الگوریتم RankBrain گوگل

همانطور که می دانید گوگل در سال های اخیر بیش از پیش اقدام به بروزرسانی الگوریتم های خود کرده است و به سرعت درصدد این است تا الگوریتم های سئوی خود را با استفاده از تکنیک های جدید آپدیت نماید و هر دوره، از نسخه های جدید آنها رونمایی کند.

در سال های اخیر تکنیک های AI یا Artificial Intelligence بیش از پیش گسترش یافت اما با ظهور پدیده ای به نام سئو سایت و اهمیت رنکدهی توسط الگوریتم های گوگل در سال های اخیر، شاهد ظهور نسل جدیدی از تکنیک های هوش مصنوعی با نام AIO یا Artificial Intelligence Optimization هستیم.

اخیرا گوگل اعلام کرده است که عملیات رنکدهی با استفاده از تکنیک های AI دیگر صورت نمی گیرد و به جای آن از فراهوش مصنوعی AIO استفاده می شود.

الگوریتم RankBrain نیز یکی از تکنیک های AIO می باشد که گوگل بارها اقدام به آپدیت آن کرده است.

HTTPS و سئو موبایل در ابتدای معرفیشان بسیار مورد توجه قرار گرفتند اما با ظهور الگوریتمی مانند RankBrain تمامی توجهات به سمت این الگوریتم جلب شد.

برای اینکه مفهوم AIO را بهتر درک نمایید در ادامه مثالی برایتان می آورم. فرض کنید گوگل مانند یک بچه باشد. این بچه نیاز به آموزش، مراقبت و پرستاری دارد. همچنین نیازمند کسب علم و دانش است و می بایست منابع و کتاب هایی در اختیارش قرار بگیرد. حال تصور کنید که اگر منابعی که در اختیار این کودک هستند مناسب نباشند، آنگاه چه اتفاقی برای این کودک خواهد افتاد؟ آیا این کودک قادر خواهد بود خود را اصلاح و با در اختیار گذاشتن اطلاعات و منابع جدید خودش را بروز کند؟

AIO نیز دقیقا به مانند این کودک عمل کرده و اطلاعات خود را از منابع گوگل دریافت می کند.

Gary Illyes، یکی از مدیران ارشد گوگل در تاریخ 27 ژوئن 2017 در توییتی عنوان کرد که بیشتر سایت ها می توانند توسط این الگوریتم سئو شوند، زیرا آنها می دانند که چگونه از این الگوریتم استفاده کنند (البته مثل همیشه نامفهوم صحبت کرد).

بهینه سازی توسط این الگوریتم کار جدید و پیچیده ای نیست. در این مقاله به بررسی الگوریتم RankBrain پرداخته می شود تا ببینیم چیست و چه کاری انجام می دهد.

RankBrain چیست؟

الگوریتم رنک برین، یک الگوریتم پیچیده یادگیرنده به زبان ماشین است که توسط گوگل برای پردازش داده های کیفی (محتوای نوشته شده) به داده های کمی (محتوای ریاضیات) و تبدیل آنها به زبان قابل فهم برای کامپیوتر، مورد استفاده قرار می گیرد.

15 درصد پروسه های بازجست گوگل، جدید هستند؛ لذا کاملا مشهود است که از این الگوریتم قبلا در بازجست های گوگل استفاده نشده و کاملا ایده ای بکر می باشد. همچنین این الگوریتم پس از اعلام رسمی شرکت گوگل به طور آزمایشی برای مدتی مورد استفاده قرار گرفت.

از سوی دیگر، تعداد بازجست (Query) ها به نسبت سال 2007 میلادی 25 درصد کاهش یافته است. اما با افزایش استفاده از تلفن های هوشمند، میزان نفوذ اینترنت در سراسر جهان افزایش و رشد چشمگیری داشته است.

الگوریتم RanBrain گوگل در سه قسمت خلاصه می گردد:

• تفسیر پژوهش های کاربران
• بررسی گرایشات جستجوی کاربران
• انتخاب نتایج (آیتم ها) از پایگاه داده

یادگیری ماشین یا Machine Learning چیست؟

یادگیری ماشین یکی از علوم کامپیوتر محسوب می شود و در سال 1959 میلادی توسط آرتور ساموئل تعریف شد. یادگیری ماشین این قابلیت را به رایانه ها می دهد که بدون استفاده از تکنیک های برنامه نویسی قادر باشند برنامه ریزی کنند و یاد بگیرند.

ساموئل تحقیقات گسترده ای در این زمینه انجام داد که منجر به کشف الگوهای جدید و ارائه نظریه یادگیری محاسباتی تکامل یافته شد.

ماهیت یادگیری ماشین به طور خلاصه براساس الگوریتم، پیش بینی الگوهای داده ای و فرکانس های آماری می باشد. قبلا الگوریتم RankBrain از تعداد زیادی نرم افزار جهت رتبه بندی استفاده می کرد که این نرم افزارها به صورت یک سیستم جامع اطلاعاتی و یکپارچه عمل می کردند اما درست از زمانیکه رویه الگوریتم RankBrain با توجه به فرمت جدید AIO رونمایی شد نحوه رنکدهی و شناسایی داده ها کاملا دچار تغییر شد.

