راهنمای کامل الگوریتم رتبه مغز گوگل
Google RankBrain چیست؟ چگونه کار می کند؟ آیا می توانید برای آن بهینه سازی کنید؟ در اینجا همه چیزهایی که باید در مورد الگوریتم RankBrain گوگل بدانید آمده است.
در سال 1996، ایده پیوندها به عنوان یک سیگنال رتبه بندی، جستجو را با آنچه به رتبه صفحه گوگل تبدیل می شد، متحول کرد.
به همین دلیل است که دهه گذشته سهم بازار جستجو به این صورت است:
سهم بازار جهانی Statista از موتورهای جستجو
اتفاقات زیادی افتاده است، و از آن زمان تغییرات و سئو سایت اصفهان الگوریتمهای عظیمی معرفی شدهاند، اما بدون شک هیچ کدام به اندازه RankBrain مهم نیستند.
همانطور که در زیر بحث خواهیم کرد، این تنها به دلیل تأثیر آن بر نتایج نیست (اگرچه مسلماً در آنجا نیز برنده می شود) بلکه به معنای آن است - یادگیری ماشین برای اولین بار در آنچه ما به عنوان جستجو فکر می کنیم معرفی شد.
RankBrain چیست؟
RankBrain سیستمی است که توسط آن گوگل بهتر میتواند هدف احتمالی کاربر از یک عبارت جستجو را درک کند. در بهار 2015 عرضه شد، اما تا 26 اکتبر همان سال اعلام نشد.
در ابتدا، RankBrain برای پرس و جوهایی اعمال شد که گوگل قبلا با آنها مواجه نشده بود و در آن زمان و هنوز هم وجود دارد، حدود 15? از کل جستجوها. از آنجا گسترش یافت تا بر همه نتایج جستجو تأثیر بگذارد.
در هسته خود، RankBrain یک سیستم یادگیری ماشینی است که از مرغ مگس خوار ساخته شده است، که گوگل را از یک محیط "رشته ها" به "چیزها" رساند.
یعنی از «خواندن» کاراکترهای تحت اللفظی، و در عوض «دیدن» موجودیتی که آنها نمایندگی میکنند، گرفته شده است.
نکته ای سریع درباره موجودیت ها و چیزهایی که روی رشته ها هستند
برای نشان دادن این پیشرفت مهم و نقش آن در RankBrain، به سادگی باید شخصیت هایی را که نام یکی از دوستان و همسالان من را تشکیل می دهند، در نظر بگیریم:
تا قبل از مرغ مگس خوار، گوگل آن کاراکترها و مجموعهای از 2 کلمه و 13 کاراکتر را میدید که به ترتیب مرتب شده و به اندازه کافی در یک صفحه استفاده میشد، آن را برای رشته جستجوی «jason barnard» مرتبط میکرد.
واقعاً این می تواند هر جیسون باشد، این مهم نبود.
آنها بر پیوندها و چند سیگنال دیگر تکیه کردند تا "مرتبط" ترین آنها را آشکار کنند، بدون اینکه بفهمند جیسون کیست یا چیست.با مرغ مگس خوار، دوست من دیگر مجموعه ساده ای از شخصیت ها نیست، بلکه به موجودیت تبدیل شده است:
نتایج جستجو و خرید گوگل خود را محک بزنید
CPC، CTR و موارد دیگر را با صنعت خود مقایسه کنید. ببینید CVR، AOV، نرخ پرش و سایر KPIهای شما چگونه روی هم قرار می گیرند. مقایسه عملکرد برای هر کانال.ما نمیتوانیم در این مقاله با جزئیات زیاد به نهادها بپردازیم، اگرچه میتوانید در اینجا درباره آنها بخوانید.اما به طور خلاصه، آنچه در مورد مرغ مگس خوار برای عملکرد RankBrain ضروری بود، این بود که گوگل این عبارت را نبیند:جیسون بارنارد دوست دیو دیویس است که پیراهن های قرمز را دوست دارد و یک بازاریاب دیجیتال است.
و صرفاً آن را به عنوان مجموعه ای از شخصیت ها که باید مرتب شوند و با پرس و جو سنجیده شوند، تفسیر می کنند.در حالی که بسیار پیشرفته بودند، اساساً در پاسخ به این سؤال گیر کردند: «جیسون بارنارد» چند بار در متن و در پیوندهای آن متن ظاهر میشود؟با فرض اینکه پرس و جو دوباره «جیسون بارنارد» باشد، با مرغ مگس خوار، این جمله برای گوگل بیشتر شبیه به این خواهد بود:
هر موجودیت اصلی با یک Machine ID نشان داده می شود.این شناسه ها برای هر یک منحصر به فرد هستند - و هیچ دو نهادی دارای شناسه یکسان نیستند.من عمداً خودم را به جمله اضافه کردم تا نشان دهم که همیشه کامل نیست.نام من بسیار رایج است، و «دیو دیوی» برجستهتر از من وجود دارد (میدانم، میدانم... باورش سخت است).
