Liczba funkcji wspólnych artykułów LinkedIn przekroczyła 10 milionów stron treści eksperckich w ciągu jednego roku. Tygodniowa oglądalność projektu Collaborative Artykuły wzrosła o ponad 270% od września 2023 r. Informacje o tym, jak osiągnęli te kamienie milowe i zamierzają osiągnąć jeszcze lepsze wyniki, dostarczają informacji przydatnych do opracowania strategii SEO łączącej sztuczną inteligencję i umiejętności ludzkie.
Dlaczego wspólne artykuły działają?
Projekt Collaborative Artykuły opiera się na założeniu, że ludzie korzystają z Internetu w celu zdobywania wiedzy na dany temat, ale w Internecie tylko czasem pojawiają się najbardziej wiarygodne informacje od znawców danej dziedziny.
Osoba często szuka dalej Google a następnie przechodzi do witryny takiej jak Czerwonypowiedział przeczytać to, co zostało opublikowane. Mimo to nie ma gwarancji, że materiał pochodzi od eksperta w danej dziedzinie lub osoby, która ma najszersze usta w mediach społecznościowych. Jak ktoś, kto nie jest ekspertem merytorycznym, może określić, czy post nieznajomego jest godny zaufania i fachowy?
Pomysł był taki, żeby wykorzystać PołączoneIn ekspertów do generowania artykułów na tematy, w których są ekspertami. Strony zajmują wysoką pozycję w Google, co przynosi korzyści znawcy tematu i zachęca go do generowania większej ilości treści.
Jak LinkedIn stworzył 10 milionów stron z treściami eksperckimi
LinkedIn rozpoznaje ekspertów z danej dziedziny i kontaktuje się z nimi, aby napisać esej na dany temat. Zespół redakcyjny LinkedIn stworzył sztuczną inteligencję "rozpoczęcie rozmowy" narzędzie generujące tematy esejów. Te tematy rozmów są następnie łączone z ekspertami z danej dziedziny zidentyfikowanymi na wykresie umiejętności LinkedIn.
Wykres umiejętności LinkedIn łączy użytkowników LinkedIn z wiedzą przedmiotową za pomocą struktury zwanej umiejętnościami strukturalnymi, która wykorzystuje modele uczenia maszynowego i przetwarzanie języka naturalnego w celu odkrywania podobnych talentów wykraczających poza to, co jasno definiują członkowie.
Mapowanie rozpoczyna się od umiejętności odkrytych w profilach członków, opisach stanowisk i innych danych tekstowych na stronie. Następnie wykorzystuje sztuczną inteligencję, uczenie maszynowe i przetwarzanie języka naturalnego, aby poszerzyć dodatkową wiedzę merytoryczną członków.
Opis Grafu Umiejętności opisuje:
„Jeśli członek jest zaznajomiony ze sztucznymi sieciami neuronowymi, zna także głębokie uczenie się, które jest synonimem uczenia maszynowego.
Nasze algorytmy uczenia maszynowego i sztucznej inteligencji analizują duże ilości danych w celu identyfikacji nowych możliwości i relacji.
Używamy przetwarzania języka naturalnego, aby pewnie wydobywać umiejętności z różnych form tekstowych. Zapewnia to dokładne przyporządkowanie umiejętności członkom.”
Doświadczenie, wiedza specjalistyczna, autorytet i wiarygodność
Inicjatywa LinkedIn dotyczące wspólnych artykułów opiera się na genialnej koncepcji, której efektem są miliony stron wysokiej jakości materiałów napisanych przez ekspertów z różnych dziedzin na różne tematy. To może wyjaśnić, dlaczego strony LinkedIn stały się bardziej widoczne w wynikach wyszukiwania Google.
LinkedIn unowocześnia swoją inicjatywę dotyczącą artykułów wspólnych, dodając nowe funkcje, których celem jest jeszcze większe podniesienie jakości strony.
- Zmieniono sposób zadawania pytań: LinkedIn przedstawia teraz scenariusze ekspertom merytorycznym, którzy mogą odpowiadać esejami na tematy i zapytania ze świata rzeczywistego.
- Nowy nieprzydatny przycisk: Dostępna jest teraz opcja powiadamiania LinkedIn, że dany esej nie jest pomocny. Z punktu widzenia SEO fascynujące jest to, że LinkedIn prezentuje przycisk kciuka w dół przez pryzmat przydatności.
- Ulepszone algorytmy dopasowywania tematów: LinkedIn ulepszył sposób dopasowywania osób do tematów za pomocą tak zwanego „wyszukiwania opartego na osadzaniu w celu lepszego dopasowania”, które opracowano w odpowiedzi na komentarze członków na temat jakości dopasowywania tematów do członków.
LinkedIn wyjaśnia,
„Skoncentrowaliśmy nasze wysiłki na umiejętnościach dopasowywania artykułów do ekspertów członkowskich po otrzymaniu informacji od naszych członków za pośrednictwem naszych narzędzi oceny. Jedną z nowych technologii, które wykorzystujemy, jest pobieranie oparte na osadzaniu (EBR). Ta technika umożliwia osadzenie zarówno członków, jak i artykułów w tej samej przestrzeni semantycznej, a następnie przeprowadza przybliżone wyszukiwanie najbliższego sąsiada, aby znaleźć artykuły najlepiej pasujące dla autorów”.
Projekt LinkedIn Collaborative Artykuły to jedna z najbardziej przemyślanych inicjatyw w zakresie rozwoju treści ostatnich lat. To, co czyni go wyjątkowym, to nie tylko to, że łączy technologię sztucznej inteligencji i uczenia maszynowego z umiejętnościami ludzkimi, aby generować fachowe i przydatne informacje, które czytelnicy lubią i którym mogą zaufać.
LinkedIn wykorzystuje obecnie sygnały interakcji użytkowników, aby podnosić jakość ekspertów merytorycznych proszonych o pisanie artykułów, a także identyfikować treści, które nie odpowiadają wymaganiom użytkowników.
Korzyści z pisania artykułów obejmują promowanie wysokiej jakości ekspertów merytorycznych za każdym razem, gdy ich artykuł znajdzie się w rankingu Google, co pozwala każdemu, kto promuje usługę lub produkt, albo szuka klientów lub następnej pracy, wykazać się swoimi umiejętnościami, wiedzą i autorytetem .
Źródło- searchengineournal
English
English
French
German
Russian
Spanish