SEO
Allt du behöver veta
Google has just released Bard, its answer to ChatGPT, and users are getting to know it to see how it compares to OpenAI’s artificial intelligence-powered chatbot.
The name ‘Bard’ is purely marketing-driven, as there are no algorithms named Bard, but we do know that the chatbot is powered by LaMDA.
Here is everything we know about Bard so far and some interesting research that may offer an idea of the kind of algorithms that may power Bard.
What Is Google Bard?
Bard is an experimental Google chatbot that is powered by the LaMDA large language model.
It’s a generative AI that accepts prompts and performs text-based tasks like providing answers and summaries and creating various forms of content.
Bard also assists in exploring topics by summarizing information found on the internet and providing links for exploring websites with more information.
Why Did Google Release Bard?
Google released Bard after the wildly successful launch of OpenAI’s ChatGPT, which created the perception that Google was falling behind technologically.
ChatGPT was perceived as a revolutionary technology with the potential to disrupt the search industry and shift the balance of power away from Google search and the lucrative search advertising business.
On December 21, 2022, three weeks after the launch of ChatGPT, the New York Times reported that Google had declared a “code red” to quickly define its response to the threat posed to its business model.
Forty-seven days after the code red strategy adjustment, Google announced the launch of Bard on February 6, 2023.
What Was The Issue With Google Bard?
The announcement of Bard was a stunning failure because the demo that was meant to showcase Google’s chatbot AI contained a factual error.
The inaccuracy of Google’s AI turned what was meant to be a triumphant return to form into a humbling pie in the face.
Google’s shares subsequently lost a hundred billion dollars in market value in a single day, reflecting a loss of confidence in Google’s ability to navigate the looming era of AI.
How Does Google Bard Work?
Bard is powered by a “lightweight” version of LaMDA.
LaMDA is a large language model that is trained on datasets consisting of public dialogue and web data.
There are two important factors related to the training described in the associated research paper, which you can download as a PDF here: LaMDA: Language Models for Dialog Applications (read the abstract here).
- A. Safety: The model achieves a level of safety by tuning it with data that was annotated by crowd workers.
- B. Groundedness: LaMDA grounds itself factually with external knowledge sources (through information retrieval, which is search).
The LaMDA research paper states:
“…factual grounding, involves enabling the model to consult external knowledge sources, such as an information retrieval system, a language translator, and a calculator.
We quantify factuality using a groundedness metric, and we find that our approach enables the model to generate responses grounded in known sources, rather than responses that merely sound plausible.”
Google used three metrics to evaluate the LaMDA outputs:
- Sensibleness: A measurement of whether an answer makes sense or not.
- Specificity: Measures if the answer is the opposite of generic/vague or contextually specific.
- Interestingness: This metric measures if LaMDA’s answers are insightful or inspire curiosity.
All three metrics were judged by crowdsourced raters, and that data was fed back into the machine to keep improving it.
The LaMDA research paper concludes by stating that crowdsourced reviews and the system’s ability to fact-check with a search engine were useful techniques.
Google’s researchers wrote:
“We find that crowd-annotated data is an effective tool for driving significant additional gains.
We also find that calling external APIs (such as an information retrieval system) offers a path towards significantly improving groundedness, which we define as the extent to which a generated response contains claims that can be referenced and checked against a known source.”
How Is Google Planning To Use Bard In Search?
The future of Bard is currently envisioned as a feature in search.
Google’s announcement in February was insufficiently specific on how Bard would be implemented.
The key details were buried in a single paragraph close to the end of the blog announcement of Bard, where it was described as an AI feature in search.
That lack of clarity fueled the perception that Bard would be integrated into search, which was never the case.
Google’s February 2023 announcement of Bard states that Google will at some point integrate AI features into search:
“Soon, you’ll see AI-powered features in Search that distill complex information and multiple perspectives into easy-to-digest formats, so you can quickly understand the big picture and learn more from the web: whether that’s seeking out additional perspectives, like blogs from people who play both piano and guitar, or going deeper on a related topic, like steps to get started as a beginner.
These new AI features will begin rolling out on Google Search soon.”
It’s clear that Bard is not search. Rather, it is intended to be a feature in search and not a replacement for search.
What Is A Search Feature?
A feature is something like Google’s Knowledge Panel, which provides knowledge information about notable people, places, and things.
Google’s “How Search Works” webpage about features explains:
“Google’s search features ensure that you get the right information at the right time in the format that’s most useful to your query.
Sometimes it’s a webpage, and sometimes it’s real-world information like a map or inventory at a local store.”
In an internal meeting at Google (rapporterat av CNBC), employees questioned the use of Bard in search.
One employee pointed out that large language models like ChatGPT and Bard are not fact-based sources of information.
The Google employee asked:
“Why do we think the big first application should be search, which at its heart is about finding true information?”
