الگوریتم Google RankBrain

الگوریتم RankBrain چیست؟ آپدیت 2021

آیا تا به حال در گوگل جستجوهای مبهم انجام داده اید و وقتی موتور جستجو هنوز چنین نتایج دقیقی را نشان داده است شگفت زده شده اید؟ می توانید از RankBrain به خاطر آن تشکر کنید. RankBrain در سال 2015 شروع به کار کرد و اکنون بخش مهمی از الگوریتم گوگل است. این مقاله به تجزیه و تحلیل آنچه شما باید در مورد آن بدانید ، و چگونه می توانید برای آن بهینه سازی کنید.

Google RankBrain چیست؟

RankBrain بخشی از الگوریتم گوگل است که از یادگیری ماشین و هوش مصنوعی برای درک بهتر منظور جستجوی جستجو استفاده می کند. این درک می تواند به بازگرداندن مرتبط ترین نتایج جستجو به کاربران کمک کند. در سال 2015 در الگوریتم اصلی پیاده سازی شد و در ابتدا فقط در 15 درصد از درخواستهایی که قبلاً مشاهده نشده بود ، اعمال شد. هنگامی که گوگل به آن اطمینان بیشتری پیدا کرد ، آن را بخشی از هر فرآیند تحلیل تمام جستجوها کرد. بیایید بررسی کنیم که چگونه یادگیری ماشین و هوش مصنوعی به RankBrain کمک می کند.

هوش مصنوعی

هوش مصنوعی به رایانه ها کمک می کند تا وقتی وظایفی مانند تصمیم گیری ، ترجمه زبان و ادراک بصری را به عهده دارند ، بفهمند و مانند یک انسان عمل کنند. گوگل همچنین اعلام کرده است که از چیزی که تطبیق عصبی نامیده می شود ، استفاده می کنند که یک سیستم مبتنی بر هوش مصنوعی است و به درک نحوه ارتباط کلمات با مفاهیم کمک می کند. اگرچه ممکن است RankBrain و تطبیق عصبی متفاوت باشند ، اما با هم کار می کنند تا بهترین نتایج را برای یک جستجوی جستجو به دست آورند.

فراگیری ماشین

یادگیری ماشین اساساً توانایی یک ماشین برای یادگیری خود از داده هایی است که دریافت می کند. اگر در حال حاضر از فیلتر هرزنامه یا Spam در ایمیل خود استفاده می کنید، نمونه ای از یادگیری ماشین است.
ترکیبی از هوش مصنوعی و یادگیری ماشینی چیزی است که RankBrain را به بخش موثری از الگوریتم می رساند. به عنوان مثال ، اگر بخواهم “فیلم اکشن با ماشین های مسابقه ای” را جستجو کنم ، برای من فیلم Fast and Furious در نتایج جستجو نمایش داده میشود. حتی بدون استفاده از این عبارت دقیق در صفحه جستجو ، RankBrain می تواند ارتباط موضوعی را ارزیابی کرده و نتایج مورد نظر من را ارائه دهد.

اغراق نیست اگر بگوییم الگوریتم RankBrain انقلابی در نحوه تعیین، رتبه بندی و ارائه نتایج جستجو است. در سال 1996 ، ایده لینک های داخلی و خارجی به عنوان سیگنال های رتبه بندی، جستجو را متحول کرد و بعداً به فاکتوری برای رتبه بندی صفحات Google تبدیل شد. پیدایش الگوریتم های جستجوی متعددی از زمان شروع به کار موتورهای جستجو اتفاق افتاده است، و از آن زمان بسیاری از الگوریتم های بزرگ و Major مانند الگوریتم Bert یا Passage Ranking معرفی شده اند. اما می توان گفت که الگوریتم RankBrain یکی از مهمترین هاست.

همانطور که در زیر خواهیم دید، این امر نه تنها به دلیل تأثیر آن بر نتایج است، بلکه به دلیل مهمتر دیگریست: یادگیری ماشین یا همان Machine Learning برای اولین بار در آنچه ما به عنوان یک موتور جستجو می پنداریم با پیدایش الگوریتم RankBrain منقلب شد و پای هوش مصنوعی در نمایش نتایج جستجو به میان آمد.

 یادگیری ماشین پیش تر در Google News استفاده شده بود ، اما مکانیزم آن با آنچه در RankBrain می بینیم کاملاً متفاوت است. ولی ..

