ಒಂದು ಹೊಸ AI-ಚಾಲಿತ ಪೈಪ್‌ಲೈನ್ (pipeline) Google Search Console ನಿಂದ ಕಡಿಮೆ ಕಾರ್ಯಕ್ಷಮತೆ ಹೊಂದಿರುವ ಸರ್ಚ್ ಕ್ವೇರಿಗಳನ್ನು (search queries) ಪಡೆದು, ಅವುಗಳನ್ನು ತಾಂತ್ರಿಕ ಲೇಖನಗಳನ್ನಾಗಿ ಪರಿವರ್ತಿಸಿ, ಪ್ರತಿ ಲೇಖನಕ್ಕೂ ಐದು ಸೆಂಟ್ಸ್‌ಗಿಂತ ಕಡಿಮೆ ವೆಚ್ಚದಲ್ಲಿ Dev.to ಗೆ ಅಪ್‌ಲೋಡ್ ಮಾಡುತ್ತದೆ. ಲೇಖಕರ ಮೊದಲ ಪ್ರಯತ್ನವನ್ನು ವಿಫಲಗೊಳಿಸಿದ $120 ಕ್ಕಿಂತ ಹೆಚ್ಚಿನ ವೆಚ್ಚವಿಲ್ಲದೆ, ಈ ವ್ಯವಸ್ಥೆಯು ಅಳೆಯಬಹುದಾದ SEO ಲಾಭಗಳನ್ನು ನೀಡುವ ಭರವಸೆ ನೀಡುತ್ತದೆ.

ಮೊದಲ ಪ್ರಯತ್ನ ಏಕೆ ವಿಫಲವಾಯಿತು

ಎರಡು ತಿಂಗಳು ಮತ್ತು $120 API ಶುಲ್ಕದಲ್ಲಿ 30 ಲೇಖನಗಳು ತಯಾರಾದವು, ಆದರೂ Google Search Console ಯಾವುದೇ ಹೊಸ ಇಂಪ್ರೆಶನ್‌ಗಳನ್ನು (impressions) ದಾಖಲಿಸಲಿಲ್ಲ. ಸಮಸ್ಯೆ ಭಾಷಾ ಮಾದರಿಯಲ್ಲಿರಲಿಲ್ಲ (language model); ಬದಲಾಗಿ "ಕಂಟೆಂಟ್ ಗ್ಯಾಪ್" (content gap) ಎಂಬ ವ್ಯಾಖ್ಯಾನದಲ್ಲಿತ್ತು. ಲೇಖಕರು ಈ ಪದವನ್ನು ಕೇವಲ ಒಂದು ಶಬ್ದವಾಗಿ ಪರಿಗಣಿಸಿ, AI ಗೆ ನೈಜ ಸರ್ಚ್ ಬೇಡಿಕೆಗೆ ಹೊಂದಿಕೆಯಾಗದ ಸಾಮಾನ್ಯ ವಿಷಯಗಳನ್ನು ನೀಡಿದ್ದರು. SEO ಭಾಷೆಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ಕಂಟೆಂಟ್ ಗ್ಯಾಪ್ ಎಂದರೆ ಹೆಚ್ಚಿನ ಇಂಪ್ರೆಶನ್‌ಗಳನ್ನು ಪಡೆಯುವ, ಆದರೆ ಕಡಿಮೆ ಕ್ಲಿಕ್‌ಗಳನ್ನು ಮತ್ತು ಯಾವುದೇ ರ್ಯಾಂಕಿಂಗ್ ಪುಟವನ್ನು ಹೊಂದಿಲ್ಲದ ನಿರ್ದಿಷ್ಟ ಕ್ವೇರಿ (query). ಅಂತಹ ನಿಖರತೆ ಇಲ್ಲದೆ, ಲೇಖನಗಳು ಎಂದಿಗೂ ಓದುಗರನ್ನು ತಲುಪಲು ಸಾಧ್ಯವಾಗಲಿಲ್ಲ.

ಹೊಸ ಪೈಪ್‌ಲೈನ್‌ನ ರಚನೆ

ಪರಿಷ್ಕರಿಸಿದ ಈ ವರ್ಕ್‌ಫ್ಲೋ (workflow) Oracle Cloud Infrastructure ಮೇಲೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಮತ್ತು ಕಟ್ಟುನಿಟ್ಟಾದ, ಡೇಟಾ-ಮೊದಲ (data-first) ಅನುಕ್ರಮವನ್ನು ಅನುಸರಿಸುತ್ತದೆ:

