الگوریتم‌های گوگل: چرا نباید با الگوریتم RankBrain گوگل شوخی کرد؟

در شماره قبل به این نکته اشاره داشتیم که الگوریتم RankBrain یکی از مهم‌ترین الگوریتم‌های گوگل است که بر سئو سایت‌ها تأثیر دارد. به بیان دقیق‌تر، اگر به نکاتی که این الگوریتم روی آن‌ها حساس است دقت کنید شانس دیده شدن مطالب‌تان بیشتر می‌شود.

چرا الگوریتم مذکور اهمیت زیادی دارد؟ زیرا از هوش مصنوعی و یادگیری ماشین برای ارزیابی محتوای منتشر شده روی اینترنت استفاده می‌کند. بد نیست بدانید، اگر ویدیویی روی یوتیوب بارگذاری کنید الگوریتم‌های گوگل تنها در مدت زمان 10 دقیقه آن‌را شناسایی می‌کنند و در فهرست نتایج جست‌وجوها به کاربران نشان می‌دهند.

بر مبنای این تعریف مشاهده می‌کنیم که هرگونه محتوایی که روی اینترنت بارگذاری می‌کنید این الگوریتم‌ها در کوتاه‌ترین زمان قادر به شناسایی آن‌ها هستند و در کسری از ثانیه، محتوا و صفحه وب را بررسی می‌کنند و اگر صفحه معیارهای لازم را داشته باشد، آن‌را به عنوان یکی از نتایج قابل اعتماد به کاربران نشان می‌دهند.

ازدواج با کلمات

دانش و فناوری بامداد ارائه می‌کند: کارگاه آموزش کپی‌رایتینگ – کار و بار با کلمات 

در این میان نقش الگوریتم RankBrian گوگل بیشتر از نمونه‌های مشابه است.

RankBrain چیست؟

RankBrain یک الگوریتم ادراک‌پذیر یادگیری ماشین است که می‌تواند حجم گسترده‌ای از داده‌های غیر قابل فهم را به داده‌های کمی و برداری تبدیل کند تا امکان تحلیل آن‌ها فراهم شود. گوگل می‌گوید نزدیک به 15 درصد از جست‌وجوهایی که روزانه انجام می‌شوند جدید هستند، به این معنا که کاربران جدیدی ممکن است در جست‌وجوی محتوایی باشند که سال‌ها قبل روی اینترنت بارگذاری شده‌اند.

به‌طور مثال، روزانه کاربران جدیدی عبارت‌هایی مثل سئو چیست، چگونه بازاریاب دیجیتال شویم و نمونه‌های مشابه را جست‌وجو می‌کنند. کاری که الگوریتم RankBrain انجام می‌دهد این است که جست‌وجوهای جدید را به عنوان ورودی دریافت می‌کند و خروجی مناسب را بر مبنای جست‌وجوی قبلی کاربران ارایه می‌کند.

در این سازوکار پیچیده تنها سایت‌هایی موفق هستند که در گذشته بازخوردهای خوبی از کاربران به‌دست آورده‌اند و به RankBrain ثابت کرده‌اند محتوای یک صفحه وب ارزش ارایه به کاربران دیگر را دارد.

آمار‌ها نشان می‌دهند به دلیل افزایش روزافزون گوشی‌های هوشمند، تعداد جست‌وجوی جدید بیشتر شده است. در این حالت RankBrain محاوره جست‌جو شده را دریافت می‌کند، آن‌را تحلیل می‌کند تا دلیل درج آن‌را پیدا کند و در ادامه، نتایج را از بانک اطلاعاتی خود که آدرس‌های اینترنتی وب‌سایت‌ها هستند به کاربران نشان می‌دهد.

تمامی این فرآیندها بر مبنای مفهومی به‌نام یادگیری ماشین انجام می‌شود. الگوریتم فوق به کلمات موجود در جست‌وجوی کاربر دقت می‌کند و معنای کلمات را تفسیر می‌کند. موقعیت جغرافیایی کاربر را بررسی می‌کند، تاریخچه جست‌وجوها را بررسی می‌کند، علایق کاربران در گذشته را نگه‌داری می‌کند و بر مبنای سنجه‌های دیگر گوگل اقدام به رتبه‌بندی نتایج جست‌وجو برای نمایش صفحات در صفحه اول گوگل می‌پردازد.

بر این مبنا باید بگوییم الگوریتم RankBrain مدلی با هدف تفسیر محاوره‌های جست‌وجو شده توسط کاربر است.