برخی از این نرم افزارها در ذیل آمدند:

• Spam E-mail
• Filtering
• Intruder Detection
• OCR یا Optical Character Recognition
•  و …

در حالیکه این یک تکنیک هوش مصنوعی است اما با دیدن این نرم افزارها متوجه می شوید که تکنیک های قبل چندان در مقایسه با هوش مصنوعی جدید عملکرد بالایی نداشته اند.

قوانین یادگیری ماشین:

ARL یا Association Rule Learning یک روش یادگیری ماشین برای کشف روابط میان متغیرها در پایگاه داده های بزرگ با استفاده از معیارها و الگوهای پیشنهادی جدید می باشد.

در گذشته این روش عموما برای بازاریابان و برای تعیین رفتار خرید مصرف کنندگان مورد استفاده قرار می گرفت. همچنین این روش میزان وفاداری آنها را مشخص می کرد.

برای مثال این روش اکنون از طرق گوناگون بررسی می شود؛ مثلا با اهدای کارت وفاداری به مشتریان و تعیین میزان مصرف در بازه های زمانی مختلف الگوهای رفتار خرید مشتریان را بررسی می کردند.

همچنین ARL را می توانید برای پیش بینی اشتراک پذیری (Association) مورد استفاده قرار دهید. برای درک بهتر این مفهوم فرض کنید کاربری محصولاتی از قبیل پیاز، گوجه و … را خریده است، می توان پیش بینی کرد این کاربر به محصولات دیگری از جمله خیار یا کاهو نیز نیاز دارد. زیرا ما پیش بینی کردیم که کاربر مثلا با داشتن پیاز و گوجه می خواهد سالاد درست کند …

در این حالت ما اشتراک پذیری محصولات خریداری شده را برای درخواست خرید محصولاتی دیگر در آینده بررسی و پیش بینی کردیم. این را به طور کلی اصل اشتراک پذیری یا Association Rule می نامند.

الگوریتم RankBrain از این اصل در ارائه نتایج جستجوی هوشمند خود استفاده می نماید، به ویژه زمانی که این الگوریتم ارزش واقعی خود را نشان می دهد که یک عبارت معنایی چندگانه داشته باشد و کار پیش بینی و جستجو در بازجست ها مشکل گردد.

مفهوم ARL یا Association Rule Learning:

مهمترین ایده و مفهوم اصلی ARL پشتیبانی و اعتماد است.

پشتیبانی:

پشتیبانی در ARL به منظور اندازه گیری المان ها و معیارهایی است که در پایگاه داده مورد استفاده قرار می گیرند. البته به این نکته توجه کنید که این معیار کاملا متفاوت با بحث چگالی کلمات کلیدی است همچنین کاملا متفاوت با بحث تعداد نمایش کلمات کلیدی می باشد.

اعتماد:

اعتماد در ARL فاکتوری است که به بررسی درستی قوانین در یک بازه زمانی خاص گفته می شود. به طور مثال ممکن است قانونی در یک بازه زمانی دستخوش تغییر شود. برای اطمینان از درستی قوانین، آنها را در بازه های زمانی مشخص و یا تصادفی بررسی می نمایند.

این فاکتور گاها می تواند بسیار پیچیده باشد و کاربران را در رسیدن به جواب درست کمی با پیچیدگی مواجه سازد. مثلا:

وقتی در پایگاه داده آیتمی (مثلا X) را مورد جستجو قرار می دهید در پاسخ ممکن است چندین جواب برای مسئله شما یافت شود، (مثلا Y، Z) به عبارت دیگر چندین جواب درست برای یک مسئله درست به نظر می رسد.

ارتباطات و قوانین الگوریتم RankBrain خاص هستند که برای ارتباط با کاربران خود نیز از آنها استفاده می کند. RankBrain، الگوریتم جدید گوگل در قسمت پشتیبانی به دو فرآیند اساسی تقسیم بندی می شود:

الف) حداقل پشتیبانی برای آیتم هایی که به صورت مکرر در پایگاه داده ایجاد شده است.

ب ) حداقل اعتماد برای آیتم هایی که به صورت مکرر از قوانین تبعیت می کنند.

استفاده از این دو قانون باعث می شود یکپارچگی و اعتماد کاربران افرایش یابد. البته حداقل پشتیبانی و اعتماد به منظور آیتم های تکراری است که این کار باعث افزایش سرعت در دسترس پذیری و یکپارچگی سایر اطلاعات پایگاه داده می شود.

مقاله سنگینی بود نه؟! اگر سوالی برایتان پیش آمده، پیشنهاد می کنم دوباره مقاله را به دقت مطالعه کنید و در صورت رفع نشدن سوالتان، در قسمت نظرات آنرا بپرسید.

ادامه…

الگوریتم RankBrain گوگل و نحوه پیدایش و تکامل آن را در مقاله قبل بررسی کرده و درباره اجزای آن صحبت کردم. در این مقاله آموزش سئو پیش رو، می خواهم نکات کلیدی الگوریتم RankBrain را از دیدگاه سئو سایت برای شما دوستان عزیزم بررسی و آنالیز نمایم.

