Construir páginas locais em qualquer quantidade pode ser uma tarefa dolorosa. É difícil encontrar a combinação certa de conteúdo, experiência e localização sobre o assunto, e a tentação de usar atalhos sempre foi moderada pelo fato de que um conteúdo bom e exclusivo é quase impossível de ser dimensionado.
Na edição desta semana do Whiteboard Friday, Russ Jones compartilha sua técnica favorita de chapéu branco usando a geração de linguagem natural para criar páginas locais para o conteúdo de seu coração.
Clique na imagem do quadro acima para abrir uma versão de alta resolução em uma nova guia!
Transcrição de vídeo
Olá amigos, sou Russ Jones aqui novamente com a Moz para falar com você sobre os principais problemas de otimização de mecanismos de pesquisa. Hoje vou falar sobre uma das minhas técnicas favoritas, algo que inventei há vários anos para um cliente em particular e que se tornou cada vez mais importante ao longo dos anos.
Usando a geração de linguagem natural para criar conteúdo hiperlocal
Eu chamo isso de geração de linguagem natural para criar conteúdo hiperlocal. Agora eu sei que há muitas palavras longas lá. Alguns de vocês estão familiarizados com eles, outros não.
Então, deixe-me dar um tipo de cenário, provavelmente aquele com o qual você já esteve familiarizado uma vez ou outra. Imagine que você tem um novo cliente e esse cliente tem algo como 18.000 locais nos Estados Unidos.
Em seguida, o Google diz para você criar conteúdo exclusivo. Agora é claro que não precisa ser 18.000. Até 100 locais podem ser difíceis, não apenas para criar conteúdo exclusivo, mas também para criar conteúdo valioso que tenha algum tipo de relevância para esse local específico.
Então, o que eu quero fazer hoje é discutir uma metodologia específica que usa a geração de linguagem natural para criar esses tipos de páginas em escala.
Qual é a geração de linguagem natural?
Agora, pode haver algumas perguntas que precisamos seguir em frente e sair do prato primeiro. Então, primeiro, o que é geração de linguagem natural? Bem, a geração da linguagem natural realmente se originou com a finalidade de gerar avisos meteorológicos. Você provavelmente já viu isso 100.000 vezes.
Toda vez que há uma tempestade ou, digamos, um forte aviso de vento ou algo assim, você vê na parte inferior de uma televisão, se é mais velho como eu, ou tem um no seu celular e diz que o Serviço Nacional de Meteorologia tem emitiu algum tipo de aviso sobre algum tipo de alerta climático perigoso e que precisa se proteger.
Bem, a linguagem que você vê lá é gerada por uma máquina. Ele leva em consideração todos os dados apresentados sobre o clima e, em seguida, coloca em frases que os humanos entendem automaticamente. É como Mad Libs, mas muito mais técnico no sentido de que o que sai disso, em vez de ser bobo ou engraçado, é realmente uma informação realmente útil.
Esse é o nosso objetivo aqui. Queremos usar a geração de linguagem natural para produzir páginas locais para uma empresa que possui informações muito úteis.
Não é esse chapéu preto?
Agora, a pergunta que quase sempre temos ou pelo menos quase sempre recebemos é: esse chapéu é preto? Uma das coisas que não devemos fazer é gerar automaticamente o conteúdo.
Por isso, levarei um momento para o final para discutir exatamente como diferenciamos esse tipo de criação de conteúdo do estilo padrão, Mad Libs, conectando diferentes palavras da cidade na geração de conteúdo e o que estamos fazendo aqui. O que estamos fazendo aqui é fornecer conteúdo de valor exclusivo para nossos clientes, e é por isso que passa no teste de ser um conteúdo de qualidade.
Vamos ver um exemplo
Então vamos fazer isso. Vamos falar sobre o que eu acho que é a metodologia mais fácil e chamo isso de método do Google Trends.
1. Escolha itens para comparar
Então, vamos voltar um segundo e falar sobre esse negócio que possui 18.000 locais. O que sabemos sobre esse negócio? Bem, as empresas têm algumas coisas em comum, independentemente do setor em que estão.
Eles têm produtos ou serviços semelhantes, e esses produtos e serviços podem ter estilos, sabores ou coberturas, apenas todos os tipos de coisas que você pode comparar sobre os diferentes itens e serviços que eles oferecem. Aí reside a nossa oportunidade de produzir conteúdo exclusivo em quase todas as regiões dos Estados Unidos.
A ferramenta que vamos usar para conseguir isso é o Google Trends. Portanto, o primeiro passo que você fará é levar esse cliente e, neste caso, vou apenas dizer que é uma cadeia de pizzas, por exemplo, e vamos identificar os itens que podemos comparar. Nesse caso, você provavelmente escolheria coberturas, por exemplo.
Portanto, estaríamos interessados em calabresa, lingüiça e anchova, e Deus não permita abacaxi, apenas todos os tipos de coberturas diferentes que podem diferir de região para região, cidade para cidade e local para local em termos de demanda. Então, o que faremos é ir diretamente para o Google Trends.
