گوگل از یک سیستم هوش مصنوعی به نام “RankBrain” برای کمک به مرتب سازی SERP خود، استفاده میکند. آیا شگفت زده‌اید که این سیستم چگونه کار میکند و چگونه با سیستم رتبه بندی گوگل هماهنگ است؟ در اینجا همه چیزهایی که ما در مورد RankBrain می‌دانیم را می‌خوانید.
اطلاعات این مقاله از سه منبع اصلی به دست آمده است و به مرور زمان به روز رسانی شده‌اند که همراه با یادداشت‌هایی در مورد به‌روزرسانی آنها ارائه می‌شود. این منابع عبارتند از:
- مقاله بلومبرگ که اخبار مربوط به RankBrain را پوشش داده است.
- اطلاعات جانبی که گوگل در حال حاضر مستقیما در گستره موتور جستجو ارائه می‌دهد.
- دانش ما و بهترین فرضیات در مواردی که گوگل پاسخی به آنها ارائه نمی‌کند. همین طور برخی اطلاعات این مقاله را تیم سئو نوین مارکتینگ آزمایش کرده و به نتایج جالبی در فارسی دست یافته است.
RankBrain چیست؟
RankBrain نام سیستم هوش مصنوعی گوگل در قالب یادگیری ماشین است؛ که برای کمک به پردازش نتایج جستجو استفاده می‌شود و توسط گزارش‌های بلومبرگ و همچنین توسط شرکت گوگل تایید شده است.
یادگیری ماشین چیست؟
یادگیری ماشین پدیده‌ای است که یک کامپیوتر به خود و نه توسط افراد دیگر یا برنامه ریزی‌های دقیق، می‌آموزد که چگونه کارها را انجام دهد.
هوش مصنوعی چیست؟
هوش مصنوعی واقعی، یا به اختصار AI، پدیده‌ای است که در آن کامپیوتر به اندازه یک فرد باهوش هوشمند می‌شود. به عبارت دیگر دستیابی به دانش از طریق آموزش و یا از طریق ایجاد ساختارهایی بر مبنای چیزی که می‌داند و ارتباطات جدید را بر اساس آن برقرار می کند. در عمل، AI به سیستم‌های کامپیوتری اشاره دارد که برای یادگیری و ایجاد ارتباطات استفاده می‌شوند.
AI چه تفاوتی با یادگیری ماشین دارد؟
یادگیری ماشین و هوش مصنوعی، به نظر نسبتا مترادف‌اند. شما ممکن است آنها را به جای یکدیگر استفاده کنید و یا می‌توانید از زبان ماشین برای توصیف نوع روش هوش مصنوعی استفاده کنید.
بنابراین RankBrain روش جدیدی است که گوگل نتایج جستجوی خود را با آن رتبه بندی میکند؟
خیر، RankBrain بخشی از الگوریتم گوگل است. یک برنامه کامپیوتری که برای طبقه‌بندی میلیاردها صفحه و پیدا کردن صفحه مرتبط و متناسب با درخواست کاربر استفاده می شود.
نام الگوریتم جستجوی گوگل چیست؟
، الگوریتم جستجوی گوگل مرغ مگس خوار ( Hummingbird ) نام دارد. برای چندین سال، الگوریتم کلی نام رسمی نداشت. اما در اواسط سال ۲۰۱۳، گوگل این الگوریتم را بازسازی کرد و نام آن را ( Hummingbird) گذاشت.
بنابراین RankBrain بخشی از الگوریتم جستجوی مرغ مگس خوار است؟
این درک ماست. مرغ مگس خوار الگوریتم جستجوی کلی است، درست مانند یک ماشین که موتوری در درون خود دارد. خود موتور ممکن است از قطعات مختلف ساخته شده باشد، مانند فیلتر روغن، پمپ سوخت، رادیاتور و غیره. به همین ترتیب، مرغ مگس خوار شامل بخش‌های مختلفی است که RankBrain یکی از جدیدترین آنهاست.
