Comment la stratégie basée sur l'IA de LinkedIn a stimulé le référencement

Les fonctionnalités d'articles collaboratifs de LinkedIn ont dépassé les 10 millions de pages de contenu expert en une seule année. L'audience hebdomadaire du projet Collaborative Articles a augmenté de plus de 270 % depuis septembre 2023. La manière dont ils ont atteint ces jalons et prévoient d'obtenir des résultats encore plus importants fournit des informations utiles pour développer une stratégie de référencement combinant IA et compétences humaines.

Pourquoi les articles collaboratifs fonctionnent-ils ?

Le projet Collaborative Articles repose sur l'hypothèse que les gens utilisent Internet pour se renseigner sur des thèmes thématiques, mais ce qui est disponible sur Internet n'est que parfois l'information la plus fiable provenant d'experts en la matière.

Une personne recherche souvent sur Google puis va sur un site comme Rougedit pour lire ce qui est posté. Pourtant, rien ne garantit que le matériel provient d’un expert en la matière ou de la personne ayant la plus grande bouche sur les réseaux sociaux. Comment quelqu’un qui n’est pas un expert en la matière peut-il déterminer si un message rédigé par un étranger est digne de confiance et expert ?

L'idée était d'utiliser LinkedIn experts pour générer des articles sur des questions dans lesquelles ils sont experts. Les pages sont classées dans Google, ce qui profite à l'expert en la matière et l'encourage à générer plus de contenu.

Comment LinkedIn a créé 10 millions de pages de contenu expert

LinkedIn reconnaît les experts dans un domaine donné et les contacte pour rédiger un essai sur le sujet. Une équipe éditoriale de LinkedIn a créé une IA "phrase d'accroche" outil qui génère des thèmes de dissertation. Ces sujets de conversation sont ensuite liés à des experts dans le domaine identifiés par le Skills Graph de LinkedIn.

Le LinkedIn Skills Graph connecte les utilisateurs de LinkedIn aux connaissances du sujet à l'aide d'un cadre appelé Structured Skills, qui utilise des modèles d'apprentissage automatique et le traitement du langage naturel pour découvrir des talents similaires au-delà de ce que les membres définissent clairement.

La cartographie commence par les capacités découvertes dans les profils des membres, les descriptions de poste et d'autres données textuelles sur le site. Ensuite, il utilise l'IA, l'apprentissage automatique et le traitement du langage naturel pour développer les connaissances supplémentaires des membres.

La description du graphique de compétences décrit :

« Si un membre est familier avec les réseaux de neurones artificiels, il connaît également le Deep Learning, synonyme de Machine Learning.

Nos algorithmes d’apprentissage automatique et d’IA analysent de grandes quantités de données pour identifier de nouvelles capacités et relations.

Nous utilisons le traitement du langage naturel pour extraire en toute confiance les compétences de diverses formes de texte. Cela garantit une cartographie précise des capacités des membres.

Expérience, expertise, autorité et fiabilité

L'initiative d'articles collaboratifs de LinkedIn repose sur un concept sous-jacent brillant qui donne lieu à des millions de pages de documents de haute qualité rédigés par des experts en la matière sur un large éventail de sujets. Cela peut expliquer pourquoi les pages LinkedIn sont devenues plus visibles dans les recherches Google.

LinkedIn met à niveau son initiative d'articles collaboratifs avec de nouvelles fonctionnalités visant à améliorer encore davantage la qualité des pages.

• Modification de la façon dont les questions sont posées : LinkedIn présente désormais des scénarios aux experts en la matière, qui peuvent répondre par des essais sur des sujets et des requêtes du monde réel.

• Nouveau bouton inutile : Il existe désormais une option que les utilisateurs peuvent utiliser pour informer LinkedIn qu'un certain essai n'est pas utile. Il est fascinant du point de vue du référencement que LinkedIn présente le bouton pouce vers le bas sous l'angle de l'utilité.

• Algorithmes de correspondance de sujets améliorés : LinkedIn a amélioré la façon dont ils associent les personnes aux sujets avec ce qu'ils appellent « Récupération basée sur l'intégration pour une correspondance améliorée », qui a été conçu en réponse aux commentaires des membres sur la qualité de la correspondance sujet-membre.

LinkedIn explique,

« Nous avons concentré nos efforts sur nos compétences en matière de mise en relation entre les articles et les experts membres après avoir reçu les commentaires de nos membres via nos outils d'évaluation. L'une des nouvelles technologies que nous utilisons est la récupération basée sur l'intégration (EBR). Cette technique crée des intégrations pour les membres et les articles dans le même espace sémantique, puis effectue une recherche approximative du voisin le plus proche pour trouver les meilleures correspondances d'articles pour les contributeurs.

Le projet d'articles collaboratifs de LinkedIn est l'une des initiatives de développement de contenu les plus réfléchies de ces dernières années. Ce qui le rend non seulement exceptionnel, c'est qu'il combine la technologie de l'IA et de l'apprentissage automatique avec les compétences humaines pour générer des informations expertes et utiles que les lecteurs aiment et auxquelles ils peuvent faire confiance.

LinkedIn utilise désormais les signaux d'interaction des utilisateurs pour améliorer la qualité des experts en la matière invités à rédiger des articles, ainsi que pour identifier le contenu qui ne correspond pas aux demandes des utilisateurs.

Les avantages de la rédaction d'articles incluent la promotion d'experts en la matière de haute qualité chaque fois que leur article est classé dans Google, ce qui permet à toute personne faisant la promotion d'un service ou d'un produit, ou recherchant des clients ou le prochain emploi de démontrer ses compétences, son expertise et son autorité. .

Source- moteur de recherche