الگوریتم رنک برین (RankBrain) چیست و چگونه بر سئو تاثیر می‌گذارد؟

الگوریتم رنک برین (RankBrain) سیستمی است که گوگل با کمک آن می تواند بهتر هدف جستجو کاربر را متوجه شود. رنک برین با کمک یادگیری ماشین و هوش مصنوعی مرتبط ترین نتیجه را که برای بار اول توسط کاربران جستجو شده است را بر میگرداند.

الگوریتم RankBrain توسط گوگل به عنوان سومین فاکتور مهم رتبه بندی رتبه بندی شده است و برای اولین بار در اوایل سال 2015 عرضه شد. ( در نتیجه درک نیت جستجو کاربران جز مهمترین فاکتور های رتبه بندی می باشد.

وقتی سیستم RankBrain کلمه یا عبارت را برای اولین بار می بیند، حدس می‌زند کدام کلمات یا عبارات معنای مشابهی دارد و نتیجه را بر اساس آن فیلتر می‌کند و بنابراین پاسخ به جستجویی که قبلاً دیده نشده است بهبود می یابد.

یافتن کوئری ها به بردارهای کلمه (Word2Vec) که از نظر شباهت زبانی به هم نزدیک هستند طبقه بندی می شوند. RankBrain کوئری ها را بر اساس موجودیت ها و خوشه های کلمات مرتبط تطبیق می دهد. بنابراین، RankBrain حدس می‌زند که هدف جستجو چیست و نتایج را برای رضایت بیشتر کاربران ذخیره می‌کند.

مهمترین ویژگی های رنک برین

1. درک بهتر نیت جستجو کاربران.
2. برگرداندن بهترین نتیجه برای کوئری هایی که برای اولین بار سرچ شده اند.
3. تعیین ارتباط بین پرس و جوهای جستجو.
4. درک کوئری های طولانی، پیچیده، دو پهلو، سوالات محاوره ای و خودمانی.

مفهوم و هدف الگوریتم رنک برین

موتور جستجوی گوگل هر روز به چندین میلیارد پرسش جستجو در سراسر جهان پاسخ می دهد. حدود 15 درصد از همه جستجوها هر روز جدید هستند. این پرسش‌ها یک چالش بزرگ برای موتور جستجو هستند، زیرا معمولاً نمی‌توان با روتین‌های شناخته شده به آنها پاسخ داد.

گوگل چندین سال است که سیستمی را آزمایش می کند که قرار است از هوش مصنوعی برای حل سوالات جستجوی ناشناخته قبلی استفاده کند. RankBrain در اوایل سال 2015 در سراسر جهان عرضه شد.

گوگل از عبارت Canonical Search Intent و Representative Query برای طبقه کوئری هاس تازه کشف شده استفاده می کند. گرایش‌های جستجو و هیستوری داده‌های گذشته استخراج می‌شوند تا پرس‌و‌جوهای جدید را با کوئری های موجود یکی کنند. این روش همچنین در نمودارهای لینک، بردارهای نمایش وب سایت و الگوهای رفتار کاربر استفاده می شود.

الگوریتم RankBrain به عنوان یک عامل رتبه بندی

RankBrain از زمان عرضه خود در سال 2015 بسیار موفق بوده است و تأثیر زیادی به درخواست های جستجو داشته است. اهمیت زیاد سیستم خودآموزی، آن را به سومین فاکتور مهم رتبه بندی برای موتورهای جستجو تبدیل کرده است.

RankBrain نقش مهمی در تعیین ارتباط بین پرس و جوهای جستجو دارد. تفاوت بزرگ به‌روزرسانی‌های گوگل این است که خود سیستم چیزهای جدیدی یاد می‌گیرد و تنظیمات الگوریتم توسط دست انسان انجام نمی‌شود.

اگر RankBrain در رتبه‌بندی فاکتورهای رتبه‌بندی گوگل جایگاه سوم را به خود اختصاص دهد، تنها یکی از صدها عاملی است که گوگل برای تعیین ارتباط و کیفیت یک وب‌سایت در رابطه با یک جستجو و نتایج جستجو محاسبه می‌شود.