به دلیل پیشینه جیسون در موسیقی، گوگل به راحتی میتواند بدون زمینه اضافی فرض کند که دیو دیویزی که جیسون با آن دوست بود، دیو دیویس (/m/01pwfk) از The Kinks (/m/08w4pm) است.
گوگل از طریق نهادهای دیگر در صفحه و سایر اتصالات در وب توضیح میدهد. اما این داستان دیگری است، برای یک روز دیگر.
آنچه در زمینه RankBrain مهم است این است که با مرغ مگس خوار، گوگل (/m/045c7b) اکنون دنیا را به عنوان مجموعه ای از چیزها و نه رشته ها درک می کند.
بازگشت به RankBrain
با کمی در مورد موجودیتها، میتوانیم به RankBrain برگردیم.
RankBrain در هسته خود را می توان به عنوان یک سیستم پیش غربالگری در نظر گرفت.
هنگامی که یک پرس و جو در گوگل وارد می شود، الگوریتم جستجو در تلاش برای نمایش بهترین محتوا، در بهترین قالب(ها)، پرس و جو را با هدف شما مطابقت می دهد.
اگر گوگل قصد شما را نداند؟
چرا گوگل RankBrain را معرفی کرد؟
RankBrain در ابتدا برای رفع یک مشکل ساده اما بزرگ راه اندازی شد.
گوگل 15 درصد از پرس و جوها را مورد استفاده قرار نداده بود، و به همین دلیل هیچ زمینه ای برای آنها وجود نداشت، و نه تجزیه و تحلیل گذشته برای تعیین اینکه آیا نتایج آنها در برآورده کردن هدف کاربر خوب است یا خیر.
RankBrain را وارد کنید.
این سیستم به جای رشته ها به چیزها نگاه می کند.
RankBrain همچنین زمینههای محیطی (مثلاً مکان جستجوگر) را در نظر میگیرد و معنای جایی که انجام شده است را برونیابی میکند.
این می تواند یک فرآیند ساده برای درک این موضوع باشد که ترتیب کلمات ممکن است تابعی از فرآیند جستجو باشد و نه هدف.
چه کسی در میان ما یک پرس و جو را صرفاً با زدن یک یا دو کلمه اصلاح نکرده است.
قبل از اینکه وارد آن شوم، گوگل مطمئناً دیده است:
“پیتزا ویکتوریا قبل از میلاد مسیح”
اما وقتی مجموعهای را که میخواستم برنمیگردانم، ممکن است شروع به اضافه کردن شرایط کنم و در نتیجه سؤالی بیشتر شبیه به:
“پیتزا ویکتوریا بی سی سبزیجات با پوسته نازک”
احتمال زیادی وجود دارد که گوگل آن پرس و جوی خاص را ندیده باشد، اما از آنجایی که آنها به چیزها نگاه می کنند نه رشته ها، می دانند که پرس و جو مشابه خواهد بود، اگر نه یکسان، مانند:
پیتزای گیاهی با پوسته نازک ویکتوریا قبل از میلاد مسیح
پیتزای گیاهی با پوسته نازک در نزدیکی من
یا با صدا:
"OK Google، از کجا می توانم یک پیتزای گیاهی با پوسته نازک تهیه کنم؟"
RankBrain چگونه کار می کند؟
جای تعجب نیست که گوگل هرگز نحوه عملکرد RankBrain را مشخص نکرده است.
با این وجود، میتوانیم حدسهای درستی در مورد آنچه در پشت صحنه میگذرد داشته باشیم.
تابع جستجوی جدید
همانطور که در بالا مورد بحث قرار گرفت، ما باید از فکر کردن با عباراتی که میفهمیم دست برداریم و مانند یک ماشین فکر کنیم.
جایی که ممکن است ببینم:
“پیتزا ویکتوریا قبل از میلاد مسیح”
گوگل می بیند:
/m/0663v /m/07ypt
این به طرز چشمگیری همه چیز را تغییر می دهد. "ویکتوریا بی سی" دو چیز نیست، بلکه یک چیز است.
هنگام مقایسه مکان های دیگر برای:
https://onlineproofing.home.blog/2022/02/14/parsianandishseo/ |