Machine learning in SEO: ‘Vooral kans voor meetbaar maken succes’

Machine learning verandert zoekmachine-optimalisatie (SEO). Zoals in iedere marketingdiscipline levert ‘search’ zo’n hoeveelheid data op dat de interpretatie ervan inmiddels een steeds grotere uitdaging is. Het aantal patronen dat bijvoorbeeld gedrags- of zoekdata bevatten, lijkt voor een algoritme gemakkelijker te behappen dan voor de mens.

Net als in andere data-intensieve omgevingen lijkt er een hoop te automatiseren. Profiteren Nederlandse bedrijven daar nu al van? OrangeValley heeft het bredere begrip kunstmatige intelligentie daarom opgenomen in de ‘SEO Value Pyramid’, zo vertelt Sander Heilbron – Principal Consultant bij het bedrijf.

De pyramide is voortgekomen uit het inzicht dat kennis over traditionele SEO-technologie en -activiteiten niet meer voldoende is om succes te blijven boeken op het gebied van search. Een focus op techniek, content en autoriteit is weliswaar nog steeds relevant. Maar, zo vertelt Heilbron, voor toekomstgerichte SEO-activiteiten moet er rekening worden gehouden met vier belangrijke technische invloedsfactoren.

Behalve Syntax (data en content toegankelijk maken op basis van de principes van zoekmachines), Semantics (betekenis en context geven aan die data), User Experience (misschien wel de belangrijkste factor waarop Google de indexering gaat baseren) is dat dus Artificial Intelligence. Zo is machine learning een oplossing voor het analyseren van de groeiende hoeveelheid data en bronnen.

Is er een rol voor machine learning in SEO en hoe ziet die er in jullie praktijk uit?

“Die rol is er zeker. We gebruiken machine learning tot op heden vooral om data te analyseren. Hier ligt ook een rol voor ons Data & Insights team waarmee we vanuit SEO de samenwerking zoeken. We zijn voorzichtig begonnen, maar zien nu steeds meer kansen om hier voordelen uit te halen. Voor de analyse van data is machine learning al toegankelijk binnen bijvoorbeeld Google Spreadsheets. Mijn verwachting is dat er steeds meer en betere tools beschikbaar komen en elke SEO-expert hier dagelijks mee kan werken. Zonder zich bewust te zijn dat hiervoor machine learning wordt toegepast.”

Welke toepassingen levert het op?

“In theorie is er denk ik al heel veel mogelijk, maar we zoeken vooral naar oplossingen voor vragen of problemen die we in praktijk tegenkomen. We maken bijvoorbeeld al gebruik van machine learning met Google Cloud Dataprep om ongestructureerde gegevens te verkennen en op te schonen. Met die data cleaning maken we de gegevens gereed voor een analyse.

“We passen dit toe om verschillende databronnen, een mix van gestructureerde en ongestructureerde data, met elkaar te kunnen koppelen. We willen dan verbanden leggen tussen verschillende variabelen en dit kunnen onderbouwen met een statistische zekerheid. Met een beperkt aantal bronnen kun je al vrij gemakkelijk inzichten krijgen met de ‘Explore’-functionaliteit in Google Spreadsheets. Bij een koppeling van meerdere complexe bronnen maken we voor de geavanceerdere analyses gebruik van IBM Watson.”

Wat betekent dit voor het werk van de SEO-expert? Zorgt de zelflerende capaciteit van systemen ervoor dat ze bepaald werk niet meer doen?

“Een SEO-expert zal steeds meer gebruikmaken van data. Door middel van data-analyse wordt beter inzicht verkregen en kunnen we betere en vooral ook statistisch onderbouwde adviezen delen en toepassen binnen sites. Daardoor zijn we niet alleen afhankelijk van externe onderzoeken of studies, we zijn zelf in staat om op siteniveau correlaties aan te tonen. 

“Het zorgt ervoor dat we vanuit SEO eenvoudiger inzichten kunnen verkrijgen uit data die je als mens niet of niet eenvoudig kunt analyseren. Machine learning is daar veel beter in en doet dat in een fractie van de tijd die een expert daarvoor nodig heeft. Als SEO-expert zul je enigszins statistisch onderlegd moeten zijn, maar ik zie vooral kansen om data-analisten in te zetten om het succes van SEO meetbaar te maken.”

Niet zo lang geleden verscheen er een artikel waarin de auteur benadrukt dat er in feite zoveel onbekend is over Googles rangschikking dat het eigenlijk vrij gevaarlijk is om voorspellingen te doen op basis van data. Hoe kijk jij daarnaar?

“Het is vooral een mooi voorbeeld dat correlatie geen bewijs is van causaliteit. Het is bij data-analyses heel belangrijk dat je inzichten met gezond verstand beoordeelt.

“Dat betekent dat je als SEO-expert de kennis en ervaring dient te hebben om een oorzakelijk verband aan te kunnen tonen. Wanneer je een tool als IBM Watson gebruikt merk je snel dat er verbanden worden gevonden tussen twee variabelen waarvan je eigenlijk zelf direct weet dat deze correlatie geen invloed zal hebben. In andere situaties is dat lastiger, dan is veel kennis van SEO een must.”

Als de impact van zelflerende systemen inderdaad 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?

“Dat zou theoretisch gezien wel kunnen. Realistisch is wel dat de pure players die de data-analyse al langer heel serieus nemen, omdat ze zien dat het bijdraagt aan hun doelstellingen, voorop lopen. Maar in praktijk zal blijken dat ook andere bedrijven goed kunnen deelnemen aan dit ‘spel’, ik verwacht namelijk dat er voor die bedrijven steeds meer zelflerende systemen beschikbaar komen.”