Мы расскажем вам, как появился первый известный алгоритм Google, основанный на машинном обучении, и как он влияет на SEO сейчас.
Google RankBrain — это алгоритм машинного обучения (ML), который помогает понимать поисковые запросы и предоставлять релевантные результаты.
Машинное обучение — это когда компьютер учится делать что-то самостоятельно. Алгоритмы Google анализируют, как пользователи взаимодействуют с результатами поиска, чтобы научиться улучшать результаты в будущем.
Чем RankBrain отличается от других алгоритмов
Поисковая система Google опирается на алгоритм PageRank, который использует ссылки и другие факторы (например, количество раз, когда слово появляется на странице) для определения важности веб-сайта.
График знаний, запущенный в 2012 году, позволяет Google более точно определять связи между словами. Поисковые системы научились искать «вещи, а не строки».
«Строка» означает поиск только слов, встречающихся в документе. «Вещи» — это люди, объекты или явления, которые могут быть связаны с этими словами, но не идентифицируются напрямую в запросе.
Даже при косвенных запросах поиск может раскрыть информацию о том, что ищет пользователь, а также различные дополнительные факты. Например, на плитке знаний о Наполеоне отображается информация о его семье и ссылки на связанных с ним людей.
График знаний
Со временем поисковая система усовершенствовала свой алгоритм и в 2013 году выпустила Hummingbird, которая учитывает намерение запроса пользователя, т е понимает, что человек хочет получить. Даже если документ не содержит определенного набора ключевых слов, он все равно может появиться в поиске из-за семантического сходства. Однако эти ключевые слова обычно совершенно новые, и поэтому Google не может предоставить никакого контента.
За год до запуска, в 2014 году, в блоге Google появился пост о том, как поисковые системы работают с машинным обучением:
чтобы продолжить исследование того, как машинное обучение может быть применено к проблемам естественного языка, мы выпустили набор инструментов с открытым исходным кодом под названием word2vec, предназначенный для изучения значения слов. Word2vec использует распределенные представления текста для выявления сходства между понятиями. Например, он понимал, что Париж и Франция связаны так же, как Берлин и Германия (столица и страна), а не Мадрид и Италия. Диаграмма показывает, что он может получить хорошее представление о столице, просто прочитав множество новостных статей, без необходимости контроля со стороны человека. Модель не только размещает похожие страны рядом друг с другом, но и размещает их столицы параллельно. Самое интересное, что мы не предоставляли никакой контролируемой информации ни до, ни во время обучения. Многие другие подобные закономерности возникают автоматически в процессе обучения.
Алгоритмически установленные связи между странами и их столицами
Некоторые оптимизаторы считают Word2vec основой RankBrain. Даже если на самом деле это не так, о векторах развития алгоритмов можно узнать из сообщений и объявлений поисковых систем.
RankBrain, выпущенный в 2015 году, добавил еще один уровень объяснений. Он пытается определить цель поискового запроса, даже если запрос неясен или никогда раньше не встречался. В каком-то смысле это можно считать следующим этапом развития Hummingbird».
Изначально алгоритм применялся к запросам, с которыми Google раньше не сталкивался, и впоследствии составил примерно 15% всех поисковых запросов. Со временем его начали использовать для всех результатов поиска.
По словам сотрудников поисковой системы, RankBrain — это не отдельная организация, а один из многих сигналов, которые Google использует для определения того, какие результаты появляются на страницах поиска. В 2016 году двумя другими основными сигналами были качество контента и ссылки, но к 2024 году ситуация вряд ли сильно изменится.
Как работает RankBrain
RankBrain преследует две основные цели:
1. Понять поисковые запросы и ключевые слова пользователей на странице;
2. Измерьте удовлетворенность пользователей этими результатами.
По запросу RankBrain увеличит или уменьшит важность обратных ссылок, новизны и длины контента, авторитета домена и других факторов.
Затем он изучает, как пользователи Google взаимодействуют с новыми результатами поиска. Если пользователь предпочитает новые результаты, алгоритм продолжит выбирать страницы для отображения таким же образом, если нет, он возвращается к старому методу выбора результатов.
До RankBrain 100% алгоритмов Google настраивались вручную. Пока инженеры все еще работают над алгоритмом, RankBrain в значительной степени адаптировал его работу. Как это происходит:
-
Алгоритм получает запросы и находит по ним результаты;
-
Получить еще один запрос, немного отличающийся от предыдущего — например, в запросе события слово «дата и время» заменяется на «когда»;
-
Помните, что результаты могут быть одинаковыми, очень похожими или, по крайней мере, взятыми из одного и того же списка URL-адресов.
