AI と SEO の組み合わせ: 祝福か呪いか?

検索エンジンは誕生以来、基本的な検索エージェントから人工知能 (AI) と機械学習 (ML) に基づく複雑なアルゴリズムへと進化してきました。これらの革新的なテクノロジーは、まったく反対の 2 つの角度から検索エンジン最適化 (SEO) 分野に影響を与えます。

一方、新しい AI ベースのランキングアルゴリズムはメタデータの非常に詳細なスキャンを実行できるため、Web サイトを宣伝して SERP の上位に押し上げることがより困難になります。一方、検索結果の全体的な品質が大幅に向上したため、さまざまなトリックやブラックハット操作を使用して検索結果を操作することははるかに困難になりました (ただし、以下に示すように、まだ可能です)。

全体として、AI は SEO へのアプローチを根本的に変えました。 AI が検索エンジンマーケティングでどのように使用されているか、また技術に精通したマーケティング担当者が AI を使用して目標をより効果的に達成し、主要業績評価指標を向上させる方法について詳しく説明します。

「AI技術」とは何ですか？

人工知能技術は、人間の行動や能力を模倣する能力によって分類されます。これらの特性を利用すると、すべての AI テクノロジー (既存のものも仮想のものも) は次の 3 つのタイプに分類できます。

1) 人工知能 (ANI) または弱い AI。

提供される機能の範囲は狭いです。これらのシステムは、特定のタスクを実行するようにのみトレーニングできます。たとえば、Google の Rankbrain、Apple の Siri、Amazon の Alexa などです。

2) 汎用人工知能 (AGI) または強力な人工知能。

それは、多才で、多くの問題を解決し、経験から学ぶという人間の能力を反映しています。

3) 人工超知能 (ASI) または仮想 AI。

それは人間の知能を超えたものであるはずです。

これまでのところ、ANI は人間によって実装に成功した唯一のタイプの AI です。

なぜ機械学習が必要なのでしょうか?

機械学習は、明示的にプログラムすることなく、経験から自動的に学習して改善する AI のアプリケーションです。 ML は増え続けるデータの分析の結果として生まれるため、基礎となるアルゴリズムは変わりませんが、特定の回答を選択するために使用されるコードの内部的な重みとバイアスは変わります。もちろん、そんなに単純なことではありません。

データサイエンティストは、ML を実装するために使用される手法をアルゴリズムと呼ぶことがよくあります。アルゴリズムとは、特定の問題を有限数のステップで解決する一連の操作（通常は計算）です。機械学習では、アルゴリズムは有限の一連の手順を使用してデータから学習することで問題を解決します。

ML アルゴリズムは学習しますが、ML アルゴリズムの構築方法に応じてデータから情報を抽出する方法が異なるため、「学習」という用語が正確に何を意味するのかを把握することは難しいことがよくあります。通常、学習プロセスでは、特定の入力に対して期待される応答を提供する大量のデータが必要です。各入力/出力ペアは例であり、他の例によりアルゴリズムの学習が容易になります。これは、各入力/出力ペアが、問題領域を定義する行、クラスター、またはその他の統計ビューに対応しているためです。

ML は、データ自体の数学的一般表現であるモデルを最適化するプロセスであり、これにより、これまで見たことのない入力を受け取った場合でも、適切な応答を予測または決定できるようになります。モデルによって提供される回答が正確であればあるほど、モデルは提供された入力からより適切に学習します。アルゴリズムはモデルをデータに適合させますが、この適合プロセスが学習です。

機械学習の原理

機械学習の中心的な考え方は、アルゴリズムが事前に知ることはできないが、何らかのデータ（常に入力と出力のペアの形式）を調べた後で推測できる数学関数を使用して現実を表現できるというものです。現実とその複雑さのすべてを未知の数学関数で表現することができ、機械学習アルゴリズムはこれらの未知の数学関数を見つけて、それを内部の数学関数の修正として使用することができます。つまり、すべての機械学習アルゴリズムは、変更可能な数学関数に基づいています。

