RankBrain tương lai của SEO - Kai Spriestersbach

RankBrain tương lai của SEO - Kai Spriestersbach

Mới nhất với việc công bố RankBrain là rõ ràng: Google đặt trong tìm kiếm của mình trên Artificial Intelligence. Trong hội thảo trên web này, Kai Spriestersbach giải thích nó thực sự là gì ...

Hiển thị video

RankBrain, Học máy và Tương lai của SEO

SEO đang phải đối mặt với những thách thức mới với sự gia tăng trí thông minh nhân tạo. Các thuật toán tự học như RankBrain về cơ bản sẽ thay đổi cách truy cập công cụ tìm kiếm được xác định và sắp xếp, buộc các chuyên gia SEO phải suy nghĩ lại sâu sắc. Trong hội thảo trên web này, Kai Spriesterbach nói về nền và ảnh hưởng của mạng nơron nhân tạo (ANN), học máy sâu và RankBrain.

Giới thiệu: Trí thông minh nhân tạo là gì?

Spriesterbach bắt đầu bằng cách hỏi những gì trí tuệ nhân tạo thực sự cấu thành. "Trí tuệ nhân tạo", ông trích Douglas Hofstadter, "được bất cứ điều gì đã không được thực hiện được nêu ra." - "Trí tuệ nhân tạo là tất cả những gì đã không đạt được." Pamela McCorduck cho biết thêm: "Mỗi lần ai đó tìm ra cách để thực hiện một máy tính làm một cái gì đó, đã có một dàn hợp xướng của nhà phê bình nói :, đó là không suy nghĩ '- "Mỗi lần ai đó đã làm được điều đó, rằng một máy tính làm điều gì đó mới, một dàn hợp xướng nói với các nhà phê bình:' Nhưng đây không phải là Hãy suy nghĩ! '' Trí thông minh nhân tạo thường được xem như là một viễn ảnh về tương lai, bất kể máy tính đã làm gì. Do đó rất khó để xác định chính xác khi nào cần KI.

Máy tính truyền thống có thể làm một số điều rất tốt và những người khác ít hơn rất nhiều so với con người. Điểm mạnh của máy tính là số học nhanh và chính xác, theo dõi đáng tin cậy các hướng dẫn và lặp lại nhiều lần cho cùng một quy trình. Mặt khác, máy tính không giỏi trong việc tìm ra giải pháp riêng của họ, suy nghĩ trừu tượng, và nói chung là "con người". Như một tính năng cổ điển của một trí thông minh nhân tạo phát triển tốt là do đó thử nghiệm Turing: Một trí tuệ nhân tạo mà vượt qua thử nghiệm này sẽ được trong hành vi của họ không còn phân biệt từ một con người.

Cho đến nay, ngưỡng này vẫn còn trong tương lai, nhưng có những dự báo, sau đó họ có thể sớm đạt được. Sức mạnh tính toán có sẵn cho 1.000 đô la đã tăng gấp đôi tương đối ổn định mỗi 18 tháng kể từ năm 1900. Đó có phải là năm 1997 hoặc một cảm giác rằng một máy tính đã có thể đánh bại nhà vô địch cờ vua thế giới con người, thắng trong năm 2011 đã có, máy tính Watson trong Jeopardy - một trò chơi "nhân đạo" hơn rất nhiều - và vào năm 2015 giành sâu tâm trong Go chống lại đối thủ của con người. Sự phát triển đó làm cho điều này có thể không chỉ dựa trên một sự gia tăng chỉ ở sức mạnh tính toán có sẵn: Trong khi cờ vua có thể được "giải quyết" bằng một máy tính đủ mạnh mẽ về mặt toán học với 10⁵⁰ tàu hỏa có thể của nó vẫn còn tồn tại trong         Đi  10¹⁷¹ động thái có thể - một con số không thể tưởng tượng vượt xa con số ước tính của các nguyên tử trong vũ trụ, 4 × 10⁸⁰. Khoảng 10⁸ hoạt động mỗi giây mà một bộ não côn trùng trung bình thực hiện đã đạt được bằng các máy tính trị giá 1000 đô la vào đầu thiên niên kỷ, và 10¹⁵ hoạt động của bộ não người được lên kế hoạch cho năm 2025. Đến năm 2060, theo các dự đoán tương tự, sức mạnh tính toán có sẵn sẽ đạt 10 ⁶⁶ và do đó sức mạnh tính toán của tất cả bộ não con người.