به طور خاص، ما می‌دانیم RankBrain بخشی از الگوریتم کلی Hummingbird است، زیرا مقاله بلومبرگ روشن میکند که RankBrain تمام جستجوها را مدیریت نمی‌کند و فقط الگوریتم کلی قادر به انجام این کار است.
مرغ مگس خوار همچنین حاوی قسمت های دیگری است که سازگار با فضای SEO است، مانند الگوریتم پاندا Panda ، الگوریتم پنگوئن Penguin و دیگر الگوریتم‌هایی مانند روز پرداخت (Payday) که برای مبارزه با اسپم ساخته شده، کبوتر(Pigeon) که برای بهبود نتایج محلی مأموریت دارد، Top Heavy برای بارگذاری صفحات سنگین شامل تبلیغات زیاد عمل میکند، Mobile Friendly برای ایجاد صفحات موردپسند کاربر بر روی موبایل و Pirate (دزدان دریایی) برای مبارزه با نقض قانون کپی رایت طراحی شده‌اند.
من فکر می کردم که الگوریتم کلی گوگل “PageRank” نامیده می شود؟
PageRank بخشی از الگوریتم کلی مرغ مگس خوار است که یک روش خاص برای ارائه اعتبار به صفحات بر اساس لینک‌هایی است که به صفحه اشاره دارد.
PageRank اولین نامی است که گوگل به یکی از بخش‌های الگوریتم رتبه‌بندی خود در شروع به کار موتور جستجوی خود در سال ۱۹۹۸ داده است.
گوگل از چه «سیگنال‌هایی » برای رتبه بندی خود استفاده می کند؟
سیگنال‌ها چیزهایی هستند که Google برای کمک به تعیین نحوه رتبه بندی صفحات وب استفاده میکند. به عنوان مثال، کلمات را در یک صفحه وب می‌خواند، بنابراین کلمات یک سیگنال هستند. اگر بعضی از کلمات با فونت درشت نوشته شده باشند، ممکن است سیگنال متفاوتی داشته باشند. محاسباتی که به عنوان بخشی از PageRank استفاده می‌شود، به آن صفحه یک امتیاز PageRank می‌دهد که باز هم یک سیگنال است. اگر یک صفحه سازگار با تلفن همراه باشد، یک سیگنال دیگری را ثبت میکند.
تمام این سیگنال‌ها توسط بخش‌های مختلف در الگوریتم مرغ مگس خوار پردازش می‌شوند تا شناسایی کنند کدام صفحات در نتیجه جستجوی شما پیدا شده‌اند.
چند سیگنال در آنجا وجود دارد؟
گوگل به طور مداوم بیش از ۲۰۰ دسته بندی سیگنال عمده دارد که ممکن است تا ۱۰،۰۰۰ زیر مجموعه سیگنال داشته باشد. همان‌طور که در مقاله بلومبرگ نیز گفته شد، “صدها” عامل در آن مشارکت دارد.
این تفکر به نظر ما یک راهنمای مناسب است که به طور کلی نشان می‌دهد موتورهای جستجو مانند گوگل چگونه به رتبه بندی صفحات وب کمک می‌کنند.
آیا RankBrain سومین سیگنال مهم است؟
درست است. طبق گفته گوگل این سومین عامل مهم برای رتبه بندی صفحات وب است. برگرفته شده از مقاله بلومبرگ:
RankBrain یکی از “صدها” سیگنالی است که در یک الگوریتم برای تعیین نتایج جستجوی گوگل و رتبه بندی آنها استفاده می‌شود. در چند ماه گذشته، RankBrain سومین عامل مهم برای کمک به دسته بندی نتایج جستجو بوده است.
سیگنال‌های مهم اول و دوم چیست؟
در هنگام نگارش نخست این مقاله، گوگل در این باره چیزی نگفت. فرض ما این بود:
لینک مهم ترین سیگنال باقیمانده است و گوگل این لینک‌ها را در قالب رای شمارش میکند. این همچنین یک سیستم به شدت سالخورده است که در لینک‌های خود آنها را پوشش داده‌ام: سیستم شکست خورده “Ballet Box ” که توسط گوگل و بینگ در گذشته استفاده می‌شد.