RankBrain و سئو :

الگوریتم RankBrain، هزاران زبان از انگلیسی گرفته تا هندی را می فهمد و هدف اصلی آن کمک به گوگل برای ارائه نتایج صحیح بوده و به طور کلی می خواهد تجربه بهتری را برای کاربرانی که عبارتی را جستجو می کنند فراهم آورد.

تفاوت اصلی دنیای قبل و بعد از الگوریتم RankBrain این است که قبل از آن، تیم مهندسین نرم افزار گوگل، به نحوی در پی تغییر و اصلاح الگوریتم های ریاضی بودند که این الگوریتم ها نتایج جستجو و رنک ها را تشخیص دهند و از این الگوریتم نیز تا زمانی که آپدیت جدیدی ارائه شود استفاده خواهد شد. با اینکه RankBrain بخشی از الگوریتم اصلی بوده و گوگل برای تمامی جستجوها از آن استفاده می کند (از سال 2016) اما باز هم شاهد تغییرات و نوساناتی در این الگوریتم هستیم. این بدین معناست که هم اکنون نیز نتایج جستجو منطبق با رویدادهای واقعی دنیا هستند.

بهینه سازی سایت برای الگوریتم RankBrain :

دوستان عزیزم، با آنکه RankBrain به هسته الگوریتم های دیگر تشابه دارد، اما بهتر است بر روی تغییر استراتژی خود متمرکز شوید (مخصوصا اگر استراتژی شما بیشتر بر پایه بک لینک است). چرا که RankBrain یک الگوریتم کلاسیک مثل الگوریتم های پاندا و پنگوئن نیست.

ما پیش از این یاد گرفته بودیم چگونه با الگوریتم های قبلی برخورد کنیم. برای مثال می دانستیم چطور از گیر جریمه های الگوریتم پنگوئن بگریزیم و به لطف راهنماهای موجود، می دانستیم چطور باید الگوریتم پاندا را راضی نگه داریم. اما RankBrain مدلی است که نمی شود به طور خاص آنرا بهینه کرد. 

تکنیک صفحات Doorway را فراموش کنید :

روش تولید محتوا با تمرکز بر روی کلمات کلیدی و تولید صفحه ای به منظور جایگذاری یک کلمه کلیدی خاص، دیگر منسوخ شده است. آپدیت الگوریتم مرغ مگسخوار (Hummingbird) در سال 2013 این روش را نابود کرد و الگوریتم RankBrain حتی از آن هم فراتر رفته است.

متاسفانه من هنوز هم میبینم از این تکنیک استفاده می شود. در زمان تولید محتوا و ساختار URLها، باید به هر دو بعد تجربه کاربری(UX) و کلمات کلیدی توجه شود و تمرکز باید بر روی تولید صفحات باارزش و با کیفیت باشد.

سوالات متفاوت= فاکتورهای رنک دهی متفاوت :

به دلیل اینکه الگوریتم RankBrain میزان تاثیر فاکتورهای رنک دهی برای هر عبارت جستجو را تغییر داده است، دیگر برای تمام عبارت هایی که جستجو می شوند، یک روش خاص برای رنک دهی استفاده نمی شود. به عبارت دیگر در این الگوریتم به هر کلمه یک وزن خاص اختصاص می دهد و بر مبنای آن مطابق با جستجوهای صورت گرفته، عملیات رنکدهی انجام میشود.

برخی کاربران در جستجوهای خود به دنبال اطلاعات اساسی مثلا درباره شهر خاصی می گردند و برخی دیگر نیاز به محتوای تازه، محتوای خلاصه، محتوای طولانی، تعداد زیادی لینک و غیره دارند. مدل جدیدی که RankBrain برای وزن دهی به فاکتورهای مختلف ارائه کرده است، تقسیم بندی های استاندارد قدیم را دستخوش تغییر کرده است.

ساختار لینک های داخلی :

از قوانینی که گوگل برای کیفیت جستجوها معرفی کرده متوجه می شویم که گوگل در زمان رنک دادن به یک صفحه، محتوای اصلی و مکمل را مدنظر قرار می دهد. همچنین زیرشاخه URLها و صفحاتی که در محتوای اصلی لینک آنها درج شده نیز حائز اهمیت هستند.

بهینه سازی ساختار لینک های داخلی برای انتقال اعتبار و رنک صفحات قوی به صفحات ضعیف، یکی از روش های استاندارد سئو کردن صفحه بوده است. اما مسئله ای که اهمیت دارد این است که تعداد مناسبی از لینک ها را در صفحه درج کنیم تا به تجربه کاربری آسیبی وارد نشود.

آینده RankBrain چه خواهد بود؟

در ابتدا که در سال 2015 الگوریتم RankBrain ارائه شد، تنها 15% جستجوهای صورت گرفته با این الگوریتم کار می کردند. اما درست در سال 2016، اعتماد به نفس گوگل برای این الگوریتمش افزایش یافت و این الگوریتم جدید گوگل به تمامی جستجوهای صورت گرفته اعمال شد. بسیاری از تغییراتی که در سال 2016 شاهد آن بودیم، به دلیل همین امر بود.