Jack Krawczyk, the product lead for Google Bard, answered:
“I just want to be very clear: Bard is not search.”
At the same internal event, Google’s Vice President of Engineering for Search, Elizabeth Reid, reiterated that Bard is not search.
She said:
"Bard är verkligen skild från sök..."
Vad vi med säkerhet kan dra slutsatsen är att Bard inte är en ny iteration av Google-sökning. Det är en funktion.
Bard är en interaktiv metod för att utforska ämnen
Googles tillkännagivande av Bard var ganska tydligt att Bard inte är sök. Detta innebär att medan sökningar visar länkar till svar, hjälper Bard användare att undersöka kunskap.
Tillkännagivandet förklarar:
"När folk tänker på Google tänker de ofta på att vända sig till oss för snabba faktasvar, som "hur många tangenter har ett piano?"
Men i allt högre grad vänder sig människor till Google för djupare insikter och förståelse – som "är piano eller gitarr lättare att lära sig och hur mycket övning behöver var och en?"
Att lära sig om ett ämne som detta kan ta mycket ansträngning för att ta reda på vad du verkligen behöver veta, och folk vill ofta utforska en mängd olika åsikter eller perspektiv.”
Det kan vara bra att tänka på Bard som en interaktiv metod för att få tillgång till kunskap om ämnen.
Bard Samples Web Information
Problemet med stora språkmodeller är att de härmar svar, vilket kan leda till faktafel.
Forskarna som skapade LaMDA säger att tillvägagångssätt som att öka modellens storlek kan hjälpa den att få mer faktainformation.
Men de noterade att detta tillvägagångssätt misslyckas inom områden där fakta ständigt förändras under tidens gång, vilket forskare kallar det "temporala generaliseringsproblemet."
Färskhet i betydelsen aktuell information kan inte tränas med en statisk språkmodell.
Lösningen som LaMDA eftersträvade var att söka efter informationshämtningssystem. Ett informationshämtningssystem är en sökmotor, så LaMDA kontrollerar sökresultaten.
Denna funktion från LaMDA verkar vara en funktion hos Bard.
Tillkännagivandet från Google Bard förklarar:
“Bard strävar efter att kombinera bredden av världens kunskap med kraften, intelligensen och kreativiteten hos våra stora språkmodeller.
Den bygger på information från webben för att ge färska, högkvalitativa svar.”
LaMDA och (eventuellt i förlängningen) Bard uppnår detta med det som kallas verktygsuppsättningen (TS).
Verktygsuppsättningen förklaras i LaMDA-forskarartikeln:
"Vi skapar en verktygsuppsättning (TS) som inkluderar ett informationshämtningssystem, en kalkylator och en översättare.
TS tar en enstaka sträng som indata och matar ut en lista med en eller flera strängar. Varje verktyg i TS förväntar sig en sträng och returnerar en lista med strängar.
Till exempel tar räknaren "135+7721" och matar ut en lista som innehåller ["7856"]. På samma sätt kan översättaren ta "hej på franska" och skriva ut ['Bonjour'].
Slutligen kan informationshämtningssystemet ta 'Hur gammal är Rafael Nadal?' och utmata ['Rafael Nadal / Ålder / 35'].
Systemet för informationshämtning kan också returnera utdrag av innehåll från den öppna webben, med motsvarande URL:er.
TS:n försöker en inmatningssträng på alla sina verktyg och producerar en slutlig utdatalista med strängar genom att sammanfoga utdatalistorna från varje verktyg i följande ordning: kalkylator, översättare och informationshämtningssystem.
Ett verktyg kommer att returnera en tom lista med resultat om det inte kan analysera indata (t.ex. kan räknaren inte analysera "Hur gammal är Rafael Nadal?"), och bidrar därför inte till den slutliga utdatalistan."
Här är ett Bard-svar med ett utdrag från den öppna webben:
Skärmdump av en Google Bard Chat, mars 2023System för konversation av frågor och svar
Det finns inga forskningsartiklar som nämner namnet "Bard."
Det finns dock en hel del ny forskning relaterad till AI, inklusive av forskare associerade med LaMDA, som kan ha en inverkan på Bard.
Följande hävdar inte att Google använder dessa algoritmer. Vi kan inte med säkerhet säga att någon av dessa tekniker används i Bard.
Värdet av att veta om dessa forskningsdokument är att veta vad som är möjligt.
Följande är algoritmer som är relevanta för AI-baserade frågesvarssystem.
En av författarna till LaMDA arbetade med ett projekt som handlar om att skapa träningsdata för ett konversationsinformationshämtningssystem.
Du kan ladda ner forskningsrapporten 2022 som PDF här: Dialog Inpainting: Förvandla dokument till dialoger (och läs abstrakt här).
