Wat is Google RankBrain?
DATUM GOOGLE BEVESTIGD BESTAAN VAN RANKBRAIN: 26 OKTOBER 2015
RankBrain is een onderdeel van het kernalgoritme van Google dat gebruikmaakt van machine learning (het vermogen van machines om zichzelf te leren van gegevensinvoer) om de meest relevante resultaten voor zoekopdrachten van zoekmachines te bepalen. Pre-RankBrain gebruikte Google zijn basisalgoritme om te bepalen welke resultaten voor een bepaalde zoekopdracht moeten worden weergegeven. Post-RankBrain wordt aangenomen dat de zoekopdracht nu door een interpretatiemodel gaat dat mogelijke factoren zoals de locatie van de zoeker, personalisatie en de woorden van de zoekopdracht kan toepassen om de ware bedoeling van de zoeker te bepalen . Door deze ware bedoeling te onderscheiden, kan Google relevantere resultaten leveren.
Het machine learning-aspect van RankBrain onderscheidt het van andere updates. Om het RankBrain-algoritme te “leren” om nuttige zoekresultaten te produceren, “voedt” Google het eerst met gegevens uit verschillende bronnen. Het algoritme neemt het vervolgens van daaruit over, berekent en leert zichzelf in de loop van de tijd om een verscheidenheid aan signalen te matchen met een verscheidenheid aan resultaten en om de rangschikking van zoekmachines te ordenen op basis van deze berekeningen.
RankBrain begrijpen
Om RankBrain duidelijk te conceptualiseren, kan het helpen om jezelf in de schoenen van Google te verplaatsen en te proberen de bedoeling van een zoekopdracht van een zoekmachine zoals ‘Olympische locatie’ te begrijpen.
Wat is de ware bedoeling van deze zoektocht? Wil de zoeker meer weten over de Olympische Zomer- of Winterspelen? Verwijzen ze naar een Olympische Spelen die net zijn afgelopen, of een die over vier jaar zal plaatsvinden? Is de zoeker op dit moment aanwezig bij de Olympische Spelen, zit hij in een hotel en zoekt hij een routebeschrijving naar de locatie voor de openingsceremonie? Zouden ze zelfs op zoek kunnen zijn naar historische informatie over de locatie van de allereerste Olympische Spelen in het oude Griekenland?
Stel je nu voor dat je bij het beantwoorden van deze vraag alleen maar simpele algoritmesignalen hebt, zoals de kwaliteit van de inhoud of het aantal links dat een stuk inhoud heeft verdiend om resultaten voor deze zoeker te rangschikken. Stel je voor dat de Winterspelen in Sochi, Rusland vorige maand net zijn afgelopen en dat de officiële website van de Olympische Spelen in Sochi miljoenen links heeft verdiend voor de inhoud over dit afgelopen evenement. Als uw algoritme simplistisch is, toont het mogelijk alleen resultaten over de Spelen van Sochi, omdat ze de meeste links hebben verdiend… zelfs als de zoeker eigenlijk hoopte de locatie van de volgende Olympische Winterspelen in Pyeongchang, Zuid-Korea, te weten te komen .
Het is in deze gecompliceerde maar veel voorkomende situatie dat de capaciteit van RankBrain als essentieel naar voren komt. Alleen door in staat te zijn resultaten wiskundig te berekenen op basis van patronen die het machine learning-algoritme heeft “gemerkt” in het zoekgedrag, kan Google bepalen dat bijvoorbeeld de meerderheid van de mensen die op zoek zijn naar “Olympische locatie” willen weten waar de volgende Spelen (of het nu zomer of winter is) zal worden gehouden. Dus in dit geval zal een Google-antwoordvak met de locatie van de komende Spelen erin voorzien in de meeste behoeften van zoekers.
Hoewel dat antwoordvak de bedoeling achter de meeste “Olympische locatie”-zoekopdrachten kan adresseren, zijn er opmerkelijke uitzonderingen die Google moet aanpakken. Als de zoekopdracht bijvoorbeeld wordt uitgevoerd door een gebruiker in een Olympische stad (zoals Pyeongchang) in de week van de spelen, kan Google in plaats daarvan een routebeschrijving geven naar het paviljoen waar de openingsceremonie zal worden gehouden. Met andere woorden, er moet rekening worden gehouden met signalen zoals de locatie van de gebruiker en de versheid van de inhoud om de bedoeling te interpreteren en de resultaten te leveren die de meeste zoekers tevredenstellen .
*RankBrain is een werk in uitvoering , met als doel machine learning om Google’s interpretatie van de intentie van de zoeker in de loop van de tijd te perfectioneren. Interessant is dat onze hypothetische zoekopdracht, ‘Olympische locatie’, uitgevoerd in de Verenigde Staten in april 2017, dit Google-antwoordvakresultaat oplevert:
Geeft dit aan dat de machine gelooft dat de meeste mensen die naar deze term zoeken nog steeds meer geïnteresseerd zijn in de Rio de Janeiro Zomerspelen 2016 dan in het volgende evenement, de Winterspelen van Pyeongchang 2018? Slaagt RankBrain hier, gebaseerd op patronen die het heeft berekend, of is het nog steeds ‘in de maak’, niet zeker van de vaagheid van onze vraag of we een ouder, populair antwoord willen, of een frisser antwoord dat naar de toekomst kijkt? En wat zou deze query opleveren als we hem in januari 2018 zouden kunnen uitvoeren? Zou het antwoordvenster Pyeongchang laten zien omdat de signalen rondom de gebeurtenis tegen die tijd sterker zijn geworden?
