• تاریخ : جمعه 29ام دی 1396
  • به قلم : administrator
  • تعداد دفعات نمایش این مطلب : 333 نمایش
  • نظرات این مطلب : 0

Rank Brain گوگل چیست؟


گوگل رنک برین - RankBrain

گوگل وجود Rank Brain را در تاریخ  26 اکتبر 2015 تایید کرد! Rank Brain یکی از مولفه های الگوریتم هسته ی گوگل است که از یادگیری ماشینی (توانایی ماشین ها در یادگیری از روی داده های ورودی) برای تعیین بهترین نتایج  پرس وجوهای موتور جستجو استفاده می کند. گوگل قبل از Rank Brain برای تشخیص اینکه کدام نتایج را برای یک پرس وجو نمایش دهد از الگوریتم اولیه خود استفاده می کرد. به نظر می رسد Rank Brain یک مدل تفسیری است. این مدل می تواند از عوامل ممکن مانند مکان جستجوکننده، مسائل شخصی و کلمات پرس وجو برای تعیین منظور واقعی جستجوکننده استفاده کند. گوگل با تشخیص منظور واقعی می تواند نتایج بهتری ارائه کند. 


جنبه ی یادگیری ماشین در RankBrain چیزی است که آن را از به روزرسانی های دیگر متمایز می کند. گوگل برای اینکه الگوریتم RankBrain "یاد بگیرد" نتایج مفیدی برای جستجو تولید کند، ابتدا داده های چند منبع مختلف را به آن "وارد می کند". سپس الگوریتم با گذشت زمان داده ها را محاسبه کرده، و یاد می گیرد انواع سیگنال ها را با انواع نتایج تطبیق دهد و رتبه های موتور جستجو را بر اساس این محاسبات مرتب کند. 


درک صحیح از Rank Brain


برای درک صحیح Rank Brain می توانیم پا در کفش گوگل کرده، و سعی کنیم منظور یک پرس وجو ساده مانند "مکان المپیک" را درک کنیم.

منظور واقعی این جستجو چیست؟

جستجو کننده می خواهد در مورد بازی های المپیک تابستانی بداند یا زمستانی؟ منظورش المپیک های قبلی بوده یا المپیک هایی که در سال های آتی برگزار می شود؟ آیا منظورش المپیکی است که در حال حاضر برگزار می شود، و در حالی که در هتل نشسته به دنبال مسیر رفتن به مکان مراسم افتتاحیه می گردد؟ آیا ممکن است به دنبال اطلاعات تاریخی در مورد مکان اولین المپیک  در یونان باستان باشد؟ 

حال تصور کنید برای پاسخ به این سوال از الگوریتمی استفاده کنید که فقط سیگنال ساده ای مانند کیفیت محتوا یا تعداد لینک های یک بخش از محتوا را برای رتبه بندی نتایج جستجو در نظر بگیرد. فرض کنید بازی های زمستانی سوچی در روسیه در ماه گذشته برگزار شده و وبسایت رسمی المپیک سوچی به دلیل محتوایی که در مورد این رویداد دارد، میلیون ها لینک به دست آورده است. حتی اگر جستجوکننده بخواهد مکان المپیک زمستانی بعدی را در پیونگ یانگِ کره جنوبی بداند، اگر الگوریتم شما ساده باشد ممکن است فقط نتایج مربوط به بازی های سوچی را نشان دهد زیرا بیشترین لینک را دارند. 


در اینگونه موقعیت های پیچیده ولی رایج، قابلیت Rank Brain ضروری به نظر می رسد. گوگل فقط با انجام محاسبات ریاضی  روی نتایج می تواند تشخیص دهد که مثلاً، بیشتر افرادی که "مکان المپیک" را جستجو می کنند می خواهند بدانند بازی های بعدی (زمستانی یا تابستانی) کجا برگزار خواهد شد. این محاسبات بر اساس الگوریتم یادگیری ماشین انجام می شوند که رفتار جستجوگر را "در نظر می گیرد". پس در این مورد پاسخ گوگل شامل مکان بازی های بعدی است که پاسخگوی نیاز اکثر افراد است. 


