【小福利】关注微信公众号，在微信公众号回复“干货”二字，可获得CCMO为您精心准备的多套互联网营销干货和行业报告。

CCMO资讯团队   译者：马仙花   审校：yaya

当考虑到机器学习的增长与SEO有关时，根据你的SEO类型，我们可能会面临一个可怕的情况。

基于逻辑和历史观点来说，SEO依靠信号协议和他们的波动可能比依靠创意更有效。 

我曾经想过，如何“构建伟大的内容，他们将到来”的方法，甚至可以想到那种执行这种方法的SEO，现在可能不那么担心了。他们应该是。。。某种程度上。仍没有：

在我们深入探讨这个变化之前先回答这个问题：

机器学习与SEO有什么关系？

我们不会在这里学习关于机器学习的只是，也不会讨论他对我们的影响，以及未来的SEO战略是什么样子的。

从很远的角度来看，我们真正需要知道的是，他增加了Google的功能具有令人难以置信的数据积累，解释和反应速度。我们将在文章的最后回顾一下，但如果你真的想知道机器学习是什么，有一个斯坦福大学的免费教程，我是在Cursera注册的。 

机器学习如何影响链接和链接建设？

机器学习的一个最简单的例子之一是在连接中增加Google的功能。

看一个小例子，机器学习在链接评估的关键方面发挥作用：过滤垃圾邮件。

以前，Google的工程师创建低质量的网站列表，手动阻止他们的链接流，根据他们之前看到的坏链接的特征，或将链接算法重的贬值功能设置好，并希望它不包含太多的误报。

随着机器学习，世界开放。

是的，仍然有一个主要的起点- 一个坏域名和一个假设的坏信号列表。但是使用机器学习可以增加真正的功能在哪里。 

机器可以通过观察模式来自学，而不是简单地依靠一套硬性的标准。观察有可疑信号的网站(在其linking-out 或 linking-in 中) ，对该机器进行配置。然后，一旦确定坏了，它开始逆向工程模式，以便在将来更快的检测。 

• 什么类型的网站做垃圾链接？

• 垃圾网站的链接有什么类型？

• 是否存在链接增长模式？

• 销售付费链接的页面是否也倾向于链接到其他特定的网站（他们这样做），如果是，哪些网站？

系统可以讲这些数据添加到他所应用的度量标准中。

这涉及到机器如何模拟人类做什么的的冰山一角并放大它。 

想知道Google宣布他们如何降权有垃圾链接的网站，而不是手动惩罚？这是因为机器已惊人的速度学习和应用降权，更少的误报。

此外，机器还理解页面内容的质量和相关性，以及单独和质量是对等的补充。一台机器可能问，“该链接对你的网站是否有很高的权重？”然后进一步说，“该链接是否是购买的或存在其他问题？”在该页或网站中找到并分析上下文中的其他链接数据。

