بررسی الگوریتم RankBrain و تاثیر آن در سئو
RankBrain چیست؟
رنک‌برین بخشی از الگوریتم هسته‌ای گوگل است که از یادگیری ماشین (توانایی ماشین‌ها برای خودیادگیری بر اساس داده‌های ورودی) برای تعیین مرتبط‌ترین نتایج برای پرس‌وجو‌های وارده به موتورهای جستجو استفاده می‌کند. پیش از رنک‌برین، گوگل الگوریتم ابتدایی خودش را برای تعیین این که کدام نتایج را برای یک پرس و جو نشان دهد، به کار می‌گرفت. پس از رنک‌برین، اعتقاد بر این است که پرس‌وجو در حال حاضر از طریق یک مدل تفسیری انجام می‌شود که می‌تواند عوامل احتمالی مانند محل جستجوگر، شخصی سازی، و کلمات پرس و جو را برای تعیین قصد واقعی جستجوگر اعمال کند. با تشخیص این هدف واقعی، گوگل می‌تواند نتایج مرتبط‌تر ارائه دهد.
جنبه یادگیری ماشین الگوریتم رنک‌برین چیزی است که آن را از سایر به‌روزرسانی ها متمایز می‌کند. برای «آموزش» الگوریتم رنک‌برین برای تولید نتایج جستجوی مفید، ابتدا گوگل آن را از منابع مختلف «تغذیه» می‌کند. سپس الگوریتم این تغذیه را از آنجا می‌گیرد، خود را در طول زمان محاسبه و آموزش می‌دهد تا با سیگنال‌های مختلف به نتایج متفاوت برسد و رتبه‌بندی موتور را براساس این محاسبات سفارشی کند.
درک RankBrain برای SEO کارها
برای اینکه الگوریتم رنک‌برین را به وضوح تصور کنید، خود را جای گوگل بگذارید، و سعی کنید بفهمید تا منظور از پرس‌وجویی مثل «محل المپیک» چیست.
هدف اصلی از این جستجو چیست؟ آیا فرد جستجوگر می‌خواهد درباره بازی‌های المپیک تابستانی یا زمستانی بداند؟ آیا آن‌ها به یک المپیک اشاره می‌کنند که تازه به پایان رسیده‌است، یا به المپیک دیگری اشاره می‌کنند که چهار سال دیگر برگزار خواهد شد؟ آیا جستجوگران در حال حاضر در حال حضور در المپیک هستند، در یک هتل نشسته‌اند و به دنبال دستور برای برگزاری مراسم افتتاحیه هستند؟ آیا آن‌ها می‌توانند حتی به دنبال اطلاعات تاریخی در مورد مکان اولین المپیک در یونان باستان باشند؟
اکنون، تصور کنید که در تلاش برای پاسخ به این پرسش، تمام چیزی که شما دارید سیگنال‌های الگوریتم پایه مانند کیفیت محتوا یا تعداد لینک‌هایی است که یک قطعه از محتوا برای رتبه‌بندی نتایج این پرس‌وجو به دست آورده‌است. تصور کنید که بازی‌های زمستانی سوشی روسیه ماه گذشته به پایان رسیده و وب سایت رسمی المپیک سوشی میلیون ها لینک برای محتوای خود در مورد این رویداد گذشته کسب کرده‌است. اگر الگوریتم شما ساده باشد، ممکن است تنها نتایجی را در مورد بازی‌های سوشی نشان دهد، زیرا آن‌ها بیش‌ترین لینک‌ها را کسب کرده‌اند … حتی اگر جستجوگر واقعا امیدوار بود که محل المپیک زمستانی آینده را در پیونگ چانگ کره‌جنوبی بفهمد.
در این وضعیت پیچیده اما رایج است که ظرفیت الگوریتم رنک‌برین ضروری به نظر می‌رسد. این تنها با توانایی محاسبه ریاضی نتایج براساس الگوهایی است که الگوریتم یادگیری ماشین در رفتار جستجوگری «مورد توجه» قرار گرفته‌است که گوگل می‌تواند تعیین کند، برای مثال، اکثریت افرادی که به دنبال «محل المپیک» هستند می‌خواهند بدانند بازی‌های بعدی (چه تابستان و چه زمستان) کجا برگزار خواهند شد. بنابراین، در این مورد، جعبه پاسخ گوگل با ارایه موقعیت بازی‌های آتی برای اکثر جستجوگران مناسب خواهد بود.