به عنوان دومین سیگنال مهم، حدس می‌زنم که «کلمات» باشند، چرا که کلمات شامل همه چیز از کلمات موجود در صفحات وب گرفته تا آنالیز و تحلیل کلماتی که کاربران در نوار ابزار جستجو وارد در خارج از RankBrain وارد می‌کنند.[ البته این نظر نویسنده مقاله سرچ انجین لند است و شاید کارشناسان خدمات سئو برجسته و متخصصان هوش مصنوعی نظر دیگری داشته باشند آن چیز که روشن است گوگل هنوز بر روی این دو بخش تأکید ویژه‌ای دارد. ]
این کاملا درست بود. در مارس ۲۰۱۶، گوگل دو عامل اول را رونمایی کرد که شامل محتوا و لینک‌ها بودند. اما بین دو عامل لینک‌ها و محتوا گفته نشد کدام یک اول است.
RankBrain دقیقا چه کاری انجام می دهد؟
با مکاتبه با گوگل، من متوجه شدم RankBrain عمدتا برای توصیف جستجوی کلمات استفاده می‌شود تا صفحاتی که دارای کلماتی هستند که به صورت دقیق در عبارات جستجو نوشته نشده‌اند را پیدا کنند.
آیا Google در حال حاضر راهی برای پیدا کردن صفحات فراتر از درخواست دقیق وارد شده ندارد؟
بله، گوگل صفحات فراتر از شرایط دقیق جستجو شده را برای مدتی طولانی پیدا می‌کرد. به عنوان مثال، سال‌ها پیش، اگر شما چیزی شبیه “کفش” را وارد می‌کردید، ممکن بود گوگل صفحاتی را که کلمه “کفش‌ها” در آن ذکر شده بود را پیدا نکند زیرا آنها از نظر فنی دو کلمه متفاوت‌اند. اما “ریشه یابی کلمات” گوگل را دقیق‌تر و هوشمندتر کرد تا آن را قادر سازد تفاوتی بین کفش و کفش‌ها قائل نشود درست مانند “دویدن” که به نوعی مشتق شده از “بدو” است.
گوگل همچنین در مورد اصطلاحات مترادف نیز هوشمند شده است، بنابراین اگر شما “کفش‌های کتانی” را جستجو کنید، ممکن است نتایجی در مورد “کفش‌های دویدن” نیز برای شما نمایش داده شود. همچنین به لحاظ مفهومی نیز اصلاحاتی صورت گرفته است تا بین کمپانی اپل و میوه سیب نیز قادر به تمایز باشد.
در مورد گراف دانش چه نکته ای وجود دارد؟
نمودار دانش یا گراف دانش که در سال ۲۰۱۲ راه اندازی شد، راهی بود که گوگل را برای برقراری ارتباط بین کلمات هوشمندتر کرد. مهم‌تر از آن، گوگل همچنین یاد گرفته است بین رشته‌ها و عبارات تفکیک قائل شود.
رشته‌ها به معنی جستجو تمامی صفحاتی است که دارای کلمه‌ای با املای درست مانند “اوباما” هستند. اما در مورد عبارات، با جستجوی کلمه “اوباما” گوگل متوجه می‌شود که احتمالا منظور شما “باراک اوباما” رئیس جمهور آمریکا است و یک فرد واقعی با ارتباط با اوباما، مکان‌ها و چیزهای دیگر را به شما نمایش می‌دهد.
نمودار دانش پایگاهی از حقایق مربوط به جهان و روابط بین آنها است. به همین دلیل است که شما می توانید جملاتی مانند “همسر اوباما در چه زمانی متولد شد” را جستجو کنید و اطلاعاتی در مورد میشل اوباما، بدون حتی استفاده از نام او، کسب کنید.
چگونه RankBrain به پالایش درخواست‌های شما کمک می کند؟
روش‌‌هایی که گوگل در حال حاضر برای اصلاح پرسش‌ها استفاده میکند، بین افراد در اقصی نقاط جهان که مشغول انجام کاری هستند، لیست‌های ریشه‌یابی کلمات ایجاد کرده‌اند؛ یا یک پایگاه داده از ارتباط بین اشیا را کشف کرده‌اند؛ جریان دارد. مطمئنا این افراد، اغلب از اتوماسیون استفاده می‌کنند. اما عمدتا مبتنی بر کار انسانی است.