یادگیری ماشین چیست؟

یادگیری ماشین، علمی است که قدمت آن به بیش از نیم قرن باز می‌گردد. یادگیری ماشین در ساده‌ترین تعریف به توانایی کامپیوتر در انجام کارها بدون برنامه‌ریزی مشخص و تنها به لطف یادگیری اشاره دارد.

یادگیری ماشین روی ساخت الگوریتم‌های هوشمندی متمرکز است که قادرند پیش‌بینی‌هایی را بر مبنای داده‌ها و اطلاعات آماری انجام دهند. یادگیری ماشین در بسیاری از نرم‌افزارها استفاده می‌شود و الگوریتم RankBrain گوگل یکی از آن‌ها است.

یکی از مهم‌ترین سنجه‌هایی که الگوریتم فوق از آن استفاده می‌کند، تکنیک یادگیری قانون وابستگی یا ARL (سرنام Association Rule Learning) است. تکنیک فوق یکی از قوانین زیربنایی داده‌کاوی و در ارتباط با استخراج اطلاعات از پایگاه‌های داده است.

تکنیک فوق روابط بین متغیرهای مختلف را کشف می‌کند. الگوریتم RankBrain گوگل از این قانون برای ارایه نتایج جست‌وجوها استفاده می‌کند، به ویژه زمانی که برای یک واژه معنای مختلفی وجود داشته باشد. به طور مثال، اگر عبارت what is composition را گوگل کنید، ابتدا ترجمه گرامری جمله فوق نشان داده می‌شود، اما در پایین این صفحه پیشنهادات مرتبط را نشان می‌دهد که توسط کاربران دیگر وارد شده و همگی به لحاظ معنایی مرتبط با این عبارت هستند.

همان‌گونه که در شکل زیر مشاهده می‌کنید، الگوریتم فوق در بخش People also ask محاوره‌هایی که پیش‌تر توسط کاربران وارد شده و معنای محتوایی مشابهی دارند را نشان می‌دهد.

یادگیری ماشین در بسیاری از نرم‌افزارها استفاده می‌شود که الگوریتم RankBrain گوگل یکی از آن‌ها است.

یادگیری ماشین در بسیاری از نرم‌افزارها استفاده می‌شود که الگوریتم RankBrain گوگل یکی از آن‌ها است.

مباحث ARL کمی پیچیده هستند و در حوزه کاری متخصصان هوش مصنوعی و یادگیری ماشین است، با این‌حال چند مورد مهم وجود دارد که به عنوان یک متخصص سئو باید در مورد ARL بدانید، زیرا این مفاهیم به شکل گسترده در الگوریتم RankBrain به کار گرفته شده‌اند.

یشنهاد مقاله: بهبود سئوی سایت – با رعایت 13 نکته ساده، سئوی سایت خود را بهبود بخشید

پشتیبانی: پشتیبانی در ARL به اصل اندازه‌گیری نحوه نمایش یک عنصر در یک بازه زمانی مشخص در بانک اطلاعاتی اشاره دارد. در حالت کلی این مفهوم در حوزه سئو به مدت زمان حضور کاربر روی یک صفحه وب اشاره دارد. بنابراین این مفهوم را با چگالی جست‌وجوی کلمات کلیدی یا تعداد نمایش آن‌ها اشتباه نگیرید.

دقت: دقت در ARL به ارزیابی صحت نتایج الگوریتم در پیش‌بینی‌ها اشاره دارد. عملکرد این سنجه بر مبنای لغات وابسته به یکدیگر کار می‌کند. به‌طور مثال، اگر کاربری واژه پایتون را وارد کند، یک احتمال مشخص وجود دارد که به دنبال یادگیری پایتون است و دوست دارد نتایج جست‌وجو را بر مبنای این دیدگاه مشاهده کند. با این‌حال، فرض دیگری نیز وجود دارد که دوست دارد اطلاعاتی در ارتباط با پایتون به‌ دست آورد. کاری که الگوریتم RankBrain گوگل انجام می‌دهد این است که از قوانین وابستگی در نتایج جست‌وجو استفاده می‌کند تا محتمل‌ترین و مناسب‌ترین گزینه را به کاربر نشان دهد. به‌طور مثال، اگر هم اکنون واژه پایتون را گوگل کنید، صفحه‌ای همانند شکل زیر مشاهده می‌کنید.

هنگامی که الگوریتم فوق کلمه یا عبارت را مشاهده کند که آشنایی چندانی با آن ندارد، شروع به حدس زدن آن کلمه و عبارات مشابه می‌کند.

