Функция «Совместные статьи» LinkedIn достигла отметки в 10 миллионов страниц экспертного контента за год. В проекте «Совместные статьи» наблюдается значительный рост еженедельной читательской аудитории, увеличившейся более чем на 270% с сентября 2023 года. То, как они достигли этих этапов и планируют достичь еще больших результатов, дает ценные уроки для создания стратегии SEO, которая использует ИИ вместе с человеческим опытом. .
Содержание
Почему совместные статьи работают
Интуиция, лежащая в основе проекта «Совместные статьи», заключается в том, что люди обращаются к Интернету, чтобы понять предметные темы, но то, что находится в Интернете, не всегда является лучшей информацией от реальных экспертов в данной области.
Человек обычно ищет в Google и, возможно, попадает на такой сайт, как Reddit, и читает то, что опубликовано, но нет никакой гарантии, что информация принадлежит эксперту в данной области или просто человеку с самым большим авторитетом в социальных сетях. Откуда тот, кто не является экспертом в данной области, узнает, что сообщение незнакомца заслуживает доверия и является экспертным?
Решение проблемы заключалось в том, чтобы привлечь экспертов LinkedIn к созданию статей по темам, в которых они являются экспертами. Страницы ранжируются в Google, и это превращается в преимущество для эксперта в предметной области, что, в свою очередь, мотивирует эксперта в предметной области писать больше контента.
Как LinkedIn создал 10 миллионов страниц экспертного контента
LinkedIn находит экспертов в данной области и связывается с ними, чтобы написать эссе на эту тему. Темы эссе генерируются с помощью искусственного интеллекта, разработанного редакционной командой LinkedIn. Эти темы разговоров затем сопоставляются с профильными экспертами, указанными в LinkedIn Skills Graph.
График навыков LinkedIn отображает участников LinkedIn в предметной области знаний с помощью структуры под названием «Структурированные навыки», которая использует модели машинного обучения и обработку естественного языка для выявления связанных навыков, выходящих за рамки того, что идентифицируют сами участники.
При сопоставлении используются навыки, найденные в профилях участников, описаниях должностей и других текстовых данных на платформе, в качестве отправной точки, с которой они используют искусственный интеллект, машинное обучение и обработку естественного языка для расширения дополнительных знаний в предметной области, которыми могут обладать участники.
Документация по графику навыков объясняет:
«Если участник знает об искусственных нейронных сетях, он знает что-то о глубоком обучении, а это значит, что он знает что-то о машинном обучении.
…наше машинное обучение и искусственный интеллект анализируют огромные объемы данных и предлагают новые навыки и связи между ними.
…В сочетании с обработкой естественного языка мы извлекаем навыки из множества различных типов текста – с высокой степенью уверенности – чтобы обеспечить широкий охват и высокую точность при сопоставлении навыков нашим членам…»
Опыт, профессионализм, авторитетность и надежность
Базовая стратегия проекта LinkedIn «Совместные статьи» гениальна, поскольку в результате она создает миллионы страниц высококачественного контента от профильных экспертов по миллионам тем. Возможно, именно поэтому страницы LinkedIn становятся все более заметными в поиске Google.
LinkedIn сейчас совершенствует свой проект «Совместные статьи» с помощью функций, которые призваны еще больше улучшить качество страниц.
- Изменилось то, как задаются вопросы:
LinkedIn теперь представляет экспертам в данной области сценарии, на которые они могут ответить эссе, затрагивающими реальные темы и вопросы. - Новая бесполезная кнопка:
Теперь есть кнопка, которую читатели могут использовать, чтобы оставить отзыв в LinkedIn о том, что конкретное эссе бесполезно. С точки зрения SEO очень интересно, что LinkedIn представляет кнопку «палец вниз» через парадигму полезности. - Улучшенные алгоритмы сопоставления тем
LinkedIn улучшил способ сопоставления пользователей с темами с помощью так называемого «Встроенного поиска для улучшенного сопоставления», который был создан для учета отзывов участников о качестве темы для сопоставления участников.
LinkedIn объясняет:
«Основываясь на отзывах наших участников через наши механизмы оценки, мы сосредоточили наши усилия на наших возможностях сопоставления статей и экспертов-членов. Одним из новых методов, которые мы используем, является поиск на основе встраивания (EBR). Этот метод генерирует вложения как для участников, так и для статей в одном и том же семантическом пространстве и использует приблизительный поиск ближайшего соседа в этом пространстве для создания наилучших совпадений статей для участников».
Основные выводы по SEO
Проект LinkedIn «Совместные статьи» — один из лучших стратегических проектов по созданию контента, появившихся за долгое время. Что делает его не просто гениальным, но и революционным, так это то, что он использует технологии искусственного интеллекта и машинного обучения вместе с человеческим опытом для создания экспертного и полезного контента, который нравится читателям и которому можно доверять.
LinkedIn теперь использует сигналы взаимодействия с пользователем для повышения качества экспертов в данной области, которых приглашают для создания статей, а также для выявления статей, не отвечающих потребностям пользователей.
Преимущество создания статей заключается в том, что высококачественные эксперты в предметной области получают повышение каждый раз, когда их статья оценивается в Google, что дает любому, кто продвигает услугу, продукт или ищет клиентов или следующую работу, возможность продемонстрировать свои навыки и опыт. и авторитетность.
Прочтите объявление LinkedIn о годовщине проекта:
Рекомендованное изображение: Shutterstock/I AM NIKOM
