تولید محتوای محلی در مقیاس

تولید محتوای محلی در مقیاس 

ساخت صفحات محلی به هر مقدار می تواند یک کار دردناک باشد. به سختی می توان ترکیبی از مطالب موضوعی ، تخصص و موقعیت مکانی را مورد توجه قرار داد ، و وسوسه گرفتن میانبرها همیشه با این واقعیت وسوسه شده است که محتوای خوب و منحصر به فرد مقیاس تقریبا غیرممکن است. راس جونز در نسخه این هفته از Whiteboard Friday ، تکنیک مورد علاقه خود را با استفاده از تولید زبان طبیعی برای ایجاد صفحات محلی به محتوای قلب شما به اشتراک گذاشته است.

برای باز کردن نسخه با وضوح بالا در یک برگه جدید ، روی تصویر تخته سفید کلیک کنید! رونویسی فیلم سلام ، مردمی ، این راس جونز است که مجدداً در اینجا موز قرار دارد تا در مورد موضوعات مهم بهینه سازی موتور جستجو با شما صحبت کند. امروز قصد دارم در مورد یکی از تکنیک های مورد علاقه خود صحبت کنم ، چیزی که چندین سال پیش برای یک مشتری خاص اختر

استفاده از تولید زبان طبیعی برای ایجاد محتوای بیش از حد محلی من این کار را با استفاده از تولید زبان طبیعی برای ایجاد محتوای بیش از حد محلی صدا می کنم. حالا می دانم که یک دسته از کلمات طولانی در آنجا وجود دارد. برخی از شما با آنها آشنا هستید ، برخی دیگر نیستند. بنابراین اجازه دهید سناریو را به شما ارائه دهم ، که احتمالاً موردی است که شما در آن مقطع یا دیگری با آن آشنا شده اید. تصور کنید مشتری جدید دارید و مشتری دارای چیزی شبیه به 18000 مکان در سراسر ایالات متحده است.اع کردم و با گذشت سال ها به تازگی بیشتر و بیشتر شده است.

سپس توسط Google به شما گفته می شود که باید محتوای منحصر به فردی تهیه کنید. البته اکنون ، نیازی به 18000 نفر نیست. حتی 100 مکان می تواند دشوار باشد ، نه فقط برای ایجاد محتوای منحصر به فرد بلکه ایجاد محتوای منحصر به فرد با ارزش که دارای نوعی ارتباط با آن مکان خاص است. بنابراین آنچه امروز می خواهم انجام دهم صحبت از طریق یک روش خاص است که از تولید زبان طبیعی برای ایجاد این نوع صفحات در مقیاس استفاده می کند.

تولید زبان طبیعی چیست؟

اکنون ممکن است چند سؤال پیش بیاید که فقط باید در ابتدا پیش برویم و در ابتدا از صفحات خود پیاده شویم. بنابراین اول ، تولید زبان طبیعی چیست؟ خوب ، تولید زبان طبیعی در واقع به منظور تولید هشدارهای هوا ایجاد شده است. شما واقعاً احتمالاً این 100000 بار را دیده اید.

هر وقت مانند طوفان طوفانی وجود دارد یا می خواهیم هشدار شدید باد یا چیزی را بگوییم ، در پایین تلویزیون دیده اید ، اگر بزرگتر مانند من باشید ، یا یکی از تلفن های همراه خود را به دست آورده اید و می گوید سرویس ملی هواشناسی یک نوع اخطار درباره نوعی هشدار آب و هوا خطرناک صادر کرد و شما نیاز به پوشش آن دارید.

خوب ، زبانی که می بینید در آنجا توسط یک دستگاه تولید می شود. تمام داده هایی را که در رابطه با آب و هوا به آنها رسیده اید را در نظر می گیرد و سپس آنها را به جمله هایی می رساند که انسان به طور خودکار آنها را درک می کند. این نوع مانند Mad Libs است ، اما بسیار فنی تر به این معنی که چیزی که از آن بیرون می آید ، به جای اینکه خنده دار یا احمقانه باشد ، در واقع اطلاعات بسیار مفیدی است. این هدف ما در اینجا است. ما می خواهیم از تولید زبان طبیعی برای تولید صفحات محلی برای مشاغل دارای اطلاعات بسیار مفید استفاده کنیم.

این کلاه سیاه نیست؟ اکنون سؤالی که تقریباً همیشه از آن می گیریم یا حداقل تقریباً همیشه می گیرم این است: آیا این کلاه سیاه است؟ یکی از کارهایی که قرار نیست ما انجام دهیم فقط تولید خودکار مطالب است. بنابراین می خواهم لحظه ای را به انتها برسانم تا دقیقاً در مورد چگونگی تمایز این نوع از تولید محتوا از استاندارد معمولی ، Mad Libs ، متمایز کنیم ، و کلمات مختلف شهر را به تولید محتوا و کارهایی که در اینجا انجام می دهیم متمایز کنیم. کاری که ما در اینجا انجام می دهیم ارائه مطالب منحصر به فرد با ارزش به مشتریان است و به همین دلیل تست کیفیت مطلوب را می گذراند.