هنگامی که الگوریتم فوق کلمه یا عبارت را مشاهده کند که آشنایی چندانی با آن ندارد، شروع به حدس زدن آن کلمه و عبارات مشابه می‌کند.

 

همان‌گونه که مشاهده می‌کنید، ابتدا نتایج مربوط به آشنایی با پایتون و در ادامه لینک‌های مربوط به یادگیری و آموزش پایتون را مشاهده می‌کنید. اگر به این سه اصل مهم ARL در سئو دقت کنید، به راحتی قادر به خلق محتوایی تاثیرگذار بر الگوریتم RankBrain خواهید بود.

RankBrain و سئو چه ارتباطی با یکدیگر دارند؟

با توضیحاتی که ارایه کردیم، به احتمال زیاد، تصویر روشنی از تاثیرگذاری الگوریتم RankBrain بر سئو به دست آوردید. با این‌حال، هنوز هم نکات مهمی وجود دارد که باید به آن‌ها دقت کنید. پروژه RankBrain منحصر به زبان انگلیسی نیست و تقریبا تمامی زبان‌های زنده دنیا را پوشش می‌دهد.

این پروژه با هدف کمک به گوگل در نمایش بهتر نتایج در هنگام جست‌وجوها به کار گرفته شده تا کاربر بهترین تجربه کاربری را در زمان کار با گوگل دریافت کند و از جست‌وجوی خود نهایت استفاده را ببرد.

پروژه RankBrain چه ارتباطی با حوزه کاری متخصصان سئو دارد؟ در گذشته عملکرد الگوریتم‌های جست‌وجوی گوگل توسط مهندسان این شرکت مشخص می‌شود و این افراد مجبور بودند همواره کدها را ویرایش کنند و تغییراتی در الگوریتم‌های ریاضی اعمال کنند تا رتبه و جایگاه سایت‌ها در هنگام جست‌وجوها تعیین شود. این فرمول، ثابت بود و تا وقتی که به‌روزرسانی برای آن عرضه نمی‌شد بر مبنای یک مکانیزم مشخص کار می‌کرد.

با این‌حال، RankBrain به هسته اصلی موتور جست‌وجوی گوگل تبدیل شده و از سال  2016 به بعد این روند را تغییر داده است، به‌طوری که همواره نتایج جست‌وجوها را تغییر می‌دهد و به همین دلیل است که جایگاه سایت‌ها ثابت نیست. به همین دلیل به این نکته دقت کنید که اگر بر مبنای الگوهای ثابت اقدام به سئو سایت‌ها کنید به احتمال زیاد شانس موفقیت‌تان زیاد نخواهد بود، زیرا تکنیک‌های سئو قدیمی مثل تراکم کلمات کلیدی در یک مطلب، دیگر ملاک عمل نیستند و چه بسا ممکن است امتیاز منفی برای یک صفحه وب پدید آورند.

چگونه فرآیند بهینه‌سازی و سئو سایت را منطبق با RankBrain انجام دهیم؟

اکنون به پرسش مهم این مطلب می‌رسیم که چگونه خود را با الگوریتم فوق هماهنگ کنیم؟ اکنون که تا حدودی با مفهوم RankBrain آشنا شدید و متوجه شدید که الگوریتم مذکور نقش کلیدی در بهبود سئو دارد، بد نیست در خط‌مشی‌های سئو سایت خود تجدیدنظر کلی انجام دهید.

به ویژه سایت‌هایی که سئو آن‌ها مبتنی بر بک‌لینک هستند و گوگل در این زمینه حساسیت زیادی دارد. اولین نکته‌ای که باید به آن دقت کنید این است که RankBrain عملکردی متفاوت نسبت به پاندا و پنگوئن دارد. در الگوریتم‌های مذکور، سئوکاران به خوبی می‌دانستند که چه عواملی باعث می‌شود تا یک سایت یا صفحه وب در معرض پنالتی گوگل قرار بگیرید و بر مبنای رعایت یکسری نکات از بروز این مشکل پیشگیری می‌کردند.

با این‌حال، نکته مهمی که باید در مورد RankBrain بدانید این است که این الگوریتم به جای آن‌که یک مدل ثابت ریاضی باشد، یک مدل مفهومی است و نمی‌توان وب‌سایتی را متناسب با آن طراحی کرد. با این‌حال، اگر به موارد زیر دقت کنید شانس بیشتری برای همسو شدن با الگوریتم فوق دارید.