期待される結果と入力データの種類に基づいて、学習スタイルに応じてアルゴリズムを分類できます。選択するスタイルは、保有するデータの種類と期待される結果によって異なります。

アルゴリズムを作成するには、次の 4 つの学習スタイルを使用します。

教師あり学習 - アルゴリズムは、ターゲットの予測出力と入力関数間の関係と依存関係をモデル化しようとします。これにより、以前のデータセットから学習した関係に基づいて、新しいデータの出力を予測できるようになります。

教師なし学習 - ラベルのないデータを使用してコンピューターをトレーニングします。データのパターンを学習することで、コンピューターは何か新しいことを教えてくれます。これらのアルゴリズムは、データ内で何を探せばよいかわからない場合に特に役立ちます。

半教師あり学習 - 多くの実際の状況では、熟練した専門家が必要となるため、ラベル付けのコストは非常に高くなります。したがって、ラベルがない場合、モデルを構築するには半ガイド付きアルゴリズムが最適です。これらの方法は、ラベルのないデータグループのメンバーシップが不明であっても、データがグループのパラメーターに関する重要な情報を持っているという考えを活用します。

強化学習 - このアプローチでは、環境とのやり取り中に収集された観察結果を使用して、報酬を最大化したりリスクを最小化するためのアクションを実行します。強化学習アルゴリズム (エージェントと呼ばれる) は、環境から継続的に学習します。このプロセスでは、エージェントは環境内での経験から学習し、すべての可能な状態を探索します。

私たちが処理しなければならない情報の量は日々飛躍的に増加しています。ストレスが私たちの感情状態に及ぼす影響についても同じことが言えます。したがって、人間が日常のタスクを自動化し、時間を節約し、生産性を向上させるためには、機械学習が必要になってきました。

検索エンジンのアルゴリズムでは人工知能がどのように使用されていますか?

さて、AI アルゴリズムがどのように機能し、なぜそれが一般的に必要なのかを理解したところで、SEO と、それが AI テクノロジーをどのように活用できるかについて説明しましょう。

機械学習の進歩により、AI ベースの SEO の成長が促進されました。この分野は 2003 年から研究されてきましたが、10 年後の最初の大きな成果は、2013 年に導入された Word2vec でした。これは、 「ニューラルネットワークモデルを使用して大規模なテキストコーパスから単語の関連性を学習する自然言語処理 (NLP) 技術」です。

2年後の2015年、GoogleはWord2vecデータベースを使用して、ハミングバードアルゴリズムの一部としてRankBrainを構築し、リリースしました。

RankBrain は AI を搭載した自己学習システムであり、 Google がキーワードカテゴリの検証を迅速化し、ユーザーの検索クエリに最も関連性の高いコンテンツを提供できるようにします。 RankBrain は、テキストの意味を理解する方法、単語間のつながりを見つける方法、なじみのない単語やフレーズを学習する方法、リクエストの国や言語に具体的に適応する方法を「知っています」。

これらすべてにより、オーガニック検索結果の関連性が高まります。

Google の代表者は、アルゴリズムはコンテンツの質とリンクとともに、現代の検索ランキングにおける 3 番目に重要な要素であると指摘しました。

さて、最高だったのは、2019 年にリリースされたGoogle BERT アルゴリズムでした。

BERT (Bidirectional Encoder Representations from Transformers) もニューラルネットワークベースの NLP 学習システムです。他のモデルとは異なり、BERT は自然な音声に対する深い洞察を得るように設計されています。

言い換えれば、コンテキストのあらゆる詳細が与えられると、 BERT はロボットが文中の単語の意味を理解できるようにするはずです。 Google は BERT を使用して、ユーザーのクエリをより深く理解し、本当に関連性の高い結果を提供します。

SEOにおけるAIの活用例

コンテンツ作成

AIはすでにコンテンツの作成に広く使用されています。一部のコンテンツおよび SEO の専門家は、この目的で OpenAI GPT-2 モデルを使用します。

GPT-2

GPT-2 は、15 億のパラメータを持つ大規模なトランスフォーマーベースの言語モデルであり、コンテキストに一致する次の単語を予測するという単純な目標を掲げて、800 万の Web ページのデータセットでトレーニングされています。

