Se ha dicho mucho sobre las notables oportunidades de la IA generativa (GenAI), y algunos de nosotros también hemos sido muy explícitos sobre los riesgos asociados con el uso de esta tecnología transformadora.

El auge de GenAI presenta desafíos importantes para la calidad de la información, el discurso público y la web abierta en general. El poder de GenAI para predecir y personalizar contenido puede usarse fácilmente para manipular lo que vemos y con lo que interactuamos.

Los motores de búsqueda de IA generativa están contribuyendo al ruido general y, en lugar de ayudar a las personas a encontrar la verdad y forjar opiniones imparciales, tienden (al menos en su implementación actual) a promover la eficiencia sobre la precisión, como lo destaca un estudio reciente de Jigsaw, una unidad dentro de Google.

A pesar del revuelo que rodea a los caimanes de SEO y los duendes del contenido, nuestra generación de especialistas en marketing y profesionales de SEO ha pasado años trabajando para lograr un entorno web más positivo.

Hemos cambiado el enfoque del marketing de manipular a las audiencias a empoderarlas con conocimiento y, en última instancia, ayudar a las partes interesadas a tomar decisiones informadas.

Crear una ontología para SEO es un esfuerzo liderado por la comunidad que se alinea perfectamente con nuestra misión continua de dar forma, mejorar y proporcionar direcciones que realmente promuevan la interacción entre humanos y GenAI, preservando al mismo tiempo a los creadores de contenido y la Web como un recurso compartido para el conocimiento y la prosperidad.

Las prácticas tradicionales de SEO a principios de la década de 2010 se centraban en gran medida en la optimización de palabras clave. Esto incluía tácticas como relleno de palabras clave, esquemas de enlaces y creación de contenido de baja calidad destinado principalmente a motores de búsqueda.

Desde entonces, el SEO ha evolucionado hacia un enfoque más centrado en el usuario. La actualización de Hummingbird (2013) marcó la transición de Google hacia la búsqueda semántica, cuyo objetivo es comprender el contexto y la intención detrás de las consultas de búsqueda en lugar de solo las palabras clave.

Esta evolución ha llevado a los profesionales de SEO a centrarse más en grupos de temas y entidades que en palabras clave individuales, mejorando la capacidad del contenido para responder a múltiples consultas de usuarios.

Las entidades son elementos distintos, como personas, lugares o cosas, que los motores de búsqueda reconocen y comprenden como conceptos individuales.

Al crear contenido que defina claramente y se relacione con estas entidades, las organizaciones pueden mejorar su visibilidad en varias plataformas, no solo en las búsquedas web tradicionales.

Este enfoque se relaciona con el concepto más amplio de SEO basado en entidades, que garantiza que la entidad asociada con una empresa esté bien definida en la web.

Hoy en día, el contenido estático que pretende obtener una buena clasificación en los motores de búsqueda se transforma y enriquece constantemente con datos semánticos.

Se trata de estructurar la información para que sea comprensible no sólo para los humanos sino también para las máquinas.

Esta transición es crucial para impulsar los gráficos de conocimiento y las respuestas generadas por IA, como las que ofrecen AIO de Google o Bing Copilot, que brindan a los usuarios respuestas directas y enlaces a sitios web relevantes.

A medida que avanzamos, crece la importancia de alinear el contenido con la búsqueda semántica y la comprensión de entidades.

Se alienta a las empresas a estructurar su contenido de manera que los motores de búsqueda puedan entenderlo e indexarlo fácilmente, mejorando así la visibilidad en múltiples superficies digitales, como las búsquedas visuales y por voz.

El uso de la IA y la automatización en estos procesos está aumentando, lo que permite interacciones más dinámicas con el contenido y experiencias de usuario personalizadas.

Nos guste o no, la IA nos ayudará a comparar opciones más rápido, realizar búsquedas profundas sin esfuerzo y realizar transacciones. sin pasar por una web.

El futuro del SEO es prometedor. Se espera que el tamaño del mercado de servicios de SEO crezca de 75.130 millones de dólares en 2023 a 88.910 millones de dólares en 2024 (una asombrosa tasa compuesta anual del 18,3% (según The Business Research Company), a medida que se adapta para incorporar tecnologías semánticas e inteligencia artificial confiables.

Estas innovaciones respaldan la creación de entornos web más dinámicos y receptivos que atienden hábilmente las necesidades y comportamientos de los usuarios.

Sin embargo, el viaje no ha estado exento de desafíos, especialmente en entornos de grandes empresas. Implementar soluciones de IA que sean explicables y estén estratégicamente alineadas con los objetivos organizacionales ha sido una tarea compleja.

Construir una IA eficaz implica agregar datos relevantes y transformarlos en conocimiento procesable.