مشکل این است که گوگل ۳ میلیارد جستجو در روز را پردازش میکند. در سال ۲۰۰۷، گوگل اعلام کرد که ۲۰ تا ۲۵ درصد از این درخواست‌ها هرگز دیده نشده‌اند. در سال ۲۰۱۳، این تعداد را به ۱۵ درصد کاهش داد، که مجددا در مقاله بلومبرگ مورد استفاده قرار گرفت و گوگل نیز آن را تأیید کرد. اما هنوز هم ۱۵ درصد سه میلیارد، آمار بسیار بالایی است که هرگز توسط یک انسان جستجوگر وارد نشده است – ۴۵۰ میلیون در روز.
در میان آنها ممکن است درخواست‌های پیچیده، چند کلمه‌ای، تحت عنوان ” بلند امتداد (long-tail)” وجود داشته باشد. RankBrain طراحی شده است که به شما کمک کند تا بهتر این درخواست‌ها را تفسیر و به طور موثر ترجمه کنید و در پشت صحنه تلاش‌های میکند تا بهترین صفحات نتایج را برای جستجوگر نمایش دهد.
همان‌طور که گوگل به ما گفت، شما می‌توانید الگوهایی را مشاهده کنید که به ظاهر پیچیده و نامربوط‌اند اما می‌توانید درک کنید که آنها واقعا چگونه با یکدیگر هم‌خوانی دارند. این یادگیری، به خودی خود، شما را قادر می‌سازد تا جستجوهای پیچیده آینده و اینکه آیا آنها مربوط به موضوعات خاص هستند را درک کنید. مهم‌تر از همه طبق گفته گوگل، این می‌تواند نتایجی را برای گروه‌های تحقیقاتی نمایش دهد که بیشتر علاقه‌مند به دیدن آن هستند.
گوگل نمونه‌هایی از گروه‌های تحقیقاتی و جزئیات بیشتری در مورد نحوه رتبه بندی صفحات سازگار با علایق آنها را ارائه نمی‌دهد. اما ممکن است با ترجمه و تعبیر مناسب جستجوهای مبهم آنها، به پایگاه داده خاصی دسترسی پیدا میکند و قادر خواهد بود پاسخ‌های بهتری را برای آنها نمایش دهد.
در این مورد مثالی هست؟
ولی اگر دوست دارید رنک برین را در فارسی امتحان کنید در گوگل سرچ کنید ” دستور پخت آن غذایی که لپه و گوشت دارد ” و چند دستور پخت خورشت قیمه و شامی را به دست آورید بی آن که کلمه ” قیمه با خورش قیمه” را سرچ کرده باشید.
آیا RankBrain واقعا کمک میکند؟
من شدیدا معتقدم که این کشف جدید طبق ادعای گوگل، تاثیر بزرگی داشته است. این شرکت در مورد الگوریتم رتبه بندی خود نسبتا محافظه کار است. گوگل همیشه تست‌های کوچکی را برگزار میکند. اما فقط زمانی که به قطعیت بالایی در خصوص تغییری دست می‌یابد آن را اعمال میکند.
به نظر می‌رسد که یکپارچه سازی RankBrain به درجه ای دست یافته است که به عنوان سومین سیگنال مهم، بعد از لینک ها و کلمات کلیدی، شناخته شود، و البته یک تغییر بزرگ به شمار می‌رود. این تایید کننده حدس من بود که گوگل پیش از اینکه از مفید بودن تغییری مطمئن نشود از آن رونمایی نمی‌کند.
RankBrain چه زمانی شروع بکار کرد؟
گوگل اعلام کرد که در اوایل سال ۲۰۱۵ RankBrain به آرامی در حال پیشرفت است و از تابستان ۱۳۹۵ (۲۰۱۶)چند ماه است که به طور کامل زنده و جهانی مورد استفاده قرار می گیرد.