画像ソース: GitHub

コンバーターによって書かれたテキストは、人間が書いたテキストとほとんど区別がつかないと言われています。もう一度確認してみることにしました。

コンテンツマーケティング担当者としての私の目標の 1 つは、雇用主のブランド認知度と思想的リーダーシップを高め、トップメディアやマイナーメディアでのゲストおよびゴーストパブリケーションを通じて口コミを生み出すことです。この目標を念頭に置いて、私はゲスト投稿を提出するために英国に拠点を置く素晴らしいメディアを見つけました。

ただし、提出された記事はすべて実際の人間の編集者によって読まれます。コンテンツに価値が見出せなければ、公開されません。

私はこのコンバーターを使用して記事を作成し、承認のために編集者に提出しました。驚いたことに、編集者たちはロボットが文章を書いたことを理解せずにそれを受け入れました。

一般的に、GPT-2 モデルを安全に適用して、さまざまな言語で記事やレビューを作成できます。

GPT-2によって生成されたテキストの例

GPT-2モデルの使い方

動作する GPT-2 モデルがホストされている https://inferkit.com にアクセスします。必要なテキストのソースを見つけます。短い（2 ～ 3 文）テキストをコピーしてフォームに貼り付け、「テキストを完成」ボタンをクリックします。 GPT-2 は 3 ～ 5 段落のテキストを作成します。人工知能によって作成された結果が適切でない場合は、「テキストを完成」ボタンをもう一度クリックしてください。

生成されたテキストが期待どおりのものであれば、それをコピーします。次に、GPT-2 によって書き込まれた最後の段落をコンバーターフォームに貼り付けて、もう一度「テキストの完了」ボタンをクリックします。 GPT-2 はエッセイの執筆を続けます。

GPT-3

OpenAI は最近、第 3 世代のオープンソース言語予測モデル GPT-3 をリリースしました。これにより、コンピューターはサンプルとほぼ同じ長さと文法構造のランダムな文を生成できるようになります。

Github ユーザーの Manuel Araoz 氏は、GPT-3 の初期の実験で、bitcointalk.org フォーラムに予測された GPT-3 の提案を投稿すると、他のフォーラム参加者から、このシステムは賢い (および/または皮肉な) ものであるに違いないという提案など、肯定的な注目を集めることを発見し、彼らのメッセージに微妙なパターンを見つけました。彼は、GPT-3 の結果を他の掲示板、ブログ、ソーシャルネットワークに再投稿することで、同様の結果が得られると考えています。

彼は 5 月中毎日、GPT-3 モデルによって完全に生成された興味深い技術記事を bitcointalk.org に投稿しました。ユーザーが彼の投稿に反応すると、GPT-3 モデルは返信を作成し、次のコメントを予測することさえできます。

アラオズ氏によると、彼が本人としてフォーラムに投稿するたびに、彼はこんなに早く、正確に、そして他の人と同じことを言うことができるので「ボット」に違いないと言われることがよくあったという。

その実験により、彼は GPT-3 がこれまでに見た中の主要な技術的進歩の 1 つであると確信しました。

SEOでGPT-3を使用する方法

コンテンツマーケティングがビジネスパフォーマンスの 50% 以上を生み出している場合は、スキルを拡張して AI に精通したマーケティング担当者になる価値があるかもしれません。

GPT-3 モデルは次のタスクに使用できます。

短い形式のコンテンツを大規模に作成します (例: 製品カタログページのフッターコンテンツ、ツールチップなど)。
メタディスクリプション、古いコンテンツのALTタグ、その他の不足しているSEO要素を作成します。
常緑コンテンツを作成する - 業界に常に常緑のトピック（問題の定義、標準プロセスなど）がある場合、GPT-3 は短いアウトラインを生成し、詳細化と改良のための作業草案を提供できます。

