SEO를 위한 구조화된 데이터의 사용 및 중요성에 대한 Andrea Volpini

안녕. 초대해주셔서 감사합니다. 훌륭합니다. 오늘 이곳에 오게 되어 기쁩니다.

저는 대학교 2학년 때 중퇴했습니다. 나는 매스커뮤니케이션을 공부하고 있었다. 하지만 그 당시 저는 이미 웹에서 비즈니스를 운영하고 있었습니다. 나는 대학을 중퇴하고 웹사이트를 계속 만들고 있습니다. 그런 다음 웹 사이트에서 콘텐츠 관리 시스템으로 이동하여 웹 사이트를 만드는 도구입니다. 그런 다음 콘텐츠 관리 시스템이 확장되고 World Wide Web의 창시자이자 창시자인 Tim Bernal S Lee가 페이지가 아닌 데이터를 요구하기 시작하면서 Semantic Web 기술 분야에 더 많은 모험을 시작했습니다.

앞으로 또는 다른 것? 나는 사업을 시작했고 이미 그 시점에서 다른 사람들을 고용하고 있었습니다. 사업은 잘 되고 있었지만 나는 학위를 받지 못한 많은 세대 중 첫 번째였다. 가족에게 큰 일이었습니다. 그들은 그것을 조용히 받아들입니다. 근데 네, 몇세대인지는 모르겠는데 1세대였습니다. 하지만 저는 항상 해커였습니다. 나는 항상 마음가짐에서 해커였으며 앞으로도 그럴 것입니다. 사물을 이해하고 설명할 수 있으려면 무언가를 해야 한다는 뜻입니다. 그래서 저에게는 이 길이 가장 자연스러운 것 같습니다. 그런 다음 어쨌든 저는 대학과 긴밀히 협력하고 유럽 자금으로 수년 동안 연구를 수행하여 실제로 2015년 또는 16년 당시에 있었던 최초의 프로토타입으로 우리를 이끈 것입니다. 우리는 연구를 하고 있었습니다. 일하다. 나는 항상 전통적인 교육과 문제에 대한 혁신적인 해결책을 찾는 데 시간을 보내는 것의 중요성을 높이 평가했습니다.

저는 1995년에 웹을 시작했습니다. 오래 전 일입니다.

응. 그 이후로 나는 인터넷에서 일하고 있습니다. 처음에는 WordLift의 기존 공동 창립자이자 CTO인 David Ritchie Telly와 함께 고등학교에 다니고 있었습니다. 우리는 함께 학교에 있었다. 첫 번째 사업은 웹 호스팅에 관한 것이 었습니다. 우리는 미국에 있는 서버에서 스토리지를 구매한 다음 이 월드 와이드 웹이 무엇인지 이해하려는 사람들을 위해 이탈리아에서 재판매하기 시작했습니다. 그것이 시작이었습니다.

사람들은 보통 먼지를 찾았습니다. 저는 항상 많은 업계에서 선두였고 클라이언트를 확보하는 데 문제가 없었습니다. 유일한 것은 아니더라도 웹 3D, 동적 웹 페이지 또는 가상 에이전트와 같은 특정 작업을 팀과 함께 수행하는 몇 안 되는 사람 중 하나였기 때문입니다. 불러라. 우리는 모든 것을 스트리밍했습니다. 우리는 비디오 스트리밍을 많이 해왔습니다. 모든 것이 항상 처음이었습니다. 그러므로 시장은 바로 당신이기 때문에 당신에게 온다.

저는 인공 지능과 검색 엔진 최적화 간의 교차점에 더 집중하기 전에 두 개의 웹 회사를 매각했습니다. 저는 웹에서 회사를 운영해 왔습니다. 첫 번째는 실제로 웹 개발을 하고 있었습니다. 두 번째는 이러한 콘텐츠 관리 시스템을 개발한 더 큰 대행사였습니다. 그런 다음 Semantic Web을 위한 플랫폼을 만드는 아이디어로 David와 다시 시작했습니다. 그게 뭐야.

같은 일을? 그래, 우리는 이 일을 거의 내내 함께 해왔어.

내가 이직을 해야 할 때인지, 내가 떠나서 새로운 것을 만들어가기에 좋은 조건인지 등 복합적인 상황에서 일어난 일이라고 생각한다. 삶의 변화에 ​​따라, 그리고 새로운 분야에 매력을 느끼면서 진화한다고 생각합니다. 그리고 저에게 SEO는 새로운 것이었습니다. 95년에 웹페이지를 만들기 시작했지만 2015년, 2016년까지는 솔직히 말해서 SEO가 별거 아니었습니다.

저는 수년 동안 매우 큰 사이트를 개발해 왔기 때문에 이 용어가 생소한 것은 아닙니다. 검색 엔진이 귀하의 콘텐츠를 이해하도록 만드는 것의 중요성을 이해하는 측면에서 저는 처음이었습니다. 저는 항상 콘텐츠를 구성하고, 효과적인 탐색 흐름을 만들고, 사용자가 사이트에서 항목을 찾도록 돕고, 사이트의 내부 검색 엔진을 개발하는 데 더 많은 관심을 가졌습니다. 하지만 Google이나 Bing과 같이 다른 사람이 실행하고 있는 컨트롤러와 색인을 통해 다른 사람이 콘텐츠를 이해하게 하는 기능에 대해서는 생각해 본 적이 없습니다.

