Объем совместных статей LinkedIn превысил 10 миллионов страниц экспертного контента за один год. Еженедельная аудитория проекта Collaborative Articles увеличилась более чем на 270% с сентября 2023 года. То, как они достигли этих целей и намерены достичь еще больших результатов, дает полезную информацию для разработки стратегии SEO, сочетающей в себе искусственный интеллект и человеческие навыки.
Почему совместные статьи работают?
Проект «Совместные статьи» основан на предположении, что люди используют Интернет для изучения предметных тем, но то, что доступно в Интернете, лишь иногда является наиболее надежной информацией от экспертов в данной области.
Человек часто ищет Google а затем переходит на сайт типа Redуказанный читать то, что опубликовано. Тем не менее, нет никакой гарантии, что материал принадлежит эксперту в данной области или человеку с самым большим авторитетом в социальных сетях. Как может человек, не являющийся экспертом в данной области, определить, является ли сообщение незнакомца заслуживающим доверия и экспертным?
Идея заключалась в том, чтобы использовать LinkedIn эксперты для создания статей по вопросам, в которых они являются экспертами. Страницы ранжируются в Google, что приносит пользу эксперту в данной области и побуждает его или ее создавать больше контента.
Как LinkedIn создал 10 миллионов страниц экспертного контента
LinkedIn признает экспертов в предметной области и связывается с ними, чтобы написать эссе по проблеме. Редакционная группа LinkedIn создала ИИ «начало разговора» инструмент, который генерирует темы эссе. Эти темы разговоров затем связываются с экспертами предметной области, указанными в графике навыков LinkedIn.
График навыков LinkedIn соединяет пользователей LinkedIn с предметными знаниями с помощью структуры под названием «Структурированные навыки», которая использует модели машинного обучения и обработку естественного языка для выявления схожих талантов, выходящих за рамки того, что участники четко определяют.
Сопоставление начинается со способностей, обнаруженных в профилях участников, описаниях вакансий и других текстовых данных на сайте. Затем он использует искусственный интеллект, машинное обучение и обработку естественного языка, чтобы расширить знания участников по предметам.
Описание Графика навыков описывает:
«Если участник знаком с искусственными нейронными сетями, он или она также знаком с глубоким обучением, которое является синонимом машинного обучения.
Наши алгоритмы машинного обучения и искусственного интеллекта анализируют большие объемы данных для выявления новых возможностей и взаимосвязей.
Мы используем обработку естественного языка для уверенного извлечения навыков из различных текстовых форм. Это обеспечивает точное сопоставление способностей участников».
Опыт, профессионализм, авторитет и надежность
Инициатива LinkedIn «Совместные статьи» имеет блестящую базовую концепцию, результатом которой являются миллионы страниц высококачественных материалов, написанных экспертами по широкому кругу тем. Это может прояснить, почему страницы LinkedIn стали более заметными в поиске Google.
LinkedIn дополняет свою инициативу «Совместные статьи» новыми функциями, которые призваны еще больше повысить качество страниц.
- Изменен способ задачи вопросов: LinkedIn теперь представляет сценарии профильным экспертам, которые могут ответить эссе на реальные темы и вопросы.
- Новая бесполезная кнопка: Теперь есть возможность, с помощью которой пользователи могут уведомить LinkedIn о том, что определенное эссе бесполезно. С точки зрения SEO интересно, что LinkedIn представляет кнопку «палец вниз» через призму полезности.
- Улучшенные алгоритмы сопоставления тем: LinkedIn усовершенствовал способ сопоставления людей с субъектами с помощью так называемого «Встроенного поиска для улучшения сопоставления», который был создан в ответ на комментарии участников о качестве сопоставления тем с участниками.
LinkedIn объясняет:
«Мы сконцентрировали наши усилия на сопоставлении навыков между статьями и экспертами-участниками после получения информации от наших участников с помощью наших инструментов оценки. Одной из новых технологий, которые мы используем, является поиск на основе встраивания (EBR). Этот метод создает встраивания как для участников, так и для статей в одном и том же семантическом пространстве, а затем выполняет приблизительный поиск ближайших соседей, чтобы найти лучшие совпадения статей для участников».
Проект LinkedIn Collaborative Articles — одна из наиболее продуманных инициатив по разработке контента за последние годы. Что делает его не только выдающимся, так это то, что он сочетает в себе технологии искусственного интеллекта и машинного обучения с человеческими навыками для создания экспертной и полезной информации, которая нравится читателям и которой можно доверять.
LinkedIn теперь использует сигналы взаимодействия с пользователем для повышения качества профильных экспертов, которых просят написать статьи, а также для выявления контента, который не соответствует требованиям пользователей.
Преимущества написания статей включают продвижение высококачественных экспертов в предметной области каждый раз, когда их статья ранжируется в Google, что позволяет любому, кто продвигает услугу или продукт, или ищет клиентов или следующую работу, продемонстрировать свои навыки, опыт и авторитет. .
Источник- SearchEngineJournal.
English
English
French
German
Russian
Spanish