  • GSC Analyzer – ನಾಲ್ಕು ಮಾನದಂಡಗಳನ್ನು ಪೂರೈಸುವ ಕ್ವೇರಿಗಳಿಗಾಗಿ ಕನ್ಸೋಲ್ ಅನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡುತ್ತದೆ: ಇಂಪ್ರೆಶನ್‌ಗಳು > 500, ಕ್ಲಿಕ್‌ಗಳು < 50, ಕ್ಲಿಕ್-ಥ್ರೂ ರೇಟ್ (click-through rate) < 1 %, ಮತ್ತು ಸರಾಸರಿ ಸ್ಥಾನ (average position) > 20. ಈ ಮಿತಿಗಳು ಬಳಕೆದಾರರು ನೋಡುವ ಆದರೆ ಕ್ಲಿಕ್ ಮಾಡದ ಕ್ವೇರಿಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸುತ್ತವೆ, ಇದು ಸ್ಪಷ್ಟವಾದ ಅವಕಾಶವನ್ನು ಸೂಚಿಸುತ್ತದೆ.
  • Topic Generator – ಪ್ರತಿಯೊಂದು ಕ್ವೇರಿಯನ್ನು Groq ನಲ್ಲಿ ಹೋಸ್ಟ್ ಮಾಡಲಾದ Llama 3 ಗೆ ಕಳುಹಿಸುತ್ತದೆ. ಈ ಮಾದರಿಯು ಮೂಲ ಸರ್ಚ್ ಟರ್ಮ್‌ಗೆ (search term) ಬದ್ಧವಾಗಿರುವ ಮೂರು ಅನ್ ಐದು ಹೆಡ್‌ಲೈನ್ ಐಡಿಯಾಗಳನ್ನು ನೀಡುತ್ತದೆ.
  • Article Drafter – ಆಯ್ಕೆ ಮಾಡಿದ ಹೆಡ್‌ಲೈನ್ ಅನ್ನು Claude 3.5 Sonnet ಗೆ ನೀಡುತ್ತದೆ, ಇದು ಪೂರ್ಣ ಪ್ರಮಾಣದ, ತಾಂತ್ರಿಕವಾಗಿ ನಿಖರವಾದ ಪೋಸ್ಟ್ ಅನ್ನು ಬರೆಯುತ್ತದೆ. ಉದ್ದವಾದ ಪ್ರಾಂಪ್ಟ್‌ಗಳು (prompts) ಹೆಚ್ಚು ಟೋಕನ್‌ಗಳನ್ನು ಬಳಸುವುದರಿಂದ, Claude ಈ ಕಠಿಣ ಕೆಲಸವನ್ನು ನಿರ್ವಹಿಸುತ್ತದೆ.
  • SEO Optimizer – ಇಂಟರ್ನಲ್ ಲಿಂಕ್‌ಗಳು, ಮೆಟಾ ಡಿಸ್ಕ್ರಿಪ್ಶನ್‌ಗಳು ಮತ್ತು ಸಂಬಂಧಿತ ಟ್ಯಾಗ್‌ಗಳನ್ನು ಸೇರಿಸುವ ಮೂಲಕ, ಲೇಖನವನ್ನು ಸರ್ಚ್ ಇಂಜಿನ್‌ಗಳು ಮತ್ತು Dev.to ಟ್ಯಾಗಿಂಗ್ ಸಿಸ್ಟಮ್‌ಗೆ ಸಿದ್ಧಪಡಿಸುತ್ತದೆ.
  • Publisher – ಹೊಸ ಪೋಸ್ಟ್ ರಚಿಸಲು Dev.to API ಅನ್ನು ಬಳಸುತ್ತದೆ ಮತ್ತು ಏಕಕಾಲದಲ್ಲಿ ಲೇಖಕರ ಸ್ಟ್ಯಾಟಿಕ್ ಸೈಟ್ ರೆಪೊಸಿಟರಿಯನ್ನು (static site repository) ಅಪ್‌ಡೇಟ್ ಮಾಡುತ್ತದೆ.

ವೆಚ್ಚ ನಿಯಂತ್ರಣವು ಹೈಬ್ರಿಡ್ ಮಾಡೆಲ್‌ನಿಂದ ಬರುತ್ತದೆ: ಚಿಕ್ಕದಾದ, ಅಗ್ಗದ ಕೆಲಸಗಳು (ಶೀರ್ಷಿಕೆ ತಯಾರಿಕೆ) Groq ನಲ್ಲಿ ಇರುತ್ತವೆ, ಆದರೆ ದೀರ್ಘವಾದ ಬರವಣಿಗೆಯ ಹಂತಕ್ಕೆ Claude ಅನ್ನು ಬಳಸಲಾಗುತ್ತದೆ. ಪ್ರತಿ ಲೇಖನಕ್ಕೆ Claude ಗೆ ಸರಾಸರಿ $0.03 ಮತ್ತು Groq ಗೆ $0.01 ವೆಚ್ಚವಾಗುತ್ತದೆ, ಇದರಿಂದ ಒಟ್ಟು ವೆಚ್ಚವು $0.05 ಕ್ಕಿಂತ ಕಡಿಮೆ ಇರುತ್ತದೆ.