문제는 우리가 페이지로 구성된 웹에서 데이터로 구성된 웹으로 이동한다는 비전으로 시작했다는 것입니다. 예전에 Tim Bernersley가 설교했던 것처럼 지금 원시 데이터에 대해 비명을 지르기 위해 이 역사적인 tatt talk를 시작했습니다. 그래서 저는 우리가 정부와 많은 일을 하면서 오픈 데이터 운동에 뛰어들었습니다. 그래서 저는 다른 사람들이 데이터를 기반으로 응용 프로그램을 개발할 수 있도록 공개 데이터와 데이터를 공개하는 것의 중요성에 정말로 관여했습니다. 그러다가 인공지능이 데이터로 훈련될 것이기 때문에 웹이 모두 데이터로 만들어져야 한다는 것을 깨달았습니다. 우리가 AI 퍼스트 세계로 전환함에 따라 마지막에 데이터가 있고 사람들이 데이터를 제어하도록 하는 것이 개방적이고 민주적인 사회에도 중추적인 역할을 하고 있습니다. 그러나 사람들이 어떻게 데이터를 게시할 수 있습니까? 사람들은 어떻게 자신만의 지식 그래프를 만들 수 있을까요? 그것이 우리가 WordLift를 구축하도록 영감을 준 사명이었습니다. 괜찮은.

아니요, 우리는 스키마나 컨소시엄이 생성되기 조금 전에 시작했기 때문에 실제로 결과가 나왔습니다. 저는 오픈 데이터와 링크 데이터 운동에서 나왔기 때문에 VueRank의 공동 설립자인 Boris De Maria가 저에게 전화를 걸어 "이봐, 나는 당신의 작업을 따르고 놀랍습니다. 저는 SEO 산업에서 왔으며 투자를 원합니다. 그런 다음 저는 SEO가 실제로 우리의 놀이터이며 데이터 웹을 민주화한다는 아이디어가 실제로 SEO의 진화에 적합하다는 것을 깨달았습니다.

자, 이번 주에 우리는 발표를 할 것입니다. 회사가 생기기도 전인 초창기였습니다. 우리는 VueRank와 파트너 관계를 맺었습니다. 우리는 여전히 파트너십을 유지하고 있습니다. 전문 서비스, 웹 개발 및 정보 추출의 맥락에서 이미 다른 두 회사를 운영하고 있는 동안 우리는 처음부터 새로운 회사를 시작했습니다. 이번 주에 우리는 성공적으로 마감된 새로운 라운드에 대해 발표할 것입니다.

우리는 확장하고 성장하고 있으며 가장 중요한 것은 많은 웹 사이트에서 구조화된 데이터를 생성하고 구조화된 데이터 프로세스를 자동화할 수 있도록 하고 있다는 것입니다.

구조화된 데이터는 콘텐츠를 검색 엔진이 이해할 수 있는 기계 판독 가능 형식으로 변환하는 방법입니다. 구조화되지 않은 것은 작성되고 인간의 마음으로 해석될 수 있는 모든 것입니다. 구조화된, 기계가 읽을 수 있는 데이터베이스와 같은 것입니다. 이제 구조화된 데이터는 데이터베이스와 비슷하지만 인간의 마음이 구조화되지 않은 데이터, 텍스트 조각에서 감지한다는 의미도 있습니다. 사람이 콘텐츠를 읽을 때 하는 것처럼 기계가 의미를 이해할 수 있게 해주기 때문에 아름답습니다.

오른쪽. 내 화면을 공유하고 끝에서 시작하겠습니다. 구조화된 데이터를 사용하려는 이유를 살펴보겠습니다. 화면이 보이면 말해주세요.