الگوریتم رنک برین در حال پیشرفت است و در درک مفاهیم، ارتباطات معنایی و ارتباط بین عبارت های جستجو شده و موضوع صفحات بهتر شده است. این پیشرفت علاوه بر جستجوی معمولی، بر روی جستجوی صوتی نیز تاثیر می گذارد.

کلام آخر :

نتیجه آنکه، بسیاری از متخصصین سئو بر این باورند که نمی شود وب سایت را به طور ویژه برای الگوریتم RankBrain بهینه کرد. گفته می شود که فهم نحوه کار الگوریتم RankBrain اهمیت زیادی دارد و از این طریق می شود نحوه رنک دهی صفحات را درک کرد.

من در این مقاله سعی کردم این بحث مهم را به طور ساده مطرح کنم. دوستان گرامی، من به همراه تیم نیوسئو آماده پاسخگویی به سوالات شما عزیزان هستیم.

ادامه…

راهنمای ساده الگوریتم RankBrain گوگل را در این مقاله آموزش سئو مبتدی مطرح می کنیم.

تا چندی پیش اگر شما می خواستید جایی را برای غذا خوردن پیدا کنید، شما باید برای عبارتی مانند “رستوران های بوستون” جستجو می کردید. اما امروز شما می توانید خیلی سریع با جستجو برای عبارت “برای شام کجا می توانم بروم؟”، یک رستوران برای خودتان پیدا کنید.

به همین دلیل، گوگل آن قدر پیچیده است که بتواند هدف شما و یا کاربرد عبارات جستجوی مختلف را نشان دهد. اما تا قبل از 2015، شما مجبور بودید که یک عبارت دقیق را در موتور جستجو تایپ کنید تا بتوانید پاسخی که به دنبالش می گشتید را پیدا کنید.

خب حالا گوگل چطور توانست این قدر تکامل پیدا کنید تا هدف جستجو کننده ها و کاربردهای آن را این قدر سریع متوجه شود؟ در حقیقت در 26 اکتبر سال 2015، آن ها تایید کردند که الگوریتم های خودشان را با یک سیستم هوش مصنوعی یادگیری ماشینی به روز رسانی کرده اند که نام آن سیستم، رنک برین (RankBrain) بود. 

الگوریتم RankBrain گوگل چیست و چطور کار می کند

rankbrain چیست؟ rankbrain در واقع، بخش اصلی الگوریتم های جستجوی گوگل می باشد. با استفاده از یادگیری ماشینی، این الگوریتم به گوگل کمک می کند تا متوجه شود که یک صفحه نسبت به مفاهیم و موضوعات خاص چه ارتباطی دارد و به نوبه خود، صفحات وبسایتی که مرتبط با عبارت جستجوی کاربر هستند را در اختیار او قرار می دهد و در عین حال، دیگر نیاز نیست که صفحه مورد نظر دقیقا همان عبارتی را داشته باشد که کاربر برایش جستجو کرده است.

به بیان دیگر، RankBrain به گوگل کمک می کند که هدف جستجو کننده را به خوبی درک کند و مرتبط ترین محتوا را در اختیار آن ها قرار دهد. برای تعیین صحیح هدف جستجوی کاربر، گوگل مقادیر بسیار زیادی از داده را در اختیار RankBrain قرار می دهد. سپس این الگوریتم تمام این داده ها را تحلیل کرده و به خودش آموزش می دهد که چطور بهترین نتایج را بر اساس سیگنال های جستجوی خاص کاربر، در اختیار او قرار دهد مانند پیشینه جستجو، دستگاه، مکان و غیره.

به عنوان مثال در صورتی که شما عبارت “من کجا می توانم شام بخورم؟” را در گوگل تایپ کنید، موتور جستجو اول مکان شما را مشخص می کند و دستگاه مورد استفاده شما را شناسایی می کند. سپس، از این عوامل استفاده می کند تا هدف عبارت جستجوی شما را شناسایی کند. در واقع منظور دقیق جستجوی شما به این صورت است که “چه رستوران هایی در حال حاضر در فاصله ای نزدیک از من قرار دارند؟” و سپس به این روش، مرتبط ترین نتیجه را در اختیار شما قرار می دهد.

یکی دیگر از ظرفیت های RankBrain، در نحوه تحلیل پیشینه قبلی جستجوی شما می باشد که به این روش، می تواند محتوای مرتبط را در اختیار شما قرار دهد. به عنوان مثال، به دلیل این که من در HubSpot کار می کنم و همیشه در وبسایت خودمان گشت و گذار می کنم، هر دفعه که من برای موضوعات مرتبط با بازاریابی جستجو می کنم، گوگل معمولا محتوای مختلفی از Hubspot را برای من در نتایج جستجو نشان می دهد و معمولا این نتایج در رتبه بندی های بالا قرار دارند.

