Gépi tanulás a WordPress programban: Hogyan lehet elemezni a tartalom érzelmi hatásait az AI segítségével

Gépi tanulás a WordPress programban: Hogyan lehet elemezni a tartalom érzelmi hatásait az AI segítségével

Gépi tanulás a WordPress programban: Hogyan lehet elemezni a tartalom érzelmi hatásait az AI segítségével
СОДЕРЖАНИЕ
02 июня 2020

Nehéz számszerűsíteni, hogy az emberek hogyan érzik magukat a webhelyén navigálás és a tartalom olvasása közben. Ez azonban valami, amit meg kell értenie, ha valóban el akarja vonzani a közönséget. Ez azt jelenti, hogy érdemes megtanulnia a gépi tanulást a WordPress alkalmazásban a tartalom hatásainak elemzésére.


A megfelelő eszközökkel valójában számszerűsítheti tartalmának érzelmi hatását, és hozzáigazíthatja azt a különböző érzések célzásához. Az igazságosság kedvéért ez nem pontos tudomány, és nem tudjuk megmondani, mely érzelmek fogják a legjobban visszatükrözni a közönséget. Ennek ellenére sokat tanulhat a folyamatból.

Ebben a cikkben arról fogunk beszélni, hogy a WordPress gépi tanulása hogyan változtathatja meg a tartalom létrehozásának megközelítését. Ezután bemutatunk egy eszközt, amely segít elemzni cikkei érzelmi hatásait. Vegyünk kapcsolatba az érzéseinkkel!
hogyan kell használni a gépi tanulást a WordPress-ben

Hogyan változtathatja meg a mesterséges intelligencia a WordPress használatát

Először is fontos megérteni, hogy még mindig nem vagyunk közel a valósághoz Mesterséges intelligencia (AI). Azonban egy olyan terület, amelyen hatalmas lépéseket tettünk, az gépi tanulás, amely egy (fajta) hasonló mező.


WordLift – AI-alapú SEO

Szerzői): WordLift, Insideout10


92% Értékelések


500 + telepítések


WP 4.4 + szükséges

Több információ

wordlift.3.25.5.zip

Aktuális változat: 3.25.5

Utolsó frissítés: 2020. május 28


92% Értékelések


500 + telepítések


WP 4.4 + szükséges

WordPress.org beépülő oldal


WordLift – AI-alapú SEO

A gépi tanulás magában foglalja azt, hogy a számítógépek algoritmusokat használnak azért, hogy jobban teljesítsék bizonyos feladatokat. Minél több adatot továbbít ezeknek a rendszereknek, annál jobbak lehetnek azok elemzésében és az eredmények előrejelzésében.

Néhány WordPress alkalmazás elérhető a nyilvánosság számára, amelyek gépi tanuláson alapulnak. Például van egy WordLift, amely lehetővé teszi jobb taxonómiák felépítését és a tartalom forrásainak megtalálását.

A legtöbb gépi tanulási alkalmazás azonban még mindig nagyon sújtotta és hiányzik.

Ez azt jelenti, hogy nehéz megjósolni, hogy a technológia hogyan fog haladni rövid távon, és hogyan fogja befolyásolni a tartalom létrehozását.

Hogy jobb képet kapjunk arról, hogy hol van, Tom Ewer-rel beszélgettünk, aki a WordCandy – aki rengeteg tapasztalattal rendelkezik a WordPress webhelyek tartalmának létrehozásában. Íme, mit kellett mondania:

tom ewer
Először is, fontos megjegyezni, hogy még mindig a korai intelligencia és a gépi tanulás korai szakaszában vagyunk. Azt hiszem, látni fogunk néhány érdekes előrelépést azokban az eszközökben, amelyek elősegítik a tartalom jobb taxonómiáinak létrehozását, és találnak kapcsolódó cikkeket, amelyeket az olvasók érdekelhetnek. Vannak már néhány beépülő modul, amelyek ezt teszik, és ahogy a technológia továbbfejlődik, az eredmények is javulni fognak. Nem hiszem, hogy bárhol vagyunk azon a ponton, ahol a gépi intelligencia átveheti a lenyűgöző (és pontos) tartalom létrehozásának folyamatát, tehát még nem kezdném el csökkenteni az írók és szerkesztők méretét! Tom Ewer, WordCandy

