No es ningún secreto que la calidad del contenido es de suma importancia si se espera posicionar en la página uno de las páginas de resultados de los motores de búsqueda (SERPs) e impulsar las conversiones en el sitio. Producir contenido de calidad siempre ha sido una tarea laboriosa, pero la tecnología está dando una mano. Se ha demostrado que la comprensión del lenguaje natural (NLU) y la generación (NLG) ayudan en esta actividad en particular y los resultados son notables. Hamlet Batista compartió su opinión experta sobre este tema en su presentación en la Cumbre Electrónica del SEJ y justo la semana pasada publicó un artículo ampliando su idea de automatizar la generación de contenidos. Batista ha presentado sus hallazgos sobre la generación de preguntas frecuentes y esquemas de páginas de preguntas frecuentes usando el lenguaje de programación Python.
Retrocedamos un poco y consideremos la relación entre NLG, aprendizaje automático, aprendizaje profundo y Google. La función principal de los motores de búsqueda es servir URLs relevantes que respondan a las preguntas de sus usuarios. En los últimos años, los motores de búsqueda (en particular Google) han comenzado a servir respuestas rápidas y fáciles de entender antes que las URL que proporcionan el contenido correspondiente en profundidad. Piensa en los fragmentos destacados, en el contenido del acordeón People Also Ask y en el gráfico de conocimientos que aparece en la parte superior derecha de las SERP. Ha habido una seria controversia en torno a estas características en los últimos tiempos, pero con la intención de los usuarios en la agenda de todos, los webmasters y los propietarios de los sitios están trabajando duro para asegurar que su contenido se centra en la intención del usuario. En última instancia, las marcas en línea están luchando por ser mostradas en estas características. Mientras tanto, Google ha estado trabajando en NLG y ha adoptado esta tecnología en todas sus plataformas.
¿Has notado que las frases que escribes en los documentos de Google, en los Hangouts y en tus correos electrónicos se completan automáticamente y son precisas para lo que intentas comunicar?
Esta tecnología no está aislada de Google, sin embargo. Puede ser adoptada y utilizada en una multitud de plataformas como indica un consultor seo. El punto de Batista aquí es que el contenido automatizado es probablemente la próxima tecnología a ser adoptada por los profesionales de SEO y webmasters. ¿Por qué? Porque crear contenido de alta calidad para atrapar el fragmento de propiedad que aparece en las SERPs toma demasiado tiempo y recursos. También, porque el contenido escrito probablemente ya existe, pero como conocimiento propietario que no está disponible al público como existe en los correos electrónicos de clientes privados, chats y plataformas de tipo intranet. Este conocimiento, sin embargo, puede ser aprovechado adoptando la tecnología de «transferencia de aprendizaje». Esto está dentro del ámbito del aprendizaje automático pero se considera aprendizaje profundo. En lugar de trabajar simplemente con la información existente y ya conocida, la combina con la información oculta. A través de la tecnología de aprendizaje profundo, se aprovecha el sentido común y el lado lógico del aprendizaje automático. Así que nos acercamos cada vez más a la inteligencia artificial…
En este artículo y en su presentación, Batista explica cómo automatizar la generación de contenidos. Pero en su artículo de la semana pasada, Batista renuncia a la idea de identificar y buscar las preguntas (intenciones) de los usuarios para la generación de contenidos. En su lugar, utiliza Python para crear automáticamente pares de preguntas/respuestas y el esquema necesario – lo que resulta en un contenido de alta calidad para las preguntas frecuentes y los esquemas de las mismas. Es bastante innovador considerando que la página de preguntas frecuentes de un sitio web es increíblemente importante para su usuario y para su estrategia de SEO y de marketing de contenido.
Su plan técnico para hacer esto posible se expone en su artículo exactamente como sigue:
Vamos a buscar el contenido de una URL de ejemplo.
Alimentaremos ese contenido en un generador de preguntas y respuestas basado en T5.
Generaremos un objeto de esquema de página FAQ con las preguntas y respuestas.
Validaremos el esquema generado y produciremos una vista previa para confirmar que funciona como se espera.
Repasaremos los conceptos que lo hacen posible.
Batista ofrece consejos prácticos y trucos para ajustar el código en varias etapas de la creación automatizada de las FAQ y el esquema de las FAQ. Identifica cada herramienta que ha usado en esta construcción y ha incluido imágenes para apoyar sus afirmaciones.