Machine learning en SEO verstrengelen: ’Aard van werk verandert’

SEO en machine learning raken steeds meer verstrengeld. Het werk van een SEO-specialist komt hierdoor steeds meer in het teken te staan van samenwerken met zelflerende systemen. Dit vertelt Thomas Rabbie, SEO-consultant bij Dept. Machine learning belooft, net als in veel andere marketingdisciplines, de zoekmachine-optimalisatie snel te veranderen. Hoe profiteren Nederlandse SEO-specialisten daar nu al van?

Hoe ziet het werk van de SEO-expert er door de komst van machine learning uit?

“Het werk van een specialist wordt nu al in hoge mate beïnvloed door de machine learning van grote zoekmachines. Kijk bijvoorbeeld naar de zelflerende algoritmes van van Google, RankBrain, en Bing, RankNet. Bij de machine learning-systemen worden zoekmachines ingezet om zoekopdrachten beter te leren ‘begrijpen’. Iemand die zoekt op ‘Hoe hoog is de Mount Everest’ is eigenlijk op zoek naar het antwoord ‘8848 meter’. En niet noodzakelijk naar een website waarop exact diezelfde zin voorkomt. Zoekmachines veranderen dus langzaam in antwoordmachines.

“De aandacht van een SEO-expert gaat steeds meer uit naar de samenwerking met die zelflerende systemen in plaats van de algoritmes te slim af te zijn. Een duurzame SEO-strategie is tegenwoordig veel meer gericht op het voorzien in het beste antwoord dan voorzien in de beste match tussen keywords en zoekopdrachten.”

Hoe pakt dit praktisch uit?

“Een toepassing die hierop inspeelt is het verschaffen van context aan zoekmachines met behulp van  Structured Data of Schema Markup. Een mens is bijvoorbeeld in staat om in een oogopslag te zien wat een website bedoelt met een bepaald getal. Een machine kan meer moeite hebben met die interpretatie: gaat het om minuten, kilometers, data of prijzen? Door gebruik te maken van Schema Markup geef je zoekmachines de nodige context. Je helpt ze om de informatie op je webpagina in meer detail te tonen aan de gebruiker, bijvoorbeeld in een featured snippet. In de praktijk zien we dat bij klanten waarbij we Schema Markup hebben geïmplementeerd meer informatie wordt getoond op de zoekresultatenpagina’s. Zo worden bijvoorbeeld productprijzen, reviews en evenementdata zichtbaar.”

Hoe groot is de rol van machine learning in het werk van de SEO-expert zelf? Welk deel is er bijvoorbeeld te automatiseren?

“Soms kunnen machines veel sneller en veel nauwkeuriger diagnoses stellen dan dat een mens dat kan. Zo bestaan er tegenwoordig apps die – met behulp van zelflerende algoritmes – zeer nauwkeurig het risico op huidkanker detecteren aan de hand van een foto van een moedervlek. Wat ik ermee wil aangeven is dat de kracht van machine learning algoritmes voornamelijk zit in het constateren van problemen. Het is vervolgens de taak van de specialist om een diagnose te interpreteren en om actiepunten op te stellen.

“Dit is ook het geval binnen de zoekmachine-optimalisatie. Waar een SEO-specialist voorheen voornamelijk bezig was met het zoeken naar mogelijke problemen, zal zo’n specialist in de toekomst veel meer gefocust zijn op de interpretatie van problemen. Deze ontwikkeling betekent echter niet dat een groot deel van de SEO-werkzaamheden uit handen wordt genomen door machines. Wel zal er een verschuiving plaatsvinden in de aard van de SEO-werkzaamheden. Mogelijke bedreigingen voor websites met betrekking tot de vindbaarheid in zoekmachines kunnen worden geconstateerd door robots en machines. Het is vervolgens aan de SEO-expert om de problemen te vertalen naar oplossingen.”

Kun je je bij het constateren van problemen laten leiden door data en statistieken? Er is immers nog veel onbekend over de ranking en wat daarin meespeelt. Dit artikel benadrukte recent nog hoeveel schade dit aanricht.

“Er is geen reden om te twijfelen aan de betrouwbaarheid van statistieken an sich. Het grootste gevaar zit hem echter in de (mis)interpretatie van de uitkomsten van deze onderzoeken. In het artikel dat je noemt, wordt vooral gewezen op valkuilen voor het doen van een goed onderzoek. Men is geneigd om correlatie en causaliteit te verwarren, men is bevooroordeeld door eerdere ervaringen en/of men is onvoldoende zorgvuldig in het controleren databronnen.