Sự thành công của máy tính trong các trò chơi "con người" như Jeopardy hoặc Go dựa trên những phát triển gần đây trong công nghệ máy tính dựa vào máy học chứ không chỉ là tính toán. Công nghệ này cũng được sử dụng trong các lĩnh vực khác như phát hiện khuôn mặt, lời nói và spam cũng như trong y học. Ngoài ra khuyến nghị sản phẩm, chẳng hạn như Amazon, Spotify hoặc trong giao dịch chứng khoán, dựa trên nó.    

Mạng lưới thần kinh và học sâu

Mạng nơron nhân tạo

Vậy những phát triển này được các công cụ tìm kiếm sử dụng như thế nào? Spriesterbach tập trung vào bài giảng này về dự án của Google "RankBrain" và bây giờ giải thích nguyên tắc của các mạng thần kinh làm nền tảng cho điều này.

Các mạng như vậy được dựa trên mạng thần kinh trong cơ thể của những sinh vật sống. Ngay sau khi một kích thích đủ mạnh tấn công các tế bào thần kinh từ bên ngoài, nó được xử lý nội bộ và một đầu ra tương ứng được tạo ra. Phản ứng nào được hiển thị chính xác phụ thuộc vào quá trình xử lý phức tạp trong mạng nội bộ phức tạp.

Mạng nơron nhân tạo (ANN) trước tiên phải được thiết lập. Vì máy tính nghĩ về các con số, không phải bằng lời, câu trước tiên phải được chuyển đổi thành các kết hợp số. Mỗi từ tương ứng với một số khác, mỗi câu tương ứng với một tập các số. Nếu các số tương ứng với các từ của một câu được thể hiện trong một hệ tọa độ đa chiều, thì một câu có thể được biểu diễn bằng một vectơ. Vì mỗi câu có một chút khác nhau, mỗi vectơ chỉ theo một hướng hơi khác. Spriesterbach đề cập đến nền tảng toán học một cách dễ dàng, nhưng những giải thích thêm của ông cũng được hiểu mà không cần biết về tính toán vector.

Máy tính không cần phải hiểu câu trực tiếp. Thay vào đó, anh ta phải học cách xem các kết nối giữa dữ liệu mà anh ta được cho ăn. Spriesterbach cho thấy như là một ví dụ câu "Cái gì đó là lười biếng ở bang Đan Mạch" - một trích dẫn từ Hamlet của Shakespeare . Nếu một ANN được cho ăn với văn bản của vở kịch này, nó sẽ học, trong số những thứ khác, rằng sự kết hợp số tương ứng với câu trên là từ Shakespeare. Nếu cùng một câu được trình bày cho anh ta một lần nữa, nó đã biết rằng nó là một báo Shakespeare. Mặt khác, nếu được hiển thị kết hợp số tương tự, ANN sẽ không hiển thị kết quả tương đương. 

Thuật toán thông minh

Các truy vấn phức tạp hơn đối với ANN trở thành có thể: Một mạng đã trở nên quen thuộc với các mẫu và mối quan hệ từ của ngôn ngữ con người hiểu, ví dụ, đầu vào "King - Man + Woman" sẽ dẫn đến đầu ra "Queen". Tìm kiếm "Thụy Điển" tìm các cụm từ được liên kết như "Na Uy" hoặc "Đan Mạch". ANN không cần phải hiểu rằng tất cả các điều khoản này là các tên quốc gia để xác định các kết nối. Một ví dụ khác, mỗi tên quốc gia được liên kết với tên của mỗi vốn - một lần nữa mà không có ANN biết rằng họ là thành phố và quốc gia.

Dưới tiêu đề "Học sâu", các quy trình học tập như vậy được sử dụng ngày nay để cải thiện, ví dụ như tìm kiếm hình ảnh. Ví dụ, Google Brain nhận ra mèo ngày nay bởi vì nó đã "nhìn thấy" một số lượng lớn các hình ảnh con mèo, xây dựng kỳ vọng về những gì mèo thường trông như thế nào. Ngay cả việc đọc tự động hoàn thành các hình thức con người được cải thiện bằng cách học tập sâu: viết cho người dân, ví dụ, số 9 Một ANN, mà đã chứng kiến ​​một số lượng lớn các loài, khả năng và "9" của phát triển trong bản thảo để nhận ra từ những người chưa biết trước đây, miễn là các con số không quá bất thường. Bản ghi "đào tạo" càng lớn thì kết quả trong tương lai càng đáng tin cậy hơn.