여기서 이 이미지들을 살펴봅시다. 하나의 이미지를 선택한 다음 Google 렌즈로 이미지를 검색합니다. Google Lens는 이미지를 보는 Google 방식이며 지식 그래프의 항목을 사용합니다. 보시다시피 제가 이 작업을 수행함에 따라 Google은 단일 이미지에서 이것이 이제 기업가인 Andrea Volpini와 관련이 있음을 이해할 수 있습니다. 그런 다음 해당 이미지와 관련이 있지만 이 엔터티와도 관련된 여러 웹사이트에서 클라이언트 인센티브를 가져옵니다. 여기 또 다른 예가 있습니다. 가서 WordLift의 설립자가 누구인지 묻는다면 Google은 Andreo Volpini가 David Richie Telly와 함께 WordLift의 설립자 중 한 명이라는 풍부한 결과를 제공할 수 있습니다. 구조화된 데이터를 사용하여 콘텐츠를 해석하고 링크가 아닌 답변을 제공하는 검색 엔진에 이러한 기능을 제공하고 있습니다. 실제로 블로그를 작성하는 사람에게 그것은 무엇을 의미합니까? 블로그를 작성할 때 가장 먼저 해야 할 일은 블로그 작성자이자 게시자로서 자신 주변의 엔터티가 구조화되어 있는지 확인하는 것입니다.
검색 엔진이 귀하가 누구인지, 그리고 귀하가 이미 웹에 어떻게 존재하는지 이해하도록 돕기 위해 학급 사람과 학급 조직을 사용하기 시작하려고 합니다. 이 Google 렌즈 예에서 본 것처럼 알고리즘에 신뢰를 제공할 링크 및 스키마 URL 링크와 동일한 것을 사용하기 시작하고 싶습니다. 즉, 블로그 뒤에 있는 사람이고 LinkedIn에서 작동하는 사람과 동일한 사람입니다. Twitter 등에서 활동합니다. 그것이 출발점이 될 것입니다. 검색 엔진이 이와 같은 두 가지 질문에 답할 수 있기를 원하기 때문에 웹에서 자신의 엔터티를 만드십시오.

그것보다 더 복잡할 것입니다. 그러나 검색하는 사람에게 답변을 제공하려는 경우 신뢰할 수 있고 신뢰할 수 있는 출처에서 나온 답변을 원한다고 가정해 보겠습니다. 내가 자동차에 전혀 관심이 없기 때문에 빠른 자동차에 대해 다루거나 글을 쓴 적이 없다면 모르겠습니다. 빠른 자동차에 대한 쿼리를 작성하는 것이 검색자에게 좋은 정보 소스가 될까요? 그렇지 않을 수도 있습니다. 사람들이 온라인 비즈니스와 구조화된 데이터에 대해 이야기하고 싶을 때 대신 좋은 소스가 될까요? 글쎄요. 우리가 작성할 수 있는 콘텐츠와 특정 틈새 시장에서 우리가 얼마나 신뢰할 수 있는지 이해하는 데 검색 엔진을 더 많이 지원할수록 해당 특정 쿼리에 대해 순위를 매기는 데 도움이 되는 검색 엔진의 기능을 더 많이 제공하고 있습니다.

Bislaskovi가 일반적으로 강조하는 Google 패턴을 보면 실제로 두 가지 방식으로 작동한다는 것을 알 수 있습니다. 물론 World of Blog에서 빠른 자동차에 대한 콘텐츠를 찾는 경우는 거의 없기 때문입니다. 대부분 SEO와 관련된 것을 찾을 수 있습니다. 하지만 작품 뒤에 있는 작가도 똑같이 중요합니다. 물론 그것은 소위 EAT 요인의 맥락에서 작용합니다. 구조화된 데이터는 우리가 해당 주제에 대해 얼마나 구체적일 수 있는지에 대해 더 많이 이해하도록 검색 엔진을 유도할 수 있기 때문에 이러한 EAT 요인의 촉진제이기도 합니다. 우리는 American University of Cairo와 함께 이 실험을 수행했으며, Google Scholar에서 그들의 블로그 게시물 뒤에 구조화된 데이터를 추가하고 이 기사 뒤에 있는 연구 결과물과 일치시켰기 때문에 Google Scholar에서 순위를 매길 수 있었습니다.