Problemet med att träna ett system som Bard är att fråge-och-svar-datauppsättningar (som datauppsättningar som består av frågor och svar som finns på Reddit) är begränsade till hur människor på Reddit beter sig.
Det omfattar inte hur människor utanför den miljön beter sig och vilka typer av frågor de skulle ställa, och vad de korrekta svaren på dessa frågor skulle vara.
Forskarna undersökte att skapa ett system som läste webbsidor och använde sedan en "dialog inpainter" för att förutsäga vilka frågor som skulle besvaras av en given passage inom det som maskinen läste.
Ett avsnitt på en pålitlig Wikipedia-webbsida som säger "Himlen är blå" skulle kunna förvandlas till frågan "Vilken färg har himlen?"
Forskarna skapade sin egen datauppsättning med frågor och svar med hjälp av Wikipedia och andra webbsidor. De kallade datamängderna WikiDialog och WebDialog.
- WikiDialog är en uppsättning frågor och svar som härrör från Wikipedia-data.
- WebDialog är en datauppsättning som härrör från webbsidedialogen på internet.
Dessa nya datauppsättningar är 1 000 gånger större än befintliga datauppsättningar. Vikten av det är att det ger samtalsspråksmodeller en möjlighet att lära sig mer.
Forskarna rapporterade att denna nya datamängd hjälpte till att förbättra konversationsfrågesvarssystem med över 40%.
Forskningsdokumentet beskriver framgången med detta tillvägagångssätt:
"Viktigt, vi finner att våra målade datauppsättningar är kraftfulla källor för träningsdata för ConvQA-system...
När de används för att förträna standardretriever- och rerankerarkitekturer, avancerar de toppmoderna över tre olika ConvQA-hämtningsmätvärden (QRECC, OR-QUAC, TREC-CAST), och ger upp till 40% relativa vinster på standardutvärderingsmått...
Anmärkningsvärt nog finner vi att bara förträning på WikiDialog möjliggör en stark noll-shot-hämtningsprestanda – upp till 95% av en finjusterad retrievers prestanda – utan att använda någon ConvQA-data inom domänen. "
Är det möjligt att Google Bard tränades med hjälp av WikiDialog- och WebDialog-datauppsättningarna?
Det är svårt att föreställa sig ett scenario där Google skulle vidarebefordra träning av en konversations-AI på en datauppsättning som är över 1 000 gånger större.
Men vi vet inte säkert eftersom Google inte ofta kommenterar dess underliggande teknologier i detalj, förutom vid sällsynta tillfällen som för Bard eller LaMDA.
Stora språkmodeller som länkar till källor
Google publicerade nyligen en intressant forskningsartikel om ett sätt att få stora språkmodeller att citera källorna för sin information. Den första versionen av tidningen publicerades i december 2022 och den andra versionen uppdaterades i februari 2023.
Denna teknik kallas experimentell från och med december 2022.
Du kan ladda ner PDF-filen av tidningen här: Tillskrivna frågesvar: Utvärdering och modellering för tillskrivna stora språkmodeller (Läs Google abstrakt här).
Forskningsdokumentet anger avsikten med tekniken:
"Stora språkmodeller (LLM) har visat imponerande resultat samtidigt som de kräver liten eller ingen direkt övervakning.
Vidare finns det allt fler bevis för att LLM kan ha potential i informationssökande scenarier.
Vi tror att förmågan hos en LLM att tillskriva texten som den genererar sannolikt kommer att vara avgörande i den här miljön.
Vi formulerar och studerar Attributed QA som ett viktigt första steg i utvecklingen av tillskrivna LLM.
Vi föreslår ett reproducerbart utvärderingsramverk för uppgiften och jämför en bred uppsättning arkitekturer.
Vi tar mänskliga anteckningar som en guldstandard och visar att en korrelerad automatisk metrik är lämplig för utveckling.
Vårt experimentella arbete ger konkreta svar på två nyckelfrågor (Hur mäter man attribution? och Hur bra presterar nuvarande toppmoderna metoder på attribution?), och ger några tips om hur man kan lösa en tredje (Hur man bygga LLM med attribution?).
Den här typen av stora språkmodeller kan träna ett system som kan svara med stödjande dokumentation som teoretiskt säkerställer att svaret är baserat på något.
Forskningsdokumentet förklarar:
"För att utforska dessa frågor, föreslår vi Attributed Question Answering (QA). I vår formulering är input till modellen/systemet en fråga, och utdata är ett (svar, attribution) par där svaret är en svarssträng och attribution är en pekare till en fast korpus, t.ex. av stycken.
Den returnerade tillskrivningen bör ge stödjande bevis för svaret."
Den här tekniken är speciellt avsedd för frågor som svarar på frågor.
Målet är att skapa bättre svar – något som Google förståeligt nog skulle vilja ha för Bard.
- Attribution tillåter användare och utvecklare att bedöma "tillförlitligheten och nyansen" av svaren.
