LinkedIn'in Ortak Makaleler özellikleri, bir yılda 10 milyon sayfalık uzman içeriğine ulaştı. Ortak Makaleler projesi, haftalık okuyucu sayısında Eylül 2023'ten bu yana %270'in üzerinde önemli bir artış yaşadı. Bu kilometre taşlarına nasıl ulaştılar ve daha da fazla sonuç elde etmeyi planlıyorlar, yapay zekayı insan uzmanlığıyla birlikte kullanan bir SEO stratejisi oluşturmak için değerli dersler sunuyor .
İşbirlikçi Makaleler Neden İşe Yarar?
İşbirlikçi Makaleler projesinin altında yatan sezgi, insanların konu konularını anlamak için İnternet'e yönelmesi, ancak İnternet'te bulunanların her zaman gerçek konu uzmanlarından gelen en iyi bilgiler olmamasıdır.
Bir kişi genellikle Google'da arama yapar ve belki Reddit gibi bir siteye girer ve yazılanları okur, ancak bilgilerin konunun uzmanı ya da yalnızca sosyal medya ağzı en geniş olan kişi tarafından verildiğinin garantisi yoktur. Konunun uzmanı olmayan biri, bir yabancının yazısının güvenilir ve uzman olduğunu nasıl bilebilir?
Sorunun çözümü, LinkedIn'in uzmanlarından yararlanarak uzman oldukları konularda makaleler oluşturmaktı. Sayfaların Google'da sıralanması, konunun uzmanı için bir avantaja dönüşüyor ve bu da konu uzmanını daha fazla içerik yazmaya motive ediyor.
LinkedIn 10 Milyon Sayfalık Uzman İçeriğini Nasıl Tasarladı?
LinkedIn konunun uzmanlarını belirler ve konuyla ilgili bir makale yazmak için onlarla iletişime geçer. Makale konuları, LinkedIn editör ekibi tarafından geliştirilen bir yapay zeka “konuşma başlatıcı” aracı tarafından oluşturuluyor. Bu konuşma konuları daha sonra LinkedIn'in Beceri Grafiği tarafından belirlenen konu uzmanlarıyla eşleştirilir.
LinkedIn Beceri Grafiği, LinkedIn üyelerini, üyelerin kendilerinin tanımladıklarının ötesinde ilgili becerileri tanımlamak için makine öğrenimi modellerini ve doğal dil işlemeyi kullanan Yapılandırılmış Beceriler adı verilen bir çerçeve aracılığıyla konu uzmanlığıyla eşleştirir.
Haritalama, üyelerin sahip olabileceği ek konu uzmanlığını genişletmek için yapay zeka, makine öğrenimi ve doğal dil işlemeyi kullandıkları bir başlangıç noktası olarak üyelerin profillerinde, iş tanımlarında ve platformdaki diğer metin verilerinde bulunan becerileri kullanır.
Beceri Grafiği belgeleri şunları açıklar:
“Bir üyenin Yapay Sinir Ağları hakkında bilgisi varsa, üye Derin Öğrenme hakkında da bir şeyler biliyor demektir, bu da üyenin Makine Öğrenimi hakkında bir şeyler bildiği anlamına gelir.
…makine öğrenmemiz ve yapay zekamız devasa miktarlardaki verileri tarar ve bunlar arasında yeni beceriler ve ilişkiler önerir.
…Doğal dil işlemeyle birleştiğinde, becerileri üyelerimize haritalarken yüksek kapsama ve yüksek hassasiyete sahip olduğumuzdan emin olmak için birçok farklı metin türünden yüksek derecede güvenle beceriler çıkarıyoruz…”
Deneyim, Uzmanlık, Yetkinlik ve Güvenilirlik
LinkedIn'in Ortak Makaleler projesinin altında yatan strateji dahicedir çünkü milyonlarca konu hakkında konu uzmanları tarafından hazırlanan milyonlarca sayfalık yüksek kaliteli içerikle sonuçlanır. LinkedIn'in sayfalarının Google aramalarında giderek daha görünür hale gelmesinin nedeni bu olabilir.
LinkedIn artık Ortak Makaleler projesini sayfaların kalitesini daha da artırmayı amaçlayan özelliklerle geliştiriyor.
- Soruların nasıl sorulduğu geliştirildi:
LinkedIn artık konu uzmanlarına gerçek dünyadaki konuları ve soruları ele alan makalelerle yanıt verebilecekleri senaryolar sunuyor. - Yeni yararsız düğme:
Artık okuyucuların belirli bir makalenin yararlı olmadığı konusunda LinkedIn'e geri bildirimde bulunabilecekleri bir düğme var. LinkedIn'in beğenilmeyen butonunu yardımseverlik paradigması üzerinden çerçevelemesi, SEO açısından son derece ilginç. - Geliştirilmiş Konu Eşleştirme Algoritmaları
LinkedIn, konunun kalitesi ve üye eşleştirme konusunda üyelerden gelen geri bildirimleri ele almak için oluşturulan “Gelişmiş Eşleştirme İçin Gömme Tabanlı Geri Alma” olarak adlandırdıkları şeyle kullanıcıları konularla eşleştirme biçimini geliştirdi.
LinkedIn'in açıklaması şu şekilde:
“Değerlendirme mekanizmalarımız aracılığıyla üyelerimizden aldığımız geri bildirimlere dayanarak, çabalarımızı makaleler ve üye uzmanlar arasındaki eşleştirme yeteneklerimize odakladık. Kullandığımız yeni yöntemlerden biri gömme tabanlı erişimdir (EBR). Bu yöntem, aynı anlamsal alanda hem üyeler hem de makaleler için yerleştirmeler oluşturur ve katkıda bulunanlar için en iyi makale eşleşmelerini oluşturmak amacıyla bu alandaki yaklaşık en yakın komşu aramasını kullanır.”
SEO İçin En İyi Çıkarımlar
LinkedIn'in İşbirliğine Dayalı Makaleler projesi, uzun zamandır ortaya çıkan en iyi stratejiye sahip içerik oluşturma projelerinden biridir. Onu sadece dahice değil aynı zamanda devrim niteliğinde yapan şey, okuyucuların keyif alacağı ve güvenebileceği uzman ve yararlı içerik oluşturmak için yapay zeka ve makine öğrenimi teknolojisini insan uzmanlığıyla birlikte kullanmasıdır.
LinkedIn artık makale oluşturmaya davet edilen konu uzmanlarının kalitesini artırmak ve kullanıcıların ihtiyaçlarını karşılamayan makaleleri belirlemek için kullanıcı etkileşim sinyallerini kullanıyor.
Makale oluşturmanın faydaları, yüksek kaliteli konu uzmanlarının, makaleleri Google'da her sıralandığında terfi ettirilmesidir; bu, bir hizmeti, ürünü tanıtan veya müşteri veya bir sonraki işi arayan herkese becerilerini, uzmanlıklarını gösterme fırsatı sunar. ve otoriterlik.
LinkedIn'in projenin birinci yıl dönümüne ilişkin duyurusunu okuyun:
Günlük iş sorunlarının üstesinden gelmenize yardımcı olacak yaklaşık 10 milyar yıllık bilginin kilidini açıyor
Shutterstock/I AM NIKOM'dan Öne Çıkan Görsel
Bir yanıt yazın