الگوریتم RankBrain برای کارشناسان سئو سایت

سئو کاران چطور می توانند از RankBrain استفاده کنند؟

حتی با وجود این که این الگوریتم جدید گوگل برای سئو، کمک می کند تا گوگل بتواند خودش را با رفتار جستجوی کاربر تطبیق دهد، بیشتر بازاریاب ها هنوز استراتژی های سئو خودشان را مطابق با این تغییر، طراحی نکرده اند.

Victor Pan، مسئول سئو فنی HubSpot می گوید که “یکی از دلایل اصلی که ما همیشه ایده های موضوعات مرتبط با کلمات کلیدی را در اختیار کاربران خودمان قرار میدهیم، این است که جستجو تکامل یافته است اما محتوای بازاریابی مشتریان ما هنوز عقب مانده است. فعالیت هایی مانند ایجاد کردن صفحات مختلف به صورت هدفمند با گرامر ضعیف و یا اشتباه املایی، دیگر اصلا فایده ای ندارند.”

امروز، افراد به صورت گسترده از گوگل استفاده می کنند تا پاسخ های صحیح و مرتبط را برای سوالات خودشان به دست بیاورند، در نتایج موتورهای جستجو باید هدف جستجوی کاربر و زمینه پشت هر جستجو را به خوبی درک کند.

برای انجام این کار، گوگل سعی کرده به صورتی تکامل پیدا کند تا ارتباطات موضوعی را بین عبارات جستجوی کاربران مختلف درک کند، دوباره جستجوهای قبلی کاربران را بررسی کند و سعی کنید محتوایی را به آن ها ارائه دهد که بهترین نتیجه برای آن هاست. در نتیجه، گوگل محتوایی را ارائه می دهد که به نظر مفیدترین محتوا در آن زمینه هستند.

برای این که به گوگل کمک کنید تا برند شما را به عنوان یک برند قابل اعتماد بشناسد، باید از مدل ستونی – دسته ای (pillar-cluster model)، برای ایجاد وبلاگ خودتان استفاده کنید.

با استفاده از این استراتژی، شما می توانید یک صفحه ستونی (pillar page) ایجاد کنید که یک نمای کلی در سطح بالا نسبت به موضوع را ارائه می کند و سپس به صفحات خوشه ای (cluster pages) هایپرلینک می شود که موضوعات فرعی را به صورت دقیق بررسی می کند. این موضوع به گوگل نمایش می دهد که صفحه ستونی شما، یک صفحه معتبر در رابطه با آن موضوع می باشد.

هایپرلینک کردن تمام صفحات خوشه بندی شده به صفحه ستونی باعث می شود که اعتبار دامنه بر روی خوشه های مختلف توزیع شود در نتیجه صفحه های خوشه ای شما در صورتی که صفحه ستونی شما رتبه بالایی دریافت کند، می توانند ترافیک ارگانیک زیادی را به دست بیاورند و حتی صفحه های خوشه ای شما می توانند در صورت دریافت رتبه بندی بالا بری یک کلمه کلیدی، به صفحه ستونی شما کمک کنند تا رتبه بندی بالاتری به دست بیاورد.

در زمینه ویراستاری محتوا، RankBrain باعث شده که بازاریاب های محتوایی سعی کنند تکنیکی را رها کنند که سال ها پیش باید آن را رها می کردند؛ یعنی اولویت دادن به کیفیت به جای حجم محتوا. این روز ها، سپری کردن زمان طولانی تر و تلاش بیشتر برای ایجاد کردن محتوای مفید و قانع کننده در حجم کمتر، یکی از بهترین روش ها برای تقویت رتبه بندی تان در گوگل می باشد.

Pan می گوید “در صورتی که شما یک فهرست گسترده از تکنیک های سئو هزاره دوم را در اختیار دارید، به شدت پیشنهاد می کنم که تمام صفحاتی که هیچ ارزشی برای کسب و کارتان ایجاد نمی کنند را با استفاده از ریدایرکت های 301، یکی کنید. اصلا بحث این نیست که می خواهیم حجم وبلاگ را کمتر کنیم بلکه می خواهیم کیفیت آن را افزایش دهیم. یک محتوای قوی در خیلی از مواقع، می تواند نسبت به صدها محتوای طولانی برای یک موضوع، رتبه بندی بهتری داشته باشد.”

الگوریتم rank brain باعث پیشرفت موتور جستجوی گوگل شده است تا حدی که حتی افراد می توانند مثل زمانی که با دوستشان چت می کنند با این الگوریتم تعامل داشته باشند و حالا زمان این رسیده است که بازاریاب های محتوایی نیز از این الگوریتم استفاده کنند.

در صورتی که شما از درس هایی که به شما دادیم برای استراتژی های سئو خودتان استفاده کنید، شما می توانید نسبت به الگوریتم جستجوی گوگل که بعد از اجرای سیستم هوش مصنوعی تکامل پیدا کرده است، سریع تر با RankBrain تطابق پیدا کنید. 