بیایید به یک مثال نگاه کنیم پس بیایید این کار را انجام دهیم. بیایید در مورد آنچه که من فکر می کنم ساده ترین روش است صحبت کنیم ، و من این را روش Google Trends می نامم.

1. موارد را برای مقایسه انتخاب کنید

بنابراین بیایید یک ثانیه به عقب برگردیم و در مورد این تجارت که 18000 مکان دارد ، صحبت کنیم. حالا ما درباره این تجارت چه می دانیم؟ خوب ، مشاغل بدون توجه به اینکه در کدام صنعت قرار دارند مشترک هستند ، دو چیز مشترک دارند. آنها یا محصولات یا خدمات مشابهی دارند و ممکن است آن دسته از محصولات و خدمات دارای سبک ها یا طعم دهنده ها یا پرچم هایی باشند ، فقط انواع چیزهایی که می توانید در مورد کالاها و خدمات مختلفی که ارائه می دهید مقایسه کنید. در اینجا فرصت ما برای تولید محتوای منحصر به فرد در تقریباً در هر منطقه ایالات متحده است. ابزاری که ما می خواهیم از آن استفاده کنیم برای این کار Google Trends است. بنابراین اولین کاری که می خواهید انجام دهید این است که شما این مشتری را می گیرید ، و در این حالت من می گویم فقط می گویم این یک زنجیره پیتزا است ، به عنوان مثال ، و ما قصد داریم مواردی را شناسایی کنیم که ممکن است بخواهیم مقایسه کنیم. در این حالت ، من احتمالاً عنوان های برتر را انتخاب می کنم.

بنابراین ما به پپپونی و کالباس و گلچین ها علاقه مند خواهیم بود و ان شاء الله آناناس را ممنوع می کند ، فقط انواع مختلف پرپشت ها که ممکن است از منطقه به منطقه دیگر ، از شهر به شهر دیگر و از لحاظ مکانی به مکان دیگر از نظر تقاضا متفاوت باشد. بنابراین آنچه ما انجام خواهیم داد اینست که مستقیماً به Google Trends برویم. بهترین بخش در مورد Google Trends این است که آنها فقط اطلاعاتی را در سطح ملی ارائه نمی دهند. می توانید آن را تا سطح شهر ، سطح ایالت یا حتی در مواردی تا سطح کد پستی باریک کنید ، و به همین دلیل به ما امکان می دهد اطلاعات فوق محلی را در مورد این دسته خاص از خدمات یا محصولات جمع آوری کنیم. به عنوان مثال ، این در حقیقت مقایسه تقاضا برای فلفلی در مقابل قارچ در مقابل انواع کالباس در سیاتل در حال حاضر است. بنابراین بیشتر افراد ، هنگامی که مردم در حال جستجوی پیتزا هستند ، در جستجوی فلفلونی هستند.

2. جمع آوری داده ها بر اساس مکان بنابراین آنچه شما انجام می دهید این است که شما از همه مکان های مختلف استفاده می کنید و این نوع اطلاعات را در مورد آنها جمع می کنید. بنابراین می دانید که ، به عنوان مثال ، در اینجا احتمالاً 2.5 برابر بیشتر از پیتزا سوسیس علاقه به پپپونی وجود دارد. خوب ، این در همه شهرها و هر ایالت یکسان نخواهد بود. در حقیقت ، اگر تعداد زیادی تاپینگ مختلف را انتخاب کنید ، انواع مختلفی پیدا خواهید کرد ، نه فقط مقایسه میزان سفارش افراد یا خواسته آنها ، بلکه شاید چگونگی تغییر اوضاع در طول زمان باشد. </s>avkanî به عنوان مثال ، شاید پپروونی محبوبیت کمتری پیدا کرده باشد. اگر قرار بود در شهرهای خاصی به نظر برسید ، احتمالاً این مورد نیز افزایش می یابد زیرا گیاهخواری و گیاهخواری افزایش یافته است. خوب ، نکته جالب در مورد تولید زبان طبیعی این است که ما می توانیم به طور خودکار آن دسته از روابط منحصر به فرد را استخراج کنیم و سپس از آن به عنوان داده استفاده کنیم تا مطالبی را که در آخر قرار می دهیم در صفحات سایت خود قرار دهیم. برای مثال ، بیایید بگوییم سیاتل را گرفتیم. سیستم به طور خودکار قادر به شناسایی این انواع مختلف از روابط خواهد بود. بیایید بگوییم می دانیم که پپپونی محبوب ترین است. همچنین ممکن است بتواند تشخیص دهد که بیایید بگوییم گلچینها از مد در پیتزا استفاده نشده اند. تقریبا هیچ کس آنها را نمی خواهد.