ಆರಂಭಿಕ ಕಾರ್ಯಕ್ಷಮತೆಯ ಸೂಚನೆಗಳು

ಮೂರು ತಿಂಗಳ ನಿರಂತರ ಚಾಲನೆಯ ನಂತರ, ಲೇಖಕರು ಈ ಕೆಳಗಿನವುಗಳನ್ನು ವರದಿ ಮಾಡಿದ್ದಾರೆ:

  • ಪೈಪ್‌ಲೈನ್ ಅನ್ನು ಪ್ರಚೋದಿಸಿದ ನಿರ್ದಿಷ್ಟ ಕ್ವೇರಿಗಳಿಗೆ ಆರ್ಗ್ಯಾನಿಕ್ ಇಂಪ್ರೆಶನ್‌ಗಳಲ್ಲಿ (organic impressions) 15% ಹೆಚ್ಚಳ.
  • ಒಟ್ಟಾರೆ ಸೈಟ್ ಕ್ಲಿಕ್‌ಗಳಲ್ಲಿ 3% ಏರಿಕೆ, ಇದು ಹೊಸ ಕಂಟೆಂಟ್ ಗುರಿಯಿತಟ್ಟಿದ ಗ್ಯಾಪ್‌ಗಳ ಹೊರತಾಗಿಯೂ ಟ್ರಾಫಿಕ್ ಅನ್ನು ಸೆಳೆಯುತ್ತಿದೆ ಎಂದು ತೋರಿಸುತ್ತದೆ.
  • ಪ್ರತಿ ಲೇಖನಕ್ಕೆ ಸತತವಾಗಿ $0.05 ಕ್ಕಿಂತ ಕಡಿಮೆ ವೆಚ್ಚ, ಇದು ಆರ್ಥಿಕತೆಯ ತಳಹದಿಯನ್ನು ದೃಢಪಡಿಸುತ್ತದೆ.

ಈ ಅಂಕಿಅಂಶಗಳು, ನಿಖರವಾದ ವ್ಯಾಪ್ತಿ ಮತ್ತು ಡೇಟಾ-ಚಾಲಿತ ವಿಧಾನವು ಕಡಿಮೆ ವೆಚ್ಚವನ್ನು ಗಮನಾರ್ಹ SEO ಸುಧಾರಣೆಗಳನ್ನಾಗಿ ಪರಿವರ್ತಿಸಬಹುದು ಎಂದು ಸೂಚಿಸುತ್ತವೆ.

ಅಪಾಯಗಳು ಮತ್ತು ವಿರೋಧಾಭಿಪ್ರಾಯಗಳು

ಈ ವ್ಯವಸ್ಥೆಯ ಕಡಿಮೆ ವೆಚ್ಚವು ಕೇವಲ ಒಂದು ನಿರ್ದಿಷ್ಟ ರೀತಿಯ ಕಂಟೆಂಟ್ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆ: ಅಂದರೆ Dev.to ನ ಡೆವಲಪರ್ ಪ್ರೇಕ್ಷಕರಿಗೆ ಹೊಂದಿಕೆಯಾಗುವ ತಾಂತ್ರಿಕ 'ಹೌ-ಟು' (how-tos) ಲೇಖನಗಳು. ವ್ಯಾಪಕವಾದ ವಿಷಯಗಳಿಗೆ ಇದನ್ನು ವಿಸ್ತರಿಸಬೇಕಾದರೆ ಹೆಚ್ಚು ಸೂಕ್ಷ್ಮವಾದ ಪ್ರಾಂಪ್ಟಿಂಗ್, ಉತ್ತಮ ಗುಣಮಟ್ಟದ ಬರವಣಿಗೆ ಅಥವಾ ಹೆಚ್ಚುವರಿ ಸಂಪಾದಕೀಯ ಮೇಲ್ವಿಚಾರಣೆಯ ಅಗತ್ಯವಿರಬಹುದು, ಇದು ವೆಚ್ಚವನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ. ಸ್ವಯಂಚಾಲಿತ ಡ್ರಾಫ್ಟ್‌ಗಳು ತಾಂತ್ರಿಕ ತಪ್ಪುಗಳು ಅಥವಾ ಹಳೆಯ ಕೋಡ್ ಉದಾಹರಣೆಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ಅಪಾಯವೂ ಇದೆ; ಮಾನವ ವಿಮರ್ಶಕರಿಲ್ಲದಿದ್ದರೆ, ತಪ್ಪು ಮಾಹಿತಿಯನ್ನು ಪ್ರಕಟಿಸುವ ಅಪಾಯವಿರುತ್ತದೆ.

