Innhold
Hvordan gjøre gammelt innhold om til strukturerte data?
Gammelt HTML- og dokumentinnhold kan ryddes, klassifiseres og transformeres til strukturerte data som kan brukes i CMS, søk, apper og AI-systemer.
Gammelt innhold inneholder mer struktur enn det ser ut som
Eldre nettsider og dokumenter blander ofte innhold og presentasjon. Overskrifter, tabeller, utheving, CSS-klasser og plassering brukes til å uttrykke betydning uten at informasjonen finnes som egne datafelt.
For å bruke innholdet i et nytt CMS, et søk eller et AI-system må denne skjulte strukturen gjøres eksplisitt.
Start med mønstrene, ikke enkeltsidene
Før innholdet konverteres, må vi finne mønstre og avvik. En bestemt overskrift kan for eksempel alltid etterfølges av kontaktinformasjon, mens en CSS-klasse kan markere en produkttype eller faktaboks.
Kartleggingen viser hvilke elementer som kan behandles automatisk, hvilke som krever egne regler og hvilke som må kontrolleres manuelt.
Skill informasjon fra formatering
Transformasjonen kan blant annet:
- fjerne ugyldig og overflødig HTML
- gjøre overskriftsnivåer konsistente
- trekke navn, datoer og kategorier ut i egne felt
- konvertere tabeller og faktabokser til definerte strukturer
- finne og slå sammen duplikater
- koble filer og interne lenker til riktige elementer
- foreslå metadata og klassifisering
Resultatet bør følge en innholdsmodell som beskriver hva informasjonen er. Hvordan den vises, bestemmes senere av nettstedet, appen eller kanalen som bruker dataene.
AI kan hjelpe, men reglene må eies
AI er nyttig når innholdet varierer for mye for enkle tekstregler, for eksempel ved emneklassifisering eller uttrekk av bestemte opplysninger fra fritekst. Men modellen må få en tydelig oppgave og resultatet må valideres.
Forutsigbare transformasjoner bør fortsatt være regelstyrte. AI brukes der språklig forståelse gir en reell fordel, ikke som erstatning for en definert målstruktur.
Struktur åpner for ny bruk
Når innholdet er strukturert, kan det brukes i flere flater uten å kopieres. Det kan indekseres bedre, filtreres, hentes gjennom API-er og brukes som kontrollert kilde for AI-integrerte tjenester.
Oppryddingen er dermed ikke bare vedlikehold. Den gjør tidligere investeringer i innhold tilgjengelige for nye produkter og arbeidsprosesser.