خبرنامه این هفته را با خبری از گوگل درباره «غیرفعالکردن ابزار مدیریت سرعت خزش» شروع میکنیم و به خبر «ضرورت بهبود محتواهای سایت برای جستجوی صوتی» میرسیم. در خبر سوم به سراغ «پیشرفت گوگل بارد در درک دادههای ویدئویی» میرویم و با موضوع «قدرت موتور جستجو در پردازش زبان طبیعی» خبرنامه را تمام میکنیم.
اخبار گوگل
ابزار Crawl Rate Limiter گوگل بازنشسته خواهد شد
ابزار مدیریت سرعت خزش (Crawl Rate Limiter) بعد از حدود یک دهه خدمت، در تاریخ ۸ژانویه۲۰۲۴ منسوخ خواهد شد؛ زیرا گوگل معتقد است با پیشرفتهای صورتگرفته، دیگر نیازی به استفاده از آن نیست. به گفته این موتور جستجو، کرالرها به نحوه پاسخگویی سروری که سایت را مدیریت میکند واکنش نشان میدهند و در صورتی که بهطور مداوم، کدهای وضعیت HTTP از نوع ۵۰۰ برگردانده شوند یا پاسخگویی به درخواستها بهطرز قابل توجهی طولانیتر باشد، Googlebot بهصورت خودکار سرعت خزش را کاهش میدهد.
سایتهایی که از ابزارهای محدودکننده سرعت خزش استفاده میکردند، باید تنظیمات سایت خود را بهروز کنند. بر اساس توصیه گوگل، آنها میتوانند از پاسخهای سمت سرور استفاده کنند.
بهتر است بدانید: گوگل برای تعیین سرعت خزش بهینه یک سایت، از الگوریتمهای پیشرفتهای استفاده میکند تا بتواند در هر بازدید و بدون اختلال در پهنای باند سرور، صفحات زیادی را کرال کند. اگر به هر دلیلی قصد دارید سرعت خزش را برای مدت کوتاهی (چند ساعت یا نهایت ۲ روز) کاهش دهید، میتوانید از کدهای وضعیت HTTP از نوع ۵۰۳، ۵۰۰ یا ۴۲۹ استفاده کنید تا Googlebot سرعت خزش سایت شما را کاهش دهد.
کرالر گوگل هنگامی که با تعداد قابل توجهی از URLهایی که این نوع از کدها را دارند مواجه میشود، مانند زمانی است که سایت را از دسترس خارج کردهاید. تاثیر این اتفاق در کل سایت منعکس میشود و با برگشت به کد وضعیت ۲۰۰، سرعت خزش مجدد بهطور خودکار افزایش مییابد. در صورتی که کدهای َوضعیت اعلامشده بیشتر از ۲ روز روی سایت باشند، گوگل صفحات را از ایندکس و نتایج جستجو خارج میکند.
بهبود محتوای صفحات برای جستجوی صوتی، قدمی برای آینده
بهینهسازی سایت برای جستجوی صوتی، یکی از تکنیکهای قابل توجه در تولید محتوا است که نقش بسزایی در رتبهبندی نتایج جستجو دارد. با پیشرفت روزافزون فناوریهای مبتنی بر هوش مصنوعی و تکامل چتباتها، لزوم درک درست از ماهیت محتوا برای نمایش منطبقترین پاسخها، توجه به این موضوع را دوچندان کرده است.
بهینهسازی سایت با هدف جستجوی صوتی (Voice Search) به مجموعهای از تکنیکها گفته میشود که احتمال نمایش صفحات شما را در نتایج جستجوی صوتی افزایش میدهد. در واقع هدف از VOS این است که جستجوهای کلامی رایج مردم را بهگونهای در محتوا پاسخ دهد که برای دستیارهای مجازی نیز قابل استفاده باشد.
از آنجایی که مردم بهجای جستجوی کلمات کلیدی، با موتور جستجو صحبت میکنند، پس هرچقدر مدلهای زبان بتوانند متن صفحات را بهتر پردازش و درک کنند، شناخت دقیقتری از محتوای شما داشته و پاسخهای سریع و غنیتری را ارائه میدهند.
برای مثال، پردازش زبان طبیعی برای نمایش نتایج snapshot به همراه رفرنسها در هوش مصنوعی SGE، به متن تمیز و قابل درک نیاز دارد تا کانتکستها در آن بهوضوح قابل استنباط باشند. از آنجایی که بهینهسازی جستجوی صوتی بیشترین انطباق را با زبان محاورهای دارد، پس یکی از بهترین روشها برای کمک به کیفیت پردازش زبان طبیعی به شمار میرود.
