Tartalom elavulása nagy léptékben: egy mesterséges intelligencia-alapú munkafolyamat a bejegyzések frissítéséhez

Bevezető

Minden tartalomtárban van egy lassú szivárgás. Azok a bejegyzések, amelyek egykor állandó forgalmat generáltak, apránként néhány pozíciót csúsznak lefelé, és senki sem veszi észre, amíg a negyedéves jelentés nem mutat egy hirtelen, nehezen magyarázható visszaesést.

Egy 30 bejegyzésből álló blogon ezt szemrevételezéssel is ész lehet venni. Egy 300 vagy 3000 oldalas webhelyen azonban a kézi ellenőrzés már nem működik. Mire valaki rátalál a hanyatló oldalakra, kideríti, miért estek vissza, és tájékoztatja az írót, addigra már hónapoknyi forgalom veszett el.

Ez az útmutató bemutatja, hogyan lehet automatizálni a folyamat leglassabb részeit. Olyan munkafolyamatot fogsz kialakítani, amely minden héten jelzi a hanyatló oldalakat, értékelést ad arról, mennyire érdemes megmenteni őket, mesterséges intelligenciát használ a valószínű ok diagnosztizálására, és készen használható frissítési utasításokat ad át a csapatodnak. A végső döntéseket továbbra is emberek hozzák meg, de az idejüket az oldalak kijavítására fordítják, ahelyett, hogy azokat keresgélnék.

Miért érdemel a tartalom elavulása saját rendszert?

A régi tartalmak általában nagyobb terhet jelentenek, mint azt a csapatok gondolnák. Amikor a HubSpot elemezte a saját blogját, kiderült, hogy a havi blogmegtekintések 76%-a és a havi blogon keresztül érkező potenciális ügyfelek 92%-a az adott hónap előtt közzétett bejegyzésekből származott. A régebbi bejegyzések frissítése és újraközzététele után ezek havi organikus keresési megtekintései átlagosan 106%-kal emelkedtek.

A probléma nem az, hogy nem tudjuk, hogy a frissítés működik. Hanem az, hogy a frissítésre szoruló megfelelő oldalak megtalálása unalmas, ismétlődő elemzés, amelyet ritkán kezelnek prioritásként. Ezért természetesen alkalmas az automatizálásra.

Az alábbi megközelítés egy munkafolyamat-automatizálási platformot használ, amely összekapcsolja a rangsorolási adatait, a mesterséges intelligencia modelleket és a csapatok közötti átadásokat egyetlen, megismételhető folyamatba. Ugyanezt a logikát a legtöbb modern automatizálási eszközben is felépítheti, és az elvek fontosabbak, mint a konkrét szoftver.

1. lépés: Minden héten gyűjtsük össze a megfelelő adatokat

A munkafolyamatához két adatforrásra van szüksége: az oldal szintű teljesítményre és a kulcsszó szintű rangsorokra. A Google Search Console az URL-enkénti kattintások és megjelenítések számát mutatja, míg egy rangkövető pontosan megmutatja, mely kulcsszavak változtak és mikor.

Ha már a Ranktracker rangkövetőjében figyeli a fontos kulcsszavakat, akkor egy helyen rendelkezik a rangsor-előzményekkel, a SERP-funkciók adataival, valamint a pozícióváltozásokra vonatkozó riasztásokkal. Exportálja vagy csatlakoztassa ezeket az adatokat heti ütemezés szerint, hogy a munkafolyamat mindig friss számadatok alapján működjön.

Hasonlítsa össze az egyes oldalakat a tavalyi év azonos időszakával, ne pedig az előző hónappal. Ezzel a döntéssel kiküszöbölheti a szezonalitás, az ünnepek és a nyári lassulás okozta téves riasztások nagy részét.

2. lépés: Szűrj egyszerű szabályok alapján, mielőtt az AI-t használnád

Nem minden visszaesés igényel diagnózist, és a nyilvánvaló esetek felismeréséhez nincs szükséged mesterséges intelligenciára. Kezdd egyszerű szabályokkal, amelyekkel a listát a valóban fontos oldalakra szűkítheted.

• Jelentős visszaesés: a kattintások száma legalább 25–30%-kal csökken az előző évhez képest.
• Jelentős forgalom: negyedévenként legalább 100 kattintásveszteség, így figyelmen kívül hagyhatja az apró, zajos adatokat tartalmazó oldalakat.
• Rangsorváltozás: a fő kulcsszó legalább három pozíciót esett vissza, vagy az oldal kiesett az első oldalról.
• Kizárások: hagyja ki az elmúlt 60 napban frissített oldalakat, a szezonális oldalakat és mindazt, amit eltávolításra terveztek.