- Attribution tillåter utvecklare att snabbt granska kvaliteten på svaren eftersom källorna tillhandahålls.
En intressant anteckning är en ny teknik som kallas AutoAIS som starkt korrelerar med mänskliga bedömare.
Med andra ord kan den här tekniken automatisera mänskliga bedömares arbete och skala processen för att betygsätta svaren som ges av en stor språkmodell (som Bard).
Forskarna delar:
"Vi anser att mänskligt betyg är guldstandarden för systemutvärdering, men finner att AutoAIS korrelerar bra med mänskligt omdöme på systemnivå, och erbjuder lovande som ett utvecklingsmått där mänskligt betyg är omöjligt, eller till och med som en bullrig träningssignal. "
Denna teknik är experimentell; den används förmodligen inte. Men det visar en av riktningarna som Google utforskar för att producera pålitliga svar.
Forskningsuppsats om redigering av svar för fakta
Slutligen finns det en anmärkningsvärd teknologi som utvecklats vid Cornell University (också från slutet av 2022) som utforskar ett annat sätt att källattribut för vad en stor språkmodell ger ut och till och med kan redigera ett svar för att rätta sig själv.
Cornell University (som Stanford University) licensierar teknik relaterade till sök och andra områden, tjänar miljontals dollar per år.
Det är bra att hänga med i universitetsforskningen eftersom den visar vad som är möjligt och vad som är spjutspets.
Du kan ladda ner en PDF av tidningen här: RARR: Undersöka och revidera vad språkmodeller säger, med hjälp av språkmodeller (och read the abstract here).
Sammanfattningen förklarar tekniken:
"Språkmodeller (LM) utmärker sig nu i många uppgifter som inlärning av få skott, svar på frågor, resonemang och dialog.
Men ibland genererar de innehåll som inte stöds eller vilseledande.
En användare kan inte enkelt avgöra om deras utdata är tillförlitliga eller inte, eftersom de flesta LM:er inte har någon inbyggd mekanism för att tillskriva externa bevis.
För att möjliggöra attribution samtidigt som alla kraftfulla fördelar med den senaste generationens modeller bevaras, föreslår vi RARR (Retrofit Attribution using Research and Revision), ett system som 1) automatiskt hittar attribution för utdata från vilken textgenereringsmodell som helst och 2) efterredigerar utdata för att fixa innehåll som inte stöds samtidigt som originalutdata bevaras så mycket som möjligt.
...vi finner att RARR förbättrar attributionen avsevärt samtidigt som den ursprungliga indata bevaras i mycket högre grad än tidigare utforskade redigeringsmodeller.
Dessutom kräver implementeringen av RARR bara en handfull träningsexempel, en stor språkmodell och standardwebbsökning.”
Hur får jag tillgång till Google Bard?
Google accepterar för närvarande nya användare för att testa Bard, som för närvarande är märkt som experimentell. Google lanserar åtkomst för Bard här.
Skärmdump från bard.google.com, mars 2023Google är på posten och säger att Bard inte är sök, vilket borde lugna dem som känner oro inför AI:s gryning.
Vi befinner oss vid en vändpunkt som inte liknar någon annan vi sett på kanske ett decennium.
Att förstå Bard är till hjälp för alla som publicerar på webben eller utövar SEO eftersom det är bra att veta gränserna för vad som är möjligt och framtiden för vad som kan uppnås.
Fler resurser:
Utvald bild: Whyredphotographor/Shutterstock
SEO
Vad du behöver veta 2023
In a recent interview, Rene Ritchie, YouTube’s creator liaison, sat down with Todd Beaupre, YouTube’s growth and discovery lead, to discuss the algorithm’s future and its implications for creators in 2023.
Beaupre shares many insights that can help content creators understand and navigate YouTube.
This candid Q&A uncovers vital details, such as:
- The importance of focusing on audience satisfaction over algorithmic manipulation.
- The role of audience feedback and survey responses in refining YouTube’s recommendation system.
- Strategies for creators to build long-term relationships with their audiences for sustained success.
- YouTube’s dedicated efforts to support new or smaller creators.
- Advice on managing multi-format, multi-language content and the advantages of channel experimentation.
- The future of content discovery on YouTube, including the potential of emerging technologies and user interface enhancements.
This article overviews their enlightening conversation, with all the details on optimizing your YouTube content in 2023.
From Algorithm To Audience: A New Perspective
Q: What’s the main thing creators should focus on for the YouTube algorithm?
Beaupre emphasizes the importance of not thinking about algorithms but audiences. Creators are often asked about the best time or frequency to upload videos to optimize algorithm favorability.