ادامه…

الگوریتم رنک برین با استفاده از هوش مصنوعی و یادگیری ماشینی سعی دارد تا بهترین نتیجه را به کاربر نشان دهد. درست در سال 2015 بود گوگل از هوش مصنوعی در موتور جستجوگر خود استفاده کرد و از آن زمان تا کنون شاهد پیشرفت بسیار زیادی در زمینه درک گوگل از نیاز و خواسته های کاربران هستیم.

اما به راستی گوگل چطور به این درک رسیده است؟ چطور الگوریتم رنک برین باعث پیشرفت گوگل در نمایش نتایج جستجو شده است؟ در این مقاله به شما می گوییم که الگوریتم رنک برین چیست و چطور کار می کند و اینکه چطور باید صفحات خودتان را برای این الگوریتم بهینه سازی کنید.

رنک برین چیست؟

در گذشته برای اینکه یک صفحه خاص، با کلمه کلیدی مورد نظر در گوگل جایگاه کسب کند، از تکرار کلمه کلیدی در متن استفاده می شد. با این کار سعی می کردیم تا گوگل را ترغیب کنیم و بگوییم که بهترین نتیجه ممکن ما هستیم. این روش امروز به keyword stuffing معروف است و دیگر کارایی گذشته را ندارد. اما امروزه گوگل توانایی تشخیص کلمات و جملات درون متن ها را دارد و این موهبت را مدیون الگوریتم رنک برین است.

در واقع الگوریتم رنک برین بهتر است به صورت زیر تعریف شود:

یک سیستم یادگیری ماشینی است که از هوش مصنوعی برای بهبود نتایج جستجو و تفسیر نمایش داده های جدید استفاده می کند.

پس از معرفی الگوریتم Rank Brain در سال 2015 بلومبرگ اولین ویدئو را درباره آن منتشر کرد که توسط یکی از محققان ارشد گوگل ارائه شده بود. در این ویدئو greg corrado تعریف دقیقی از رنک برین داشت:

سیستم رنک برین در واقع سخت ترین و پیچیده ترین عبارات جستجو شده را گرفته و سعی می کند تا بهترین و مرتبط ترین نتیجه را به مخاطب نشان دهد.

در واقع این سیستم با اتصال به سایر جستجوهای مرتبط، سعی می کند تا ارتباط معنایی و الگوی مشخصی را بین آن ها پیدا کرده و بهترین نتیجه را نشان کاربر دهد. این کار باعث می شود تا درک گوگل از مفاهیم و کلمات جستجو شده در سایت عمیق تر شده و علاوه بر این باعث بهتر شدن نتایج ارائه شده توسط گوگل به کاربر می شود.

بگذارید الگوریتم رنک برین را با یک مثال توضیح دهیم:

حدود 2 سال پیش فیلم اینتراستلار را دیده بودم و می خواستم این فیلم را دوباره و با دید بهتری تماشا کنم. پس سعی کردم نکاتی که درباره فیزیک کوانتوم در فیلم از آن استفاده شده است را بیشتر و عمیق تر درک کنم. در گوگل عبارت پیچیده ای همچون:

«قبل از دیدن فیلم اینتراستلار چه چیزهایی باید درباره فیزیک بدانیم» را جستجو کردم. قطعا این بدترین نوع سرچ در گوگل است و به نظر من کسی نمی تواند از این افتضاح تر در گوگل جستجو کند!

اما نتیجه ای که گوگل به من نشان داد بسیار جذاب بود.گوگل منظور من را از این جستجو به خوبی درک کرد و بهترین نتیجه را نشان داد.

در این جستجو من دقیقا به دنبال قوانین و ساختار های فیزیکی بودم که در فیلم اینتراستلار مرا گیج کرده بود.

بیایید کمی عمیق تر شویم.الگوریتم رنک برین در ابتدا سعی می کند تا محتواهای متنوعی را درباره موضوع جستجو شده به کاربر نشان دهد. سپس اجازه می دهد تا کاربر گزینه مدنظر را انتخاب کند. پس از انتخاب گوگل اقدام به بررسی دقیق صفحه مورد نظر می کند و می فهمد با توجه به جستجو انجام شده بهترین گزینه برای کاربر کدام است.

یادگیری ماشینی و هوش مصنوعی چیست؟

برای درک بهتر الگوریتم رنک برین و اینکه چگونه کار می کند، باید در مورد یادگیری ماشینی و هوش مصنوعی بیشتر بدانیم. این دو موضوع نقش کلیدی در عملکرد رنک برین دارند.

یادگیری ماشینی یکی از کاربردهای هوش مصنوعی است که به سیستم های کامپیوتری کمک می کند تا به طور خودکار تجربه کرده، خطا کنند و سپس آن ها را اصلاح کرده و خودشان را بهبود بخشند.

در واقع یادگیری ماشینی، رفتار کاربر را پردازش می کند و سپس تشخیص می دهد چه چیزی درست است و کدام نتیجه بهتر است.

بگذارید با یک مثال این موضوع را درک کنیم: فرض کنید عبارت «یادگیری ماشینی» را در گوگل جستجو کنیم.

مشاهده می کنید که نتایج نشان داده شده تنوع دارند. ویدئو، وبلاگ، صفحه ویکی پدیا و غیره. شاید در نگاه اول نتایج چیزی که می خواهیم نباشد.