توضیح بیشتر راجع به الگوریتم RankBrain

الگوریتم RankBrain سیستمی است که از طریق آن گوگل می تواند منظور احتمالی جستجوهای کاربر را بهتر درک کند. این قابلیت در بهار 2015 منتشر شد ، اما تا 26 اکتبر همان سال اعلام نشد. RankBrain در ابتدا برای پاسخ به پرس و جوهایی که گوگل قبلاً با آنها مواجه نشده بود اعمال می شد که حدود 15 درصد از کل جستجوهای آن زمان را تشکیل می داد. رفته رفته این الگوریتم گسترش یافت و بر نتایج همه جستجو تأثیر گذاشت. هسته مرکزی الگوریتم RankBrain یک سیستم یادگیری ماشینی مبتنی بر الگوریتم مرغ مگس خوار یا Hummingbird است که گوگل را از یک محیط “زنجیره ای” به یک محیط “موضوعی” تبدیل می کند.

 این بدان معناست که درک جستجو با “خواندن کاراکترهای متن” شروع نمی شود، بلکه با “مشاهده” موجودیت هایی که موتور جستجو آنها را میشناسد رخ می دهند.

مثال:

برای درک بهتر عملکرد RankBrain  به ذکر مثال همکاران در استیل سئو میپردازیم.

 “مجید عباسی”

تا قبل از معرفی الگوریتم مرغ مگس خوار، گوگل این رشته را به 2 کلمه و 10 کاراکتر تفکیک و شناسایی میکرد. این کاراکترها به ترتیب دسته بندی میشدند و برای عمل جستجو با رشته “مجید عباسی” استفاده قرار میگرفتند. نتیجه جستجو میتوانست شامل هر “مجیدی” باشد. گوگل برای یافتن “مرتبط ترین” نتیجه به مطالعه پیوندها و سیگنال های دیگر تکیه می کرد، اما نمی دانست “مجید” مورد نظر کیست.

 با پیدایش مرغ مگس خوار ، همکار من دیگر یک مجموعه ساده از حروف نبود، بلکه تبدیل به یک موجودیت مستقل و متفاوت شد. در حقیقت به “مجید عباسی” یک شناسه ماشین منحصر به فرد تخصیص داده شده. درباره شناسه ماشین یا Machine ID در مقالات آتی به تقصیل صحبت خواهیم کرد.

الگوریتم Hummingbird پیش نیازی برای معرفی RankBrain

به طور خلاصه ، آنچه در Hummingbird اتفاق افتاد برای فعالسازی الگوریتم RankBrain ضروری بود. Hummingbird باعث شد گوگل موارد زیر را درک کند:

 “مجید عباسی با شیدا دانایی دوست است، او عکاسی و طبیعت گردی را دوست دارد و یک مدیر مالتی مدیا است.”

و به سادگی آن را به عنوان یک سری از کاراکترها به منظور مرتب سازی و وزن دهی در پرس و جو تفسیر میکند. Hummingbird با اينكه بسیار پیشرفته است، اساساً به این سوال پاسخ نداد: “مجید عباسی” چند بار در متن و لینک ها ظاهر می شود؟

با فرض اینکه این جستجو دوباره “مجید عباسی” باشد، برای مرغ مگس خوار این جستجو از نظر گوگل به زبان زیر معنی و پردازش خواهد شد:

  • هر موجودیت یا همان Entity با یک شناسه ماشین یکتا یا Unique Machine ID شناخته میشود.
  • هیچ 2 موجودیتی با شناسه ماشین مشابه وجود ندارد.

Google از طریق سایر موجودیت های موجود در صفحات و سایر لینک ها در اینترنت توضیحات را دریافت می کند و اقدام به ارائه مرتبط ترین نتیجه جستجو میکند. برای درک الگوریتم RankBrain، درک الگوریتم مرغ مگس خوار مهم است زیرا Hummingbird دنیای وب را به عنوان مجموعه ای از موجودیت ها درک می کند ، نه رشته ها.

 بازگشت به الگوریتم RankBrain

RankBrain را می توان در اصل یک سیستم “پیش انتخاب” دانست. هنگامی که یک پرس و جو در گوگل وارد می شود، این الگوریتم نتایج جستجو را با درخواست شما مطابقت میدهد و بهترین محتوا را تحت بهترین قالب ممکن نمایش می دهد.

 اما اگر Google نیت شما را از جستجو نداند چه؟

RankBrain در ابتدا برای حل یک مشکل ساده اما بزرگ منتشر شد. 15 درصد از جستجوها برای Google کاملا جدید بودند، بنابراین پیش زمینه ای برای تجزیه و تحلیل اطلاعات جدید وجود نداشت که تعیین کند آیا نتایج با جستجو کاربر مطابقت دارد یا خیر.