با اینکه این پاسخ نیاز بیشتر افرادی را که به دنبال "مکان المپیک" هستند برطرف می کند، اما استثناهایی هم وجود دارد که گوگل باید آنها را در نظر بگیرد. مثلاً اگر کاربری که برای یک هفته به شهر برگزاری المپیک (مانند پیونگ یانگ) سفر کرده است این جستجو را انجام داده باشد، گوگل باید مسیرهای منتهی به ورزشگاهی که مراسم افتتاحیه در آن برگزار می شود را به او نشان دهد. به عبارت دیگر برای تفسیر منظور کاربر و ارائه نتایجی که با احتمال بیشتری جستجوکننده را راضی کند، نکاتی مانند مکان کاربر و تازگی محتوا نیز باید مد نظر قرار گیرد.


* RankBrain درحال پیشرفت است، و هدف آن این است که با گذشت زمان، از طریق یادگیری ماشین درک گوگل را در مورد مقصود جستجوکنندگان ارتقا دهد. جالب است که پرس وجوی فرضی ما یعنی "مکان المپیک"، در آوریل 2017 در ایالات متحده انجام شده و نتایج گوگل برای آن به این شکل بوده است: 

گوگل رنک برین - RankBrain نتایج جستجو

 


آیا این نتایج نشان می دهد از نظر ماشین، بیشتر افرادی که این عبارت را جستجو می کنند به بازی های تابستانی ریودوژانیرو در سال 2016 بیشتر از المپیک بعدی یعنی بازی های زمستانی پیونگ یانگ در 2018 علاقه دارند؟ RankBrain در اینجا بر اساس الگوهایی که خودش محاسبه کرده عمل نموده است یا هنوز "در حال پیشرفت" است و به دلیل ابهام پرس وجو مطمئن نیست که ما یک جواب قدیمی و محبوب می خواهیم یا یک جواب تازه که در مورد آینده است؟ اگر در ژانویه 2018 این سوال را بپرسیم پاسخ گوگل چیست؟ آیا نتایج، پیونگ یانگ را نشان می دهند زیرا سیگنال محیطی این رویداد با گذشت زمان تشدید شده است؟


به دلیل اینکه گستره و ظرافتِ تاثیر Rank-Brain بر عملکرد الگوریتم جستجوی هسته ی گوگل کاملاً مشخص نیست، یکی از بهترین روش ها برای فهمیدن نحوه کار Rank-Brain این است که ببینید گوگل چگونه به انواع پرس وجوها پاسخ های راضی کننده می دهد و هر چند وقت یکبار منظور شما را به درستی درک می کند.


آیا Rank Brain روش SEO را تغییر می دهد؟


ممکن است Rank-Brain تغییرات کم یا زیادی در روش های تئوری و عملی شما در SEO ایجاد کند و این به پیچیدگی و مدرن بودن مهارت های شخصی شما در این مورد بستگی دارد. Bill Slawski که یک متخصص معتبر است، مثال زیر را مطرح کرده است تا نشان دهد چرا Rank-Brain در محیط جستجو لازم است. 

"از نظر یک سوارکار، اسب یک حیوان بزرگ است که چهار پا دارد. از نظر یک نجار، اسب چهار پا دارد اما در مزرعه  زندگی نمی کند یا یونجه نمی خورد. از نظر یک ژیمناستیک کار، اسب چیزی است که می توانید با آن بپرید؛ زمینه  جستجو در RankBrain اهمیت دارد، و باید بدایند که زمینه ذهنی، یک نکته کلیدی برای بهینه سازی این روش یادگیری ماشین است."


Moz Rand Fishkin تاکید می کند که برای درک سه مفهوم اصلی در محیط RankBrain به SEO نیاز داریم:


1- در پرس وجوهای مختلف از سیگنال متفاوتی برای رتبه بندی استفاده می شود.