日々のタスクを排除

AI は、事前に構築されたモデルを使用して機械に学習させることで、日常的なプロセスを最小限に抑えるために使用できます。私の経験では、AI によって完全にまたは部分的に自動化された以下の SEO タスクに遭遇しました。

セマンティッククラスタリング;
表現の選択;
質問の種類と関連するランディングページを識別して、リクエストの種類を分類します。
スクリーンショットに基づいてウェブサイトのページを分類します。
バックリンク獲得の自動化、
ドアウェイページ、低品質のメンバーシップページ、コンテンツがほとんどまたはまったくないページなどの薄いコンテンツを検出して修正します。
コンテンツ計画分析。

同様に、独自のアルゴリズムを使用することで、コンテンツマーケティング担当者はコンテンツプランをより効果的に作成および分析できます。

少し前に、私は以前の勤務先の技術チームに、自社のマーケティングチームが自社メディア、有料メディア、および獲得メディアに掲載する記事を「フィルタリング」できるようにする機械学習アルゴリズムを構築するよう依頼しました。これにより、どのトピックが Google のランキング要因に最も適しているか、どの記事が常緑になるか、どの項目が Google から注目のスニペットを受け取る可能性が最も高いかを正確に予測できます。これは「シンコンテンツアプローチ」と呼ばれます。

音声検索

現代の SEO 専門家のチェックリストに載っている新しいスキルは、音声クエリに合わせてコンテンツを最適化する方法を知ることです。 Alexa、Siri、Cortana などの AI 仮想アシスタントの人気により、音声検索はますます人気が高まっています。

実際、インターネットユーザーの 35% がすでに仮想アシスタントを使用して購入を行っており、Gartner は 2021 年までにすべての Web 閲覧セッションの 30% がオフスクリーンで行われるようになると予測しています。人々は音声検索を利用して、お気に入りのブランドにアクセスしたり、インターネット上で商品やビジネスを検索したりしています。

画像ソース: dialogtech.com

ブランドの競争力を維持したい場合、またはキャンペーンのパフォーマンスを改善する必要がある場合は、このトレンドに遅れずについていき、コンテンツを音声検索向けに最適化する必要があります。アルゴリズムを満たし、高いランキングを達成するには、検索エンジンが使用するのと同じツールと戦略を使用する必要があります。そのため、Moz や Yooast などのツールは、コンテンツを検索エンジンや音声検索クエリでよりアクセスしやすくするのに非常に役立ちます。

AIを適用できるタスクは数多くあります。それは、何をしようとしているのか、そして定期的にどのくらいのデータを処理する必要があるのかによって決まります。収益性の問題は常に存在します。

AI はまだ原理的には作成されていないため、決定木での勾配ブースティングなど、弱い目的や狭い目的の「シミュレーション」しか使用できません。

ニューラルネットワークの使用例は数多くあります。たとえば、次のようなものがあります。

ユーザーの行動に基づいた推奨システム。
検索エンジンで LSI ワードを決定するアルゴリズム。
チャットボットは言語解析などを行います。

ディープフェイク技術を使って SEO の結果を操作する

ディープフェイクは、既存の画像や動画の人物を別の人物に置き換えた合成メディアです。コンテンツの偽造は目新しいものではありませんが、ディープフェイクは強力な機械学習と人工知能の技術を使用して、欺く可能性が高い視覚的および音声的コンテンツを操作または作成します。

SEO に精通したプロパガンダ担当者が誤った情報を広め、検索結果を損なう方法は数多くあります。たとえば、次のようなものがあります。

偽りの表現 – AI ボットを使用して、競合他社の偽の住所や電話番号を意図的にインターネット上に流す。

Google ボミング(別名 Google ウォッシング) – 多数のリンクを通じて、無関係、関連性がない、またはトピック外の検索用語でウェブサイトを SERP で上位にランク付けする行為。

302 ハイジャック – AI ボットを使用して、あるサイトから別のサイトへの一時的なリダイレクトを構成し、リダイレクトされたページがターゲットページのキーワードでランキングされ始めるようにします。