چیزی از این نوع. اما آنچه اتفاق می افتد این است که ما به آرامی اما مطمئناً با این روندها و نقاط داده ای آشنا می شویم که برای افرادی که قصد سفارش پیتزا را دارند جالب و مفید است. به عنوان مثال ، اگر شما می خواهید برای 50 نفر مهمانی برگزار کنید و نمی دانید آنها چه می خواهند ، یا می توانید کاری را انجام دهید که همه خیلی خوب انجام می دهند ، این است که بیایید بگوییم یک سوم پپپونی ، یک سوم دشت ، و یک سوم سبزیجات ، که اگر دوست دارید جشن تولد یا چیز دیگری را جشن بگیرید ، یک نوع استاندارد است. اما اگر در صفحه Pizza Hut یا صفحه Domino قرار گرفتید و به شما گفت که در شهری که مردم در آن زندگی می کنید واقعاً از این اوج خاص استفاده می کنند ، بنابراین در واقع می توانید تصمیم بهتری در مورد آنچه می خواهید سفارش دهید. بنابراین ما در واقع اطلاعات مفیدی ارائه می دهیم.

3. ایجاد متن بنابراین این جایی است که ما در مورد تولید متن از روندها و داده هایی که از همه محلی گرفته ایم صحبت می کنیم. روندهای محلی را پیدا کنید

اکنون ، اولین قدم ، فقط بررسی روندهای محلی است. اما روندهای محلی تنها جایی نیست که می توانیم به آن نگاه کنیم. ما می توانیم فراتر از آن فراتر برویم. به عنوان مثال ، می توانیم آن را با سایر مکانها مقایسه کنیم. بنابراین ممکن است جالب باشد که در سیاتل مردم قارچ را به عنوان یک تاپ یا چیزهایی از این دست دوست دارند. با سایر مکانها مقایسه کنید اما همچنین جالب است بدانید که آیا پرهای ترجیحی ، به عنوان مثال ، در شیکاگو ، جایی که پیتزا به سبک شیکاگو حاکم است ، در مقابل نیویورک متفاوت است. این می تواند موردی جالب باشد و بطور خودکار توسط نسل طبیعی زبان ترسیم شود. سرانجام ، چیز دیگری که مردم در تلاش برای اجرای این راه حل از دست می دهند این است که فکر می کنند مجبورند همه چیز را به یکباره مقایسه کنند. زیر مجموعه موارد را انتخاب کنید این راهی نیست که شما این کار را انجام دهید. آنچه شما انجام می دهید این است که در هر موقعیت جالب ترین بینش را انتخاب می کنید. اکنون می توانیم در مورد چگونگی تحقق این امر فنی کسب کنیم. برای مثال ، ممکن است بگوییم ، خوب ، می توانیم به روندها نگاه کنیم. خوب ، اگر همه روندها مسطح باشند ، احتمالاً ما قصد انتخاب آن اطلاعات را نداریم. اما می بینیم که رابطه بین یک تاپینگ و دیگری در این شهر در مقایسه با سایر شهرها بسیار متفاوت است ، خوب ، این ممکن است چیزی باشد که انتخاب می شود.
4- بررسی انسانی

اکنون اینجاست که این سؤال در مورد کلاه سفید در مقابل کلاه سیاه مطرح می شود. بنابراین ما این صفحه محلی را بدست آورده ایم ، و اکنون تمام این مطالب متنی را در مورد آنچه مردم می خواهند در یک پیتزا در آن شهر یا شهر خاص بخواهند تولید کردیم. ما باید مطمئن شویم که این محتوا واقعاً با کیفیت است. اینجاست که مرحله آخر وارد می شود ، که فقط بررسی انسان است. به نظر من ، محتوای تولید شده خودکار ، تا زمانی که مفید و ارزشمند باشد و به دست یک ویرایشگر انسانی رفته است که تشخیص داده است که این واقعیت دارد ، به همان اندازه خوب است که گویی آن ویرایشگر انسانی فقط همین موضوع را جستجو کرده است. داده را نشان می دهد و همان جملات را نوشت. بنابراین من فکر می کنم در این مورد ، به خصوص هنگامی که ما در مورد ارائه داده به چنین مجموعه متنوعی از مناطق محلی در سراسر کشور صحبت می کنیم ، این معنی است که بهره گیری از فناوری به روشی که به ما امکان تولید محتوا بدهد و همچنین به ما امکان می دهد ، معقول است. به بهترین وجه ممکن و مناسب ترین مطالبی که می توانیم در اختیار کاربر قرار دهیم. بنابراین امیدوارم که شما این کار را بکنید ، مدتی را صرف جستجو برای تولید زبان طبیعی کنید و در نهایت بتوانید صفحات محلی بسیار بهتری نسبت به گذشته داشته باشید. با تشکر. رونویسی ویدیو توسط Speechpad.com درباره rjonesx - من راس جونز ، دانشمند اصلی جستجو در System1 و دانشمند جستجوی کمکی در موز هستم. من 3 دختر شگفت انگیز کلرن ، آون و الیس ، یک همسر غیرقابل مقایسه مورگان ، و یک زن مسیحی دموکرات دارم که اغلب نمی داند چه موقع دهان خود را ببندد

https://moz.com/blog/generating-local-content

https://javadyasemi.ir/