بهتر است بدانید: روشهای زیادی برای سئوی جستجوی صوتی وجود دارد که میتوان به موارد زیر اشاره کرد:
نقش پردازش زبان طبیعی NLP موتورهای جستجو در صفحات وب
پیشرفتهای صورتگرفته در موتورهای جستجو باعث شده است تا لزوم شناخت فناوریهای مبتنی بر هوش مصنوعی بیش از هروقت دیگری مورد توجه قرار بگیرند. مدلهای زبان که از انسانها یاد میگیرند تا مانند آنها رفتار کنند، اکنون در ابزارهای زیادی مانند چتباتها و حتی سیستمهای مرتبط با موتورهای جستجو مانند هوش مصنوعی مولد گوگل (SGE) دیده میشوند.
این یعنی اگر در حوزهای فعالیت میکنید که یکی از راههای تبدیل شما، موتورهای جستجو یا پلتفرمهایی مانند Bing ،Bard و SGE است، باید دانش خود را درباره نحوه پردازش زبان طبیعی NLP افزایش دهید تا بتوانید ارتباط بهتری میان محتوای خود با ماشینها ایجاد کنید.
بهتر است بدانید: پردازش زبان طبیعی، شاخهای از هوش مصنوعی است که به تعامل ماشینها با انسانها میپردازد و به ماشینها کمک میکند تا زبان انسان را درک و پاسخهای معناداری را تولید کنند. موتورهای جستجو نیز از NLP برای درک بهتر جستجوی کاربران و ارائه نتایج مرتبطتر بهره میبرند و از جمله کاربردهای آن میتوان به بهبود پاسخ دستیارهای صوتی برای تشخیص دقیق دستورات کاربران و انجام کارهای خواستهشده اشاره کرد. در ادامه چند نکته کاربردی برای کمک به پردازش و درک بهتر زبان طبیعی ارائه شده است:
از زبان ساده و واضح استفاده کنید و محتوا را برای کاربر (people-first content) بنویسید. ماشینها هنوز در درک پیچیدگی زبان مشکل دارند.
از کلمات کلیدی بلند و مترادف استفاده کنید. کلمه کلیدی لانگ تیل (long tail) به موتورهای جستجو کمک میکنند تا کانسپت محتوای شما را بهتر درک کنند و در سطح معنایی دقیقتری عمل کنند.
به ساختار درست جملات در یک متن دقت کنید. ماشینها میتوانند ساختار یک جمله را درک کنند.
محتوا را بهگونهای بنویسید که کاربر بتواند با آن ارتباط بگیرد؛ زیرا ماشینها نیز مانند ما یاد میگیرند.
از علائم نگارشی مناسب استفاده کنید. علائم نگارشی به ماشینها کمک میکنند تا ساختار عبارات را بهتر متوجه شوند.
از تصاویر و ویدئوهای منحصربهفرد و مرتبط استفاده کنید. این موضوع به ماشینها کمک میکند تا محتوای پیرامون یک عنصر را بهخوبی درک کنند و منظور شما را بهدرستی متوجه شوند.
هوش مصنوعی Bard اکنون محتوای ویدئوهای یوتیوب را درک میکند
اکنون هوش مصنوعی بارد میتواند محتوای ویدئوها را درک کند و به سوالات مبتنی بر آن پاسخ دهد. این هوش مصنوعی با پردازش کلمات در ویدئوهای یوتیوب، میتواند پاسخ جامعی به خواسته کاربران ارائه دهد و تعامل عمیقتری با محتوای ویدئویی داشته باشد. این هوش مصنوعی در گذشته، فقط میتوانستخلاصهای از ویدئوهای یوتیوب را بر اساس عنوان، توضیحات و دادههای متا ارائه دهد؛ اما به لطف این فناوری، بارد میتواند محتوای گفتاری ویدئوها را متوجه شود و اطلاعات آنها را به همراه بینشهای کلیدی استخراج کند.
برای مثال میتوانید از بارد بخواهید مطالب یک ویدئو را با جزئیات دقیق خلاصه کند یا نکات کلیدی آموزش پخت یک غذا را برایتان استخراج کند. برای این کار کافی است درباره یک ویدئوی یوتیوب از بارد سوال بپرسید تا پاسخ آن را در قالب متن دریافت کنید.
بهتر است بدانید: این ویژگی نشاندهنده پیشرفت قابل توجه هوش مصنوعی در تعامل با محتوای چندرسانهای است. با درک ویدئوهای یوتیوب، بارد میتواند تعاملات معناداری را با کاربران ایجاد کند و تجربه مشاهده کلیپها را از حالت منفعل به گفتگوی کاربردی تبدیل کند. با این حال، پاسخهای چتبات بر اساس درک یک مدل زبان از دادههای ویدئو هستند و خود کاربران باید توانایی درک دادههای غلط از صحیح را داشته باشند؛ زیرا فقط با توضیحات متقاعدکننده نمیتوان به پاسخها اطمینان کامل داشت.