ಈ ಪೈಪ್‌ಲೈನ್ Google Search Console ನ ಡೇಟಾ ತಾಜಾತನವನ್ನು (data freshness) ಸಹ ಅವಲಂಬಿಸಿದೆ. ಕನ್ಸೋಲ್ ವಿಳಂಬವಾದರೆ ಅಥವಾ ಕ್ವೇರಿ ಪ್ರಮಾಣವು ವೇಗವಾಗಿ ಬದಲಾದರೆ, ಅನಾಲೈಜರ್ ಈಗಾಗಲೇ ಮಾಯವಾಗಿರುವ ಗ್ಯಾಪ್‌ಗಳ ಹಿಂದೆ ಹೋಗಿ ಸಂಪನ್ಮೂಲಗಳನ್ನು ವ್ಯರ್ಥ ಮಾಡಬಹುದು.

ಮುಂದಿನ ಹಂತ: ಸ್ವಯಂ-ತಿದ್ದುಪಡಿ ಲೂಪ್

ಲೇಖಕರು ಪ್ರತಿ ಲೇಖನದ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು 60 ದಿನಗಳ ಕಾಲ ಗಮನಿಸುವ ಮಾನಿಟರಿಂಗ್ ಏಜೆಂಟ್ ಅನ್ನು ಸೇರಿಸಲು ಯೋಜಿಸಿದ್ದಾರೆ. ಒಂದು ಲೇಖನವು ಮೊದಲೇ ನಿಗದಿಪಡಿಸಿದ ಇಂಪ್ರೆಶನ್ ಅಥವಾ ಕ್ಲಿಕ್ ಮಿತಿಯನ್ನು ತಲುಪದಿದ್ದರೆ, ಏಜೆಂಟ್ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಅದನ್ನು ಮರು-ಬರೆಯಲು (rewrite) ಸೂಚಿಸುತ್ತದೆ ಮತ್ತು ಕಡಿಮೆ ಕಾರ್ಯಕ್ಷಮತೆ ಹೊಂದಿರುವ ಲೇಖನವನ್ನು ಮತ್ತೆ ಡ್ರಾಫ್ಟಿಂಗ್ ಹಂತಕ್ಕೆ ಕಳುಹಿಸುತ್ತದೆ. ಈ ಫೀಡ್‌ಬ್ಯಾಕ್ ಲೂಪ್ (feedback loop) ಮಾನವ ಹಸ್ತಕ್ಷೇಪವಿಲ್ಲದೆ ಕಂಟೆಂಟ್ ಪೋರ್ಟ್‌ಫೋಲಿಯೊವನ್ನು ನೈಜ ಪ್ರಪಂಚದ ಸರ್ಚ್ ಟ್ರೆಂಡ್‌ಗಳಿಗೆ ಅನುಗುಣವಾಗಿರಿಸುವ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ.

ಸಾರಾಂಶ

ಶಿಸ್ತುಬದ್ಧವಾದ AI ಪೈಪ್‌ಲೈನ್ ಕಚ್ಚಾ ಸರ್ಚ್ ಡೇಟಾವನ್ನು ಸಾಂಪ್ರದಾಯಿಕ ಕಂಟೆಂಟ್ ವೆಚ್ಚಗಳ ಒಂದು ಭಾಗದಲ್ಲಿ ಪ್ರಕಟಿಸಲು ಸಿದ್ಧವಿರುವ ಲೇಖನಗಳನ್ನಾಗಿ ಪರಿವರ್ತಿಸಬಹುದು, ಆದರೆ ಇನ್‌ಪುಟ್ ಸಿಗ್ನಲ್ ನಿಖರವಾಗಿರಲಿ ಮತ್ತು ಔಟ್‌ಪುಟ್ ವ್ಯಾಪ್ತಿಯು ಕಿರಿದಾಗಿರಲಿ ಎಂಬಾಗ ಈ ಮಾದರಿಯು ಅತ್ಯುತ್ತಮವಾಗಿ ಕೆಲಸ ಮಾಡುತ್ತದೆ. ಅಗ್ಗದ ಕಂಟೆಂಟ್ ಎಂಬ ಬಲೆಗೆ ಬೀಳದಂತೆ ಮತ್ತು ವೆಚ್ಚದ ಉಳಿತಾಯವು ದೀರ್ಘಕಾಲದ SEO ಮೌಲ್ಯವಾಗಿ ಪರಿವರ್ತನೆಯಾಗುವುದನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ನಿರಂತರ ಕಾರ್ಯಕ್ಷಮತೆಯ ಮೇಲ್ವಿಚಾರಣೆ ಅತ್ಯಗತ್ಯ.

ಮೂಲ: Dev.to ನಲ್ಲಿ ಲೇಖಕರ ವಿವರವಾದ ಮಾಹಿತಿ.