چه درخواست هایی تحت تاثیر قرار می گیرند؟
در اکتبر سال ۲۰۱۵، گوگل به بلومبرگ اعلام کرد که “بخش بسیار زیادی” از ۱۵ درصد از درخواست ها که معمولا قبلا هرگز دیده نمی‌شدند توسط RankBrain پردازش شده‌اند در حقیقت ۱۵ درصد یا کمتر.
در ژوئن سال ۲۰۱۶، گوگل رسما اعلام کرد که در حال استفاده از RankBrain برای همه درخواست‌هایی است که گوگل با آنها سروکار دارد.
آیا RankBrain همیشه در حال یادگیری است؟
طبق گفته گوگل، همه آموزشی که RankBrain دریافت میکند آفلاین است. این مجموعه‌ای از تاریخچه جستجوها را به شما نشان می‌دهد و یاد می‌گیرد تا پیش‌بینی‌های مربوطه را انجام دهد.
این پیش‌بینی‌ها مورد آزمایش قرار می‌گیرند و اگر ثابت شود تاثیرگذارند، آخرین نسخه RankBrain به طور زنده بر روی آنها اجرا می‌شود. سپس چرخه یادگیری آفلاین و تست تکرار می‌شود.
آیا RankBrain کاری بیشتر از پالایش جستجو انجام می دهد؟
به طور معمول، چگونگی پالایش و تصحیح یک درخواست – از طریق ریشه یابی کلمه، مترادف ها و در حال حاضر با RankBrain – به عنوان عامل رتبه بندی و یا سیگنال در نظر گرفته نشده است.
سیگنال‌ها نوعی از عوامل‌اند که به محتوا مرتبط‌اند، مانند یک کلمه در صفحه وب، همچنین لینک‌های صفحات مختلف و اینکه آیا یک سرور امن است و غیره. سیگنال ها همچنین می‌توانند مربوط شوند به یک کاربر، مانند یک جستجوگر یا جایی که جستجو و سابقه آن نمایش داده می شوند.
بنابراین وقتی گوگل در مورد RankBrain به عنوان سومین سیگنال مهم صحبت میکند، آیا واقعا منظورش سیگنال رتبه بندی است؟ بله، گوگل در اینجا لیستی را تائید کرده است که نشان می‌دهد RankBrain به طور مستقیم به رتبه بندی صفحات کمک میکند.
دقیقا چگونه؟ آیا نوعی امتیاز بندی برای RankBrain وجود دارد که ممکن است کیفیت را ارزیابی کند؟ شاید، اما به نظر می‌رسد که RankBrain به نوعی کمک میکند تا گوگل بهتر بتواند صفحات را بر مبنای محتوای آنها رتبه بندی کند. RankBrain ممکن است بتواند به طور خلاصه نشان دهد که سیستم های موجود گوگل می‌توانند چه کارهایی را انجام دهند.
یا نه ،گوگل چیزی جز یک رتبه بندی مبتنی بر عوامل مختلف را شامل نمی‌شود.
چگونه می توانم بیشتر در مورد RankBrain یاد بگیرم؟
گوگل به ما گفت افرادی که می‌خواهند در مورد کلمه “بردار” مطالبی بیاموزند – روشی که کلمات و عبارات می‌توانند به صورت ریاضی به یکدیگر مرتبط شوند – باید پست‌های وبلاگ گوگل را بررسی کنند. در این پست توضیح داده شده است RankBrain با استفاده از مفاهیم ریاضی توانسته است پایتخت های کشور ها را تنها با اسکن مقالات پیدا کند .
مقاله تحقیقاتی دیگر وجود دارد که نتایجی بر مبنای آن بدست می‌آید. شما حتی می توانید با یادگیری ماشین، خود و با استفاده از ابزار word2vec گوگل این کار را انجام دهید. علاوه بر این، شما می‌توانید از دو ابزار entire area گوگل و as does مایکروسافت برای آزمایش هوش مصنوعی استفاده کنید و با آن بیشتر آشنا شوید.