Ez a WordPress gépi tanulásának jelenlegi helyzetének szilárd értékelése. Ezen a ponton egyedülálló technológia, amely csak néhány alkalmazást tartalmaz. Ugyanakkor találtunk egy olyan eszközt, amely nagy hatékonysággal használja a gépi tanulást a WordPress-ben. Nézzük meg:

Gépi tanulás a WordPress-en: Bevezetés a Watsonfinds-be


Watsonfinds Watsonfinds

Szerző (k): Watsonfinds

Aktuális változat: 2.0.0

Utolsó frissítés: 2019. május 8

watsonfinds.zip


100% Értékelések


100 + telepítések


WP 4.0 + szükséges

A Watsonfinds a IBM Watson rendszer. Watson egyfajta AI-ként számlázza magát, de pontosabban fogalmazva, hogy ez egy kifinomult gépi tanulási rendszer, amely több terabyte adathoz fér hozzá, és képes ezen adatok meghatározott célokra történő elemzésére..

Ebben az esetben a Watsonfinds felhasználhatja „tudását” bármilyen szöveg elemzésére a WordPress szerkesztőben, és öt érzelemre bonthatja: öröm, szomorúság, harag, undor és félelem. Felfegyverkezve ezzel az információval, akkor csípheti tartalmát mindaddig, amíg a kívánt érzelmet megcélozza (mindaddig, amíg ez az öt közül egy vagy több).

Az eszköz használatához csak annyit kell tennie telepítse és aktiválja a plugin-t. Ezután lépjen bármelyik oldalra vagy hozzászólásra, és nyissa meg azokat a Szerkesztés opcióval. Belül egy új gombot talál a szerkesztő tetején. Kattintson rá, amikor készen áll a tartalom érzelmi hatásainak elemzésére:
A Watsonfinds gomb.

A Watsonfinds most egy ablakot jelenít meg, amely tartalmazza a tartalom egyszerű elemzését. Ez magában foglalja az egyes érzelmek erősségének százalékos megoszlását és egy kis apró részletet arról, hogy az Ön hangja hogyan befolyásolhatja az elkötelezettséget:

Példa egy Watsonfinds elemzésre.

Ebben a szakaszban visszatérhet a tartalom kidolgozásához, és üzembe helyezheti a WordPress gépi tanulásának új eszközét!

A Watsonfinds egy ingyenes bővítmény, de van egy prémium szolgáltatás a mélyebb elemzést tartalmazó munkákban.

Hogyan lehet elemezni a WordPress tartalmának érzelmi hatásait a Watsonfinds segítségével

Mint korábban már említettük, Watsonfinds elemzése öt alapvető érzelmre összpontosít. Ebben a szakaszban mindegyikről beszélünk, és elmagyarázzuk, hogyan lehet a WordPress gépi tanulását felhasználni a felhasználókkal való jobb kapcsolatteremtéshez..

1. Szomorúság ☹️

Senki sem akarja, hogy szomorú legyen, de tisztességes azt mondani, hogy bizonyos esetekben érdemes erős negatív érzelmeket kiváltani a közönségéből. A cél nem az érzéseikkel játszani, hanem érzelmi kötelék kialakítása velük. Ennek szemléltetése érdekében itt található egy rövid bekezdés az egyik legújabb cikkünkből, amelyet Watsonfinds szomorúnak tartott:

Megszülettük az összes kezdeti ötletünket, és történik két dolog egyike: rájönünk, hogy cikkeink nem rezonálnak a közönséggel, vagy teljesen elfogynak az ötletek. Időnként mindkettő megtörténik, és a növekedés hiánya, az eredeti ötleteink végével kombinálva, motivációnkat vonzza le.
Szomorúság-teszt eredményeink.

Könnyű észrevenni, hogy Watsonfinds miért jött erre a következtetésre. Valójában olyan messzire mennénk, ha azt állítanánk, hogy ez a bekezdés egyenesen nyomasztó. Ebben az esetben a szerző a szöveget felhasználva kapcsolatot létesített az olvasóval, egy olyan probléma megvitatásával, amelyet mindannyian átélünk. Ilyen módon, amikor végül kiderül, hogy van megoldás, az érzelmi hatás jelentősebb lesz.