Nhưng không chỉ vậy: ANN đã được "đào tạo" đủ nhận ra các cụm và xu hướng và do đó có thể tạo ra nội dung riêng của nó một cách độc lập. Ví dụ, một ANN được cung cấp đủ báo giá Shakespeare có thể tạo ra các câu bổ sung "theo phong cách của Shakespeare". Đây không nhất thiết phải hữu ích, nhưng chỉ dựa trên tần số thống kê. Một công nghệ tương tự được sử dụng trên trang web Jukebox , nơi các thuật toán có thể soạn các bản nhạc dựa trên thể loại và tâm trạng của người dùng. ANN đã học được từ một loạt các bản nhạc, chẳng hạn như một mảnh điện buồn "thông thường" hoặc âm thanh thống kê và có thể tạo ra một phần có thể xảy ra về mặt thống kê.  

Một cái gọi là "thuật toán tiến hóa" cải thiện chính nó trong khi thử các liên kết khác nhau. Vì vậy, một thuật toán đã học để chơi Super Mario . Chỉ dẫn duy nhất được trao cho anh ta cho mục đích này là chạy càng xa càng tốt. Thông qua vô số lần lặp lại cấp độ, thuật toán cuối cùng đã xoay xở để vượt qua nó mà thậm chí không hiểu sự khác biệt giữa các đối tượng khác nhau mà một người chơi gặp phải trong game.  

Điều này có liên quan gì đến SEO?

Những phát triển như vậy có ý nghĩa sâu rộng đến mức mà Spriesterbach phải trả lời cho câu hỏi của chính mình, "SEO có chết không?" Với "có và không". ANN có khả năng thay đổi hoàn toàn cách xử lý truy vấn tìm kiếm. Khi một mạng trở nên quen với việc làm tương tự cho các truy vấn "Thời tiết Berlin" và "Ngày mai tại Berlin thế nào?", Tầm quan trọng của tối ưu hóa từ khóa trở nên rõ ràng. Từ đồng nghĩa hoặc các thuật ngữ có liên quan không còn cần phải được đặt tên bởi vì công cụ tìm kiếm hiện nhận ra khi cụm từ tìm kiếm hoàn toàn khác trong lựa chọn từ của chúng. Thay vào đó, bối cảnh và hành vi của người dùng đang trở nên quan trọng đối với việc đánh giá trang web.

RankBrain và tìm kiếm theo ngữ cảnh

Thuật toán tự học của Google, được sử dụng để phát triển thêm các kết quả tìm kiếm, được gọi là RankBrain. RankBrain cải thiện tìm kiếm "cổ điển" và tiếp tục sử dụng làm cơ sở cho các yếu tố xếp hạng SEO như backlinks, tin cậy hoặc dữ liệu người dùng. Tuy nhiên, nó cũng sử dụng máy học được giải thích ở trên để tìm hiểu từ hành vi của người dùng mà lượt truy cập có liên quan nhất. Vì vậy, để nói "từ kinh nghiệm", tức là từ việc quan sát các truy vấn tìm kiếm có vẻ có ý nghĩa như nhau, RankBrain biết cách sắp xếp các lần truy cập tìm thấy.

Điều này thay đổi cách Google xử lý các cụm từ tìm kiếm: Trong khi một số từ như fillwords được sử dụng để bỏ qua trong tìm kiếm, RankBrain sử dụng cụm từ tìm kiếm như một tổng thể thay vì các từ đơn lẻ. Một lần nữa, điều này được hiểu rõ nhất bởi hình ảnh của vectơ: nếu một từ bị thiếu trong câu, thì các điểm vectơ theo một hướng khác, cụm từ tìm kiếm là một từ khác - có thể là một từ hoàn toàn khác. Mỗi từ làm thay đổi ý nghĩa của câu, mà bây giờ được hiểu bởi công cụ tìm kiếm như một đối tượng chứ không phải là một tập hợp các từ.