-
Отображение результатов пользователю.
Чтобы обучить алгоритм, инженеры Google сначала передают ему данные из разных источников, чтобы он мог начать связывать разные сигналы с разными результатами и ранжировать результаты на основе этих вычислений.
допустим, вы ищете «iPhone с тройной камерой, темно-зеленый». Google будет искать страницы, содержащие такие слова, как «iPhone», «тройная камера», «темно-зеленый» и другие. В ответ на запрос поисковик выводит конкретную модель телефона:
Пример выпуска по косвенному запросу
RankBrain также учитывает контекст окружающей среды — устройство пользователя, местоположение, а также дату и время, когда он сделал запрос.
Какие сигналы учитывает RankBrain?
Чтобы оценить, насколько результаты поиска соответствуют запросам пользователей, алгоритм должен использовать некоторые маркеры релевантности страницы и качества веб-сайта.
Основываясь на всем, что известно об этом алгоритме и его предшественниках, можно предположить, что эти сигналы:
Данные о поведении пользователей для оценки удовлетворенности результатами
-
Рейтинг кликов сниппета (CTR) — по этому алгоритму алгоритм выбирает страницы, которые интересны пользователю.
-
Время на месте.
-
Показатель отказов.
актуальность контента
RankBrain оценивает релевантность контента на странице. Это не просто сопоставление ключевых слов, это требует глубокого понимания контекста. Он может выделять абзацы, посвященные различным аспектам и подтемам, связанным с основной темой. Кроме того, содержание должно показывать, что автор понимает тему. Поверхностные ответы на сложные поисковые системы вас не удовлетворят.
Сигналы качества страницы
-
Ссылка на файл конфигурации.
-
Авторитет домена.
-
Свежесть и актуальность контента.
технические факторы
-
Скорость загрузки страницы: Скорость загрузки веб-страниц.
-
Удобство для мобильных устройств: насколько хорошо страница работает и отображается на мобильных устройствах.
-
Безопасный и доступный веб-сайт: страницы можно легко сканировать как с помощью HTTPS, так и с помощью поисковых систем.
История поиска RankBrain также может учитывать предыдущие поисковые запросы пользователя, чтобы лучше понять контекст и цель текущего запроса.
Местоположение и персонализация
Географическое местоположение пользователя и любые настройки персонализации, которые он может иметь, могут повлиять на результаты.
Гарри Илш сказал это на Reddit в 2019 году:
RankBrain — это компонент ранжирования на основе машинного обучения, который использует исторические данные поиска, чтобы предсказать, на что пользователи с наибольшей вероятностью нажмут по ранее невиданным запросам. Это действительно крутая инженерная разработка, которая бесчисленное количество раз спасала наши задницы, когда традиционные алгоритмы сказали бы: «О, посмотрите на «нет» в строке запроса!» Давайте игнорировать это! », но часто он опирается только на данные о том, что произошло на самой странице результатов (иногда) месяц назад, а не на том, что произошло на целевой странице сайта. Задержка, рейтинг кликов, какая бы ни была новая теория Фишкина (Рэнд Фишкин, основатель) сервиса Moz — Примечание редактора) Обычно это ерунда. Искать намного проще, чем думают люди.
Действительно, в 2023 году Google, как известно, будет учитывать сигналы пользователей, поэтому они имеют значение, пусть даже и не в контексте RankBrain.
Что важно для SEO
Конечно, Google не дает четких рекомендаций конкретно для RankBrain. Хотя бы потому, что одновременно работает множество алгоритмов и систем оценки контента. В отличие от старого поиска, который ищет семантические совпадения, RankBrain представляет собой модель интерпретации запросов и, следовательно, подчеркивает детализацию и глубину контента — то, о чем поисковые системы говорят уже много лет, независимо от конкретного алгоритма.
Однако можно внести некоторые предложения. Их не нужно понимать буквально, но они могут помочь вам понять, как Google анализирует документ и выдает результаты.
Наполняйте страницы смыслом, а не ключевыми словами
Возможно, вам надоело читать сигнал EEAT, но в этом есть смысл. Чем больше полезных и полных ответов вы предоставите на своей странице, тем лучше будет сигнал пользователя и тем выше будет оценка контента поисковыми ботами.
Создавайте тематические кластеры страниц
Невозможно или необходимо оптимизировать страницу под все запросы, относящиеся к определенной теме. Создавайте тематические кластеры. Например, на главной странице будет рассказано о продажах на общем рынке, а на других связанных с ней страницах будет рассказано о рекламных акциях на конкретном рынке и других важных вещах, таких как обработка отзывов.