A melhor parte do Google Trends é que eles não fornecem apenas informações em todo o país. Você pode reduzi-lo à cidade, estado ou, em alguns casos, ao nível do código postal, e é por isso que nos permite coletar informações hiperlocais sobre essa categoria específica de serviços ou produtos.
Por exemplo, na verdade, é uma comparação da demanda por calabresa versus cogumelos versus salsichas em Seattle no momento. Portanto, a maioria das pessoas, quando busca no Google uma pizza, procura por pepperoni.
2. Colete dados por local
Então, o que você faria é pegar todos os locais diferentes e coletar esse tipo de informação sobre eles. Assim, você saberia que, por exemplo, há cerca de 2,5 vezes mais interesse aqui em pepperoni do que em pizza de salsicha. Bem, isso não será o mesmo em todas as cidades e em todos os estados. De fato, se você escolher um grande número de ingredientes diferentes, encontrará todos os tipos de coisas, não apenas a comparação de quanto as pessoas pedem ou querem, mas talvez como as coisas mudaram ao longo do tempo.
Por exemplo, talvez o pepperoni tenha se tornado menos popular. Se eu tivesse que procurar em certas cidades, esse provavelmente é o caso, já que o vegetariano e o veganismo aumentaram. Bem, o bom da geração de linguagem natural é que podemos extrair automaticamente esses tipos de relacionamentos únicos e usá-los como dados para relatar o conteúdo que acabamos colocando nas páginas do nosso site.
Então, por exemplo, digamos que pegamos Seattle. O sistema pode identificar automaticamente esses diferentes tipos de relacionamentos. Digamos que sabemos que o pepperoni é o mais popular. Você também pode identificar que as anchovas ficaram fora de moda nas pizzas. Quase ninguém os quer mais.
Algo assim. Mas o que acontece é que estamos nos movendo lenta mas seguramente com essas tendências e pontos de dados que são interessantes e úteis para as pessoas que estão prestes a pedir uma pizza. Por exemplo, se você vai organizar uma festa para 50 pessoas e não sabe o que elas querem, pode fazer o que todo mundo faz mais ou menos, ou seja, um terço de calabresa, um terço simples e um terço de legumes, o que é uma espécie padrão se você gosta de organizar uma festa de aniversário ou algo assim.
Mas se você veio à página da Pizza Hut ou à página do Domino e ele lhe disse que na cidade onde você mora as pessoas realmente gostam dessa cobertura específica, você pode tomar uma decisão melhor sobre o que pedir. Então, na verdade, estamos fornecendo informações úteis.
3. Gere texto
Então, é aqui que estamos falando sobre gerar o texto a partir das tendências e dos dados que obtivemos de todas as configurações regionais.
Encontre tendências locais
Agora, o primeiro passo, é claro, é analisar as tendências locais. Mas as tendências locais não são o único lugar onde podemos procurar. Nós podemos ir além disso. Por exemplo, podemos compará-lo com outros locais. Portanto, pode ser tão interessante que em Seattle as pessoas realmente gostem de cogumelos como cobertura ou algo assim.
Compare com outros locais
Mas também seria realmente interessante ver se os ingredientes preferidos, por exemplo, em Chicago, onde as regras de pizza no estilo Chicago, contra Nova York, são diferentes. Isso seria algo interessante e que a geração da linguagem natural poderia extrair automaticamente. Finalmente, outra coisa que as pessoas tendem a sentir falta ao tentar implementar essa solução é que elas acham que precisam comparar tudo de uma vez.
Escolha um subconjunto de elementos
Não é assim que você faria. O que você faria é escolher as idéias mais interessantes em cada situação. Agora, podíamos obter informações técnicas sobre como isso poderia ser realizado. Por exemplo, poderíamos dizer, bem, podemos olhar para tendências. Bem, se todas as tendências são planas, provavelmente não escolheremos essas informações. Mas vemos que a relação entre uma cobertura e outra cobertura nesta cidade é excepcionalmente diferente em comparação com outras cidades; bem, pode ser isso que é selecionado.
4. Revisão humana
Agora é aqui que entra a pergunta sobre o chapéu branco versus o chapéu preto. Portanto, temos essa página local e agora geramos todo esse conteúdo textual sobre o que as pessoas querem de pizza nessa cidade ou cidade em particular. Precisamos garantir que esse conteúdo seja realmente de qualidade. É aí que entra o passo final, que é apenas uma revisão humana.
Na minha opinião, o conteúdo gerado automaticamente, desde que seja útil e valioso e tenha passado pelas mãos de um editor humano que identificou isso como verdade, é tão bom quanto se esse editor humano tivesse pesquisado o mesmo ponto de dados e escrito as mesmas frases.
Então, acho que, neste caso, especialmente quando falamos em fornecer dados para um conjunto tão diversificado de lugares em todo o país, faz sentido alavancar a tecnologia de uma maneira que nos permita gerar conteúdo e também nos permita servir ao usuário o melhor conteúdo possível e mais relevante do que podemos.
Então, espero que você entenda isso, gaste algum tempo procurando por geração de idioma natural e, finalmente, seja capaz de criar páginas locais muito melhores do que nunca. Obrigada
Transcrição de vídeo por Speechpad.com