صفحات Doorway Pages عملکرد سابق را ندارند

همان‌گونه که بارها اشاره کردیم، تکنیک ساخت یک صفحه وب با تمرکز بر یک کلمه کلیدی خاص و ساخت صفحات زیادی که مرتبط با آن کلمه کلیدی هستند و در اصطلاح رایج به آن‌ها Doorwar Pages گفته ‌می‌شد دیگر کارایی سابق را ندارند یا بهتر بگوییم منسوخ شده‌اند.

گوگل برای شناسایی و حذف این صفحات از الگوریتم مرغ مگس‌خوار استفاده می‌کند. جالب آن‌که الگوریتم مرغ مگس‌خور از قدرت محاسباتی RankBrain نیز استفاده می‌کند تا یک چنین صفحاتی هیچ‌گاه در نتایج جست‌وجوها ظاهر نشوند و کاربران آن‌ها را مشاهده نکنند.

به‌کارگیری کلمات کلیدی به این شکل، تنها زمانی نتیجه مطلوب را دارد که به شکل منطقی از آن‌ها استفاده شود و محتوا و آدرس اینترنتی نیز با آن هماهنگ باشد. در نهایت تجربه کاربری نقش مهمی در این زمینه دارد.

یشنهاد مقاله: بازاریابی دیجیتال چیست و چرا همه به دنبال یادگیری آن هستند؟

جست‌وجوهای مختلف معیارهای طبقه‌بندی مختلفی دارند

الگوریتم RankBrain باعث شده تا معیارهای طبقه‌بندی کلمات کلیدی و محاوره‌های جست‌وجو یکسان نباشند و هر یک وزن مختلفی داشته باشند. به بیان دقیق‌تر مفهوم کلمات کلیدی بر مبنای عبارات جست‌وجو ارزیابی می‌شود.

بنابراین این امکان وجود ندارد تا یک دستور مشخص را برای هر عبارت و کلمه کلیدی استفاده کرد. به همین دلیل است که امروزه جایگاه سئوکاران در شرکت‌ها تغییر کرده و کارشناسان برجسته بازاریابی به شرکت‌ها توصیه می‌کنند سئوکارانی را جذب کنند که آشنا با حوزه فعالیت آن شرکت هستند.

هنگامی که این الگوریتم گوگل کلمه یا عبارت را مشاهده کند که آشنایی چندانی با آن ندارد، شروع به حدس زدن آن کلمه و عبارات مشابه می‌کند. به همین دلیل است که توصیه می‌شود در یک مطلب به جای آن‌که تنها از یک کلمه کلیدی واحد استفاده کنید از کلمات مترادف نیز استفاده کنید. به‌طور مثال، اگر قرار است مطلبی در مورد روتر یا سوییچ بنویسید، باید در بخش‌های مختلف مطلب به تناوب از جایگزین‌هایی مثل مسیریاب، راهگزین، Router و Switch نیز استفاده کنید تا RankBrain به شکل دقیق مفهوم مطلب را متوجه شود.

برای آن‌که شناخت بهتری از عملکرد این الگوریتم داشته باشید به مثال زیر دقت کنید. در این مثال منظور کاربر یادگیری پایتون است، الگوریتم RankBrain ، این مفهوم را به خوبی درک کرده و نتایج مناسبی در اختیارش قرار می‌دهد.

هنگامی که الگوریتم فوق کلمه یا عبارت را مشاهده کند که آشنایی چندانی با آن ندارد، شروع به حدس زدن آن کلمه و عبارات مشابه می‌کند.

هنگامی که الگوریتم، کلمه یا عبارت را مشاهده کند که آشنایی چندانی با آن ندارد، شروع به حدس زدن آن کلمه و عبارات مشابه می‌کند.

ساختار لینک‌های داخلی

گوگل به صراحت به این نکته اشاره دارد که لینک‌های داخلی درون یک مطلب نقش تاثیرگذاری در رتبه‌بندی دارند. علاوه بر این، مطلبی که از صفحه اصلی به آن لینک داده شده ارزش زیادی دارد. بهینه‌سازی لینک‌های داخلی سایت یکی از مهم‌ترین معیارهای ارزش‌گذاری صفحات توسط گوگل است. علاوه بر این، برای بهبود سطح تجربه کاربری باید از لینک‌‌های داخلی درست در بین صفحات و مطالب استفاده کرد.

نویسنده: حمیدرضا تائبی

ثبت ديدگاه