RankBrain چه کاری می تواند انجام دهد؟

Google RankBrain عملکرد جستجوی گوگل را به میزان قابل توجهی افزایش می دهد. از جمله:

• پردازش عبارت‌های جستجوی مبهم و پیچیده که طولانی تر از یک عبارت long-tail است.
• پردازش پرس و جوهای جستجویی که برای اولین بار انجام می شود.
• شناخت بهتر زبان محاوره ای یا ایجاد کلمات جدید.
• پردازش دیالوگ ها
• پردازش ورودی صوتی

برای مقابله با این چالش ها، RankBrain مبتنی بر یادگیری ماشین و هوش مصنوعی است. این اولین سیستمی است که گوگل برای رتبه بندی وب سایت ها استفاده می کند. سیستم عبارت جستجو را با الگوهای از قبل شناخته شده مقایسه می کند و الگوهای جدید و روابط جدید بین نتایج و اطلاعات موجود در ایندکس را ایجاد می کند. سیستم با هر جستجوی جدید یاد می گیرد و “هوشمندتر” می شود.

طبقه بندی RankBrain برای به روز رسانی الگوریتم

در حالی که به‌روزرسانی‌های الگوریتم مانند Google Panda، Google Penguin یا Google Phantom تنظیمات و به‌روزرسانی‌های الگوریتم جستجوی عمومی Google هستند، RankBrain دقیقاً در این دسته قرار نمی‌گیرد.

بنابراین RankBrain فقط یک به روز رسانی الگوریتم گوگل نیست، بلکه یک سیستم مستقل است. این سیستم توسط افراد نگهداری و به روز نمی شود، بلکه خودآموز، ماشینی و مبتنی بر هوش مصنوعی است.

برخی از سئوکاران مانند دنی سالیوان از سایت SearchEngineLand سیستم RankBrain را بخشی از الگوریتم جستجوی مرغ مگس خوار گوگل می نامند. سالیوان RankBrain و همچنین پنگوئن، پاندا یا Payday را به عنوان اجزای الگوریتم اصلی گوگل می‌بیند که جزئی از مرغ مگس خوار است.

از این نظر، RankBrain بخشی از کل الگوریتم جستجوی گوگل خواهد بود که مسئول کوئری های جستجوی ناشناخته و بی سابقه قبلی است، اما این الگوریتم برای روز رسانی موبایل فعال است، به عنوان مثال، برای جست و جوی تلفن همراه یا الگوریتم پاندا که کیفیت محتوا را بررسی می کند.

یادگیری ماشین و هوش مصنوعی در سئو

یادگیری ماشین «یادگیری عمیق» نیز نامیده می‌شود، یک فرآیند یادگیری خودکار است که در آن یک سیستم می‌تواند داده‌های یادگیری را از طریق تشخیص الگو، مقایسه‌ها و مثال‌ها تعمیم دهد و آن‌ها را در موقعیت‌های جدید و ناشناخته اعمال کند.

گوگل از یادگیری ماشینی و هوش مصنوعی به عنوان مترادف استفاده می کند. یادگیری ماشینی یک روش آماری پیچیده است که از داده‌های موجود برای پیش‌بینی یا برون‌یابی استفاده می‌کند. از سوی دیگر، هوش مصنوعی سیستمی خواهد بود که به طور کامل و پیچیده مستقل فکر می کند و تصمیم می گیرد و دانش خود را به دست می آورد.

RankBrain توسعه‌ای توسط گوگل است که شروع هوش مصنوعی است. با این وجود، این سیستم نقطه عطف جدیدی در توسعه بیشتر موتور جستجو است. زیرا از نظر تئوری، مردم دیگر نیازی به مداخله ندارند تا RankBrain به تدریج صلاحیت خود را بر اساس داده های جدید گسترش دهد.

اگر نتایج جستجوی گذشته را با نتایج امروز مقایسه کنید، متوجه خواهید شد که گوگل چقدر در پاسخگویی به سوالات جستجو موفق شده است.

الگوریتم RankBrain و جستجوی گوگل

رنک برین به همراه بک لینک ها و سیگنال های معنایی مانند رفتار کاربر، سومین فاکتور مهم رتبه بندی است. RankBrain بخشی از جستجوی گوگل است که به نوبه خود مبتنی بر الگوریتمی به نام مرغ مگس خوار است.