حالا باید عبارت یادگیری ماشینی چیست را جستجو کنیم.

طبیعتا نتایجی که پس از جستجو در این حالت نمایش داده شده است بسیار مطلوب تر به نظر می رسد.

پس از اولین جستجو و عدم انتخاب من و سپس تغییر عبارت جستجو شده، گوگل به این نتیجه رسید که نتایج نشان داده شده مناسب نبودند. اما پس از تغییر عبارت و انتخاب صفحه مناسب، گوگل را ترغیب می کند تا نتایج مرتبط بهتری را نشان دهد. در طی این فرآیند گوگل متوجه می شود که بهترین نمایش برای این عبارت چه صفحه و چه نوع محتوایی است. کاملا مشخص است که روند سئو سایت بعد از این بروز رسانی، به طور کلی تغییر پیدا کرد.

هوش مصنوعی گوگل

هوش مصنوعی گوگل به دنبال ایجاد تعامل بین انسان و کامپیوتر است و سعی می کند آن ها را به یکدیگر نزدیک تر کند. در واقع هوش مصنوعی با پیوند خوردن به رنک برین، سعی می کند تا چگونگی تعامل انسان و کامپیوتر را درک کند.

رنک برین سومین فاکتور مهم در رتبه بندی گوگل

پس از ظهور این الگوریتم در گوگل تحلیلگر ارشد گوگل (گرگ کورادو) بیان کرد که این الگوریتم یکی از مواردی است که در رتبه بندی نتایج در گوگل تاثیر می گذارد.او در این باره گفت:

الگوریتم رنک برین سومین فاکتور و سیگنال مهم در موتور جستجو گوگل به شمار می رود. شاید برای شما سوال پیش بیاید که 2 فاکتور و سیگنال مهم دیگر چیست؟ محتوای صفحات و لینک ها

این در حالی است که صد ها فاکتور برای رتبه بندی نتایج وجود دارد که در بعضی موارد به آن اشاره ای هم نمی شود. این نشان می دهد گوگل تا چه حد برای ایجاد ارتباط بین ماشین و انسان مصمم است.

پس اگر به دنبال افزایش ترافیک ورودی به سایت خود هستید و دوست دارید در نتایج جستجو رتبه بالاتری داشته باشید، بهتر است الگوریتم رنک برین را نیز در نظر داشته باشید.

میزان تاثیر الگوریتم رنک برین در موتور جستجو گوگل

شاید بخواهید بدانید که هم اکنون میزان استفاده از این الگوریتم و تاثیر آن در نتایج جستجو گوگل چقدر است؟

سوال خوبی است؛ زمانی که رنک برین به هسته گوگل اضافه شد، در ابتدا بر روی 15 درصد نتایج گوگل تاثیر مستقیم داشت. این یک امر طبیعی است؛ زیرا ماشین یادگیری گوگل در حال آزمون و خطا و یادگیری بوده است تا بتواند تعامل بهتری با کاربر داشته باشد. اما با گذشت زمان (پس از 5 سال)، ماشین یادگیری و هوش مصنوعی گوگل ارتقا پیدا کرده و می توان گفت در تمامی نتایج تاثیر مستقیمی می گذارد.

فرض کنید، اگر من عبارت «قبل از دیدن فیلم اینتراستلار چه چیزهایی باید درباره فیزیک بدانیم» در سال 2015 جستجو می کردم؛ نتایج نشان داده شده، قالبا چیزی نبود که من به دنبال آن بودم. اما هدف من از جستجو این عبارت چیز دیگری است.

اما امروز و در سال 2020 با جستجو این عبارت، نتیجه ای که نشان داده می شود بسیار متفاوت است. این مثال نشان می دهد که هوش مصنوعی و ماشین یادگیری گوگل تا چه حدی در این زمینه موفق عمل کرده است. پس بهتر است از این ویژگی به نفع خودمان استفاده کنیم.

بگذارید یک مثال دیگر بزنیم:

همین الان عبارت بازاریابی محتوا را در گوگل جستجو کنید. به وضوح می توانید ببینید که گزینه های پیشنهادی طیف محتوایی متنوعی دارند. برای مثال این نتایج شامل بلاگ، قسمت تاپ استوری، کتاب های بازاریابی محتوا و عبارات مرتبطی که افراد قالبا جستجو می کنند (LSI)، می شود.

این در حالی است که اگر منظور خود را دقیق تر جستجو کنید، برای مثال «بازاریابی محتوا چیست» را جستجو کنید، گوگل نتایج بهینه تر و مناسبی را برای این عبارت به نمایش می گذارد. این مثال میزان درک گوگل از عبارت های جستجو شده توسط کاربر را نشان می دهد.