RankBrain همچنین زمینه محیط (به عنوان مثال مکان موتور جستجو) را در نظر می گیرد. این فرایند می تواند یک فرایند ساده باشد، یعنی ترتیب کلمات می تواند تابعی از فرایند جستجو باشد ، نه یک قصد.

برای مثال، یقینا همه ما بارها با تایپ کردن 1 یا دو کلمه به جستجو توسط گوگل پرداخته ایم. قبل از وارد کردن کلمه “دیجیکالا” در گوگل، میتوان گفت این رشته قبلا توسط گوگل جستجو شده و عبارتی جدید برای موتور جستجو نیست. اما زمانیکه جستجوی کلمه ای دیگر که به اندازه دیجیکالا برای گوگل شناخته شده نیست را انجام دهید و نتیجه مورد نظر را دریافت نکنید، شروع به اضافه کردن اطلاعات بیشتر درباره جستجوی خود در گوگل میکنید. مثلا تایپ میکنید “فروشگاه آنلاین با تخفیف”.

به احتمال زیاد گوگل آن پرس و جو خاص را ندیده است، اما از آنجا که به موجودیت ها نگاه می کنند و نه رشته های حروف، می دانند که این پرس و جو مشابه خواهد بود. به این معنی که این جستجو در ایران و به زبان فارسی توسط فردی صورت گرفته که به دنبال خرید جنسی با تخفیف به صورت آنلاین است.

الگوریتم RankBrain چگونه کار می کند؟

 همانطور که انتظار می رود، گوگل هرگز ماهیت الگوریتم RankBrain را فاش نکرده. با این حال، ما می توانیم در مورد آنچه در پشت صحنه اتفاق میفتد، گمانه زنی هایی بر اساس آزمون و خطا داشته باشیم. برای این منظور، ما باید از منطق تفکر انسانی جدا شده و مانند یک ماشین شروع به فکر کنیم.

“مجید عباسی فیلمبردار” دیگر به عنوان یک رشته 3 کلمه ای محسوب نخواهد شد بلکه به عنوان یک موجودیت به حساب میاید. زمانیکه RankBrain شروع به مقایسه این جستجو در مکان های جغرافیایی دیگر میکند، متوجه میشود که مجید عباسی یک فیلمبردار در ایران است که در سایت استیل سئو به عنوان مدیر بخش محتوای چند رسانه ای معرفی شده. این موجودیت میتواند مرتبط ترین گزینه با جستجوی مذکور باشد. اساساً، RankBrain میداند که چه قالب لغتی و چه ارتباط معنایی میتواند بین “مدیریت بخش تولید محتوای مالتی مدیا” و “فیلمبرداری” برای مجید عباسی وجود داشته باشد.

با پیدایش الگوریتم RankBrain نحوه انجام سئو تغییر می یابد؟

بسته به پیچیدگی و مدرن بودن مهارت های SEO شخصی شما، RankBrain ممکن است نشان دهنده یک تغییر جزئی یا عمده در نظریه ها و تکنیک های سئو شما باشد. بیل اسلاوسکی، کارشناس ثبت اختراع، مثال گویای زیر را در مورد ضروری بودن RankBrain در محیط جستجو ارائه کرده است:

“برای اسب سوار یک اسب، حیوانی بزرگ 4 پا است… برای نجار، اسب 4 پا دارد اما در مزارع زندگی نمی کند و یونجه نمی جوید… برای ژیمناست یک اسب مشابه ابزار “خرک” در کار اوست. با این اوصاف، RankBrain سعی به درک موضوع و مفهوم جستجوی شما میکند و نه صرفا کلمات.

استیل سئو بر سه نیاز اصلی برای انطباق بهتر با RankBrain تاکید میکند:

  1. علائم مختلفی روی رتبه بندی برای پرس و جوهای مختلف اعمال می شود

پیش از پیدایش RankBrain ممکن بود بهینه سازی صفحه وب سایت با ارزیابی همه سیگنال های سنتی (تنوع لینک ها، عمق محتوا، تطبیق کلمات کلیدی و غیره) ارزیابی شود. اما پس از RankBrain، متخصصین سئو باید نوع محتوایی را که به بهترین نحو نیازهای کاربران را برآورده می کند، به کار بگیرند. در مورد چیزی مانند تاریخ موسیقی بومی ایران، شما بر عمق محتوا و احتمالاً موضوعات مرتبط با محتوای خود، و قدرت سیگنال دهی تکیه می کنید. به یاد داشته باشید که الگوریتم های یادگیری ماشینی که RankBrain را هدایت می کنند، سیگنال های خاصی را با درخواست جستجو مطابقت می دهند و متخصصین سئو نیز باید این کار را انجام دهند.