Beaupre encourages a shift in perspective:
“Creators often ask about optimizing their upload time or frequency for the algorithm. But we want creators to shift their thinking. Rather than focusing on the algorithm, they should focus on the audience. Replace the word “algorithm” in their questions with the word “audience.” We design the algorithm to serve the audience, so understanding audience preferences will help the algorithm favor their content.”
The Satisfaction Metric: A Holistic View Of Engagement
Q: Can you explain the significance of the satisfaction metric in the YouTube algorithm?
Beaupre addresses an essential aspect of YouTube’s algorithm: audience satisfaction.
While watch time is a commonly known factor the algorithm considers, Beaupre says that not all watch time is equal:
“Everyone knows that watch time is one of the factors we look at. But we’ve realized that not all watch time is equal. We also need to understand the value an audience derives from a video. To do this, we run surveys about recommendations and specific videos, feeding those responses into the recommendation system. This helps the algorithm identify patterns of satisfying content, looking at various signals like likes, dislikes, watch time, and survey responses.”
A Long-term Strategy: The Key To Creator Success
Q: What kind of strategy should creators adopt for success on YouTube?
Beaupre says creators who prioritize long-term audience value over immediate views stand to benefit more long-term.
He explains that a video’s potential to leave a lasting impression and foster a long-term relationship with the audience would correlate well with satisfaction.
“I would advise creators to think about the long-term value for their audience. Rather than focusing on getting a lot of views in a week, think about creating a lasting impression with your audience. This could mean they’ll want to return to your channel in the future.”
Supporting Smaller Channels
Q: How does YouTube support new or smaller creators who don’t have a large audience?
For creators with smaller audiences, Beaupre reveals that YouTube has a team focused on helping them identify their audience, using various approaches like assessing video titles and descriptions.
“We have a team that focuses on this exact challenge. They use different approaches, like assessing video titles and descriptions, to help these creators identify their audience. We track the success of new creators on the platform, and we’re committed to helping them succeed.”
Multi-format, Multi-language Content:
Q: How should creators manage their channels with the rise of multi-format, multi-language content?
Beaupre touches on the evolving content landscape, including long-form videos, Live, Shorts, and podcasts.
His advice to creators navigating this space is:
“My advice to creators is simple: “Same audience, same channel, different audience, different channel.” We’re looking for ways to make it easier for creators to manage their channels in this multi-format, multi-language world. We encourage creators to experiment with different formats on the same channel and see how their audience reacts.”
The Future Of Discovery On YouTube
Q: What’s the future of discovery on YouTube?
Speaking about the challenges and opportunities ahead, Beaupre highlights several focus areas.
These include leveraging emerging technology, such as large language models, and making the discovery experience more enjoyable.
“We have several areas of focus. We’re excited about emerging technology like large language models, which could improve recommendation quality. We’re also working on enabling seamless user journeys across various formats. Another challenge is to make the discovery experience more enjoyable for users. We’re exploring opportunities to make the interface more entertaining and less overwhelming.”
Final Words
Beaupre signs off with the message that YouTube’s algorithm prioritizes the audience’s satisfaction.
By creating long-term value for your audience, understanding their needs, and experimenting with different formats, you can better align with the platform’s goals and succeed.
Källa: Youtube
Utvald bild genererad av författaren med Midjourney.
SEO
TikTok dominerar innehåll i kort form, Instagram-rullar inte långt efter
Three platforms dominate short-form video content: TikTok, Instagram Reels, and YouTube Shorts.
A recent study conducted by Social Insider dives into the performance stats of these platforms, analyzing key metrics to determine which comes out on top.
In this article, we’ll examine these key insights:
- TikTok holds the crown for the most engagement.
- Comments pour in twice as much on TikTok as on Instagram Reels and YouTube Shorts.
- Brands post twice as much content on TikTok as on Instagram Reels and YouTube Shorts.
- Instagram Reels leads the highest watch rate, while YouTube Shorts lags.
- Each platform’s algorithm plays a role in how content performs.
- Each platform caters to specific audiences and marketing objectives.
Keep reading as we unpack these findings and explore what they mean for users and marketers alike.
TikTok Reigns Supreme In Engagement
TikTok, widely recognized as the forerunner of the short-form video trend, claims the engagement rate crown.
The study finds TikTok outperforms Instagram Reels and YouTube Shorts in interaction, scoring double the comments of its competitors.
“From an engagement rate perspective, in this TikTok vs. Reels vs. Shorts performance comparison, TikTok sets itself apart as the undisputable winner,” the study notes.
The study compares engagement rates, revealing that YouTube Shorts averages around 3.80%, Reels hits an average of 4.36%, and TikTok boasts a significantly higher rate of 5.53%.
The Power Of TikTok’s Virality
TikTok’s success is partly due to users’ ability to harness viral trends, enabling explosive follower growth.
The study mentions that a social media strategy focusing on authenticity and humanized approaches can lead to rapid success.