这是非常有限的例子，将机器学习应用到链接。 

我们永远无法覆盖他们，但我们要记住，垃圾链接将会被高度检测到，而高质量的链接将会得到更高的权重。

这意味着更多地关注质量、关联性和合法性，除非你认为你可以愚弄Google，不让机器检索到。

机器学习如何影响SEO内容？

尽管我们使用上面的链接示例，一些其他领域的SEO将受到更多机器学习的影响，而不是内容。

为了说明这一点，我们只需要看看谷歌的翻译工作。10年，他们使用基于短语的机器翻译 - 主要匹配已知的短语和结果来进行翻译。我们得到需要翻译的结果，但是很粗糙。

在2016年9月，他们转向机器学习系统（Google神经机器翻译系统），在推出后的24小时内，该系统的翻译能力比十年前提高了很多。

基本上，机器学习在24小时内能比人工编辑更有效地理解语言，即使在机器的辅助下，也能比人类快3650倍来完成。

对SEO来说，这意味着数字营销的圣杯即将到来 - 我们唯一的工作就是把最好的内容拿出来。而且如果真的是最好的，Google能理解这一点。

这并不是说机器没有瑕疵，没有SEO作用。事实上，我认为会发挥更大的作用，但不是在关键字的使用上，而是确保满足用户的需求。

Wil Reynolds给出了我认为最好的总结之一，他建议我们扪心自问：

“如果Google改进，只显示最佳答案，将会发生什么？”这是我们需要问的问题。更有趣的是，“最好”是主观的。

我个人讨厌视频说明如何完成任务 - 只需要给我必要的清单和图片。

但是不是每个人都这样。有些人喜欢视频和有些人喜欢PDF下载，他们可以打印出来。

重要的是，他将依赖任务。例如，当我换油的时候，我不希望我的平板电脑在车里，所以打印可能更好。

因此，对于Google给出的结果，我认为“最好”取决于一系列与我个人喜好有关的因素，我要完成的具体任务，我在何时何地，我在哪里，我在哪种类型的设备等。

这不能人工编程。 

在机器学习之前，人们对个性化结果做一些不错的尝试是有限的。 

人工不能为你量身定做体验。人工不能根据你正在访问的设备或你在的地方了解你具体喜欢什么。

机器能。

机器可以跟踪所有这些，并不断学习，不仅仅是你喜欢什么结果，什么类型的结果满足你的需求，并最终为你从当前的索引中获得最好的结果。 

简而言之，我们现在很少考虑全球规则，更多的考虑实现目标受众的需求。也许，我们应该提供不同格式的数据，这样无论什么设备，我们都能提供答案。

想想你已经制作了一个很棒的视频来解决你目标人群的常见问题。现在想象一下，你的目标用户在Google主页或其他语音设备上问他们的问题。你可能不需要提供各种格式的内容，因为你的受众可能不需要它，但是你需要知道。

机器学习如何影响SEO技术？

当涉及到SEO技术，你需要关注：Cindy Krum.注意他说的话，因为他说的很正确。

在一次关于移动优先索引的交流中，她创造了一个术语，我个人认为这一术语可以很好地总结未来的SEO技术。她提到“mobile-first”作为一个不正确的术语命名，正确的是“portable-first”。

她提出的观点是，内容应该与你的设计和技术结构很容易分离（例如：便携），以便它可以随时随地访问。

她是完全正确的。

当我们进入这个崭新的机器学习世界的时候，我们的目标是给用户提供能够满足他们需求的信息，我们的工作是确保内容能够容易的被理解或提取构建阅读 - 或通过标记，XML 或以清晰易懂的方式构建页面内容。

你可以细阅Krum的最新幻灯片，关于移动优先索引的真相，以更好地理解我在说什么。

那么你现在做什么呢？

你应该如何处理这些信息？

我们谈论的是机器学习和Google不断增长的功能，以了解我们周围的世界，以及我们自己的个人需求。这就是它的力量，这就是我们接下来要做的事情。

虽然我想告诉每个人，放弃他们的SEO工作，要基于那些看起来有效的可靠的度量标准，但是这些度量标准也在快速的演变和淡化。我不认为他们能存活2到3年以上。

作为SEO，你的任务是：

使你的内容在任何设备都能打开，无论你的目标受众是什么设备，都能访问。

如果你的不同受众有不同的需求，你必须确保你的内容适用所有用户并都有吸引力，并且不同的内容可能有不同的格式。 

在机器学习驱动的世界中，SEO需要更多查看关键词，而不是一个生硬的工具，包含在页面和描文本中。

机器将帮助我们了解访问者想要什么，以便我们能够提供给他需要的。

为什么？

因为机器要寻找 - 一个满意的用户。他们需要知道你或者你的竞争对手，是否正在尽最大的努力去满足用户的需求。

【译者简介】

马仙花，一直从事重工机械行业互联网营销工作，擅长谷歌SEO，内容营销，是内容营销和SEO的亲身实践者，数据分析爱好者。

【审校简介】

yaya，211大学管理学小硕，企业HR，互联网爱好者，刻苦钻研的小厨娘。身在传统行业，心系互联网圈儿。爱好旅游，美食，阅读，坚信不懂互联网的HR不是一个好厨娘。

【关于互联网营销官CMO】

互联网营销官CMO是一个公益性组织，致力于打造国内领先的互联网营销领域人才交流讨论的平台，定位于助力互联网营销领域的人才互帮互助，共同成长为首席互联网营销官（Chief Marketing Officer）。为未来的互联网营销官CMO们提供互联网营销行业最新最前沿的营销干货和行业资讯、涵盖互联网营销领域的SEO、SEM、PPC、网盟营销、EDM营销、红人营销、大数据营销、场景营销、O2O营销、事件营销、病毒营销、口碑营销等众多互联网营销方法和手段。

互联网营销官CMO目前正在发展壮大，欢迎对互联网感兴趣的小伙伴们加入这个温暖有爱的大家庭，欲了解报名请戳：互联网营销官CMO招聘志愿者