Másrészről, ha egy cikket ír, és csak jobbra ugrik a feltárásba, ez gyakran nem olyan vonzó. Figyelje meg az olyan kifejezések használatát, mint például "lerontja a motivációnkat" és "növekedés hiánya". Ha kivenné ezeket, a szomorúság pontszáma hirtelen csökken:

A szomorúság frissített eredményei.

Watsonfinds azonban még mindig megérti, hogy a bekezdés első része nem pozitív. Nagyon lenyűgöző, ha a WordPress gépi tanulásáról van szó.

2. Öröm ��

Keményen szorul rá, hogy olyan valakit találjon, aki nem élvezi boldogságát, ami ezt az érzetet könnyedén értékesíti a tartalmában. Nézzük meg, hogy a Watsonfinds milyen viteldíjakkal jár, egy kis részlettel a webhely-építőkkel jól együttműködő témákról szóló legújabb cikkünkről:

Mindkettő elég rugalmas ahhoz, hogy több célt szolgáljon, és megkönnyítse webhelyének konfigurálását, függetlenül attól, hogy Beaver Builder, Elementor vagy Visual Composer készüléket használ-e..

További gond nélkül nézzen meg ezeket a gyönyörű mintákat, válassza ki kedvencét, és azonnal kezdje el testreszabni webhelyét a választott építővel..
Az örömteszt eredményeink.

A két bekezdés pozitív spinjét könnyű észrevenni. Ha több összefüggést szeretnénk adni, akkor ezt a kivonatot nevezzük felfedésnek. Ez egy egyszerű technika, amelyet néha a bevezetésben használunk, ahol egy problémát lebontunk, majd az olvasót bemutatjuk annak megoldásával. A felfedezésnek természetesen örömteli alkalomnak kell lennie, és Watsonfinds ezt nem hagyta figyelmen kívül.

Miután eljátszottuk a gépi tanulást a WordPress-ben, azt találtuk, hogy a 60% feletti pontszám elég erős minden érzelemre. Ez azt jelenti, hogy az érzés egyértelműen domináns, de nem annyira, hogy vele az olvasókat feje fölött verje. Átfogó, Watsonfinds különösen ügyesen azonosítja a „boldog” bekezdéseket, ami nagyszerű, ha azt szeretnénk, hogy megbizonyosodjon arról, hogy tartalma eltalálja-e a jelet.

3. Undor ��

Eddig két meglehetősen egyértelmű érzelmről beszéltünk. Itt az ideje, hogy vizsgálja meg egy összetettebb – undor. A történetmesélés szempontjából az undornak nincs annyi alkalmazása, mint öröm vagy szomorúság, ám ez mégis hasznos lehet. Íme egy példa egyre Salman Rushdie idézet, amelyet a Watsonfinds túlnyomórészt „undorítónak” talált:

A szólásszabadság védelmének egyik problémája az, hogy gyakran meg kell védenie azokat az embereket, akiket felháborítónak, kellemetlennek és undorítónak talál..
Az undorító teszt eredményeink.

Watsonfinds elmagyarázza, hogy az ilyen érzelmek hasznos eszköz lehetnek, amikor az olvasók meggondolják a kérdést. Tapasztalataink szerint azonban sokkal jobb, ha az undorodást arra használjuk, hogy kötődjünk azokhoz a dolgokhoz, amelyek nem tetszikek. Például, ha áttekintenénk egy gyűlölt WordPress-bővítményt, mondhatnánk például:

Ez a plugin az egyik legrosszabb WordPress-eszköz, amellyel találkoztam. Tönkretette az oldalamat, és tüzet gyújtott. Soha nem használnám újra, még akkor sem, ha fizetne nekem, és azt javaslom, hogy távolítsa el azonnal!
Undorlásunkkal frissített teszteredmények.

Természetesen soha nem lennénk annyira tompa, de ez a legfontosabb példa azt mutatja, hogy a WordPress gépi tanulása kissé küzd, amikor az undor elemzésére kerül sor. A teszteink során szélsőséges melléknevek használatával kellett felvennünk az undorító pontszámot, ami nem ideális.

