Wie die KI-gesteuerte Strategie von LinkedIn die Suchmaschinenoptimierung steigerte

Die Collaborative Articles-Funktionen von LinkedIn umfassten in einem einzigen Jahr mehr als 10 Millionen Seiten mit Experteninhalten. Die wöchentliche Zuschauerzahl des Collaborative Articles-Projekts ist seit September 270 um mehr als 2023 % gestiegen. Wie sie diese Meilensteine ​​erreicht haben und noch bessere Ergebnisse erzielen wollen, liefern hilfreiche Informationen für die Entwicklung einer SEO-Strategie, die KI und menschliche Fähigkeiten kombiniert.

Warum funktionieren kollaborative Artikel?

Das Collaborative Articles-Projekt basiert auf der Annahme, dass Menschen das Internet nutzen, um sich über Fachthemen zu informieren, im Internet jedoch nur manchmal die zuverlässigsten Informationen von Fachexperten verfügbar sind.

Eine Person sucht oft weiter Google und geht dann zu einer Seite wie Rotdies um zu lesen, was gepostet wird. Dennoch gibt es keine Garantie dafür, dass das Material von einem Fachexperten oder der Person mit dem größten Social-Media-Mutwort stammt. Wie kann jemand, der kein Fachexperte ist, feststellen, ob ein Beitrag eines Fremden vertrauenswürdig und fachkundig ist?

Die Idee war zu verwenden LinkedIn Experten, um Artikel zu Themen zu erstellen, in denen sie Experten sind. Die Seiten ranken bei Google, was dem Fachexperten zugutekommt und ihn oder sie dazu ermutigt, mehr Inhalte zu generieren.

Wie LinkedIn 10 Millionen Seiten mit Experteninhalten erstellte

LinkedIn erkennt Fachexperten an und kontaktiert sie, um einen Aufsatz zu diesem Thema zu verfassen. Ein LinkedIn-Redaktionsteam hat eine KI erstellt „Gesprächsstarter“ Tool, das Aufsatzthemen generiert. Diese Gesprächsthemen werden dann mit Fachexperten verknüpft, die im Skills Graph von LinkedIn identifiziert werden.

Der LinkedIn Skills Graph verbindet LinkedIn-Benutzer mit Fachwissen über ein Framework namens Structured Skills, das maschinelle Lernmodelle und natürliche Sprachverarbeitung nutzt, um ähnliche Talente aufzudecken, die über das hinausgehen, was die Mitglieder klar definieren.

Die Zuordnung beginnt mit den Fähigkeiten, die in den Profilen, Stellenbeschreibungen und anderen Textdaten der Mitglieder auf der Website entdeckt werden. Dann nutzt es KI, maschinelles Lernen und natürliche Sprachverarbeitung, um das zusätzliche Fachwissen der Mitglieder zu erweitern.

Die Beschreibung des Skills Graph beschreibt:

„Wenn ein Mitglied mit künstlichen neuronalen Netzen vertraut ist, ist es auch mit Deep Learning vertraut, was gleichbedeutend mit maschinellem Lernen ist.

Unsere Algorithmen für maschinelles Lernen und KI analysieren große Datenmengen, um neue Fähigkeiten und Beziehungen zu identifizieren.

Wir nutzen die Verarbeitung natürlicher Sprache, um Fähigkeiten aus verschiedenen Textformen sicher zu extrahieren. Dies gewährleistet eine genaue Zuordnung der Fähigkeiten zu den Mitgliedern.“

Erfahrung, Fachwissen, Autorität und Vertrauenswürdigkeit

Der Collaborative Articles-Initiative von LinkedIn liegt ein brillantes Konzept zugrunde, das zu Millionen von Seiten mit hochwertigem Material führt, das von Fachexperten zu einem breiten Themenspektrum verfasst wurde. Das könnte erklären, warum LinkedIn-Seiten in der Google-Suche sichtbarer geworden sind.

LinkedIn erweitert seine Initiative „Collaborative Articles“ um neue Funktionen, die darauf abzielen, die Seitenqualität noch weiter zu verbessern.

• Die Art und Weise, wie Fragen gestellt werden, wurde geändert: LinkedIn präsentiert jetzt Szenarien für Fachexperten, die mit Aufsätzen zu realen Themen und Fragen antworten können.

• Neuer, nicht hilfreicher Button: Es gibt jetzt eine Option, mit der Benutzer LinkedIn benachrichtigen können, dass ein bestimmter Aufsatz nicht hilfreich ist. Aus SEO-Sicht ist es faszinierend, dass LinkedIn den Daumen-nach-unten-Button unter dem Gesichtspunkt der Nützlichkeit darstellt.

• Verbesserte Themen-Matching-Algorithmen: LinkedIn hat die Zuordnung von Personen zu Themen durch das sogenannte „Embedding Based Retrieval For Improved Matching“ verbessert, das als Reaktion auf Mitgliederkommentare zur Qualität der Zuordnung von Themen zu Mitgliedern entwickelt wurde.

LinkedIn erklärt:

„Wir haben unsere Bemühungen auf unsere Matching-Fähigkeiten zwischen Artikeln und Mitgliedsexperten konzentriert, nachdem wir über unsere Bewertungstools Input von unseren Mitgliedern erhalten hatten. Eine der neuen Technologien, die wir nutzen, ist das Embedding-based Retrieval (EBR). Diese Technik erstellt Einbettungen für Mitglieder und Artikel im selben semantischen Raum und führt dann eine Suche nach ungefähren nächsten Nachbarn durch, um die besten Artikelübereinstimmungen für Mitwirkende zu finden.“

Das Collaborative Articles-Projekt von LinkedIn ist eine der durchdachtesten Initiativen zur Inhaltsentwicklung der letzten Jahre. Was es nicht nur herausragend macht, ist, dass es KI- und maschinelle Lerntechnologie mit menschlichen Fähigkeiten kombiniert, um fachkundige und nützliche Informationen zu generieren, die den Lesern gefallen und denen sie vertrauen können.

LinkedIn nutzt jetzt Benutzerinteraktionssignale, um die Qualität der Fachexperten zu verbessern, die mit dem Schreiben von Artikeln beauftragt werden, und um Inhalte zu identifizieren, die nicht den Anforderungen der Benutzer entsprechen.

Zu den Vorteilen des Schreibens von Artikeln gehört die Förderung hochqualifizierter Fachexperten bei jedem Ranking ihres Artikels bei Google. So kann jeder, der für eine Dienstleistung oder ein Produkt wirbt oder auf der Suche nach Kunden oder dem nächsten Job ist, seine Fähigkeiten, sein Fachwissen und seine Autorität unter Beweis stellen .

Quelle- Suchmaschinenjournal