Makalecin - Güncel Blog Yazıları

Ölçekli Yerel İçerik Üretme – Beyaz Tahta

0 20

Ölçekli Yerel İçerik Üretme – Beyaz Tahta

Herhangi bir miktarda yerel sayfa oluşturmak acı verici bir iş olabilir. Konuyla ilgili içerik, uzmanlık ve konumun doğru karışımını bulmak zordur ve kısayol alma cazibesi her zaman iyi, benzersiz içeriğin ölçeklendirilmesinin neredeyse imkansız olduğu gerçeğiyle temize edilmiştir.

Whiteboard Friday’in bu haftaki sayısında Russ Jones, kalbinizin içeriğine yerel sayfalar oluşturmak için doğal dil üretimini kullanarak en sevdiği beyaz şapka tekniğini paylaşıyor.

Yeni bir sekmede yüksek çözünürlüklü bir sürüm açmak için yukarıdaki beyaz tahta resmini tıklayın!

Video Transkripsiyonu

Hey millet, burada Moz ile birlikte Russ Jones, önemli arama motoru optimizasyonu sorunları hakkında sizinle konuşmak için. Bugün, en sevdiğim tekniklerden biri hakkında konuşacağım, birkaç yıl önce belirli bir müşteri için icat ettiğim ve yıllar boyunca gittikçe daha önemli hale gelen bir şey. 

Aşırı yerel içerik oluşturmak için doğal dil oluşturma özelliğini kullanma

Buna hiper-yerel içerik oluşturmak için doğal dil üretme diyorum. Şimdi orada bir sürü uzun kelime olduğunu biliyorum. Bazılarınız onları tanıyor, bazılarınız değil. 

Size bir tür senaryo vereyim, ki bu muhtemelen bir noktada aşina olduğunuz bir durumdur. Yeni bir müşteriniz olduğunu ve bu müşterinin ABD’de 18.000 konuma sahip olduğunu düşünün.

Sonra Google tarafından size benzersiz içerikler oluşturmanız gerektiği söylenir. Şimdi, elbette, 18.000 olmak zorunda değil. 100 konum bile sadece benzersiz içerik oluşturmak için değil, o konumla bir tür ilgisi olan benzersiz değerli içerikler oluşturmak da zor olabilir. 

Bugün yapmak istediğim şey, bu tür sayfaları ölçeklendirmek için doğal dil üretimini kullanan belirli bir yöntemle konuşmaktır.

Doğal dil üretimi nedir?

Şimdi, başlangıçta plakalarımızdan çıkmamız gereken birkaç soru olabilir. İlk olarak, doğal dil üretimi nedir? Aslında, doğal dil üretimi aslında hava durumu uyarıları üretmek amacıyla oluşturuldu. Aslında bunu 100.000 kez görmüşsünüzdür.

Ne zaman bir fırtına veya yüksek rüzgar uyarısı falan diyelim, bir televizyonun dibinde gördünüz, benim gibi daha yaşlıysanız veya cep telefonunuzda bir tane aldınız ve Ulusal Hava Durumu Servisi’nin Tehlikeli bir tür hava durumu uyarısı hakkında bir tür uyarı yayınladı ve saklanmanız gerekiyor.

Orada gördüğünüz dil bir makine tarafından üretiliyor. Hava durumu ile ilgili olarak ulaştıkları tüm verileri dikkate alır ve ardından insanların otomatik olarak anladıkları cümleleri ortaya koyarlar. Bu bir tür Mad Libs gibi, ama komik ya da aptalca olmaktan çıkmanın aslında gerçekten yararlı bir bilgi olduğu anlamında çok daha teknik.

Buradaki hedefimiz bu. Çok faydalı bilgilere sahip bir işletme için yerel sayfalar üretmek amacıyla doğal dil üretmeyi kullanmak istiyoruz. 

Bu siyah şapka değil mi?

Şimdi neredeyse her zaman aldığımız veya en azından neredeyse her zaman aldığım soru şudur: Bu siyah şapka mı? Yapmamamız gereken şeylerden biri, içeriği otomatik olarak oluşturmaktır.

