¿Qué piensan los científicos de los expertos en SEO?

Trabajo en SEO y soy científico. Específicamente, soy un científico de marketing para SEOmoz, y tengo un doctorado. en Psicología Experimental Humana (mi trabajo de pregrado fue mitad psicología, mitad informática). “Marketing Scientist” es realmente mi manera inventada de decir que trabajo medio tiempo como comercializador de contenido y medio tiempo como científico de datos, aunque la mezcla está cambiando constantemente. Tenemos un equipo de ciencia de datos a tiempo completo, y uno de mis compañeros tiene un doctorado. en Matemática Aplicada.

Esa es solo mi introducción a una respuesta muy larga y complicada, ya que eso es lo que la gente espera de los científicos, ¿verdad? 😉

Por un lado, hay muchas matemáticas y ciencias bastante avanzadas en el campo, incluso si el flujo de contenido a veces lo ahoga. El SEO tiene vínculos estrechos con la comunidad de análisis web y con el marketing tradicional. Volviendo al marketing directo y más allá, los especialistas en marketing han utilizado el diseño experimental, desde simples pruebas A / B hasta complejos modelos multivariados, para tratar de determinar qué funciona y qué no. Este aspecto de nuestra profesión está vivo y bien, incluso si no siempre es muy público.

Por otro lado, creo que muchas personas comparten su percepción, y no es del todo injustificado. Creo que “Anon” cubrió algunos de los conceptos básicos, pero hay muchas razones por las que todavía falta la ciencia del SEO.

Primero, seguimos siendo una profesión muy joven. Aunque tenemos raíces en el marketing tradicional, la informática y la recuperación de información, los motores de búsqueda modernos solo han existido en su forma actual desde mediados de los 90. Como entidad pública, Google tiene poco más de una década. El SEO está en su preadolescencia, en el mejor de los casos, y a veces se nota esa falta de madurez.

Nuestro mundo también cambia constantemente. Si eres un científico tradicional, digamos físico, tienes mucha confianza en que las reglas que gobiernan tu universo son estáticas. Si están cambiando, está sucediendo durante eones. Como SEO, nuestro universo son los algoritmos que impulsan la búsqueda, y estos cambian a diario (el algoritmo de Google cambia aproximadamente 500 veces / año). Peor aún, esos cambios no son solo aleatorios, son deliberados y reactivos. Si aprendemos demasiado, el universo evoluciona. Cuando Schrödinger’s Cat está vivo, puedes apostar que saldrá mordiendo y arañando.

Nuestro mundo también es desordenado. SEOmoz realiza investigaciones de correlación a gran escala porque la clasificación se basa en cientos de factores que se producen conjuntamente en un ecosistema masivo e incontrolable. De vez en cuando tomamos el control de esa investigación, debido a los límites de la correlación, pero lo hacemos por la misma razón que los investigadores médicos lo hacen: un entorno controlado solo nos lleva tan lejos. Podemos crear un par de sitios de prueba, manipular algunas variables y soltarlas, pero siempre hay variables confusas y esos modelos simplistas rara vez representan sitios web grandes del mundo real. Por lo tanto, confiamos en una amplia combinación de fuentes de datos, que incluyen evidencia anecdótica, estudios de casos, declaraciones públicas de Google, experimentos a pequeña escala, estudios de correlación y simulaciones. Es un enfoque imperfecto a un problema complicado.

Dicho todo esto, también somos especialistas en marketing y producimos contenido a gran escala. Un investigador prolífico en la academia podría publicar un par de veces al año. Como productor de contenido a tiempo parcial, publico al menos un par de veces al mes; para algunas personas, es un par de veces por semana. Por lo tanto, a menudo recurrimos a pruebas, opiniones e incluso conjeturas limitadas. No estoy defendiendo eso, pero es la realidad de nuestros trabajos, especialmente en el mundo de las redes sociales que se mueve rápidamente. Se espera que produzcamos contenido incluso en los días en que parece que ya se ha dicho todo cien veces.

En el lado oscuro, también sentimos presión para decirle a la gente lo que quiere escuchar. Hay vendedores ambulantes de aceite de serpiente, y la realidad es que existen porque muchas empresas quieren un elixir mágico. Entonces, en nuestros peores días, a veces les decimos lo que quieren escuchar, porque así es como nos pagan. He trabajado con clientes durante mucho tiempo, y he hecho todo lo posible para no caer en esa trampa para ratones en particular, pero estaría mintiendo si dijera que el queso no era atractivo algunos días.