این امر بیش از 200 عامل مختلف را در نظر می گیرد تصمیم بگیرد کدام اطلاعات برای برآورده کردن هدف جستجوی کاربر و نمایش در SERP مناسب است. این اطلاعات می‌تواند به هر شکلی باشد، چه وب‌سایت‌ها، برنامه‌ها، ویدیوها و اسناد.

قبل از اجرای RankBrain، نتایج جستجو با استفاده از معیارهای ارزیابی آماری و دست ساز محاسبه می‌شد. در مورد نتایج جستجوی رضایت بخش، این مقادیر بررسی و تنظیم می شوند، گاهی اوقات حتی به طور کامل حذف می شوند.

این معیارهای ارزیابی را می توان به عنوان فیلترهایی در نظر گرفت که به جنبه های انتخابی الگوریتم گوگل مربوط می شوند. برخی از این فیلترها شناخته شده اند و نام هایی از دنیای حیوانات به عاریت گرفته اند. به عنوان مثال «Panda» که به محتوا و ارتباط وب‌سایت‌ها نگاه می‌کند، «Penguin» که کیفیت بک لینک‌ها را از وب‌سایت‌ها تجزیه و تحلیل می‌کند یا «Pidgeon» با تأثیرات روی جستجوی محلی.

الگوریتم Rankbrain در برابر گراف دانش Knowledge graph

گراف دانش Google Knowledge Graph در سال 2012 راه اندازی شد. برای اولین بار موتور جستجو فهمید چگونه با معنایی کلمات و موجودیت های دنیای واقعی برخورد کند.

گوگل این توانایی را به طور خلاصه با کلمات “چیزها نه رشته (things not strings)” بیان کرده است. از آن زمان، گوگل نه تنها قادر به جستجو برای «رشته»، یعنی زنجیره‌ای از کلمات، بلکه «چیزهایی» است که معنای کلمات را تشخیص می‌دهند.

در حالی که نمودار دانش یک پایگاه داده عظیم است که گوگل به آن دسترسی دارد و موتور جستجو می تواند محتوای آن را نمایش دهد، RankBrain یک گام به جلو می‌رود. سیستم یادگیری ماشینی همچنین می‌تواند به پرسش‌های جستجوی پیچیده بدون نیاز به در دسترس بودن کلمات کلیدی مربوطه پاسخ دهد. نمونه این مثال: سوالی است که مامان ها می‌پرسند: چطوری پسرم را در تلگرام پیدا کنم وقتی اون منو بلاک کرده.

سیستم رنک برین بسیار سریع و کاربردی است

سیستم RankBrain برای اولین بار در سال 2015 راه اندازی شد. با این حال، گوگل اعتراف می کند که این شرکت نمی تواند دقیقا توضیح دهد که فناوری RankBrain در نهایت چگونه کار خواهد کرد. گری ایلیس، تحلیلگر روندهای وب مستر در گوگل در کنفرانس پیشرفته SMX در سال 2016 گفت: ما هیچ ایده ای نداریم. اطلاعات زیر در مورد RankBrain شناخته شده است:

• بخشی از الگوریتم گوگل است
• به صورت پویا توسعه می یابد و در یک فرآیند یادگیری مداوم است
• برای همه جستجوها اعمال شده است
• RankBrain لزوماً بر نتایج جستجو تأثیر نمی گذارد
• فرآیند یادگیری او بر الگوهای رفتاری کاربر در ترکیب با اطلاعات زمینه ای استوار است.
• سعی می کند تک تک کلمات را درک نکند، بلکه عبارات و قصد کاربر را درک کند

RankBrain برای انواع جستجوهای جستجوی زیر مرتبط است:

• جستجوی صوتی
• جستجوی ناشناخته
• جستجوهای لانگ تیل
• جستجوهای دوپهلو و مبهم

کدام وب سایت ها از RankBrain سود می برند؟

• وب سایت هایی با محتوای منحصر به فرد که می تواند اهداف کاربر را برآورده کند.
• وب سایت هایی با معماری اطلاعاتی واضح و قابل فهم
• وب سایت هایی با قابلیت پاسخگویی به جستجوهای محاوره ای
• موجودیت ها (پرسش های جستجوی مربوط به شخصیت ها، مکان ها و حقایق) و ارتباطات معنایی آنها
• داده های ساخت یافته (نشانه گذاری داده های ساختاریافته) یا همان اسکیما
• محتوای کاربر محور
• تنوع محتوا مربوط به تمام جنبه های یک موجودیت

محتوا ها می‌توانند تصاویر، ویدیوها، گرافیک‌ها و غیره باشند که شایسته نمایش جداگانه در نتایج جستجوی Google هستند (نمودار دانش، جستجوی جهانی، قطعه‌های ویژه).