Ezek a szabályok azonnal futnak, és semmibe sem kerülnek. Ha az AI-t a szűkített listára tartogatja, a munkafolyamat gyors marad, és a modell költségei alacsonyak maradnak.

3. lépés: Értékelje az oldalakat aszerint, hogy mennyire érdemes megmenteni őket

Egy hanyatló oldal, amely regisztrációkat generál, sürgetőbb, mint egy olyan, amely forgalmat generál, de soha nem eredményez konverziót. Adjon minden megjelölt oldalnak egy egyszerű prioritási pontszámot, hogy a csapata először a legértékesebb javításokon dolgozzon.

Egy praktikus képlet három tényezőt szoroz össze: az elvesztett kattintások számát, az üzleti értéket és a helyreállítás valószínűségét. Az üzleti érték 1-től 3-ig terjedő skálán értékelhető attól függően, hogy az oldal támogatja-e a konverziókat, míg a helyreállítás valószínűsége attól függ, mennyire esett vissza az oldal teljesítménye, és mennyire versenyképes a kulcsszó.

Így működik ez a gyakorlatban. Egy árképzési útmutató, amely 1 200 kattintást veszített, üzleti értéke 3, helyreállítási valószínűsége pedig 0,8, így 2 880 pontot kap. Egy általános útmutató, amely 2 000 kattintást veszített, de üzleti értéke 1, helyreállítási valószínűsége pedig 0,5, így 1 000 pontot kap, így a kisebb veszteséget okozó oldalt javítják ki először.

Azok az oldalak, amelyek jelentős forgalmat és támogatási bevételt veszítettek, a sor elejére kerülnek. Az alacsony értékű és kis veszteséget szenvedett oldalak várhatnak, vagy beolvaszthatók erősebb cikkekbe.

4. lépés: Hagyjuk, hogy az AI diagnosztizálja a valószínű okot

Itt takarít meg a legtöbb időt a mesterséges intelligencia. Minden magas prioritású oldal esetében a munkafolyamat az oldal tartalmát, fő kulcsszavát, rangsorolási előzményeit és a jelenlegi legfelső találatokról készült pillanatképet egy nyelvi modellnek küldi el, egyértelmű utasításokkal együtt.

Ezt a pillanatképet olyan eszközzel gyűjtheti össze, mint a Ranktracker SERP Checkerje, amely megmutatja, kik szerepelnek jelenleg a kulcsszóra vonatkozó rangsorban, és mennyire erősek azok az oldalak. A modell ezután összehasonlítja az oldalát a jelenlegi éllovasokkal, és egy vagy több lehetséges okot rendel hozzá egy előre meghatározott listából.

• A keresési szándék változása: a felhasználók most más formátumot keresnek, például összehasonlítást vagy eszközt az útmutató helyett.
• Elavult információk: a statisztikák, képernyőképek, árak vagy lépések már nem felelnek meg a valóságnak.
• Lefedettségi hiányosságok: a versenytárs oldalak olyan al témákra vagy kérdésekre adnak választ, amelyekre a saját oldalad nem.
• Kannibalizáció: a webhelyén egy másik oldal is ugyanazon a kulcsszóra versenyez.
• Változások a keresési eredmények között: a rangsor stabil maradt, de az AI-áttekintések vagy más funkciók most elvonják a kattintásokat.
• Technikai problémák: indexelési problémák, hibás elemek vagy lassú betöltési idők.

Kérje meg a modellt, hogy strukturált kimenetet adjon vissza, például egy okcímkét, egy bizalmi szintet és két-három mondatnyi indoklást. A strukturált válaszokat könnyű automatikusan továbbítani, és a lektorok is gyorsan ellenőrizhetik őket.

Itt jól működik egy egyszerű prompt-szerkezet:

• Szerep: „Ön egy SEO-elemző, aki azt vizsgálja, miért romlott egy oldal rangsorolása.”
• Adatok: az oldal szövege, a célkulcsszó, a rangsorolási előzmények és a három legfelső találat összefoglalói.
• Feladat: „Válaszd ki a legvalószínűbb okokat kizárólag ebből a listából, és röviden indokold a döntésedet.”
• Kimenet: rögzített formátum, amely tartalmazza az okot, a bizonyossági szintet (magas, közepes vagy alacsony) és a bizonyítékokat.

Ha a modellt egy rögzített okok listájára korlátozzuk, az megakadályozza, hogy homályos magyarázatokat találjon ki. Az alacsony bizalmi szintű válaszokat közvetlenül egy emberhez továbbíthatjuk alaposabb vizsgálatra.

[Opcionális: illesszen be ide egy képernyőképet erről a ScriptRun-ban létrehozott munkafolyamatról. A Ranktracker az eszközök képernyőképeit részesíti előnyben. Forrás: a szerző saját munkafolyamata]

5. lépés: Minden oldal továbbítása a megfelelő javításhoz

A különböző okokhoz különböző szakemberekre van szükség. A diagnózis felállítása után a munkafolyamat automatikusan a megfelelő útvonalra irányíthatja az egyes oldalakat, ahelyett, hogy mindent egyetlen szerkesztőre terhelne.

