Recientemente, Lizzi Sassman y Martin Splitt sostuvieron una charla con Ryan Levering en su podcast extraoficial. Esto con el objetivo de analizar los datos estructurados . Por esta razón, aquí profundizaremos más acerca del Machine Learning , revisando las posturas de los panelistas. Al tiempo, descubriremos los beneficios que aporta para la adquisición y estructuración de datos.
Machine Learning con datos estructurados y su aplicación en Google Search Central En este videopodcast , Levering explica apartes de cuando comenzó a trabajar en proyectos de datos estructurados. Durante un tiempo estuvo asignado al proyecto para el desarrollo del marcador de datos, el cual ya hacía parte de la consola de búsqueda en Google. Pero incluso en ese momento, Google ya marcaba una tendencia que parecía alejarse del marcado de contenidos.
De esta manera, la compañía optó por utilizar el aprendizaje automático para hacer un seguimiento a la captura, al complemento y a la adquisición de datos para la indexación en el buscador.
¿Qué dice Levering acerca del Machine Learning? En la entrevista, Ryan confiesa: “Llegué a esto desde el Machine Learning y al principio vi los datos estructurados como el enemigo. Fue luego cuando me convencieron que es un buen mecanismo”.
Y es que, en efecto, los datos y la lógica generada automáticamente de los algoritmos son los que impulsan la próxima generación de la web, las aplicaciones y más allá.
El nuevo enfoque del aprendizaje automático en data Levering comentó que inicialmente era mucho más fácil pedirle a la gente que proporcionara los datos que sacarlos de una página web. “Es increíblemente preciso”, añade. Por lo tanto, Google Search Central movió más recursos para crear documentación de soporte donde los propietarios de los sitios web fueran los que transmitieran los datos para ser recopilados.
Aunque este fue el enfoque tomado por Google, Ryan indica: “Queremos usar el Machine Learning para casos en los que no tenemos más información donde no se es proporcionada. Pero creemos que siempre va a ser más fácil que sean las personas quienes nos proporcionen los datos”.
Machine Learning visto como un enfoque de varios niveles En otro momento del videopodcast acerca del uso de datos estructurados, vemos cómo el aprendizaje automático está para cubrir varios frentes:
Google necesita datos para proporcionar mejores y mayores resultados. Google quiere que se facilite la extracción de datos de los sitios web. A medida que avanza Google, también lo hace su demanda de datos. Entre el cruce de datos proporcionados y los datos extraídos por aprendizaje automático se logran tener datos estructurados y de calidad. Como el panelista invitado señala: “Iniciamos la marcación de datos en un enfoque de ecosistema donde las personas nos brindan sus datos. Luego mejoramos la cobertura y la captura agregando Machine Learning a largo plazo”. De esta manera, se logra la sinergia necesaria para mejorar los resultados en búsquedas de Google.
La automatización no es el reemplazo de las personas En un aparte, el especialista en Google Search Central resalta que no estamos ante un reemplazo. Por el contrario, este es un llamado a la autonomía.
“Siempre es bueno empoderar a las personas que brindan datos para que tengan control en cada momento. Así que creo que es muy importante que los datos estructurados sean parte de la estrategia general para que las personas ejerzan poder sobre el contenido que Google enseña en sus resultados”.
Desafíos al construir datos estructurados con Machine Learning en Google Uno de los desafíos para Google es garantizar que los datos estructurados coincidan con el contenido de la página. Dependiendo de cómo implementen los datos estructurados, esto puede llevar mucho tiempo y ser complejo.
Sobre esto, Ryan recomienda no hacer datos estructurados manualmente, sino encontrar una manera de construirlos sobre el contenido. Esto en sí mismo tiene sus desafíos, mantener las plantillas actualizadas , garantizar que el contenido se cargue a tiempo, etc.
Para finalizar, no está demás recalcar la importancia que tiene que Google siga recomendando el uso de datos estructurados en los sitios web. Marcar correctamente el contenido ayudará a que el buscador pueda comprender mejor tu página. Por esta y muchas razones debemos estar al tanto de avances como la automatización. Para que los datos sean frescos y más sencillos de manejar, cada día será más importante contar con un mecanismo que capture datos de manera programática. Si aún no estás seguro de cómo el Machine Learning está cambiando el SEO, es hora de prestar atención.