RankBrain برای تبدیل شدن به یک سیستم هوش مصنوعی مستقل فاصله زیادی دارد، زیرا هنوز به طور مستقل در حال یادگیری نیست، اما توسط مهندسان گوگل “آموزش” می‌یابد.

با این وجود، پیاده سازی یادگیری ماشینی باید آن را برای پرس و جوهای جستجوی پیچیده بهتر کند تا بتواند بدون دخالت انسان یه کوئری های ناشناس پاسخ دهد.

بهینه سازی براساس الگوریتم رنک برین

RankBrain گوگل گامی بزرگ برای موتورهای جستجو در جهت دستیاری است که می تواند در زندگی روزمره به ما کمک کند. دستیارهای مبتنی بر زبان مانند الکسای آمازون، کورتانای مایکروسافت یا Google Home از قبل نشان می‌دهند که جستجوی وب به کدام سمت می‌تواند حرکت کند.

با RankBrain، گوگل در حال حاضر قادر به پاسخگویی به سوالات است. احتمالاً سئوکاران در سراسر جهان باید خود را با این واقعیت تطبیق دهند که موتور جستجو قادر به انجام گفتگو با کاربران با کمک هوش مصنوعی است.

رنک برین اولین قدم برای کاهش اهمیت کلمات کلیدی، پرس و جوها و بک لینک ها است در حالی که اهمیت ساختار معنایی و موجودیت ها در اکوسیستم جستجو در حال افزایش است.

این سیستم همچنین می‌تواند به عنوان عوامل رتبه‌بندی فردی مثل بک لینک‌ها، کوئری‌ها یا انکرتکست تعبیر شود که آیا اطلاعات و خدمات برای EAT سایت مناسب هستند یا خیر. این بدان معناست که از همه عوامل رتبه بندی می توان برای درک بهتر موجودیت های وب در یک سفر تاریخی در وب استفاده کرد.

همچنین، پرس و جوها، نقل قول ها، ذکرهای مختلف می توانند بر درک موجودیت وب در موتور جستجو تأثیر بگذارند. RankBrain یک الگوریتم جستجوی مرموز و منبع باز برای گوگل است.

رنک برین از دید مهدی نجاری

• گوگل چگونه نتایج همه ی کوئری ها را برگرداند.
• چگونه به سوال همه ی کوئری ها پاسخ دهد.
• چگونه کاربر بر کوئری که هرگز ندیده کلیک کند
• بدست اوردن داده از تعامل کاربران از نتایج جست و جو
• چگونه گوگل نتایج مرتبط بیشتری نشان دهد
• پیش بینی اینکه چگونه کابر بر کوئری دیده نشده کلیک خواهد کرد
• رنک برین جز ۳ فاکتور مهم رنک دهی است
• چگونه کوئری هایی را که کسی ان را ندیده بهینه سازی کنیم
• اگر برای کاربر کار کرده باشید برای رنک برین کار کرده اید
• کمک به گوگل برای درک ماهیت سرچ کوئری
• مجوعه ای از چیز هاست نه رشته ها
• رنک برین هامینگبرد را به وجود آورد
• ورود از از خواندن لفظی کرکتر به مشاهده مفهوم موجودیت
• تطبیق کوئری وارد شده در سرچ با ماهیت جست و جو برای نشان دادن بهترین فرمت محتوا
• از مکان سرچ کننده برای بدست اوردن نیت کاربر استفاده می کند
• ترتیب نوشتن کلمات نقشی در پروسه سرچ دارد نه ماهیتش
• با دانستن نقش موجودیت از ماهیت کلمات به معنا می رسد
• بررسی نوع و معنای کوئری
• چگونه کوئری های مختلف در سایت های برتر را درک میکند
• چه موجودیت هایی در صفحه وجود دارند
• مرور موجودیت ها با nlp api
• عمیق شدن در اکسپلورر نالج گراف
• کاربر چه دستگاه و چه مکانی داری
• چگونه گوگل ماهیت کاربر را میفهمد, شما هم ان کار را بکنید