat. Ketika pencarian suara terus berkembang, itu akan menjadi komponen yang semakin berharga dalam pembelajaran mesin yang memungkinkan mesin pencari untuk memperbaiki “otak” di balik AI mereka.

Kueri bahasa alami yang dikombinasikan dengan pemahaman yang berkembang tentang entitas terkait akan menciptakan AI yang mampu berpikir daripada sekadar mengambil data yang cocok dengan kueri berbasis kata kunci. Tidak seperti kueri berbasis kata kunci, kueri bahasa alami, di mana kita berbicara dengan mesin telusur melalui perangkat, memberi mesin telusur kesempatan untuk belajar dari pengguna dan merespons secara waktu nyata dengan menganalisis berbagai faktor , yang dapat mencakup:

  • Apakah pengguna tampaknya telah menemukan apa yang mereka butuhkan dari hasil yang diberikan, atau apakah mereka dengan cepat kembali untuk membuat kueri lain?
  • Jika pengguna tidak menemukan apa yang mereka butuhkan dari hasil yang diberikan, apakah mereka kemudian meminta hasil berikutnya, mengubah kueri awal mereka, atau mereka mengulangi kueri seluruhnya?
  • Apakah pengguna beralih dari pencarian suara ke pencarian tradisional? Apakah mereka tampaknya menemukan apa yang mereka butuhkan pada saat itu?
  • Apakah suara pengguna santai dan pada volume percakapan normal, atau gelisah dan meninggi?
  • Apakah itu berubah di beberapa titik selama proses ini?

Pembelajaran mesin dapat menentukan hasil mana yang paling memuaskan pengguna dalam situasi apa dan kemudian meneruskan data itu kembali ke repositori terpusat yang dapat dibandingkan dengan data dari perangkat lain; data yang menunjukkan peningkatan statistik dalam memberikan apa yang diinginkan pengguna dapat diimplementasikan ke dalam algoritma inti secara real time, menghasilkan algoritma yang mengajarkan dirinya sendiri pada skala eksponensial.

Tetapi kemampuan pencarian suara untuk mengajarkan kecerdasan buatan bagaimana memahami bahasa kita jauh lebih dari sekadar mengembalikan hasil yang relevan. Teknologi ini juga dapat digunakan untuk “merangkak” apa yang saya bayangkan adalah triliunan terabyte data yang tersedia dari podcast dan video, yang saat ini sama sekali tidak terlihat oleh mesin pencari.

Ini akan menjadi pengubah permainan karena alih-alih mengandalkan judul, deskripsi, dan tag, konten audio yang sebenarnya dalam file MP3 dan video dapat dianalisis, membuka banyak konten baru untuk pencari. Untuk membawa ini ke langkah logis berikutnya, itu juga bisa mengevaluasi frame individu dalam file video dalam konteks konten audio video itu, dan mulai bekerja untuk memahami video juga.

Ini akan memungkinkan mesin pencari mana pun yang pertama kali mengembangkan teknologi ini untuk menyediakan banyak informasi yang tidak dapat diperoleh pesaing mereka, dan akan memberikan pengaruh tambahan dalam mencari pemasar proaktif yang telah menginvestasikan waktu untuk membangun perpustakaan episode podcast yang bermanfaat.

3. Pencarian Seluler

Sebagai teknologi dasar yang memungkinkan pencarian suara menjadi berguna, pencarian seluler telah merevolusi pencarian, tetapi akan terus melakukannya, mungkin dalam skala yang lebih besar dari sebelumnya.

Peran paling jelas yang dimainkannya adalah memungkinkan pengguna menavigasi web secara lebih efektif dalam lingkungan yang efisien. Tidak perlu lagi mencubit dan memperbesar — ​​sebagai gantinya, ini memberi kami situs web responsif yang dapat menyesuaikan secara dinamis untuk penggunaan optimal di perangkat mana pun yang melihatnya.

Namun penelusuran seluler melampaui ponsel cerdas dan tablet. Pikirkan perangkat kecil yang dapat dikenakan, seperti jam tangan pintar, hingga kendaraan yang mendukung internet. Pada dasarnya, perangkat apa pun yang memungkinkan pengguna untuk melakukan pencarian saat bepergian.

Kami sudah berada pada titik di mana lebih dari setengah dari semua pencarian dilakukan pada perangkat seluler, dan persentase itu akan terus meningkat seiring kami mengadopsi jenis perangkat baru dalam jumlah yang lebih besar. Saat itu terjadi, penelusuran seluler menjadi semakin penting.

Jadi, apa yang penting dalam penelusuran seluler saat ini?

Maksud pencarian memainkan peran besar, baik karena ada keterbatasan layar real estat untuk menampilkan hasil, dan karena ketika pengguna melakukan pencarian di perangkat seluler, biasanya ada kebutuhan yang sangat spesifik dan mendesak. Tidak seperti di desktop, di mana pengguna mungkin hanya mengumpulkan informasi, pengguna yang melakukan pencarian di perangkat seluler kemungkinan mencari, atau dalam perjalanan ke, lokasi tertentu.

Misalnya, jika saya mencari restoran Thailand dari perangkat seluler, itu adalah asumsi yang aman bahwa saya mencari satu di dekat lokasi saya saat ini, dan jika saya mencari restoran Thailand tertentu dari perangkat seluler, kemungkinan besar saya ingin ulasan dan arah. Kecepatan juga merupakan faktor penting untuk penelusuran secara umum, namun sangat penting dalam penelusuran seluler karena perangkat seluler tidak memiliki bandwidth dan daya pemrosesan komputer desktop.

Terus terang, ini adalah area yang kebanyakan orang gagal total karena banyak perancang web dan pengembang tidak memiliki keahlian untuk mengoptimalkan kecepatan situs web dengan benar. Ini berarti mengoptimalkan file media, mengurangi panggilan HTTP, dan memanfaatkan caching dan Jaringan Pengiriman Konten (CDN).

Tapi itu hampir tidak menggores permukaan. Benar-benar mengoptimalkan situs web untuk seluler adalah bagian seni dan sains yang setara, dan seringkali membutuhkan cukup banyak percobaan dan kesalahan untuk melakukannya dengan benar. Jika Anda ingin menyelami masa depan pencarian seluler, Cindy Krum baru-baru ini menerbitkan seri empat bagian yang komprehensif berjudul “Pengindeksan Seluler Pertama atau Google Baru?”

Namun penelusuran seluler akan segera melampaui pemikiran tradisional, dan bahkan melampaui pemikiran mutakhir saat ini. Meskipun hari ini kita mungkin memikirkan situs web ketika kita membahas pencarian seluler, dalam waktu dekat, mereka bahkan mungkin tidak menjadi faktor.

Pikirkan ini terdengar menggelikan?

Ingat, itu hanya beberapa tahun yang lalu ketika kebanyakan orang berpikir katering untuk ponsel itu gila. Sekarang akun seluler untuk lebih dari setengah dari semua lalu lintas web.

Leave a Reply

Your email address will not be published. Required fields are marked *