La mayoría de los días, mi visión de la industria es bastante optimista. Somos una disciplina de negocios, y siempre habrá personas tratando de vender mala información para ganar dinero. Por otro lado, nuestra industria está madurando, los motores de búsqueda están evolucionando y nos vemos obligados a encontrar métodos mejores y más robustos. Harvard Business Review calificó a Data Scientist como el “trabajo más sexy del siglo XXI”. No estoy seguro de llegar tan lejos, pero hay un respeto creciente en el mundo del marketing por la investigación de calidad, y hay un sueldo creciente para igualar ese respeto Creo que veremos mucho progreso en la próxima década.

CONSEJO: Si desea que los científicos, matemáticos o investigadores científicos respondan a esta pregunta, no debería haberla etiquetado con “Optimización del motor de búsqueda (SEO)” como categoría principal.

Pete Myers (autor de la respuesta mejor calificada, al momento de escribir esto) es un tipo inteligente, pero teniendo en cuenta el hecho de que su función principal de trabajo es vender suscripciones de SEOmoz, difícilmente consideraría que su respuesta sea imparcial. Eso es como preguntar a los desarrolladores web profesionales cómo se sienten acerca de la tecnología web abierta y los estándares … y luego dejar que Steve Balmer responda.

Una mejor perspectiva sería la de alguien que no está económicamente motivado para promover “la ciencia del SEO”.

Uno de los críticos más calificados (y más vocales) de la falsa información de SEO ha sido el Dr. E. García. Irónicamente, los “expertos en SEO” con los que ha sido más crítico son los que publican artículos / estudios de SEO en SEOmoz. A continuación se presentan algunos de mis extractos favoritos del blog del Dr. García. Para ver los artículos completos, consulte Quack Science | Pensamientos IR.

Esto es algo que los SEO / SEM todavía no parecen entender: t-observado> t-table no necesariamente significa alta correlación, y viceversa. No tengo ningún interés personal (o toma) en contra de ellos, pero cuando personas como Hendrickson, Fishkin y otros de SEOMOZ ignoran las relaciones de señal a ruido y comienzan a referirse a pequeños valores de r como evidencia de que las variables experimentales son “altamente” o “bien” correlacionado, es más que justo llamar a tales “estudios” Quack “Science”. Esa etiqueta puede sonar dura, pero en este caso es apropiada.

Los vendedores de motores de búsqueda pueden ser buenos para vender aceite de serpiente, publicar “estudios” descuidados o retractarse de declaraciones sobrevaloradas, pero no para hacer ciencia real.

Las palabras sobrevaloradas, de mierda, descuidadas, defectuosas, etc. no son suficientes para describir el “trabajo de investigación” de [SEOmoz].

Fue después de sus comentarios sin evidencia estadística o matemática dado que pusimos en tela de juicio cualquier conocimiento válido que Hendrickson y Fishkin pudieran tener sobre Estadística. Su referencia indiscriminada sobre el poder y las leyes exponenciales confirma esta percepción. Fue después de sus reacciones que llamamos a lo que SEOMOZ estaba haciendo “ciencia quack”

More Interesting

La temperatura de la GPU lee 88 C cuando se entrena un LSTM en TensorFlow. ¿Es esto normal (y seguro)?

¿Qué son los vectores de características basados ​​en cuadros (como se usan en el reconocimiento de voz)?

Cómo etiquetar objetivamente objetos con etiquetas que son subjetivas, en sistemas expertos

¿Es posible engañar a un automóvil autónomo para interpretar una señal de alto (como lo percibe el ojo humano) como una señal de velocidad?

Data Science, Big Data, Machine Learning, ¿qué certificación debo hacer para cambiar la trayectoria profesional desde un entorno de control de calidad?

¿Puedo usar TensorFlow sin tener experiencia con el aprendizaje automático?

¿Dónde puedo encontrar el algoritmo para encontrar los otros nombres de la entidad popular?

¿Cuáles son los principales niveles de clasificación de reclusos?

¿Cómo le enseñas a un robot que ha cometido un error?

Cómo lidiar con un trabajo de investigación cuando contiene muchos materiales de fondo que no has estudiado

¿Cuáles son algunas buenas ideas de proyectos en el área de análisis / predicción del mercado de valores utilizando Bayes ingenuo?

¿Puede LSTM u otro tipo de red neuronal recurrente aprender a extraer y representar un estado de Markov?

¿Cómo se entrenan las redes estocásticas generativas?

¿Dónde debo comenzar si quiero escribir un algoritmo de etiquetado y clasificación de oraciones?

¿Cuál es la diferencia entre el aprendizaje automático y el análisis de datos?