“Voordat je conclusies trekt uit onderzoek naar rankingfactoren, stel jezelf dan eerst enkele vragen. Gaat het hier om correlatie of causaliteit? Worden alle mogelijke verklaringen gelijk gewogen? Is er gebruik gemaakt van voldoende databronnen? Is er gebruik gemaakt van voldoende datapunten? En wordt de hypothese bevestigd in meerdere, losstaande onderzoeken?

“Daarnaast is het goed om je ervan bewust te zijn dat er geen harde waarheid bestaat in het onderzoeken van rankingfactoren. Zelflerende zoekalgoritmes maken gebruik van honderden factoren die met elkaar interacteren. Het is hierdoor onmogelijk om alle voorspellers mee te nemen in één onderzoek. Verder zijn uitkomsten vaak non-lineair en discontinu. Meer betekent dus niet altijd beter en je zult nu en zo nu en dan tegen plotselinge verschillen aanlopen. Experimenteren is de enige echte mogelijkheid om causaliteit te bewijzen, maar helaas is het praktisch onmogelijk om een puur random experiment te doen met betrekking tot de zo genoemde ranking factors.

“Dus om je vraag te beantwoorden: Ja, je kunt je laten leiden door statistieken, mits je je conclusies baseert op betrouwbaar onderzoek en je de resultaten juist interpreteert. Wees je er daarnaast van bewust dat het in de meeste gevallen gaat om indicaties en trends. Een bepaalde ranking factor kan helpen de positie in de zoekresultaten te verbeteren, maar staar jezelf er niet blind op. Houd altijd de focus op het grotere plaatje. Onthoud dat een duurzame SEO-strategie is gericht op het voorzien in het beste antwoord. Niet op het uitspelen van één enkele rankingfactor.”

Ook wordt verwacht dat bedrijven uiteindelijk met algoritmes kunnen komen die Googles algoritme ‘kraken’. In hoeverre denk je dat Googles werkwijze publiek bezit wordt?

“Of het algoritme ooit gekraakt wordt, is lastig te zeggen. Het algoritme is zelflerend en verandert daardoor continu. Zelfs wanneer je alle factoren en de weging ervan precies in kaart weet te brengen, kan het zo zijn dat dit binnen de kortste keren weer achterhaald is.

“Een belangrijkere vraag is of het kraken van het algoritme negatieve gevolgen zou hebben voor de kwaliteit van de zoekmachine. Uiteindelijk is het zoekalgoritme van Google zo afgesteld om het meest relevante resultaat te tonen aan de gebruiker. Dit betekent dat een website geoptimaliseerd moet zijn op gebied van techniek, content en verwijzingen op het web. Wanneer je hoger wilt ranken zal je hoe dan ook hieraan moeten werken. Uiteindelijk zal – ongeacht of je het algoritme weet te kraken – de SERP er hetzelfde uitzien: het meest relevante resultaat rankt bovenaan.”

Als de impact van zelflerende systemen op allerlei vlakken groeit, wordt SEO dan ook een spel van bedrijven met de meest geavanceerde algoritmes of software? Wordt SEO daarmee dus een spel dat alleen de grotere spelers kunnen beheersen?

“Net als in de meeste andere industrieën is het helaas in SEO ook zo dat de rijken rijker worden. De grote spelers die het zich kunnen veroorloven om geavanceerde tools en grote datasets in te zetten voor hun klanten, zullen ook meer klanten krijgen. Meer klanten betekent meer budget voor de inzet en ontwikkeling van nog betere tooling. Deze ontwikkeling is ook merkbaar de wereld van de zoekmachines zelf. Enkele grote spelers – die toegang hebben tot geavanceerde zelflerende systemen – domineren de zoekmachinemarkt.

“Aan de andere kant is de SEO-community een zeer open gemeenschap. Nieuwe bevindingen worden uitgebreid behandeld in blogs en tijdens conferenties. Dit leidt ertoe dat nieuwe informatie meestal snel beschikbaar komt voor het grote publiek. In de basis zal iedereen de magie van SEO kunnen beheersen. Echter, de verfijning van SEO zal waarschijnlijk wel een spel worden van de grote spelers.”