Brands post twice as much content on TikTok as they do on Reels and Shorts, further emphasizing TikTok’s dominance in this space.
Reels & Shorts: Not To Be Overlooked
While TikTok may lead in engagement and content volume, Instagram’s Reels and YouTube’s Shorts have their strengths.
Reels, for instance, records the highest watch rate among the three platforms.
This could be credited to Instagram’s follower-based model, with Reels serving as a potent content type for brands with a large audience.
On the other hand, YouTube Shorts functions more as a discovery tool.
Most Shorts’ views originate from the homepage. From there, YouTube starts recommending long-form content.
This recommendation system can increase a channel’s subscribers, views, and traction on long-form videos.
A Multifaceted Approach for Marketers
Given each platform’s different strengths and audiences, the study suggests a diversified approach for brands.
“Using TikTok, Reels, and Shorts complementarily and creating unique content for each, aligned with the individual’s platform audience and design, is the best approach marketers and brands alike could have,” the study concludes.
Ultimately, TikTok leads in engagement and content volume, Instagram’s Reels has the highest watch rate, and YouTube’s Shorts is the most effective discovery tool.
Each platform has a unique role in the short-form video landscape. The key for brands and marketers is understanding these roles and crafting strategies around them.
Utvald bild genererad av författaren med Midjourney.
SEO
20+ bloggverktyg för att förbättra ditt arbetsflöde
If you want to make the most of your time blogging, choose the right tools because they’ll save you a lot of money and effort.
But there are a lot of tools out there—and not all of them are worth it.
Well, I’ve been blogging for over a decade and have used hundreds of tools in that time. To help you sort the wheat from the chaff, I’ll list all the tools I’ve used to grow several blogs to a six-figure income—and what each of them is useful for.
Just want the best blogging tool stack? Here are my 10 most-used tools for blogging:
- WordPress – Best content management system (CMS) to manage your blog.
- Google Docs – Best word document editor to collaborate with your team.
- Wordable – Easily upload your articles from Google Docs to WordPress with one click.
- Ahrefs – Best all-around SEO tool for ranking high on Google.
- Notion – Best task management and content planning software.
- Google Search Console – Best tool for making informed SEO decisions.
- Canva – Best graphic creation tool.
- Snagit – Best screenshot capture and editing tool.
- Loom – Best screen recording tool.
- ConvertKit – Best email marketing software.
Want more? Keep reading.
Let’s kick things off with a list of tools you can use to research, write, edit, and publicera your blog posts.
WordPress
What it is: A content management system (CMS) to build your website and publish blog posts.
Why I love it: It is the most robust, SEO-friendly CMS on the market. Because it’s open source and so popular, you can do almost anything with WordPress with the right plugins or a good web developer. I’ve been using it since I started my first blog at 15. It’s not the easiest blogging tool for beginners, but it’s much more powerful than “beginner-friendly” website editors like Wix or Squarespace once you learn how to use it.
Price: Free.
Google Docs
What it is: A document editor.
Why I love it: Google Docs is an easy-to-use free document editor that makes collaborating with writers and editors a breeze. I’ve been using it to write my blog articles for over 10 years. It just works.
Price: Free.
Wordable
What it does: Uploads articles from Google Docs to WordPress in one click.
Why I love it: Google Docs has hidden code that’s brought over when you copy-paste content to WordPress. Wordable fixes that by uploading the document to WordPress while keeping the formatting but removing the extra code. It also cleans up and optimizes your images.
Price: Free up to five exports per month (then $50/month).
CoSchedule Headline Studio
What it does: Scores your headlines clickability and SEO.
Why I love it: It helps me write killer headlines—which is important for both clickability and SEO. Better headlines mean more clicks in the SERPs which, in turn, can help your content rank higher on Google. The tool gives you ideas of power words and uncommon words to use to make your headline more interesting, and its AI can write and suggest headlines for you.
Price: Free ($19/month or $99/year for premium).
Grammatiskt
What it does: Makes suggestions to improve your writing and fixes grammar and spelling mistakes.
Why I love it: Sometimes when you’re in the flow of writing, the words just pour out of you—and you don’t want to interrupt that flow by fixing typos or grammar mistakes. I use Grammarly post-draft to fix my mistakes after the bulk of the article is finished. It’s also compatible with Google Docs and WordPress if you get the Grammarly browser plugin, which is nice.
Price: Free.
ChatGPT
What it is: An AI chatbot.
Why I love it: I use ChatGPT for researching and outlining a lot of my content. It can help you identify topics or ideas you didn’t think about in your initial content outline. I have also started playing with it to improve my content and my life in general, such as using it to help me come up with road trip itineraries for specific needs—like finding the best routes based on weather and areas with free camping—then turn that trip into a blog post and social media videos.
Price: Free ($20/month for premium access).
Hemingway App
What it is: A text editor that grades your writing using the Flesch-Kincaid Grade Level.