Omdat de omvang en nuances van de invloed van RankBrain op de werking van het kernzoekalgoritme van Google nog niet volledig zijn uitgewerkt, kan een van de beste manieren om meer te weten te komen over hoe RankBrain werkt, komen door te observeren hoe vaak Google reageert op een verscheidenheid van uw eigen vragen met bevredigende antwoorden. Hoe vaak interpreteren ze uw bedoeling correct ?
Verandert RankBrain de manier waarop we SEO doen?
Afhankelijk van de verfijning en moderniteit van uw persoonlijke SEO-vaardigheden, kan RankBrain een kleine of grote verandering in uw theorieën en praktijken vertegenwoordigen. De gerespecteerde octrooi-expert Bill Slawski gaf het volgende illustratieve voorbeeld van waarom RankBrain nodig is in de zoekomgeving:
“Voor een ruiter is een paard een groot dier met vier poten, voor een timmerman heeft een paard vier poten, maar het leeft niet in de velden of kauwt niet op hooi, voor een turnster is een paard iets waar je volgens mij op springt; met RankBrain is context belangrijk, en ervoor zorgen dat je die context vastlegt, is mogelijk een sleutel tot optimalisatie voor deze machine learning-aanpak.”
Wizard of Moz Rand Fishkin benadrukt de noodzaak voor SEO’s op elk niveau om drie essentiële concepten in de RankBrain-omgeving te begrijpen :
1. Er zijn verschillende rangschikkingssignalen van toepassing op verschillende zoekopdrachten
Pre-RankBrain was het misschien gepast om de optimalisatie van de websitepagina te beoordelen door alle traditionele signalen te evalueren (linkdiversiteit, inhoudsdiepte, trefwoordovereenkomst, enz.). Post-RankBrain moeten SEO’s bepalen welk type inhoud het beste aansluit bij de behoeften van gebruikers . Voor zoiets als een plotselinge orkaan, ga je veel meer op versheid rekenen dan op de links die een stuk zou hebben opgebouwd. Voor zoiets als de geschiedenis van inheemse Amerikaanse muziek, vertrouw je op de diepgang van de inhoud, en mogelijk gerelateerde onderwerpen die je domein bestrijkt, die autoriteit aangeven. Weet dat de machine learning-algoritmen die RankBrain aansturen, signalen matchen met de vraagintentie, en dat SEO’s dit ook moeten doen.
2. Signalen zijn van toepassing op de reputatie van uw website
SEO probeert de reputatie van uw merk op te bouwen als een bron die wordt vertrouwd door zoekmachines en menselijke gebruikers voor het bieden van een specifieke ervaring. De voordelen van het opbouwen van een dergelijke reputatie kunnen zijn dat u goed scoort op de zoekwoorden die voor u het belangrijkst zijn. Moet uw merk zijn reputatie bouwen op versheid, diepte, diversiteit aan verdiende links, hoge gebruikersbetrokkenheid of andere signalen? Het antwoord hangt af van de onderwerpen die u behandelt (bijv. realtime uitslagen van sportevenementen versus een online cursus Spaans leren). Vereisen de zoekopdrachten die u wilt rangschikken snelle, korte antwoorden of diepgaande verkenningen? Na verloop van tijd moet uw domein een reputatie opbouwen op basis van de signalen die het wil leveren, in het besef dat RankBrain een omgeving creëert waarin uw merk bekend kan worden voor het leveren van een bepaald type inhoud dat aan een bepaalde behoefte voldoet.
3. Eén-trefwoord-één-pagina is echt, echt dood
Waarschijnlijk weet je al dat het maken van een pagina voor ‘spatel’, een andere voor ‘spatels’, een andere voor ‘keukenspatel’, een andere voor ‘pannenkoekendraaier’ en een andere voor ‘metalen spatel’ een moe oud paard is dat moet naar de weide. Moderne SEO zou al deze zinnen (en de bijbehorende URL’s) combineren in een enkel stuk grondige inhoud die natuurlijke taal bevat, inclusief variante trefwoordzinnen die de manier weerspiegelen waarop mensen zoeken en spreken. Dit is geen nieuw nieuws voor de meeste alerte SEO’s, maar de komst van RankBrain benadrukt de wijsheid van het focussen op totale trefwoordconcepten met uitgebreide inhoud, in plaats van meerdere pagina’s uit te splitsen om varianten zoals “widget” versus “widgets” te behandelen.
Meer over RankBrain
Er zijn meer dan 200 verschillende rangschikkingsfactoren die deel uitmaken van het rangschikkingsalgoritme waarvan de exacte functies in het Google-algoritme niet volledig worden bekendgemaakt. Achter inhoud en links wordt RankBrain beschouwd als het op twee na belangrijkste signaal bij het bepalen van de positie op Google Zoeken. Hoewel Google geen volgorde van belangrijkheid heeft toegegeven, is alleen dat RankBrain een van de drie belangrijkste van zijn rangschikkingssignalen in de zoekresultaten. Wanneer offline, krijgt RankBrain batches van eerdere zoekopdrachten en leert het door zoekresultaten te matchen. Studies toonden aan hoe RankBrain de relaties tussen woorden beter interpreteerde. Dit kan het gebruik van stopwoorden omvattenin een zoekopdracht (“de”, “en”, “zonder”, enz.) – woorden die voorheen door Google werden genegeerd, maar die soms van groot belang zijn om de betekenis of bedoeling achter de zoekopdracht van een persoon volledig te begrijpen. Het is ook in staat om patronen te ontleden tussen zoekopdrachten die schijnbaar niets met elkaar te maken hebben, om te begrijpen hoe die zoekopdrachten op elkaar lijken. Zodra de resultaten van RankBrain zijn geverifieerd door het team van Google , wordt het systeem bijgewerkt en gaat het weer live.
Google heeft verklaard dat het ASIC’s van tensor processing unit (TPU) gebruikt voor het verwerken van RankBrain-verzoeken.