Bu nedenle, bu tür içerik oluşturmayı standart Mad Mads tarzından nasıl farklılaştırdığımızı, farklı şehir kelimelerini içerik üretimine eklediğimizi ve burada ne yaptığımızı tartışmak için biraz zaman ayıracağım. Burada yaptığımız şey müşterilerimize benzersiz değerli içerik sağlamaktır ve bu nedenle kaliteli içerik olma testini geçmektedir.

Bir örneğe bakalım

Öyleyse yapalım. Muhtemelen en kolay yöntem olduğuna inandığım şeyden bahsedelim ve buna Google Trendler yöntemi diyorum. 

1. Karşılaştırılacak öğeleri seçin

Şimdi bir saniye geri dönelim ve 18.000 konumu olan bu iş hakkında konuşalım. Şimdi bu iş hakkında ne biliyoruz? İşletmelerin hangi sektörde olduklarına bakılmaksızın ortak olan birkaç şeyleri var.

Ya ürünleri ya da hizmetleri gibi ve bu ürün ve hizmetlerin stilleri ya da lezzetleri ya da Topingler, sundukları farklı ürün ve hizmetler hakkında karşılaştırabileceğiniz her türlü şey olabilir. Burada Amerika Birleşik Devletleri’ndeki hemen hemen her bölgede benzersiz içerik üretme fırsatı yatıyor.

Bunu başarmak için kullanacağımız araç Google Arama Trendleri. Yapacağınız ilk adım, bu müşteriyi alacaksınız ve bu durumda, örneğin, bunun bir pizza zinciri olduğunu söyleyeceğim ve karşılaştırmak isteyebiliriz. Bu durumda, muhtemelen örneğin Topingler tercih ediyorum.

Bu yüzden pepperoni ve sosis ve hamsi ile ilgileniriz ve Tanrı ananası yasaklar, sadece bölgeden bölgeye, şehirden şehre ve talep açısından konumdan konuma farklılık gösterebilecek her türlü farklı Toping türü. O zaman yapacağız, doğrudan Google Arama Trendleri’ne gideceğiz.

Google Arama Trendleri’nin en iyi yanı, yalnızca ulusal düzeyde bilgi sağlamadığıdır. Şehir düzeyine, eyalet düzeyine, hatta bazı durumlarda Posta Kodu düzeyine daraltabilirsiniz ve bu nedenle bu belirli hizmet veya ürün kategorisi hakkında hiper-yerel bilgi toplamamıza izin verir.

Örneğin, bu aslında şu anda Seattle’daki sucuk ve mantar sosuna karşı talebin karşılaştırılması. Bu yüzden çoğu insan, insanlar pizza aramaya başladığında, pepperoni arıyor olabilir.

2. Verileri konuma göre toplayın

Böylece, tüm farklı yerleri alıp onlar hakkında bu tür bilgileri toplayacaksınız. Yani, örneğin, burada sucuk pizzaya göre biberliğe yaklaşık 2,5 kat daha fazla ilgi olduğunu biliyorsunuzdur. Bu, her şehirde ve her eyalette aynı olmayacak. Aslında, çok farklı Topingler seçerseniz, sadece insanların ne kadar sipariş verdiklerini veya istediklerini karşılaştırmakla kalmaz, aynı zamanda şeylerin zaman içinde nasıl değiştiğini de bulabilirsiniz.

Örneğin, belki pepperoni daha az popüler hale geldi. Belirli şehirlere bakacak olsaydınız, muhtemelen vejetaryen ve veganizm arttıkça durum böyledir. Doğal dil üretimi ile ilgili en güzel şey, bu tür benzersiz ilişkileri otomatik olarak çıkarabilmemiz ve daha sonra bunu, sitemizdeki sayfalara yerleştirdiğimiz içeriği bilgilendirmek için veri olarak kullanabilmemizdir.

Diyelim ki Seattle’ı aldık. Sistem bu farklı ilişki türlerini otomatik olarak tanımlayabilecektir. Diyelim ki pepperoni’nin en popüler olduğunu biliyoruz. Hamsilerin pizzalarda modası geçtiğini varsayalım. Neredeyse kimse artık onları istemiyor.