여기에 우리가 따라야 할 두 가지 생각이 있습니다. 첫 번째는 우리가 Google만을 위한 구조화된 데이터를 구축하지 않는다는 것입니다. 올해 저는 Web Almanack의 구조화된 데이터 장에 기여하는 데 참여하게 되어 영광이었습니다. 웹 연감은 우리가 있는 웹의 상태를 매년 검토하는 것입니다. 팀의 다른 사람들과 함께 이러한 구조화된 데이터 형식의 웹에 있는 수백만 개의 항목을 분석하고 해부하면서 저는 우리가 Google만을 위한 구조화된 데이터를 구축하고 있지 않다는 것을 깨달았고 마침내 알게 되었습니다. 우리는 SEO만을 위해 구조화된 데이터를 사용하지 않습니다. 기계가 우리가 누구인지 이해하도록 돕고 있기 때문에 이렇게 하는 것입니다. 이제 Google과 같은 기계가 있습니다. 하지만 우리는 또한 구조화된 데이터 위에 자체 AI를 교육하고 있습니다. 구조화된 데이터에 대해 이야기할 때 Google에 대해서만 이야기하는 것이 아니라 우리 웹사이트에 대해서도 이야기하는 이유를 볼 수 있는 또 다른 예를 보여드리겠습니다. 여기에서 세계에 임베딩된 그래프를 볼 수 있습니다. 아이오 홈페이지. 블로그에서 구조화된 데이터의 엔터티를 볼 수 있습니다. 그런 다음 블로그의 WordLift에서 구조화된 데이터에 대해 이야기할 때 주로 지식 그래프에 대해 이야기한다는 것을 이해하기 위해 이러한 파이프라인을 즉시 실행할 수 있습니다. 그런 다음 삼각 최적화 및 인공 지능과 링크 데이터를 통해 몰래 다시 전자 상거래에 도달합니다.
그런 다음 Bislowski, 여기에서 그를 볼 수 있습니다. Bislowski 또는 Jason Barton을 볼 수 있습니다. WordLift 블로그의 콘텐츠 컨텍스트 내에서 이러한 엔터티가 서로 어떻게 관련되어 있는지 확인할 수 있습니다. 이것은 우리가 가지고 있는 콘텐츠 클러스터를 이해하는 데 도움이 됩니다. 우리는 Google이 Serp에서 가치 있는 검색 경험을 제공하기 위해 사용하는 것과 동일한 구조화된 데이터를 활용하고 있습니다. 첫 번째 생각은 Google 전용으로 구조화된 데이터를 구축하는 것이 아니라는 것입니다. 자신의 사이트와 기업을 위한 인공 지능 전략의 기반을 만들고 있습니다. 두 번째 생각은, 음, 어때요? Google이 취하는 AI 우선 접근 방식으로 인해 유기적 기회가 분명히 줄어들고 있지만 고객과 웹 사이트는 계속 유기적 트래픽을 끌어들입니다. 왜 그런 겁니까? 물론 우리가 Semantic SEO를 활용하면서 더 많은 자격을 갖춘 데이터로 시스템을 육성함에 따라 뉴스 및 미디어 사이트의 주요 기사이든 Google 검색이든 상관없이 다양한 기능에 표면화할 수 있기 때문입니다. 트래픽, 또는 FAQ 콘텐츠이거나 캐러셀에 들어오는 비디오 트래픽입니다.
우리는 트래픽이 정반대로 줄어들지 않도록 이러한 많은 기능을 활용하고 있습니다.

이는 검색이 대화식으로 바뀌고 있기 때문에 가능합니다. 즉, 주제 확대/축소와 같은 Google MUM 기능을 통해 이미 볼 수 있습니다. 예를 들어 Kali Kube Tuesday와 같은 쿼리를 작성하면 Google MUM이 Kali Kube Tuesday에서 예정된 이벤트를 가져옵니다. 그러면 검색자는 다가오는 에피소드가 X, Y, Z에 관한 것임을 알지 못하더라도 이것들로부터 Zoom이라는 주제를 배울 것입니다. Google이 구조화된 데이터를 사용하여 이러한 기능을 활성화하기 위해 MAM과 같은 것을 교육할 수 있는 방법은 인간의 지식을 AI로 이전하는 방법이기 때문입니다. 다시 말하지만 Google만이 아닙니다. 검색자의 행동이 바뀌고 있습니다. Google만 그렇게 하는 것은 아닙니다. 사람으로서 우리는 점점 더 대화를 나누고 있습니다. 우리는 자동 비서와 대화하는 데 점점 더 익숙해지고 있습니다.

누구나 구조화된 데이터를 사용할 수 있습니다. 구조화된 데이터는 단순히 공개 데이터의 한 형태입니다. 이제 오픈 데이터, 이것이 우리가 현재와 미래의 AI와 소통할 수 있는 방법입니다. 우리가 듣고 싶다면 AI와 대화해야 합니다. 지식 그래프와 구조화된 데이터는 AI와 대화하고 AI가 우리를 이해하도록 하는 데 사용할 수 있는 언어입니다. AI가 Google, Bing 또는 우리 자신의 AI인지 여부입니다. 구조화된 데이터는 모두를 위한 것입니다. 하지만 물론 우리는 중요한 것에 집중해야 합니다. 왜냐하면 내가 독립체 사람으로 인식되는 것이 중요하기 때문입니다. 내 제품이 인정받는 것이 중요합니까? 예를 들어 내 제품의 배송 세부 정보에 대한 정보를 지정하는 것이 중요합니까? 처음에 본 것처럼 시각적 검색을 용이하게 하고 싶습니까? 아니면 예를 들어 브랜드의 아이덴티티에 집중하는 것이 좋을까요? 이것은 내가 어떤 유형의 지식 그래프를 만들고 싶은지 생각하기 전에 내려야 할 매우 전략적인 결정입니다.

오른쪽. WordLiftt는 블로그 게시물의 내용을 자동으로 읽고 자연어 이해 및 이름 엔터티 인식을 사용하여 가장 관련성이 높은 엔터티를 자동으로 추출합니다. 이렇게 하면 특정 블로그 게시물에 대한 더 많은 의미를 Google에 자동으로 제공합니다. 태깅과 유사한 작업을 수행함으로써 WordLift는 검색 엔진에 풍부한 정보를 제공하고 있습니다. 예를 들어 WordLift 블로그의 구조화된 데이터와 같은 특정 관심 영역 주위에 이 주제 클러스터를 생성하기 위해 그래프에서 이 데이터를 사용할 수 있기 때문에 Google에만 해당되는 것이 아닙니다. 헤드리스 설정을 만드는 데도 이 그래프를 사용할 수 있습니다. WordPress를 거치지 않고 JavaScript로 헤드리스를 구축하여 페이지를 매우 빠르게 만들 수 있습니다. 그러나 콘텐츠에 대한 모든 메타데이터는 지식 그래프 내에 있습니다.

