Text Embeddings: як працює під капотом магія AI | Сергій Безбородов

JetOctopus.com Serge Bezborodov
Text Emeddings
магія AI
як працює під капотом

Хто я
- СТО, JetOctopus, 14 років досвіду
- 5 років роботи над агрегаторами
- був змушений заглибитись в SEO
- job
- недвіжка
- авто
- товари
- с 2016 року - краулер JetOctopus.com
- SEO карма - перша офісна
праця в miralinks

Як компʼютери розуміють текста?

кіт котик

кіт котик
d0 ba d1 96 d1 82 d0 ba d0 be d1 82 d0 b8 d0 ba

кіт котик
миша
d0 bc d0 b8 d1 88 d0 b0

кіт котик
миша
d0 bc d0 b8 d1 88 d0 b0
міша
d0 bc d1 96 d1 88 d0 b0

Декартова система координат
x
y
Cartesian coordinate system

Вектор
x
y

Слова = вектори?
x
y
кіт
котик
миша
міша

Схожість слів = Дистація між векторами

Схожість контенту = Дистація між векторами

Cosine similarity

Cosine similarity
x
y
кіт
міша
similarity

Euclidean distance
x
y
кіт
миша
euclidean distance (similarity)

Cosine similarity vs Euclidean distance

Vector space
Vector space is multidimensional

Як AI проставляє вектори?
в процессі навчання на великих обʼємах текстів

Як AI проставляє вектори?
чим ближче слова знаходяться в текстах,
тим вони більш повʼязані по сенсу
тим ближче будуть іх вектори

“- дуже дякую,
але нащо воно мені треба?”
скажіть де взяти лінок?

Text Embeddings - практичне застосування
1. схожість контенту
2. кластерізація контенту
3. рекомендаційні системи
4. виявлення аномалій
5. переклади
і купа іншого

Text Embeddings - практичне застосування
1. схожість контенту
2. кластерізація контенту
3. рекомендаційні системи
4. виявлення аномалій
5. переклади
і купа іншого
семантична перелінковка
підгонка сторінок під кейворди
редиректи
семантичний лінкбілдінг?

Text Embeddings - як почати, що треба?
1. программіст
2. API:
- Open AI
- Google Vertex
- Llama
3. дуже багато терпіння

Text Embeddings - як почати, що треба?
1. беремо контент сайту - база або краул
2. розраховуємо text embeddings по кожній сторінці
3. зберігаємо в базу (бажано котра підтримує векторні функціі)

Text Embeddings - redirects
З видаленних сторінок робимо редиректи на сторінки,
котрі найбільш близьки по розрахунку дистанціі між векторами

Text Embeddings - підгонка сторінок під кейворди
1. Беремо кейворди та URL із GSC по котрим ранжуються
2. Розраховуємо embeddings по кейвордах
3. Аналізуємо наскільки вектор кейворда відноситься до вектору сторінок,
що обрав гугл
4. Аналізуємо який контент є сторінках, що ближче по дистанціі,
а ніж обрав гугл

Text Embeddings - перелінковка
Ставимо лінки із сторінок на найбільш близькі сторінки по дистаціі.
спрощено:

спрощено:
в реале:
1. робимо повний краул із всієй перелінковкою
2. грузимо логи за 3-6 місяців
3. грузимо дані із GSC в розрізі по сторінках
4. аналізуємо сторінки на котрі треба покращувати перелінковку:
- не крауляться ботом
- треба підняти позиціі по НЧ хвосту
5. беремо якісні сторінки (крауляться ботом, є трафік)
6. проставляємо з них лінки на underpeform сторінки
7. аналізуємо результат, файтюнимо

спрощено:
в реале:
1. робимо повний краул із всієй перелінковкою
2. грузимо логи за 3-6 місяців
3. грузимо дані із GSC в розрізі по сторінках
4. аналізуємо сторінки на котрі треба покращувати перелінковку:
- не крауляться ботом
- треба підняти позиціі по НЧ хвосту
5. беремо якісні сторінки (крауляться ботом, є трафік)
6. проставляємо з них лінки на underpeform сторінки
7. аналізуємо результат, файтюнимо
JO
Inter
Linker

Text Embeddings - лінкбілдінг
Наскільки контент ваших донорів
співпадає із контентом ваших сторінок?

AI - це не магія

Дякую
https://x.com/sergebezborodov
питання?

Text Embeddings: як працює під капотом магія AI | Сергій Безбородов

More Related Content

More from Collaborator.pro

Text Embeddings: як працює під капотом магія AI | Сергій Безбородов