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 широко обсуждались в основных докладах на Пабкон Остин 2023. Наш генеральный директор, Марта ван Беркель был там, чтобы услышать это, и покинул pubcon, заглянув в будущее разметки схемы и поиска на основе ИИ.

Связь между разметкой схемы и ИИ

Марта представила Top Ways to Use Schema Markup на Pubcon Austin 2023 на прошлой неделе. Во время презентации она обсудила, как разметка схемы связана с искусственным интеллектом (ИИ) и важность связанной разметки схемы в эпоху поиска на основе ИИ.

Подключенная схема разметки помогает построить вашу сеть знаний

Когда вы внедряете разметку связанной схемы на своем веб-сайте, вы, по сути, создаете граф знаний.

«График знаний определяется как набор отношений между вещами, определенный 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. Если вы внимательно посмотрите на Schema.org, вы даже увидите, как он был построен с учетом графов знаний.

Если вы посмотрите на словарные определения Schema.org, вы часто увидите множество свойств, которые ожидают, что значение свойства будет каким-то другим типом, а не текстовым или URL-значением.

Использовать Врач Например, ожидаемый тип для свойства HospitalAffiliation — это другой тип schema.org под названием Hospital. Встраивая тип больницы в свойство HospitalAffiliation, вы определяете связь между врачом и больницей, с которой он связан.

В этом примере показано, как словарь Schema.org определяет отношения между вещами на вашем сайте. Когда вы соединяете и определяете эти отношения с помощью разметки схемы, вы строите свой граф знаний.

В Schema App мы понимаем важность создания связанной разметки схемы и создания многоразового графа знаний. Наше корпоративное решение использует семантическую технологию, которая создает и сохраняет вашу разметку схемы и веб-контент в графе знаний.

Но какое отношение графы знаний имеют к ИИ и машинному обучению? Почему для организаций важно разрабатывать свои сети знаний с использованием разметки схемы?

Мы спросили ЧатGPT почему графики знаний имеют значение, 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:

1. 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 изолированы. Графы знаний также обеспечивают взаимодействие между различными системами, Это упрощает совместное использование и повторное использование данных в разных приложениях..
2. Семантический поиск и анализ: Графы знаний используют семантические отношения для представления информации, Это упрощает выполнение задач расширенного поиска и анализа.. Например, графы знаний можно использовать для выполнения сложных запросов, учитывающих отношения между различными сущностями, т.е. Например, «найти всех, кто работал в компаниях той же отрасли, что и Microsoft». Это может Помогите организациям выявить закономерности и идеи, которые было бы трудно обнаружить с помощью традиционных методов поиска и анализа..
3. Машинное обучение и ИИ: Графы знаний — это фундаментальная технология для машинного обучения и искусственного интеллекта. Графики знаний создаются посредством структурированного и стандартизированного представления информации. 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, OpenAi)

Поисковые системы используют вашу разметку схемы и граф знаний в качестве источников данных для обучения своих систем и получения новых знаний. Разработав схему знаний вашей организации, вы можете сделать веб-данные вашей организации «поддерживающими ИИ».

Ранее в этом году Райан Леверинг, сторонник структурированных данных Google, сказал следующее о том, что Google хочет от разметки схемы.

Кроме того, более богатая/правильная семантика со временем будет благоприятствовать более связанным графам.
– Райан Леверинг, Google (Источник: мастодонт)

Хотя Google еще не выпустила официальную документацию по разметке Connected Schema, комментарий Леверинг указывает на ее растущую важность в мире поиска.

Наше мнение о разметке Connected Schema также подтвердил Фабрис КанельГлавный программный менеджер Bing во время своей основной презентации на Pubcon Austin 2023.

SEO-рекомендации для Bing AI Search

Во время своей основной презентации Канель дал ценные советы и идеи о том, как оптимизировать Новая поисковая система Bing с искусственным интеллектом. Хотя поиск ИИ все еще находится в зачаточном состоянии, Канел поделился, что один из способов, которым SEO-специалисты могут подготовиться к этому новому поиску с поддержкой ИИ, — это Пишите отличный контент и добавляйте примечания с помощью разметки Schema.

На более позднем слайде он углубился в то, что они подразумевают под отличным содержанием и разметкой схемы. Они особо упомянули использование «семантической разметки» для передачи информации о страницах.

Семантическая разметка, также известная как разметка связанной схемы, — это то, где вы определяете отношения между содержимым ваших страниц и другими определениями в Интернете, используя свойства, определенные в Schema.org.

Это показывает, что разметка связанной схемы важна для поисковых систем с искусственным интеллектом, и SEO-специалисты должны инвестировать в нее. Вот почему наша команда в Schema App постоянно подчеркивает это при создании стратегии разметки Schema для наших клиентов.

Как ИИ изменит поиск

Во время своего основного доклада Канел также рассказал о различных типах поисковых запросов и о том, как меняются результаты поисковых систем, чтобы наилучшим образом соответствовать запросу пользователя.

Наш вывод из этого заключается в том, что новый интерфейс чат-бота Bing подходит для некоторых запросов, в то время как на другие запросы лучше отвечать с помощью таблицы или версии сегодняшних результатов поиска.

На такие запросы, как «назовите мне все отели в Доминиканской Республике, в которых есть водные горки», пользователи могут удовлетвориться сводным ответом чат-бота и даже принять погрешность.

С другой стороны, для таких вопросов, как «сколько времени занимает восстановление 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 возможности 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 открыл Pubcon со своей основной презентацией о том, как ИИ восходит к бронзовому веку, как эти концепции уже глубоко укоренились в нашей деятельности и как они будут продолжать развиваться.

Нам очень понравилось наблюдать, как современные отрасли используют машинное обучение и искусственный интеллект с помощью уже существующих инструментов и автоматизации процессов.

Тем не менее, Ильес не прокомментировал Барда или выпустит ли Google чат-бота в ответ на новый Bing, так что 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 Обнаружение связанных объектов функцию и наш инструмент анализа производительности схемы.

Из-за нашей страсти к семантической технологии, когда вы создаете свою разметку схемы с помощью приложения Schema, ваши данные сохраняются в графе знаний. Затем мы добавляем дополнительные возможности искусственного интеллекта, чтобы вы могли придать своему контенту больше смысла.

Например, функция Linked Entity Recognition приложения Schema позволяет нашей технологии создавать разметку связанной схемы с использованием обработки естественного языка, чтобы связать ваш контент с известными объектами в сети знаний Google и Викиданных. Это обеспечивает контекст для контента и связывает контент с помощью ссылки SameAs или более гибко с упоминаниями, информацией, категориями и т. д.

Предстоящий выпуск также будет включать концептуальную модель медицинского BERT, которую медицинские компании могут использовать для продвижения всех своих специальностей. Мы также работаем над функцией аналитики производительности схемы для получения информации об искусственном интеллекте на основе данных о производительности и скоро выпустим ее в виде бета-версии.

Начните готовиться к поиску на базе ИИ

ИИ и машинное обучение никуда не денутся и будут продолжать развиваться в сфере поиска. К счастью, эволюция в поиске 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, чтобы создать связанный граф знаний. Это поможет вам заложить основу для того, чтобы быть релевантным поисковым системам 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 разметки подключенной схемы, свяжитесь с нами сегодня, чтобы узнать, как мы можем помочь вам подготовиться к этому новому поиску.