Why I love it: As someone who performs and writes about fairly complex SEO tasks on a near-daily basis, it can be hard to know if my writing is easy to understand for the complete beginner. While the Hemingway App won’t necessarily help me break down these complex tasks, it will tell me if my writing is overly complex from a readability standpoint. If it is, I can simplify things more so that nearly anyone can read it. It’s up to me to make sure it still makes sense, though.
Price: Free.
Next up, let’s look at tools to help you create a content calendar and keep your content organized.
Notion
What it is: A productivity software.
Why I love it: Notion is one of the coolest software I’ve ever used. You can customize it to do almost anything: manage your to-do list, plan a content calendar, collaborate with your team, and much more. I use it to keep track of my projects and goals (both personal and business), plan out my content, journal, take notes about new things I’m learning, and more. I use Thomas Frank’s Ultimate Brain template, which has a steep learning curve but totally transformed how I plan my life and business.
Price: Free (premium plans start at $8/month).
Slak
What it is: A messaging app.
Why I love it: I used to use Slack to stay in touch with my team. However, now that I use Notion, we mostly just communicate via that app. Now, I use Slack to join communities with other bloggers and content marketers and keep in touch with masterminds I’ve met over the years. Check out some of these Slack communities for SEOs.
Price: Free (premium plans start at $7.25/month).
Google Analytics
What it is: An analytics dashboard for your website.
Why I love it: Seeing analytics data (e.g., what pages people are visiting on your site, how long they’re staying on your site, and where that traffic came from) is important to make informed decisions about what types of content to produce och where to promote your content. I check the analytics at least once a week to see which pages are performing best.
Price: Free.
Google Trender
What it does: Shows search trends for topics over time.
Why I love it: It’s super useful for finding trending and breakout topics. For example, I was recently looking for new topics for my camping website and found that searches for “lake berryessa camping” have risen 70% in the last 12 months.
Price: Free.
Search engine optimization and blogging are two peas in a pod. If you want to grow your blog organically, you need to learn SEO. Here are a few tools to help you rank higher on Google:
Ahrefs
What it is: An all-in-one SEO tool suite.
Why I love it: I use Ahrefs for a lot of things. For me, it’s been most useful for sökordsforskning och finding backlink opportunities. My most-used feature of Ahrefs is the Content Gap report within the Site Explorer tool, as shown in the screenshot above. I like to spy on my competitors’ keywords to see what they’re ranking for that I’m not. Of course, that’s just scratching the surface of what Ahrefs can do.
Price: $99+ per month (free tools available).
SurferSEO
What it is: A software that analyzes current Google search results to score your content based on how well optimized it is compared to competing results.
Why I love it: I use SurferSEO to help me outline my content in a way that is more likely to rank well on Google. It has a content editor with a content score system that goes from 0 to 100 to grade how well optimized your content is for a given keyword (100 being the most well-optimized article). It also has a Chrome-tillägg that lets you use it in combination with Google Docs.
Price: $49+/month (depending on tier).
Yoast SEO
What it is: A WordPress plugin that helps you better optimize your pages for search engines.
Why I love it: Yoast makes it easy to set your page’s meta tags, add robots.txt och sitemap files to help Google more easily crawl your site, and quickly see what pages aren’t optimized for search.
Price: Free ($99/year for premium).
Google Search Console
What it is: A tool to monitor and troubleshoot your website’s appearance in search results.
Why I love it: I use Google Search Console to help me find pages that are losing traction on the SERPs over time. Just go to the “Performance” report; then for the date, compare the last three months to the previous three months (or longer). Anything that’s dropped in traffic should be considered for a content refresh. I also use it to keep tabs on my site’s performance in general and see if it has any issues like not passing Kärnwebben Vitals.
Price: Free.
AnswerThePublic
What it is: A software that finds common questions people ask on Google that are relevant to a given search query.
Why I love it: I use ATP to ensure I’m addressing all the common frequently asked questions people have around a given topic when I’m writing an article. It also helps me to show up as the answer for People Also Ask questions on Google.
Price: Free (premium plans start at $9 per month).
To The Web Title Tag Preview Tool
What it is: A tool to see at a glance if your meta title and description are too short, too long, or just right.
Why I love it: I use it to make sure my title tags won’t be truncated (cut off) in the Google search results. If your title tag is too long (or too short), you can see it with this tool and adjust it accordingly.
Price: Free.
Let’s face it—there are only 24 hours in a day. You don’t want to waste your time manually sharing every blog post on social media or sending individual emails, do you? These tools will automate some of those time-consuming tasks for you.
Buffert
What it is: A social media scheduling tool.
Why I love it: Posting the same thing to four different social media channels is both a pain and a waste of time. Buffer makes it so that I can push updates across channels from one dashboard and see how they’re performing without logging in and posting from each channel separately. I also hired a freelancer and trained her to schedule all my blog posts to all my channels on Buffer for a double-whammy of time-saving awesomeness.