Esto diferencia a una organización de sus competidores que utilizan modelos de lenguaje o patrones de desarrollo similares, como agentes conversacionales o copilotos de generación de recuperación aumentada, y mejora su propuesta de valor única.

Imagine una ontología como un manual de instrucciones gigante para describir conceptos específicos. En el mundo del SEO manejamos mucha jerga, ¿verdad? Actualidad, vínculos de retroceso, EEAT, datos estructurados: ¡puede resultar confuso!

Una ontología para SEO es un acuerdo gigante sobre lo que significan todos esos términos.. Es como un diccionario compartido, pero aún mejor. Este diccionario no se limita a definir cada palabra. También muestra cómo todos se conectan y trabajan juntos. Por lo tanto, las “consultas” podrían vincularse a la “intención de búsqueda” y a las “páginas web”, lo que explica cómo todas ellas desempeñan un papel en una estrategia de SEO exitosa.

Imagínelo como desenredar un gran nudo de prácticas y términos de SEO y convertirlos en un mapa claro y organizado: ¡ese es el poder de la ontología!

Si bien Schema.org es un ejemplo fantástico de vocabulario vinculado, se centra en definir atributos específicos de una página web, como el tipo de contenido o el autor. Se destaca por ayudar a los motores de búsqueda a comprender nuestro contenido. Pero ¿qué pasa con la forma en que creamos enlaces entre páginas web?

¿Qué pasa con la consulta que se busca con más frecuencia en una página web? Estos son elementos cruciales en nuestro trabajo diario, y una ontología también puede ser un marco compartido para ellos. Piense en ello como un patio de juegos donde todos pueden contribuir en GitHub, de manera similar a cómo evoluciona el vocabulario de Schema.org.

La idea de una ontología para SEO es aumentar Schema.org con una extensión similar a lo que hizo GS1 al crear su vocabulario. Entonces, ¿es una base de datos? ¿Un marco de colaboración o qué? Son todas estas cosas juntas. La ontología SEO funciona como una base de conocimiento colaborativa.

Actúa como un centro central donde todos pueden contribuir con su experiencia para definir conceptos clave de SEO y cómo se interrelacionan. Al establecer una comprensión compartida de estos conceptos, la comunidad SEO juega un papel crucial en dando forma al futuro de las experiencias de IA centradas en el ser humano.


Captura de pantalla de WebVowl, agosto de 2024SEOntology: una instantánea (vea una visualización interactiva aquí).

El desafío de la interoperabilidad de datos en la industria del SEO

Comencemos poco a poco y revisemos los beneficios de una ontología compartida con un ejemplo práctico (aquí hay una diapositiva tomada de la presentación de Emilija Gjorgjevska en el ZagrebSEOSummit de este año).

Desafío de interoperabilidad de datosImagen de Emilija Gjorgjevska, ZagrebSEOSummit, agosto de 2024

Imagine que su colega Valentina usa una extensión de Chrome para exportar datos de Google Search Console (GSC) a Google Sheets. Los datos incluyen columnas como “ID”, “Consulta” e “Impresiones” (como se muestra a la izquierda). Pero Valentina colabora con Jan, quien está creando una capa empresarial utilizando los mismos datos de GSC. Aquí está el problema: Jan utiliza una convención de nomenclatura diferente (“UID”, “Nombre”, “Impresiones” y “Klicks”).

Ahora, amplíe este escenario. Imagina trabajar con norte diferentes socios de datos, herramientas y miembros del equipo, todos usando varios idiomas. El esfuerzo por traducir y conciliar constantemente estas diferentes convenciones de nomenclatura se convierte en un obstáculo importante para una colaboración de datos eficaz.

Se pierde un valor significativo simplemente tratando de hacer que todo funcione en conjunto. Aquí es donde entra en juego una ontología SEO. Es un lenguaje común que proporciona un nombre compartido para el mismo concepto en diferentes herramientas, socios e idiomas.

Al eliminar la necesidad de traducción y conciliación constantes, una ontología SEO agiliza la colaboración de datos y desbloquea el verdadero valor de sus datos.

La génesis de la seontología

En el último año, hemos sido testigos de la proliferación de agentes de IA y la amplia adopción de la generación aumentada de recuperación (RAG) en todas sus diferentes formas (Modular, Graph RAG, etc.).

RAG representa un importante avance en la tecnología de IA, al abordar una limitación clave de los modelos de lenguajes grandes (LLM) tradicionales al permitirles acceder a conocimiento externo.

Tradicionalmente, los LLM son como bibliotecas con un solo libro, limitadas por sus datos de formación. RAG desbloquea una amplia red de recursos, lo que permite a los LLM brindar respuestas más completas y precisas.

Los RAG mejoran la precisión de los hechos y la comprensión del contexto, lo que potencialmente reduce el sesgo. Si bien es prometedor, RAG enfrenta desafíos en materia de seguridad, precisión, escalabilidad e integración de los datos, especialmente en el sector empresarial.