قبل از Ran kBrain بهینه سازی صفحه ی وبسایت با بررسی سیگنال سنتی (مانند تنوع، عمق محتوا، تطبیق کلمات کلیدی و غیره) ارزیابی می شد. پس از Rank Brain   SEOها باید نوع محتوایی را که برای نیازهای کاربر مناسب تر است، تشخیص دهند. در مواردی مانند طوفان ناگهانی، افراد به دنبال محتوای تازه هستند نه لینک هایی که ممکن است زمانی اتفاق افتاده باشد. در مواردی مانند تاریخچه ی موسیقی بومی آمریکا، باید بر عمق محتوا و احتمالاً عناوین مرتبطی که این دامنه پوشش می دهد (اعتبار سیگنال) تکیه کنیم. می دانیم که الگوریتم های یادگیری ماشینِ RankBrain، سیگنال را با محتوای پرس-وجو تطبیق می دهند و SEOها نیز باید همین کار را انجام دهند. 


2- سیگنالی که برای شهرت وبسایت شما به کار می روند

هدف SEO این است که شهرت نام تجاری شما یک منبع قابل اعتماد برای موتورهای جستجو و کاربران باشد. یکی از مزایای این شهرت این است که برای کلمات کلیدی ای که برای شما اهمیت زیادی دارند، رتبه خوبی به دست می آورید.

آیا شهرت نام تجاری شما باید بر اساس تازگی، عمق، تنوع لینک ها و مشارکت بالای کاربران باشد، یا سیگنال دیگر؟ پاسخ این سوال به موضوعاتی که شما پوشش می دهید بستگی دارد (مثلاً اخبار بلادرنگ رویدادهای ورزشی در مقایسه با دوره آنلاین آموزش زبان اسپانیایی). میخواهید نام تجاری شما برای درخواست های سریع، پاسخ های کوتاه یا بررسی عمیق رتبه بندی شود؟ با گذشت زمان باید در زمینه مواردی که می خواهید پاسخگو باشید، شهرت پیدا کنید، زیرا RankBrain محیطی می سازد که درآن، نام تجاری شما به دلیل ارائه نوع خاصی از محتوا که نیازهای خاصی را برطرف می کند، شناخته خواهد شد. 


3- "یک کلمه کلیدی در هر صفحه" ایده واقعا بدی است

احتمالاً می دانید که ایجاد یک صفحه برای کلمه "لپ تاپ"، یک صفحه دیگر برای "لپ تاپ ها"، یکی برای "کیبورد کامپیوتر"، یکی برای "کیبورد لپ تاپ"، و یک صفحه دیگر برای "کیبورد نوت بوک" ایده قدیمی و بسیار بدی است. SEOی مدرن تمام این عبارات (و URLهای مربوط به آنها) را در یک بخش از کل محتوا ترکیب می کند. این بخش از زبان طبیعی استفاده می کند و شامل عبارات کلیدی متنوعی است که روش جستجو و گفتگوی انسان را نشان می دهند. این موضوع برای بسیاری از متخصصان SEO جدید نیست اما ظهور Rank Brain بیشتر این موضوع را روشن کرده است که باید به جای ایجاد چندین صفحه برای پوشش انواع کلمات مرتبط با یک موضوع (مانند "widget" و "widgets") باید بر مفاهیم کلیدیِ کلی با محتوای جامع تمرکز کنیم.


موضوعات دیگری در مورد Rank Brain

Rank-Brain به عنوان بخشی از الگوریتم کلی Hummingbird گوگل ثبت شده است. 

در سال 2015 گوگل اعلام کرد که از Rank-Brain برای پردازش 15 درصد از پرس وجوهایی که تا به حال سیستم با آنها مواجه نشده بود، استفاده کرده است. در سال 2016 گوگل از Rank-Brain برای تمام پرس وجوها استفاده کرده است. 

در مقاله بعدی نحوه به کار گیری صحیح از Rank-Brain را بیشتر شرح خواهیم داد و تکنیک های کاربردی تری را ارائه خواهیم کرد.


برای ارسال نظر شما باید وارد حساب خود شوید.