Поисковые боты будут обнаруживать внутренние ссылки между страницами, что будет служить сигналом об релевантности контента.
Оптимизируйте страницы под ключи средней длины
Это выглядит как основание для запроса и несколько слов разъяснения. Такие ключи обеспечивают баланс между широким охватом короткого ключа и спецификой длинного хвоста. Обычно они достаточно конкретны, чтобы указать на намерения пользователя, но при этом достаточно широки, чтобы охватить множество связанных запросов.
Например, запрос «рецепт молочных блинов» будет иметь меньший охват, чем запрос «рецепт блинов», но соберет больше трафика, чем запрос «рецепт молочных блинов без сахара».
В то же время, оптимизируя свою страницу под «средние» запросы, у вас есть возможность добавлять релевантную информацию, что также привлечет пользователей, ищущих «длиннохвостые» запросы. В любом случае проработка контента важнее.
Не концентрируйтесь на «длинных хвостах»
Ключевые слова с длинным хвостом любимы веб-мастерами за их специфичность и низкую конкуренцию, но их релевантность снизилась. Основная цель RankBrain — понять намерения. Даже если пользователь не уточнит запрос подробно, Google все равно сможет распознать намерение и предоставить релевантные результаты. Суперспецифические запросы из 5-6 слов просто принесут меньше трафика. Конечно, это не касается тематических и коммерческих запросов, где в принципе мало информации, где пользователь ищет конкретный товар, введя полное название.
Оптимизируйте для естественного языка
Естественный язык – это способ общения людей в повседневной речи или письме. RankBrain использует обработку естественного языка (NLP), чтобы понять значение и контекст пользовательских запросов, особенно тех, которые длинные, сложные или разговорные. Пишите простым языком, который соответствует тону и словарному запасу вашей аудитории. Не забудьте включить синонимы, варианты написания и связанные термины.
Оптимизируйте под голосовой поиск
Этот пункт напрямую связан с двумя предыдущими пунктами.
Голосовой поиск быстрее и проще, чем ввод текста, и может выполняться на нескольких устройствах — ноутбуках, смартфонах, интеллектуальных колонках.
Чтобы оптимизировать контент для голосового поиска, вам необходимо структурировать его так, чтобы он отвечал на конкретные вопросы, которые пользователи могут задать, используя естественный язык.
Например, чтобы получить трафик по запросу «Какие блюда попробовать в [название ресторана] в 2024 году» с помощью голосового поиска, на странице должен быть прямой ответ. Используя короткие предложения и субтитры, перечислите лучшие блюда и их описания.
Популярность голосового поиска и разговорных запросов означает, что пользователи с меньшей вероятностью будут вводить длинные конкретные фразы и с большей вероятностью будут задавать короткие вопросы.
Конечно, голосовой поиск подходит не для всех типов запросов и в основном используется на мобильных устройствах, поэтому ориентируйтесь на тип контента и потребности вашей аудитории.
Оптимизируйте под расширенные результаты
Если вопрос пользователя не предполагает глубокого погружения в тему, он не станет посещать сайт. Поисковые системы предоставляют быстрые ответы и другие типы расширенных результатов, на которые пользователи готовы нажать, если увидят, что результаты поиска именно то, что им нужно.
Вам необходимо организовать свой контент так, чтобы Google мог легко получать и отображать информацию об этих функциях. Используйте заголовки, списки, таблицы, изображения и видео, чтобы выделить ключевые моменты на странице. Чтобы ботам было проще найти ваш контент, используйте микроданные.
Две большие статьи на тему: Как попасть в блоки с помощью расширенных сниппетов Google Quick Answers в Google – что это такое и как это сделать
Следите за репутацией домена
Репутация домена зависит от многих факторов: публикации качественного контента, качества ссылок, вовлеченности пользователей. Чем авторитетнее домен, тем больше вероятность того, что поисковые алгоритмы отобразят его в результатах поиска.
В итоге
К сожалению, не существует единого контрольного списка, благодаря которому веб-сайт гарантированно будет занимать высокие позиции в результатах поиска и получать трафик. Из коллективного опыта самих поисковых систем и оптимизаторов мало информации, которая могла бы посоветовать, как правильно действовать для достижения желаемых результатов. Мы постарались объяснить, как работает один из основных алгоритмов Google, чтобы вы могли принять его во внимание при планировании своей SEO-стратегии, но для продвижения важны все аспекты — технические аспекты, такие как скорость загрузки, контент, качество ссылок и удобство использования. Все это необходимо рассматривать одинаково, всегда с оглядкой на успешных конкурентов.