例えば、3月の英国での神経ガス攻撃や4月のシリアでの化学兵器攻撃の後、ロシア政府のプロパガンダ機関であるRTとスプートニクの記事がGoogle検索のトップページに表示された。同様に、YouTube（Google 所有）には、検索結果で最初に表示されるコンテンツを決定する際の主要な指標として、ユーザーがコンテンツを視聴する時間を優先するアルゴリズムがあります。

このアルゴリズムの偏りにより、虚偽、極端、信頼性の低い情報が上位に表示されることになり、このコンテンツはより頻繁に閲覧され、ユーザーにより信頼できるものとして認識されることになります。

「SEO操作業界からの収益は数十億ドルに上ると推定されています。」—ブルッキングス大学

AI搭載SEOツール

AI が提供する新しい機会を活用したいと考えている SEO プロフェッショナルであれば、今こそ役立つツールに慣れ始めるときです。

Clearscope は AI ベースのコンテンツ最適化プラットフォームです。ツールは有料です。このツールは、どのキーワードでも、最もパフォーマンスの高いオーガニックコンポーネントを分析し、Watson AI を使用して、関連するすべての用語を重要度順に内訳で表示します。

AI テクノロジーを活用した別の SEO スタートアップは frase.io です。 Clearscope と同様に、その主な役割はコンテンツに関する情報を収集し、最適化することです。このサービスは有料ですが、無料のテストオプションもあります。

自分が何をしているのか、何を達成したいのかを明確に理解してください。
データセット
機械学習の基礎 (BigML ブログを読むことができます)。

ダッシュボードやグラフを表示する他のツールとは異なり、Diib はわかりやすい言葉で説明し、オーガニックトラフィックを増やし、その他の主要な SEO KPI を改善するために必要なすべての手順をわかりやすく説明します。

AIを使用してウェブサイトを最適化するためのヒント

1) GPT-2 および GPT-3 モデルを使用して、高品質の SEO コンテンツ (ソーシャルメディア向けの短縮形とメタ、および長期的かつ戦略的な意味での常緑コンテンツの両方) を作成します。

2) Google の Cloud Visionを使用して、画像の最適化、感情の検出、テキストの理解などを行います。

3)各ページのコンテンツの質、ストーリーテリングの論理、言葉が使用されている文脈に注意を払います。現在、文脈の準拠性を確認することは、この目的で国立の単語ライブラリを使用するツールがほとんどないため、最も困難で時間のかかる作業です。

最適なソリューションの 1 つは Sketchine です。 Wikipedia のテキストから派生したコーパスを使用します。ちなみに、Google BERT は Wikipedia のテキストでもトレーニングされました。

4)キーワード（テキスト検索クエリとその密度を含む）に合わせてページを最適化することから、コンテンツの本質を最適化することまで、具体的には次のようになります。

完全
豊富なフレーズ、
潜在的意味索引（LSI）
トピックのトピックキーワードを設定し、
検索結果での強調表示（注目のスニペットなど）など

要約する

SEO における AI の使用については、さまざまな意見があり、依然として議論の的となっています。

しかし、AI ベースのテクノロジーが検索最適化の分野に影響を与えることを否定するのは不合理でしょう。新しい検索エンジンのアルゴリズムとツールがリリースされ、専門家がキーワードの調査やコンテンツ作成のプロセスを自動化し、バックリンクプロファイルやユーザーエクスペリエンス全体を合理化および改善できるようになります。一方、ディープフェイクなどの AI テクノロジーは、不公平な競争行為を利用したり、ブランドに関する虚偽の情報を流したりすることで、SEO の品質を大幅に低下させ、検索結果を操作する可能性があります。

ホワイトハット SEO の専門家でもブラックハット SEO の専門家でも (ブラックハット SEO の専門家はテクノロジーを早期に採用し、新しいことを最初に試すことが多い)、まだ AI を活用していない場合は、競争力を維持し、情報に基づいた意思決定を行い、関連性が高く、有用で、高品質の検索結果でターゲットユーザーを満足させるために、すぐに行動を起こすことを検討してください。