오른쪽. 화면을 빠르게 공유하고 블로그 게시물을 살펴보고 실제로 볼 수 있도록하겠습니다. 직원 번아웃에 대한 블로그 게시물입니다. 여기서 지구의 바퀴는 블로그 게시물의 콘텐츠와 관련이 있을 수도 있고 없을 수도 있는 엔터티 집합을 감지합니다. 예를 들어 이 콘텐츠에 대한 링크를 추가할지 여부도 결정할 수 있습니다. 이 작업을 수행하는 것만으로도 이미 이 블로그 게시물과 관련이 있지만 이러한 개념에 연결된 여러 쿼리에 대한 진입점을 Google에 제공하고 있기 때문에 이미 SEO를 위해 많은 일을 하고 있습니다. 간단한 태그로 이 작업을 수행할 수 있습니다. 물론 이제 이 작업을 수행하면 프런트 엔드에서 WordLift가 이미 이러한 컨텍스트 카드 위젯을 만들고 있음을 볼 수 있습니다. 이 콘텐츠 카드 위젯은 내가 사용하고 있는 일부 개념에 대한 이해를 독자에게 제공하고 있습니다. 물론 이러한 엔터티 뒤에 페이지를 포함할지 여부를 결정할 수 있습니다. 물론 이것은 취해야 할 SEO 결정입니다. 물론 그것은 당신이 묻는 주제 내용 질문과 관련이 있습니다.
일반적으로 WordLift는 테마 콘텐츠의 문제가 없도록 이미 가지고 있는 콘텐츠를 살펴봄으로써 이러한 용어 어휘를 만들기 시작합니다. 그러나 우리는 또한 이러한 엔티티 설명 중 일부를 제공하기 위해 Wikipedia에서 콘텐츠를 가져올 것입니다. 그러나 엔터티 설명은 단순히 구조화된 데이터를 구축하는 데 사용할 수도 있고 페이지를 만드는 데 사용할 수도 있습니다. 그러나 이것들은 사용자가 취할 수 있는 결정이며 SEO 전략에 영향을 미칠 것입니다. 블로그 게시물에 주석을 다는 데만 데이터를 사용하도록 WordLift를 제한하면 얇은 콘텐츠에 대해 걱정할 필요가 없습니다. 여기에서 WordLift가 이것이 구조화된 데이터 형식의 기사라고 말하는 것을 볼 수 있습니다. 그런데 이 기사는 번아웃에 대해 이야기하고 감지된 다른 개념에 대해 이야기하고 있습니다. 자동으로 세상은 또한 데이터 웹에 대한 링크를 생성하고 있습니다. 일반적인 개념을 참조할 뿐만 아니라 Semantic Web의 여러 데이터 세트에서 동일한 개념을 참조하기도 합니다. 이것은 모든 기계가 기사가 무엇에 관한 것인지 이해하기 위해 활용할 수 있는 기사 주변의 지식 그래프를 생성하고 있습니다.

전적으로. 우선, 다른 경우가 있는 것은 물론, 사이트마다, 다르지만 몇 가지 독특한 측면이 있습니다. 일반적으로 내가 말했듯이 다른 수준이 있습니다. 그러나 출발점은 기사에 의미론적 주석을 추가하는 것입니다. 링크를 생성하지 않고, 엔티티를 생성하지 않고, 추가 콘텐츠를 추가하지 않고 그렇게 함으로써 평균적으로 2주와 이 개월.

6%, 8%이며 더 큰 플랫폼에서는 큰 의미가 있습니다. 꽤 안정적인 성장입니다. 이제 도구를 사용하기 시작하고 특정 개념에 대한 페이지에 대한 링크를 추가하기 시작하거나 위젯을 추가하기 시작하면 WorldLift가 독자가 그래프의 데이터를 보면 트래픽이 많은 사이트의 경우 2주에서 트래픽이 많은 사이트의 경우 3개월까지 다양한 기간 동안 최대 30% 또는 40%까지 증가할 수 있습니다. 교통량이 적습니다.

아니요, 내 편도 아니고 제3자 웹사이트도 아닙니다. 제 입장에서는 구조화된 데이터에 대한 모든 것을 그룹화하기 위한 페이지를 만듭니다. 그런 다음 이 페이지는 카테고리 페이지가 되지만 편집도 가능합니다.

글쎄요, 그 시점에서 그것은 구조화된 데이터뿐만 아니라 사용자가 옆에서 보내는 시간이기도 합니다. JSON LD, 그리고 저는 JSON LD의 개념에 익숙하지 않습니다. 그리고 당신이 JSON LD에 대해 이미 작성했기 때문에 내부 링크를 통해 당신 쪽에서 이해하도록 허용합니다. 기사 주변에 이러한 주제 클러스터를 생성함으로써 사용자가 콘텐츠를 발견할 수 있는 기회를 늘리고 있습니다. Semantic SEO는 키워드와 페이지의 논리 밖에서 생각하는 것입니다.