  1. شهرت وب سایت شما در الگوریتم RankBrain موثر است

سئوکاران زبده به دنبال ایجاد شهرت برند شما بر اساس منابعی هستند که موتورهای جستجو و کاربران انسانی برای کسب اطلاعات درباره یک تجربه خاص به دامنه شما به عنوان مرجع نگاه کنند. مزایای ایجاد چنین شهرتی می تواند شامل رتبه بندی بهتر برای کلمات کلیدی باشد.

سوال: آیا نام تجاری شما باید شهرت خود را بر اساس تازگی محتوا، عمق، تنوع لینک های بدست آمده، مشارکت زیاد کاربران و یا سایر سیگنال ها به دست آورد؟

پاسخ این سوال به موضوعاتی که پوشش می دهید بستگی دارد. آیا جستجوهایی که امیدوارید در آنها رتبه کسب کنید، برای پاسخ سریع و مختصر به سوالی تهیه شده اند یا نیاز به تحقیق و اکتشافات عمیق دارند؟ با گذشت زمان، دامنه شما باید بر اساس سیگنال هایی که می خواهید به مخاطب خدمت کنید، شهرت کسب کند. به یاد داشته باشید که RankBrain بستری را ایجاد می کند که در آن نام تجاری شما به دلیل ارائه نوع خاصی از محتوا که نیاز خاصی را برآورده می کند، مشهور میشود.

  1. تمرکز روی یک کلمه کلیدی در یک صفحه دیگر کاربردی نیست

به احتمال زیاد، این تجربه را دارید که تولید محتوای برای تنها یک کلمه کلیدی در هر صفحه مانند “نقره” در یک صفحه، صفحه دیگری برای “نقره دست ساز” ، دیگری برای “انگشتر نقره”، دیگری برای “دستبند زنانه نقره”، و دیگری برای “گوشواره نقره” امری دشوار و خسته کننده است که نیاز به زمان و انرژی و هزینه زیاد برای سئو دارد. در سئوی مدرن همه این عبارات (و آدرس های اینترنتی مربوط به آنها) را در یک قطعه از محتویات کاملی که شامل زبان طبیعی انسان است ترکیب می کنند سپس از جملات با عبارات کلیدی متنوعی که شیوه جستجو و صحبت انسان را منعکس می کند استفاده میکنند و محتوا را ارائه میدهند.

این برای بسیاری از متخصصین سئوی هوشیار خبر جدیدی نیست، اما ظهور RankBrain اهمیت تمرکز بر کل مفاهیم کلیدواژه ها را در قالب یک محتوای جامع نشان بیشتر میکند. به جای اینکه چندین صفحه را برای پوشش دادن انواع مختلف کلید واژه ارائه دهید، سعی به استفاده از ترکیب کلیدواژه های مرتبط و نزدیک به هم در یک متن یا محتوای جامع داشته باشید.

منابع:

https://www.searchenginejournal.com/google-algorithm-history/rankbrain/

https://moz.com/learn/seo/google-rankbrain

https://backlinko.com/google-rankbrain-seo

https://www.brightedge.com/glossary/rankbrain

 
Summary
الگوریتم RankBrain چیست؟ آپدیت 2021
Article Name
الگوریتم RankBrain چیست؟ آپدیت 2021
Description
در این مقاله به معرفی الگوریتم RankBrain ّبه عنوان یکی از موثرترین و مهمترین الگوریتم های اصلی یا Major موتور جستجوی گوگل خواهیم پرداخت.
Author
Publisher Name
Still SEO Institute
Publisher Logo

اشتراک گذاری:

Share on facebook
Share on google
Share on twitter
Share on email
Share on linkedin
Share on whatsapp
Share on telegram
Share on reddit
Share on skype

دیدگاه‌ خود را بنویسید

Your email address will not be published.

رنگ کلاه در سئو
مبانی سئو

رنگ کلاه در سئو

رنگ کلاه در سئو و همچنین دیگر مقوله های سایبری را شاید بتوان استعاره ای از استراتژی و مرزبندی اخلاق حرفه ای یک فرد مشرف

 
متن کامل >
تکنیک سئو 2021
آموزش پیشرفته

6 تکنیک سئو در 2021

همانطور که در گذر زمان موتورهای جستجو الگوریتم های خود را به روز رسانی میکنند، تکنیک های کسب رتبه بالاتر در SERP یا Search Engine

 
متن کامل >
سئو چیست
مبانی سئو

سئو چیست

در جواب این سوال که تعریف سئو چیست و متخصص سئو کیست، کلمه سئو که برگرفته از مخفف SEO است معادل Search Engine Optimization بوده

 
متن کامل >