الگوریتم گوگل رنک برین:

درست مانند اکثر به روز رسانی های الگوریتم گوگل، RankBrain نیز در هاله ای از ابهام قرار دارد. این الگوریتم در اکتبر ۲۰۱۵ فعال شد و نقطه عطف دیگری در توسعه سیستم یادگیری ماشین گوگل شد. RankBrain به یکی از ضروری ترین بخش های الگوریتم اصلی گوگل تبدیل شد و به زودی به عنوان سومین فاکتور مهم رتبه بندی پس از بک لینک ها و محتوا معرفی شد.

چگونه  الگوریتم RankBrain ظاهر شد: نگاهی به تاریخ

درست قبل از اینکه به خود RankBrain بپردازیم، اجازه دهید یک پیشینه سریع در مورد آنچه که از آن پدید آمده است را برای شما تعریف کنم. مطمئن هستم که می توانید به یاد داشته باشید که اینترنت 10 سال پیش یک آشفتگی بزرگ قدیمی بود - سایت های اسپم برای کنترل رتبه بندی استفاده می کردند، صاحبان وب سایت ها برای خرید لینک استفاده می کردند و SEO واقعاً از نامیده شدن یک بازی منصفانه فاصله داشت.

اما در سال 2011، همه چیز برای همیشه تغییر کرد زیرا گوگل متوجه شد که کیفیت و نتایج مرتبط باید در اولویت باشند. بنابراین موتور جستجو یک انقلاب سئو کلاه سفید را با جریمه کردن و کاهش رتبه سایت های غیرقابل اعتماد با الگوریتم پاندا و الگوریتم پنگوئن (به ترتیب در سال 2011 و 2012) آغاز کرد. درست پس از اینکه سایت‌های باکیفیت شروع به رتبه‌بندی در جایگاه‌های برتر کردند، کم و بیش، گوگل دوره‌ای را برای بهبود ارتباط تعیین کرد.

در آن روزگار، گوگل برای پی بردن به هدف جستجو به کلمات جداگانه در یک پرس و جو نگاه می کرد، که همیشه جواب نمی داد. به همین دلیل است که با به روز رسانی مرغ مگس خوار (2013)، که با در نظر گرفتن ترکیبی از کلمات کلیدی و همچنین زمینه آنها، پیشرفتی در جستجوی معنایی ایجاد کرد. با این حال، نتایج جستجو هنوز کاملاً مرتبط نبودند، زیرا الگوریتم نمی‌دانست چگونه سؤالات جستجوی ناآشنا را که دائماً ظاهر می‌شدند پردازش کند. در واقع، حدود 15 درصد از پرس و جوهایی که گوگل هر روز پردازش می کند جدید هستند. بنابراین دو سال بعد، در اکتبر 2015، گوگل RankBrain را معرفی کرد که هدف آن پردازش پرس و جوهای ناآشنا و پیش بینی بهترین نتیجه برای آنها بود.

الگوریتم Google RankBrain چیست؟

RankBrain از هوش مصنوعی برای جاسازی مقادیر زیادی از زبان نوشتاری در موجودیت های ریاضی - به نام بردار - استفاده می کند که رایانه می تواند آن ها را بفهمد. اگر RankBrain کلمه یا عبارتی را ببیند که با آن آشنا نیست، دستگاه می تواند حدس بزند که چه کلمات یا کلمات عبارات ممکن است معنای مشابهی داشته باشند و نتیجه را بر این اساس فیلتر کنند، و آن را در رسیدگی به سؤالات جستجویی که قبلاً دیده نشده اند مؤثرتر می کند."

درک بهتر  RankBrain

برای مفهوم سازی واضح RankBrain، می تواند به شما کمک کند تا خود را در جایگاه گوگل قرار دهید و سعی کنید هدف یک جستجوی موتور جستجو مانند "مکان المپیک" را درک کنید.

هدف واقعی از این جستجو چیست؟ آیا جستجوگر می خواهد در مورد بازی های المپیک تابستانی یا زمستانی بداند؟ آیا آنها به المپیکی اشاره می کنند که به تازگی به پایان رسیده است یا المپیکی که چهار سال بعد برگزار می شود؟ 

 

 