주제 클러스터의 관점에서 생각하십시오. 블로그 게시물을 작성할 때 독자가 더 많은 것을 발견하는 데 도움이 될 수 있는 용어 및 콘텐츠 조각의 은하계에 있는 모든 것을 클러스터링하고 싶습니다. 그것이 그것의 아름다움입니다. 그것은 적어도 30%의 증가를 만들 것입니다.

쓰기? 내가 말했듯이 두 가지 방법이 있습니다. 예를 들어 사이트의 콘텐츠를 본 다음 예를 들어 모든 태그를 엔터티로 변환할 수 있습니다. 따라서 태그 페이지는 이러한 새 페이지가 됩니다. 또는 World of는 데이터 링크에서 데이터를 가져올 수 있으므로 Wikipedia 또는 기타 외부 소스입니다. 또는 더 많은 통합 서비스를 추가하기 시작하는 특정 구현에서 언어 모델을 사용하여 생성할 수도 있습니다. 콘텐츠 제작 규모를 확대하기 시작할 수 있는 다양한 방법이 있습니다.

우리가 작업하고 있던 문서의 이전 예제로 돌아가 보겠습니다. 그러면 위젯이 작동하는 것을 볼 수 있습니다. 여기 있습니다. 우리는 이 콘텐츠에 대한 정보를 나타내는 문서 내부에 이러한 지식 그래프를 구축하고 있습니다. 여기에서 볼 수 있듯이 동영상도 추가했으며 Wharrley는 편집기에 포함된 동영상을 감지했으며 이미 자동으로 YouTube에서 메타데이터를 가져오고 있습니다. 이것이 내 동영상이든 다른 사람의 동영상이든 이제 기사에 바인딩된 비디오 개체 마크업으로 표시되며 설명, 비디오 이름 및 WordLift 테스트가 나를 위해 생성한 모든 메타데이터를 개인화할 수 있습니다. 하지만 위젯을 살펴보겠습니다. 이 작업을 수행할 때 블록을 추가할 수 있으며 예를 들어 World of에서 의미론적으로 관련된 항목을 연결하기 위해 제공하는 위젯 중 하나인 Faceted Search Widget을 추가할 수 있습니다. 이것 좀 봅시다. 여기에서는 스타일을 지정해야 하지만 World of this는 물론이고 이것은 데모 사이트이므로 반드시 최상의 용어 조합은 아닙니다. 그러나 여기서 World of this는 관련된 콘텐츠를 필터링하는 데 엔터티가 사용되는 Google 이미지 검색과 유사한 인터페이스를 제공합니다.

기사. 그런 다음 이 콘텐츠는 내 사이트에서 가져온 것입니다. 일반적으로 이러한 콘텐츠를 추가하는 것만으로도 세션당 페이지 조회수가 30% 증가합니다. 물론 콘텐츠가 의미적으로 관련되어 있기 때문입니다. 사용자는 엔티티 네트워크를 조정하여 목록을 필터링할 수 있습니다. 트래픽을 늘리고 독자를 위한 가치를 창출할 수 있는 또 다른 방법을 증명합니다.

관련 기사. 일반적으로 위젯을 배치할 때 두 가지 메트릭을 확인합니다. 우리는 위젯을 추가한 페이지에서 세션당 페이지의 증가를 확인한 다음 페이지에 머문 평균 시간을 봅니다. 이 시간은 40% 또는 60%까지 극적으로 증가할 것입니다. 일부 경우에. 메트릭에 대한 이러한 플레이는 템플릿 수준에서 이 위젯을 추가할 수 있기 때문에 확장 가능합니다. 그러면 보유한 아카이브에서도 모든 페이지가 이점을 얻을 수 있습니다. 시맨틱 SEO와 그것이 생성할 수 있는 트래픽의 양을 볼 때 일반적으로 시맨틱 주석의 경우 최소 6.8, 자신만의 어휘를 만들기 시작하면 30%에 대해 이야기합니다. 물론 콘텐츠의 양과 콘텐츠를 게시할 수 있는 능력에 따라 최대 60%, 500%까지 올라갈 수 있습니다.

구조화된 데이터로 과도하게 사용하고 싶지는 않습니다. 우리는 어린아이가 이해할 수 있을 만큼 단순하게 유지하기를 원합니다. 이는 Google을 위한 좋은 사례이지만 자체 AI를 위한 좋은 사례이기도 합니다. 콘텐츠를 과도하게 구성하기 시작하면 콘텐츠를 과도하게 구성하기 시작하면... 물론 이제 유형별로 콘텐츠를 구성할 수 있으므로 모든 팟캐스트에 대해 팟캐스트 에피소드를 사용할 수 있고 서비스 목업을 사용할 수 있습니다. 내 컨설팅 서비스를 설명하는 페이지. 그런 다음 내가 지상에서의 내 존재에 대해 이야기하는 페이지에 대해 지역 비즈니스를 사용할 수 있다고 가정해 보겠습니다. 이 일을 할 때 의미 있는 방식으로 일을 묶어야 하고 무리하지 않으려고 해요. 아이가 이해할 수 있는 일을 하고 싶습니다. 내가 그것을 과도하게 사용하면 가치보다 더 큰 소음을 만들 것이기 ​​때문입니다. 일을 단순하고 일관되게 유지하고 싶습니다.