Para una implementación exitosa, RAG requiere datos estructurados de alta calidad que se pueda acceder y escalar fácilmente.

Hemos sido de los primeros en experimentar con agentes de IA y RAG impulsados ​​por Knowledge Graph en el contexto de la creación de contenido y la automatización de SEO.

Agente WordLiftCaptura de pantalla del agente WordLift, agosto de 2023

Los gráficos de conocimiento (KG) de hecho están ganando impulso en el desarrollo de RAG

GraphRAG de Microsoft y soluciones como LlamaIndex lo demuestran. Baseline RAG tiene dificultades para conectar información entre fuentes dispares, lo que dificulta las tareas que requieren una comprensión holística de grandes conjuntos de datos.

Los enfoques RAG impulsados ​​por KG, como el que ofrece LlamaIndex junto con WordLift, abordan esto creando un gráfico de conocimiento a partir de datos del sitio web y usándolo junto con el LLM para mejorar la precisión de las respuestas, particularmente para preguntas complejas.

LlamaIndex en conjunto con WordLiftImagen del autor, agosto de 2024.

Hemos probado flujos de trabajo con clientes en diferentes verticales durante más de un año.

Desde la investigación de palabras clave para grandes equipos editoriales hasta la generación de preguntas y respuestas para sitios web de comercio electrónico, desde la agrupación de contenidos hasta la redacción del esquema de un boletín informativo o la renovación de artículos existentes, hemos estado probando diferentes estrategias y hemos aprendido algunas cosas a lo largo del camino:

1. RAG está sobrevalorado

Es simplemente uno de los muchos patrones de desarrollo que logran un objetivo de mayor complejidad. Un RAG (o Graph RAG) está destinado a ayudarle a ahorrar tiempo para encontrar una respuesta. Es brillante, pero no resuelve ninguna tarea de marketing que un equipo deba realizar a diario. Debe centrarse en los datos y el modelo de datos..

Si bien hay RAG buenos y RAG malos, la diferenciación clave suele estar representada por la parte “R” de la ecuación: la recuperación. Principalmente, la recuperación diferencia una demostración sofisticada de una aplicación del mundo real, y detrás de un buen RAG, siempre hay buenos datos. Sin embargo, los datos no son cualquier tipo de datos (o datos gráficos).

Se basa en un modelo de datos coherente que tiene sentido para su caso de uso. Si crea un motor de búsqueda de vinos, necesita obtener el mejor conjunto de datos y modelar los datos en torno a las características en las que confiará un usuario cuando busque información.

Entonces, los datos son importantes, pero el modelo de datos es aún más importante. Si está creando un agente de IA que tiene que hacer cosas en su ecosistema de marketing, debes modelar los datos en consecuencia. Quiere representar la esencia de las páginas web y los activos de contenido.

Sólo algunos datos versus buenos datosImagen del autor, agosto de 2024.

2. No todo el mundo es bueno dando indicaciones

Expresar una tarea por escrito es difícil. La ingeniería de avisos avanza a toda velocidad hacia la automatización (aquí está mi artículo sobre cómo pasar de avisos a programación de avisos para SEO), ya que solo unos pocos expertos pueden escribir el aviso que nos lleva al resultado esperado.

Esto plantea varios desafíos para el diseño de la experiencia de usuario de agentes autónomos. Jakon Nielsen ha sido muy claro sobre el impacto negativo de las indicaciones en la usabilidad de las aplicaciones de IA:

“Un gran inconveniente de usabilidad es que los usuarios deben ser muy elocuentes para escribir el texto en prosa requerido para las indicaciones”.

Incluso en los países occidentales ricos, las estadísticas proporcionadas por Nielsen nos dicen que ¡Solo el 10% de la población puede utilizar plenamente la IA!

Mensaje simple usando cadena de pensamiento (CoT)Mensaje más sofisticado que combina gráfico de pensamiento (GoT) y cadena de conocimiento (CoK)
“Explica paso a paso cómo calcular el área de un círculo con un radio de 5 unidades”.“Usando las técnicas de Gráfico de Pensamiento (GoT) y Cadena de Conocimiento (CoK), proporcione una explicación completa de cómo calcular el área de un círculo con un radio de 5 unidades. Su respuesta debe: Comenzar con un diagrama de GoT que represente visualmente los conceptos clave y sus relaciones, incluyendo: Área del radio del círculo Pi (π) Fórmula para el área del círculo Seguir el diagrama de GoT con un desglose de CoK que: a) Defina cada concepto en el diagrama b)…

Con información de Search Engine Journal.

Leer la nota Completa > SEO reinventado: respondiendo a los cambios de algoritmo

LEAVE A REPLY

Please enter your comment!
Please enter your name here