با اینکه این جعبه پاسخ ممکن است هدف پشت پرده اغلب جستجوهای «موقعیت المپیک» را پوشش دهد، اما استثناهای قابل‌توجهی وجود دارند که گوگل باید به آن‌ها بپردازد. به عنوان مثال، اگر جستجو توسط یک کاربر در یک شهر المپیکی (مانند پیونگ چانگ) در هفته بازی‌ها انجام شود، گوگل ممکن است به جای آن پاسخ جهت گیری‌هایی را به سمت استادیومی که مراسم افتتاحیه در آن برگزار خواهد شد، فراهم کند. به عبارت دیگر، سیگنال‌هایی مانند موقعیت کاربر و تازگی محتوا باید در نظر گرفته شوند تا قصد و نیت را تفسیر کرده و نتایجی را که به احتمال زیاد جستجوگران را راضی می‌کند ارایه دهند.
با هدف یادگیری ماشین برای کامل کردن تفسیر کاربر در طول زمان، کار روی الگوریتم RankBrain در حال انجام است. جالب توجه است که پرس و جوی فرضی ما، «موقعیت المپیک»، که در آوریل ۲۰۱۷ در ایالات‌متحده انجام شد، این نتیجه جعبه پاسخ گوگل را باز می‌گرداند:
آیا این پاسخ نشان می‌دهد که ماشین بر این باور است که بیشتر افرادی که به دنبال این اصطلاح هستند هنوز نسبت به رویداد بعدی یعنی بازی‌های زمستانی سال ۲۰۱۸ پیونگ چانگ بیشتر به بازی‌های تابستانی سال ۲۰۱۶ ریودوژانیرو علاقه دارند؟ آیا الگوریتم رنک‌برین در اینجا براساس الگوهایی که محاسبه کرده‌است، موفق بوده است؟ یا هنوز «در حال کار» است، و از ابهام سوال ما مطمئن نیست که آیا ما یک پاسخ قدیمی‌تر، محبوب، یا نگاهی تازه به آینده را می‌خواهیم؟ و اگر ما بتوانیم همین پرس‌وجو را در ژانویه ۲۰۱۸ انجام دهیم، جواب آن چه خواهد شد؟ آیا در آن زمان پاسخ به این پرسش «پیونگ چانگ» را نشان می‌دهد چون سیگنال‌های مربوط به این رویداد تا آن زمان تشدید شده‌اند؟
از آنجا که میزان و تفاوت‌های تاثیر الگوریتم رنک‌برین بر نحوه کار الگوریتم جستجوی پایه گوگل هنوز به طور کامل مشخص نشده است، یکی از بهترین روش‌های یادگیری بیشتر در مورد این که چگونه رنک‌برین کار می‌کند، مشاهده این است که گوگل اغلب به سوالات مختلف شما با پاسخ‌های رضایت‌بخش پاسخ می‌دهد. چند بار تاحالا منظور شما را درست درک کرده است؟
آیا رنک‌برین روش انجام SEO را تغییر می‌دهد؟
رنک‌برین بسته به پیچیدگی و مدرن بودن مهارت‌های SEO شخصی شما، ممکن است یک تغییر کوچک یا بزرگ را در نظریه‌ها و روش‌های شما نشان دهد. کارشناس معتبر حق اختراع، بیل اسلاوسکی، مثال روشنگر زیر را ارایه کرده است که چرا رنک‌برین در محیط جستجو ضروری است:
«برای روستاییان خرک، کره‌ی حیوانی چهار پا است، برای نجارها هم خرک چهار پا دارد، اما در مزارع زندگی نمی‌کند یا علف نمی‌جود، برای یک ژیمناست خرک چیزی است که معتقدم روی آن لنگر می‌اندازید؛ با استفاده از الگوریتم رنک‌برین، مفاهمیم مهم می‌شوند و اطمینان از اینکه بتوانید مفهوم را درک کنید احتمالا کلید بهینه‌سازی این رویکرد یادگیری ماشین است.»