사용 중? WordLift는 SaaS입니다. 기본적으로 세 가지 시작 계획으로 가격이 책정됩니다. 계획은 예를 들어 지원하는 엔터티 유형에 따라 서로 연기됩니다. 예를 들어 제가 보여드리는 비디오 객체 추출을 사용하고 싶으면 귀하가 만든 모든 비디오에 대한 비디오 사이트맵도 자동으로 생성되므로 비즈니스를 사용해야 합니다. 예를 들어 지역 비즈니스를 사용해야 하고 사이트가 두 개 이상인 경우 전문가를 사용하고 싶을 것입니다. 사이트가 하나뿐인 경우 프로세스에 들어가고 싶다면 스타터부터 시작할 수 있습니다. 초보자는 월 49유로, 전문가는 월 79유로, 비즈니스는 월 199유로입니다. 비즈니스에서는 또한 10개의 키를 얻으므로 10개의 서로 다른 웹 사이트에서 Whirl 리프트를 사용하게 됩니다. 물론 많은 고객이 초기에 지식 그래프 생성을 지원하기 위해 컨설팅에 참여할 것을 요구합니다. 한 달에 €1000부터 시작하여 점점 올라가는 패키지가 있습니다. 세상이 단일 블로거 사이트나 Airbnb 또는 Orkney와 같은 웹사이트에서 실행될 수 있는 것이라고 상상해야 합니다.
단일 블로그에서 대규모 전자 상거래로 확장되는 인프라입니다. 우리는 웹사이트와 일반 블로거에서 수억 유로를 벌어들이는 대기업과 함께 일할 만큼 운이 좋았습니다. 인프라는.

우리는 더 많은 트래픽을 만들고 싶기 때문에 트래픽을 보지 않습니다. 그것은 모델에서 거꾸로 작업하면서 가열될 것입니다. 우리는 특히 예를 들어 전자 상거래를 볼 때 페이지 수를 살펴봐야 합니다. 우리가 함께 일한 전자 상거래 회사 중 하나는 카탈로그에 700,000개 이상의 제품이 있고 700,000개 제품에 대한 제품 지식 그래프를 구축하고 있습니다. 많은 데이터를 의미합니다. WordLift는 지식 그래프의 데이터를 호스팅합니다. 게시된 엔터티 수에 따라 가격을 책정해야 합니다. 그러나 이것은 세 가지 계획 밖에서 발생합니다.

향후 계획.

응. 균형이 성공의 열쇠이기 때문에 매우 현명한 질문입니다. 우리는 SaaS이며 우리의 목표는 조직이 구조화된 데이터를 얻고 이를 가장 흥미로운 방식으로 사용할 수 있도록 평판이 좋고 확장 가능한 SEO 전술을 만들기 위해 가능한 한 많은 지식 그래프를 호스팅하는 것입니다. 하루는 제품 설명을 생성하는 데 사용할 수 있고 다른 날은 최고의 콘텐츠를 추천하는 데 사용할 수 있습니다. 이러한 고급 사용 사례를 제공하려면 플랫폼을 계속 개발해야 합니다. 고급 사용 사례와 관련된 모든 것은 전문 서비스를 통해 이루어집니다. 그러나 우리가 활용하고 있는 플랫폼은 동일합니다. 49의 스타터 역할을 했던 동일한 플랫폼은 a very의 구조화된 데이터를 담당하는 동일한 플랫폼입니다.

아니요, 우리는 다른 사람들을 교육하는 데 열심입니다. 우리는 스스로 움직이기 위해 이것이 필요합니다. 우리는 다른 편에 있는 편집팀이나 SEO 팀을 교육할 뿐만 아니라 우리를 위해 앞으로 나아갈 수 있도록 전 세계의 전문 SEO 대행사를 교육하고 있습니다. 기술에 계속 집중해야 하므로 팀을 작게 유지합니다. 더 많은 사용 사례를 활성화하고 싶습니다. 현재 우리는 Google에 사용되는 제품 지식 그래프 내부에 풍부한 메타데이터가 있음을 깨달았기 때문에 예를 들어 전자 상거래에서 신경 검색을 활성화하는 작업을 하고 있습니다. 그러나이 메타 데이터는 사이트 검색에 효과적으로 사용될 수 있습니다. 우리는 모든 고객에게 더 나은 사이트 검색 경험을 제공하고 싶고 이 기술을 도입한 다음 사람들에게 제공해야 합니다. 즉, 이를 수행하는 전문가 네트워크가 필요합니다. 앞으로.