تا اینجا با الگوریتم رنک برین و تاثیر آن بر روی نتایج جستجو آشنا شدیم. اما سوال مهم اینجاست که:

چطور از الگوریتم رنک برین به نفع کاربران و سئو سایت استفاده کنیم؟

روش های بهینه سازی الگوریتم رنک برین

رنک برین تاثیر زیادی در فیلتر کردن محتوای صفحات در موتور جستجو دارد.اما چطور می توان از این الگوریتم به روشی صحیح و کارآمد استفاده کنیم. در این قسمت دو روش عملی و تاثیر گذار را به شما معرفی می کنیم تا بتوانید از این الگوریتم به خوبی در نتایج جستجو به نفع خودتان استفاده کنید.

روش اول: توجه به هدف کاربر از جستجو

مهمترین قدم، توجه به انگیزه و هدف کاربر از جستجو در گوگل است. اینکه کاربر به دنبال چه نوع محتوایی است، کار بسیار پیچیده ای نیست و فقط کافیست خودتان را در مقام کاربر در نظر بگیرید و سعی کنید از منظر او به صفحه نتایج نگاه کنید. به اصطلاح،پای خودتان را داخل کفش کاربر بگذارید.

برای مثال فرض کنید می خواهید نرم افزار crm به فروش برسانید. اگر برای صفحه محصولات خودتان از کلمه کلیدی بهترین CRM استفاده کنید کار غلطی است و منابع و هزینه های شما را به هدر می دهد. اما چرا؟؟

غالبا زمانی که کاربری این کلمه را جستجو می کند؛ به دنبال یک مقاله است که در آن به معرفی بهترین نرم افزارهای crm پرداخته شده است.

پس اولین قدم، شناخت هدف کاربر از جستجو است. این کار به شما کمک می کند تا keyword targeting دقیق تری داشته باشید. این موضوع که فقط فلان کلمه در ماه 10 هزار بار جستجو می شود، معیار درستی برای تعیین کلمه کلیدی نیست. برای تعیین کلمه کلیدی شما باید خودتان را در مقام یک کاربر قرار داده و سپس اقدام به تعیین کلمات هدف نمایید.

بگذارید یک مثال دیگر بزنم:

فرض کنید کاربری در گوگل عبارت روش های لاغری شکم را جستجو کرده است.هدف کاربر از جستجو این عبارت چه چیزی بوده است.حالا اگر شما برای یکی از محصولات یا دسته محصول از این کلمه استفاده کرده باشید،چه اتفاقی می افتد؟

باید بدانید که کاربری که این عبارت را جستجو کرده است به دنبال لیستی از روش های لاغری شکم است، نه صرفا به دنبال محصولی خاص.پس اگر شما در این عبارت،صفحه ای به کاربر نشان دهید که شامل محصول شماست، قطعا به هدف کاربر توجه نکرده اید و به همین دلیل کاربر شما را انتخاب نخواهد کرد. به همین دلیل با گذشت زمان الگوریتم رنک برین، شما را از نتایج بالا محروم می کند.

روش دوم: تهیه محتوای مناسب برای کاربر

اگر گوگل احساس کند که تمام قصد و هدف ما رفع نیاز و خواست کاربرانش است، حتما جایگاه مناسبی به ما اعطا می کند. پس از اینکه به قصد و هدف کاربر از عبارت جستجو شده پی بردیم، حالا نوبت به آن می رسد که محتوایی متناسب با آن را به کاربر ارائه کنیم.اما چطور؟

همیشه و همه جا شنیده ایم که محتوا پادشاه است. می توانیم تاثیر این جمله را در الگوریتم رنک به وضوح مشاهده کنیم.قطعا در فضای وب بارها دیده اید که می گویند،محتوا هرچه طولانی تر باشد، احتمال کسب جایگاه بالاتر است. بله این حرف تا حدودی درست است اما نه برای هر صفحه ای.

کاری که شما باید انجام دهید، این است که لیستی از پرسش ها و سوالاتی که کاربر درباره عبارت جستجو شده دارد را پیدا کنید. برای آن سوالات،جوابی درست و کامل ارائه کنید.در واقع شما باید به تمامی سوالات کاربر در آن صفحه پاسخ بدهید تا کاربر پس از خروج از سایت شما به سایت دیگری برای کسب اطلاعات بیشتر نرود.گوگل با تعقیب رفتار کاربر متوجه می شود که محتوای شما یک محتوای کامل بوده است یا خیر.

اما در تولید محتوا زیاده روی نکنید و محتوای طولانی را فدای خواست و نیاز کاربر نکنید.چون گوگل کاربر را محترم می داند و بر اساس رفتار کاربر تصمیم می گیرد.

سخن آخر

در این مقاله سعی کردیم تا شما را با الگوریتم رنک برین به صورت کامل و عملی آشنا کنیم. به همین دلیل سعی کردیم از مثال هایی که برای خود ما پیش آمده است ولی به آن توجه نکرده بودیم، شکل ساده شده ای از الگوریتم رنک برین را به نمایش بگذاریم. قطعا شما هم با این موضوع رو به رو شده اید، ولی ممکن است به آن توجه نکرده باشید. تجربیات خودتان را در برخورد با این الگوریتم در گوگل را با ما و دیگر دوستان به اشتراک بگذارید تا به همان نسبت درک ما نسبت به رفتار گوگل و رنک برین بیشتر و عمیق تر شود.