ویزارد از وبلاگ موز رند فیشکین بر نیاز به SEO ها در هر سطحی برای درک سه مفهوم ضروری در محیط رنک‌برین تاکید می‌کند:
۱. سیگنال‌ها رتبه‌بندی مختلف برای پرس و جوهای مختلف اعمال می‌شوند
قبل از رنک‌برین، بهینه‌سازی صفحه وب سایت با ارزیابی تمام سیگنال‌های سنتی (تنوع لینک، عمق محتوا، تطبیق کلمه کلیدی، و غیره) ممکن بود مناسب باشد. پس از رنک‌برین، SEO کارها باید نوع محتوایی را تعیین کنند که به بهترین شکل پاسخگوی نیازهای کاربران باشد. برای چیزی مثل یک طوفان ناگهانی، شما به تازگی محتوا بیش از لینک‌هایی که یک قطعه ممکن است به دست آورده باشد، اهمیت می‌دهید. برای چیزی مانند تاریخ موسیقی بومی آمریکا، شما به عمق محتوا، و احتمالا موضوعات مرتبطی که دامنه شما پوشش می‌دهد، به عنوان مرجع سیگنال دهی تکیه خواهید کرد. بدانید که الگوریتم های یادگیری ماشین که رنک‌برین را هدایت می‌کنند سیگنال‌های مطابق با هدف جستجو هستند و SEO کارها نیز باید این کار را انجام دهند.
۲. سیگنال‌ها در شهرت وب سایت شما اثر می‌کنند
به‌سازی وب‌سایت برای موتورهای جستجو به دنبال این است که شهرت برند شما را به عنوان منبعی قابل‌اعتماد توسط موتورهای جستجو و کاربران انسانی برای ارائه یک تجربه خاص، افزایش دهد. مزایای ایجاد چنین شهرتی می‌تواند شامل رتبه‌بندی خوب کلمات کلیدی مهم برای شما باشد. آیا برند شما نیاز دارد که شهرت خود را براساس تازگی، عمق، تنوع لینک‌های بدست‌آمده، تعامل بالای کاربر، یا سیگنال‌های دیگر ایجاد کند؟ پاسخ به موضوعاتی که پوشش می‌دهید بستگی دارد (به عنوان مثال، امتیازات رویدادهای ورزشی در زمان واقعی در مقابل یک دوره آنلاین در یادگیری زبان اسپانیایی). آیا جستجوها را می‌توانید رتبه‌بندی کنید تا به دنبال پاسخ‌های سریع، کوتاه و یا اکتشافات عمیق باشید؟ با گذشت زمان، دامنه شما باید براساس سیگنال‌هایی که می‌خواهد خدمات ارایه کند، شهرت به دست آورد، با درک اینکه رنک‌برین محیطی را ایجاد می‌کند که در آن برند شما می‌تواند برای تحویل نوع خاصی از محتوا که نیاز خاصی را برآورده می‌کند، شناخته شود.
۳. تک کلمه کلیدی – تک صفحه واقعا مرده است
احتمالا می‌دانید که ایجاد صفحه‌ای برای «اسپاچولا»، یکی دیگر برای «اسپاچولاها»، دیگری برای «اسپاچولای آشپزخانه»، دیگری برای «گردانده پنکیک ترنر» و دیگری برای «کفشک فلزی»، اسب پیر و خسته‌ای است که باید به چراگاه برده شود. SEO کارهای مدرن همه این عبارت‌ها (و نشانی‌های اینترنتی مرتبط با آن‌ها) را به یک قطعه منفرد از محتوای کامل ترکیب می‌کند که زبان طبیعی، از جمله عبارات کلمات کلیدی متنوعی که شیوه جستجو و صحبت انسان‌ها را نشان می‌دهند را در بر گیرد. این خبر جدیدی برای اغلب SEO کارهای آگاه نیست، اما ظهور رنک‌برین بر حکمت تمرکز بر روی کل مفاهیم کلید واژه با محتوای جامع تاکید دارد، به جای این که چندین صفحه را برای پوشش انواع مختلف مانند «ویجت» در مقابل «ویجت‌ها» ایجاد کند.
حقایق دیگر در مورد الگوریتم رنک‌برین
- رنک‌برین به عنوان بخشی از الگوریتم کلی مرغ مگس‌خوار گوگل ذکر شده‌است.
- در سال ۲۰۱۵ گوگل اعلام کرد که رنک‌برین برای پردازش ۱۵٪ از پرس و جوهایی که سیستم قبلا با آن‌ها مواجه نشده بود، استفاده می‌شود. از سال ۲۰۱۶ گوگل از رنک‌برین برای تمام پرس و جوها استفاده می‌کند.
منبع: سایت Moz