사이트 검색에서 여전히 미해결 문제입니다. 그러나 현실은 콘텐츠 구조화 문제인 만큼 기술적인 문제가 아닙니다. 문제는 당신이 이미 가지고 있을지도 모르는 Algolia나 탄력적 검색이 충분히 능력이 없다는 것이 아닙니다. 별말씀을요. 문제는 이 데이터의 큐레이션이 생각만큼 정확하지 않다는 것입니다. 그러나 SEO에서는 Google을 위해 이 작업을 수행하고 있기 때문에 이미 이 작업을 수행하고 있습니다. 현장 검색을 활용하면 어떨까요?

그것이 바로 우리가 하고 있는 일입니다. 우리는 전자 상거래를 위한 최상의 신경 검색을 만들기 위해 GenII 팀과 적극적으로 협력하고 있습니다. 또한 이 경우 World of it은 규모에 맞게 SEO를 자동화하기 위한 기술 플랫폼이기 때문에 이 분야에서 우리가 하고 있는 일에 대한 빠른 미리보기를 제공할 수 있습니다. 내부 검색 작업은 이 프로세스의 일부입니다. 이와 같은 것을 얻을 것이라고 말하면 다중 모델 검색도 할 수 있고 이미지를 활용하여 쿼리를 실행할 수 있습니다. 당신은 그것을 볼 수 있습니까? 여기에 선글라스를 추가하겠습니다. 자르기를 실행한 다음 여기를 클릭하고 이 이미지를 쿼리의 일부로 사용하겠습니다. 이 이미지는 이 유형에 대한 관련 결과를 반환하는 데 도움이 될 것입니다.

괜찮을 겁니다. 이것은 진정한 다중 모델 검색입니다. 즉, 우리가 본 것과 같은 시각적 쿼리를 텍스트와 결합하고 이것을 분홍색으로 원하거나 검은색으로 원한다고 말할 수 있습니다. 우리는 다시 한 번 지식 그래프의 구조화된 데이터를 a로 사용하는 이 인프라를 구축하고 있습니다.

응. 우리는 다중 플랫폼으로 전환하고 있으며 현재로서는 제품 데이터에서 시작하여 제품 데이터에 도달하고 구조화된 데이터인 메타데이터를 페이지에 바로 가져오기 때문에 WordPress 외부의 전자 상거래 사이트에서 확실히 매우 강력합니다. WordPress에서 실행되지 않는 편집 콘텐츠는 속도가 떨어집니다. 그러나 우리는 CMS가 독점적이고 통합을 수행하는 데 사용할 수 있는 API 세트가 있는 몇 가지 대규모 구현을 가지고 있습니다. 우리는 전자 상거래를 위해 WordPress 외부에서 일합니다. 꽤 쉽습니다. 전자상거래 외.

물론, Drupple. 확실히 우리가 가장 많이 작업한 CMS 중 하나입니다. 확실히 WordLift 통합을 시작하는 것은 흥미로울 것입니다.

당신의 인생? 제가 배운 한 가지는 놀라운 팀을 구성함으로써 매우 행복해 진다는 것입니다. 지금처럼 집계할 수 있을 때, 데이터 웹을 구축하는 것처럼 완전히 새로운 것을 발견하는 의욕적인 전문가들, 저는 만족합니다. 그게 한 가지입니다. 물론 다른 것은 내 마음이 미래에 일어날 일의 관점에서 생각한다는 것입니다. 저에게는 항상 미래를 가능하게 하기 위해 어떤 기술을 구축해야 하는지가 중요합니다. 앞으로 귀하의 웹사이트는 채팅 봇이 될 것입니다. 저는 회사에서 채팅 봇이나 신경망 검색을 쉽게 만드는 데 필요한 기술을 구축하고 싶습니다. 거기에 머물면서 사람들이 필요로 하는 도구를 만드는 것, 그것이 저를 행복하게 만드는 것이기도 합니다.

제품 출시 사이트일 수도 있습니다. 그것은. 지식 그래프는 AI 전략의 구성 요소이며 모든 조직에는 AI 전략이 필요합니다. SEO에 매우 중요합니다. 우리의 관점은 SEO로 유지되지만 SEO가 점점 더 전체적이고 사용자 경험의 다양한 측면을 다루는 것을 볼 수 있습니다.

그것을 위해.

세 단어? 이탈리아어, 기술 중독, 미래.

건물.

놀라운 팀 구축. 좋아, 굉장해. 그리고 고객과 함께 일합니다. 클라이언트와 함께 일하는 것은 클라이언트로부터 많은 것을 배웠고 전 세계에서 온 놀라운 클라이언트 세트를 보유하고 있기 때문에 매우 중요합니다. 나는 우리가 매일 배우는 것에 대해 매우 감사합니다.

평행 우주에서 저는 명상을 많이 하는 것을 좋아합니다. 나는 현재 하고 있는 마음챙김 상태에서 더 많은 시간을 보낼 것입니다. 때로는 코드를 작성하고 때로는 클라이언트와 미친 짓을 합니다. 마음챙김이 됩니다.

감사해요.