Böyle bir şey. Ama olan şu ki, yavaş yavaş ama kesinlikle pizza sipariş etmek isteyen insanlar için ilginç ve yararlı olan bu eğilimleri ve veri noktalarını buluyoruz. Örneğin, 50 kişilik bir parti verecekseniz ve ne istediklerini bilmiyorsanız, ya herkesin hemen hemen ne yaptığını yapabilirsiniz, yani üçte bir pepperoni, üçte bir ova ve üçte bir vejetaryen, bu da bir doğum günü partisi ya da bir şey atmak istiyorsanız standart.

Ancak Pizza Hut sayfasına veya Domino sayfasına indiğinizde ve yaşadığınız kişinin şehirde bu özel tepeyi gerçekten sevdiğini söylediyseniz, sipariş vereceğiniz konusunda gerçekten daha iyi bir karar verebilirsiniz. Bu yüzden aslında faydalı bilgiler sağlıyoruz. 

3. Metin oluşturma

İşte bu noktada, eğilimlerden metin üretmemiz ve tüm bölgelerden aldığımız verilerden bahsediyoruz.

Yerel eğilimleri bulun

Şimdi ilk adım, elbette, sadece yerel eğilimlere bakmak. Ancak bakabileceğimiz tek yer yerel eğilimler değil. Bunun ötesine geçebiliriz. Örneğin, diğer konumlarla karşılaştırabiliriz. Bu yüzden, Seattle’da insanların mantarı bir tepesi ya da bu tür bir şeyi gerçekten sevmesi ilginç olabilir.

Diğer konumlarla karşılaştırın

Ancak, örneğin Chicago tarzı pizza kurallarının New York’a karşı Chicago’da olduğu Chicago’da tercih edilen Topinglerin farklı olup olmadığını görmek de ilginç olacaktır. Bu ilginç olacak ve doğal dil üretimi tarafından otomatik olarak çıkarılabilecek bir şey olurdu. Son olarak, insanların bu çözümü uygulamaya çalışırken özledikleri başka bir şey, her şeyi aynı anda karşılaştırmaları gerektiğini düşünüyorlar.

Öğelerin alt kümesini seçin

Bunu yapmanýn yolu bu deđildi. Yapacağınız şey, her durumda en ilginç bilgileri seçmektir. Şimdi bunun nasıl başarılabileceği hakkında teknik bilgi alabiliriz. Örneğin, diyebiliriz ki, tamam, trendlere bakabiliriz. Eğer tüm trendler düz ise, muhtemelen bu bilgiyi seçmeyeceğiz. Ama görüyoruz ki, bu şehirde bir tepesi ve diğeri arasındaki ilişki diğer şehirlere göre son derece farklıdır, yani seçilen şey bu olabilir.

4. İnsan incelemesi

Şimdi burada beyaz şapka ve siyah şapka hakkında soru geliyor. Bu yüzden bu yerel sayfayı aldık ve şimdi insanların belirli bir kasaba veya şehirdeki bir pizzada ne istediğiyle ilgili tüm bu metinsel içeriği oluşturduk. Bu içeriğin gerçekten kaliteli olduğundan emin olmalıyız. Son adım burada devreye giriyor, ki bu sadece insan incelemesi.

Bence, otomatik olarak oluşturulan içerik, yararlı ve değerli olduğu ve bunun doğru olduğunu belirleyen bir insan editörünün elinden geçtiği sürece, insan editörü aynı şekilde bakmış gibi veri noktası ve aynı cümleleri yazdı.

Bu yüzden bence bu durumda, özellikle ülke genelinde bu kadar çeşitli yerel ayarlara veri sağlamaktan bahsederken, içerik üretmemize izin verecek ve aynı zamanda bize izin verebilecek şekilde teknolojiden faydalanmak mantıklıdır. kullanıcıya mümkün olan en iyi ve mümkün olan en alakalı içeriği sunma.

Umarım bunu alırsınız, doğal dil üretimine bakmak için biraz zaman harcarsınız ve nihayetinde hiç olmadığı kadar iyi yerel sayfalar oluşturabilirsiniz. Teşekkürler.

[Toplam: 1   Ortalama: 5/5]

Cevap bırakın

E-posta hesabınız yayımlanmayacak.