4. Félelem ��

A negatív érzelmek tendenciájának folytatása érdekében beszéljünk a félelemről. Ez nem olyasmi, amelyet túlzottan használni szeretne, de hasznos eszköz lehet, ha intelligensen használja az írásban és a marketingben (FOMO, bárki?). Íme egy példa egy nemrégiben írt cikkről a biztonságos WordPress témák:

Nem kell annyira aggódnia, hogy elavulttá válhat, konfliktusokat okozhat a pluginokkal, rosszindulatú szereplők áldozatává válhat, vagy egyenesen elronthatja webhelyét..
A félelem teszt eredményeink.

Korábban beszéltünk arról, hogy hogyan lehet a szomorúsággal erősebb benyomást keltni a bevezetőben, de a félelem is csinálja a trükköt. Ebben az esetben a szerző megemlítette azokat a dolgokat, amelyek rosszul fordulhatnak elő, ha nem használtak biztonságos témát, majd bepördültek és elmondták, hogyan kell kezelni.

A félelem kiváltásának kulcsa a káros következményekről és arról, hogy ezek miként befolyásolhatják az olvasókat. Ha megismerheti azokat a dolgokat, amelyektől félnek, könnyebb idő lesz arra, hogy megoldásokkal foglalkozzon velük.

5. Düh ��

Végül, de nem utolsósorban, beszéljünk a haragról. Hogy őszinte legyek, a harag ritkán egyike azoknak az érzelmeknek, amelyeket megpróbálunk kiváltani az olvasóktól, amikor cikkeket írunk. A harag egy trükkös eszköz, amely segít kapcsolatba lépni a közönséggel, de elidegenítheti őket. Készítsünk egy rövid példát a WordPress téma áttekintéséről, és nézzük meg, mit mond Watsonfinds:

Ez a téma teljesen tönkretette webhelyem, és elvesztette az összes forgalmat! Bírósági eljárásba vonom a fejlesztőket, a webhelyet és az összes résztvevőt.
Dühvizsgálatunk eredményei.

Watsonfinds szerint ez csak a 55,34% -ot szereti a düh kategóriában, ami meglepő, mert úgy néz ki, mint egy felháborodott YouTube-megjegyzés. Az eszköz azt is megvitatja, hogy a harag miként ösztönözheti az olvasókat cselekedetekre, lehet, hogy nem.

Tapasztalataink szerint, ha ugyanazokkal a dolgokkal vagy mérges, mint a közönség, akkor ezt felhasználhatja kapcsolatot létesíteni, de ez nem fenntartható érzelem. Ami a tartalmat illeti, az olyan érzelmeket, mint a szomorúság, a félelem és az öröm, könnyebben lehet számszerűsíteni és helyrehozni, ha a gépi tanulást a WordPress-ben használják..

Következtetés

Ha arra készteti az olvasóit, hogy valami érezzék magukat, vegyen részt velük és könnyebben építhessen bizalmat. Watsonfinds segít elemezni a tartalom érzelmi hatásait, és amennyit mi érdekel, tisztességes munkát végez. Nem mondja meg, hogy mit kell változtatni, de azt jelzi, ha helyesen célozza az egyik alapvető érzelmet.

Lebontjuk, hogy az öt érzelem mindegyike hogyan befolyásolhatja a tartalmat:

  1. Szomorúság: A szomorú érzések közelebb hozhatják közönségét.
  2. Öröm: A boldog olvasók a legjobb közönség, és a Watsonfinds kiválóan képes azonosítani a pozitív tartalmat.
  3. Undor: Ez az érzelem kissé trükkös, de segíthet megosztani az olvasókat a megosztott távolságok miatt.
  4. Félelem: Negatív konnotációi ellenére a félelem rendkívül hatékony motiváló tényező a konverziók vezetésében.
  5. Harag: Ez az érzelem bizonyos esetekben segíthet a kötésben az olvasókkal (bár úgy gondoljuk, hogy a legtöbb esetben a legjobb ezt elkerülni).

Mit gondol a gépi tanulás beépítésének a WordPress-be és a tartalom létrehozásának folyamatainak ötletéből? Hallott már az ötlet érdekes megvalósításáról?

Ne felejtsd el csatlakozni a WordPress-webhely felgyorsításának összeomlási tanfolyamához. Néhány egyszerű javítással akár 50-80% -kal csökkentheti a betöltési időt:

Elrendezés és előadás: K Karol.

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me
    Это интересно
    Adblock
    detector