• A technikai problémák és a kannibalizáció feladatként az SEO-szakértőhöz kerülnek, mivel a megoldás általában átirányítás, kanonikus címke vagy összevonás, nem pedig új szöveg írása.
• Az elavult információk és a lefedettségi hiányosságok a tartalomfrissítés céljából a brief-generátorhoz kerülnek.
• A szándékváltozásokat stratégiai döntés céljából jelöljük meg, mivel az oldalnak frissítés helyett új formátumra lehet szüksége.
• A SERP-funkciók változásait felveszik a figyelőlistára, mivel az oldal átírása nem feltétlenül hozza vissza a kattintásokat.

6. lépés: Frissítési briefek készítése, nem kész cikkek

Azoknál az oldalaknál, amelyek tartalmi frissítést igényelnek, a munkafolyamat frissítési feladatleírást készít. Egy jó feladatleírás felsorolja, mit kell frissíteni, mely szakaszokat kell hozzáadni, mely kérdésekre kell válaszolni, milyen bizonyítékokra van szükség, és hogyan fogják mérni a sikert.

Érdemes ehhez a lépéshez erősebb modellt használni, mint a diagnózishoz. A besorolás egyszerű feladat, amelyet az olcsóbb modellek is jól kezelnek, míg az útmutatókhoz jobb érvelés és íráskészség szükséges. A modellek feladatok szerinti felosztása előre jelezhetővé teszi a költségeket anélkül, hogy csökkentené a minőséget ott, ahol igazán számít.

Ellenálljon annak a kísértésnek, hogy az AI közvetlenül írja át az oldalt. A Ranktracker útmutatója a „human-in-the-loop” tartalomfrissítési munkafolyamatról elmagyarázza, miért kell a szerkesztőknek és a témában jártas szakértőknek maguknak elvégezniük a tényleges frissítést, a tények ellenőrzésétől az eredeti tapasztalatok hozzáadásáig.

7. lépés: Felülvizsgálat, közzététel és mérés

Minden leírásnak át kell mennie egy ember kezén, mielőtt bármi is megváltozna a webhelyén. Az ellenőrök jóváhagyhatják, szerkeszthetik vagy elutasíthatják a diagnózist, és ezek a döntések hasznos visszajelzésként szolgálnak a promptok idővel történő fejlesztéséhez.

A közzététel után jegyezze fel a módosítás dátumát, és kövesse nyomon az oldalt hat–nyolc héten keresztül. A heti adatgyűjtés már magában foglalja a nyomon követést, így a munkafolyamat automatikusan jelentheti, mely frissítések eredményeztek forgalomnövekedést, és melyek nem.

Legyen óvatos a frissítési dátumokkal! John Mueller, a Google munkatársa szerint az oldal dátumának megváltoztatása önmagában nem javítja a rangsorolást, ezért csak akkor frissítse a dátumot, ha a tartalom valóban megváltozott.

Gyakori hibák, amelyeket kerülni kell

• Minden visszaesést romlásként kezelni. Mielőtt bármit is frissítenénk, ellenőrizzük a nyomkövetési hibákat, az algoritmusfrissítéseket és a szezonalitást.
• Az AI-kimenet automatikus közzététele. A lektorálatlan átírások hibákat okozhatnak, és eltüntethetik azt a szakértelmet, amelynek köszönhetően az oldal eleve jó rangot ért el.
• Olyan oldalak frissítése, amelyeket össze kellene vonni. Ha két gyenge bejegyzés ugyanazt a témát célozza meg, azok összevonása gyakran jobb megoldás, mint mindkettő frissítése.
• Soha ne zárjuk le a kört. Ha nem mérjük az eredményeket, nem tudjuk megmondani, mely diagnózisok és útmutatások működnek valójában.

A frissítések szokássá válása

A tartalom elavulása soha nem áll meg, ezért a megoldás nem lehet egyszeri ellenőrzés. A heti munkafolyamat rutinszerű karbantartássá teszi a folyamatot: a rendszer megtalálja és elmagyarázza a problémákat, a csapata pedig azokra a javításokra koncentrál, amelyek visszahozzák a forgalmat.

Kezdje kicsiben az első 50 oldalával, egy hónapig finomítsa a küszöbértékeket és a figyelmeztetéseket, majd bővítse a folyamatot. Egy negyedév alatt pontosan meg fogja tudni, a könyvtár mely részei romlanak, és jóval azelőtt észreveszi a következő visszaesést, hogy az megjelenne a negyedéves jelentésben.