Price: Free (premium plans start at $6/month per channel).
ConvertKit
What it is: An email newsletter automation tool.
Why I love it: I love the fact that ConvertKit is extremely intuitive and easy to use. I’ve tried Mailchimp, BirdSend, and a handful of other email marketing tools—none of them were as simple as ConvertKit. I also love that its powerful automation features allow me to set up custom email drip campaigns that are tailored to individual segments of my audience, which increases engagement rates by allowing me to create highly personalized emails.
Price: Free up to 300 subscribers (then starts at $9/month).
Zapier
What it is: An automation API.
Why I love it: What’s not to love about automation? I use Zapier to send me an email when someone fills out one of my Typeforms to inquire about my services, but you can do a lot with it. Check out its list of use-case examples to get ideas.
Price: Free up to 100 tasks/month (starts at $19.99/month for paid plans).
Last but not least, I have a suite of tools I use to create images, videos, screenshots, and more.
Canva
What it is: A drag-and-drop image editor.
Why I love it: I use Canva to create featured images and social media share images for all of my blog posts. It’s incredibly easy and intuitive for a non-designer like myself to create high-quality graphics that look professionally made. It also has an AI photo editor to automate—or at least assist in—the process.
Price: Free ($12.99/month or $119.99/year for premium).
Snagit
What it is: A screen capturing and editing tool.
Why I love it: I’ve used a lot of screen capture tools, and this one has been by far the best. We use it at Ahrefs for all of our screen captures to show you how to use our tools. I also use it in my blogs to add extra information when needed and in my standard operating procedures for freelancers.
Price: $62.99 (free trial available).
Loom
What it is: A screen recording tool.
Why I love it: It’s simply the easiest way to record your screen and share it with your team, blog readers, or whoever. I use it to record tutorials, how-tos, and other videos to help my employees learn SOPs and to show exactly how to do certain tasks in my YouTube videos.
Price: Free (unlimited video starts at $8/month).
Descript
What it is: An audio and video editor.
Why I love it: Descript is much more powerful than a simple audio or video editor—it has cutting-edge AI software that allows you to do things like “greenscreen” any background, remove all the “ums” and “uhs” from your audio, and easily rearrange clips. It even has an AI tool that can clone your voice in case you forget to say something. Pretty cool if you ask me.
Price: Free (paid plans start at $12/month).
Fotor AI Image Generator
What it is: An AI image generator. Duh.
Why I love it: It’s fun to create totally unique custom images for your blog posts based on text prompts using AI. While it’s not great yet, it’s come a long way and soon will be able to create photo-realistic images to use in your content. I also use it to occasionally give me fun things to share on Instagram.
Price: Free ($12.99/month or $119.99/year for premium).
Unsplash
What it is: A free-to-use, high-quality stock image library.
Why I love it: I use Unsplash to find high-quality photos to use in the Canva graphics I create for my blog posts—such as featured images and photos to visually show what I’m discussing in the text. I used an image of a truck on my page about truck driver statistics, for example.
Price: Free.
Slutgiltiga tankar
Having the right tools for blogging can help you produce better content faster, get more out of your blog articles, and grow at an exponential rate.
The tools in this guide are the ones I’ve personally used and, in my opinion, are worth investing in (if you have the need for what they do).
Frågor eller kommentarer? Pinga mig på Twitter.
Event Link Building: En nybörjarguide
Så här använder du Search Console-export av massdata
Google sökförslag för din sökning
Google Search Algorithm Ranking Volatility 22 och 23 maj
Google Job Search Bug
Optimera nyhetswebbplatser med Google Search Console-rapporter
YouTubes avgående YouTube-berättelser nästa månad
Hur optisk och intelligent teckenigenkänning fungerar och dess fördelar
Hur Taco Bell förvandlade en varumärkesstrid till en marknadsföringskampanj
Steps to creating your personal brand
-
SEO5 dagar sedanEvent Link Building: En nybörjarguide
-
SEO5 dagar sedan
Så här använder du Search Console-export av massdata
-
SÖKMOTORER5 dagar sedan
Google sökförslag för din sökning
-
SÖKMOTORER5 dagar sedan
Google Search Algorithm Ranking Volatility 22 och 23 maj
-
SÖKMOTORER5 dagar sedan
Google Job Search Bug
-
SEO5 dagar sedan
Optimera nyhetswebbplatser med Google Search Console-rapporter
-
SOCIAL5 dagar sedan
YouTubes avgående YouTube-berättelser nästa månad
-
TEKNOLOGI6 dagar sedan
Hur optisk och intelligent teckenigenkänning fungerar och dess fördelar
Svenska 
English 
Deutsch (Sie)