آیا جستجوگر در حال حاضر در المپیک حضور دارد، در یک هتل نشسته و به دنبال مسیرهایی برای رسیدن به محل برگزاری مراسم افتتاحیه است؟ آیا آنها حتی می توانند به دنبال اطلاعات تاریخی در مورد مکان اولین المپیک در یونان باستان باشند؟ حال، تصور کنید که در تلاش برای پاسخ به این پرسش، تنها چیزی که دارید سیگنال های الگوریتمی ساده مانند کیفیت محتوا یا تعداد لینک هایی است که یک قطعه محتوا برای رتبه بندی نتایج برای این جستجوگر به دست آورده است. تصور کنید که بازی های زمستانی در سوچی روسیه به تازگی در ماه گذشته به پایان رسیده است و وب سایت رسمی المپیک سوچی میلیون ها لینک برای محتوای خود در مورد رویداد گذشته به دست آورده است. اگر الگوریتم شما ساده است، ممکن است فقط نتایجی را در مورد بازی های سوچی نشان دهد، زیرا آنها بیشترین پیوندها را به دست آورده اند ... حتی اگر جستجوگر واقعاً امیدوار بود که مکان بازی های المپیک زمستانی بعدی در پیونگ چانگ، کره جنوبی را بیاموزد. در این موقعیت پیچیده اما رایج است که ظرفیت RankBrain ضروری است. تنها با توانایی محاسبه ریاضی نتایج بر اساس الگوهایی که الگوریتم یادگیری ماشین در رفتار جستجوگر «توجه کرده است» است که Google می‌تواند تعیین کند که برای مثال، اکثر افرادی که «مکان المپیک» را جستجو می‌کنند می‌خواهند بدانند بازی‌های بعدی کجاست. (چه تابستان و چه زمستان) برگزار خواهد شد. بنابراین، در این مورد، یک جعبه پاسخ گوگل با مکان بازی های آینده در آن اکثر نیازهای جستجوگران را برآورده می کند. در حالی که آن جعبه پاسخ ممکن است به هدف پشت اکثر جستجوهای «مکان المپیک» اشاره کند، استثنائات قابل توجهی وجود دارد که Google باید آنها را برطرف کند. به عنوان مثال، اگر جستجو توسط کاربری در یک شهر المپیک (مانند پیونگ چانگ) در هفته بازی ها انجام شود، گوگل ممکن است در عوض مسیرهای رانندگی را به غرفه ای که مراسم افتتاحیه در آن برگزار می شود ارائه دهد. به عبارت دیگر، سیگنال‌هایی مانند موقعیت مکانی کاربر و تازگی محتوا باید برای تفسیر هدف و ارائه نتایجی که به احتمال زیاد جستجوگران را راضی می‌کند در نظر گرفته شوند.

RankBrain در سئو چگونه کار می کند؟

RankBrain از اصطلاحاً "موجودات" استفاده می کند، که اشیاء خاصی هستند که گوگل حقایقی را درباره آنها می داند، مانند افراد، مکان ها و چیزها. با کمک یک الگوریتم ریاضی، موجودیت ها را به بردارهای کلمه خاص تری تقسیم می کند که منجر به SERP های خاصی می شود. به طور طبیعی، بردارهای کلمه مشابه منجر به SERP های مشابه می شوند.

بهترین چیز در مورد نهادها این است که Google قبلاً اطلاعات زیادی در مورد آنها جمع آوری کرده است و می تواند بلافاصله دقیق ترین نتایج جستجو را برای درخواست شما ارائه دهد. با این حال، زمانی که RankBrain با یک پرس و جو ناشناخته روبرو می شود، بردار را که شبیه ترین پرس و جو اصلی است را جستجو می کند و نتایج را برای آن برمی گرداند.

با گذشت زمان، گوگل نتایج یک عبارت جستجو را که قبلاً بر اساس تعامل کاربر و الگوهای جستجو ناشناخته بود، اصلاح می کند. اساسا، RankBrain نتایجی را که کاربران در نهایت پس از تایپ همان عبارت جستجو به دنبال آن هستند، تجزیه و تحلیل می کند. اگر متوجه شود که بسیاری از کاربران یک نتیجه جستجوی خاص را بر سایرین ترجیح می‌دهند، RankBrain آن را مرتبط‌تر می‌داند و به احتمال زیاد آن را برای جستجوهای دیگر مانند این رتبه‌بندی می‌کند.

RankBrain همچنین نتایج بسیار خوبی در درک پرس و جوهای منفی گرا نشان می دهد - عبارات کلیدی حاوی کلماتی مانند "بدون" یا "نه". در آن زمان، گوگل به سادگی چنین کلماتی را نادیده می گرفت.

در اینجا گری ایلیز مکانیسم RankBrain را در کنفرانس پیشرفته SMX توضیح داد:

اساساً، این یک عامل رتبه‌بندی است. بخشی از یادگیری ماشینی است. چیزی است که سعی می‌کند الگوها و داده‌های سطلی را شناسایی کند. به داده‌های مربوط به جستجوهای گذشته نگاه می‌کند و بر اساس آنچه برای آن جستجوها خوب کار می‌کرد، سعی می‌کند پیش‌بینی کند که چه چیزی مؤثر است. بهترین برای یک پرس و جو خاص. این برای پرس و جوهای طولانی مدت و پرس و جوهایی که هرگز ندیده ایم بهترین کار می کند.

یک مثال ممکن است این باشد که "آیا می توانم برادران ماریو را بدون استفاده از راهنما شکست دهم". بدون RankBrain، نتایج جالبی می دهیم که نیازهای من را برآورده نمی کند. اما با RankBrain می‌توانیم نتایجی به دست آوریم که سؤال من را برآورده کند."

میتوانید از chatGPT درباره گوگل رنک برین هم سوال بپرسید و نتایج جالبی رانشان شما می دهد.