Bằng cách này, tìm kiếm trở nên nhạy cảm hơn với ngữ cảnh và tập trung hơn vào những gì "bình thường" được mong muốn khi tìm kiếm một biểu thức cụ thể. Spriesterbach hiển thị ảnh chụp màn hình của một truy vấn tìm kiếm - "tại sao các tệp PDF quá yếu" - được thực hiện vào giữa năm 2015, trước khi triển khai RankBrain và một lần vào đầu năm 2016. Vào cuối năm 2015, Google đã trích dẫn đề cập đến thuật ngữ "pdf" như một dấu hiệu cho thấy, cụ thể là các tệp của loại PDF sẽ được hiển thị. Do đó, kết quả là các tập tin PDF được thảo luận, ví dụ, điểm yếu của kháng chiến Iraq trong Chiến tranh vùng Vịnh thứ ba hoặc sự yếu kém của lực hấp dẫn. Tuy nhiên, vào đầu năm 2016, với tìm kiếm theo ngữ cảnh mới, câu đã trở thành toàn bộ  được xử lý và lần truy cập đầu tiên là một bài viết - không phải là tệp PDF - về sự yếu kém của mã hóa PDF. Thực tế là Google đã xử lý toàn bộ câu, công cụ tìm kiếm hiểu rằng "các tệp pdf" có nghĩa là vào thời điểm này làm chủ đề chứ không phải là định dạng tệp mong muốn. 

Trong tìm kiếm bằng tiếng Đức, điều này vẫn chưa được thực hiện tại thời điểm bài giảng, để một yêu cầu tìm kiếm thử nghiệm "Ai là Abs" dẫn đến các bài viết về hệ thống phanh chống bó cứng của xe hơi hoặc đào tạo cơ bụng. Xử lý theo ngữ cảnh nhạy cảm của truy vấn tìm kiếm sẽ hiểu rằng từ "ai" trỏ đến một người và do đó sẽ ưu tiên các kết quả tìm kiếm xử lý những người có tên là Abs.  

Một nghiên cứu năm 2016, kiểm tra các yếu tố xếp hạng nào thực sự quan trọng vào lúc này, nhận thấy rằng điều này có thể khác với tìm kiếm theo ngữ cảnh mới trong các lĩnh vực chủ đề khác nhau. Một lời khuyên trước đó như "nhiều liên kết ngược tốt hơn" không còn hợp lệ nữa - nghiên cứu đã tìm thấy mối tương quan tích cực giữa xếp hạng cao và nhiều liên kết ngược trong các cửa hàng trực tuyến, trong khi âm tính được tìm thấy trên các trang cho vay. Liên kết nội bộ không có tác dụng đáng kể, độ dài văn bản cao hơn chỉ có một chút tích cực. Nhưng các khía cạnh khác đã đạt được tầm quan trọng vì RankBrain đã "học" rằng các cửa hàng trực tuyến thường có các yếu tố tương tác,

Spriesterbach kết luận rằng SEO vẫn còn quan trọng, nhưng thay đổi với tốc độ ngày càng tăng. Mặc dù RankBrain hiện không được sử dụng trong tất cả các cụm từ tìm kiếm, nhưng nó đang được sử dụng ngày càng nhiều. Trong mô hình mới này, sự liên quan thực tế của trang web được đề cập là quan trọng hơn bao giờ hết đối với các truy vấn tìm kiếm. Trên tất cả, nội dung phải phù hợp với yêu cầu của người dùng, khi họ hiển thị thông qua hành vi lướt web của họ về công cụ tìm kiếm cho dù trang được gọi là những gì họ muốn xem.

Điều chỉnh SEO nào là cần thiết?

Nói chung, Spries nói rằng, một trong những nên được chuẩn bị trong thời gian tốt cho những thay đổi mà việc thực hiện máy học trong công cụ tìm kiếm đòi hỏi. Các câu hỏi mà chủ sở hữu trang web nên tự hỏi mình là: Mục tiêu của Google là gì? Hướng phát triển công nghệ nào? Vì tìm kiếm theo ngữ cảnh mới, điều quan trọng hơn là phải hiểu nhu cầu thực sự của người dùng hơn là cố gắng leo lên bảng xếp hạng bằng các thủ thuật.

Tuy nhiên, trong phần Hỏi & Đáp, Spriesterbach hạn chế điều này một chút: Ngay cả ở tuổi RankBrain cũng có những phương pháp để tiến lên một cách sáng tạo hơn trong kết quả tìm kiếm. Ví dụ: các bài đánh giá có thể được tạo nhân tạo giống như các bài đánh giá từ những người thực. Đây là một phần của phản hồi của người dùng mà tìm kiếm theo ngữ cảnh kết hợp.

Ngoài ra, các nhà khai thác nên xem xét chặt chẽ những từ khóa họ có xu hướng xếp hạng và điều chỉnh dịch vụ của họ cho những gì người dùng đang tìm kiếm khi họ gặp các từ khóa này trên trang. Bởi vì: nếu một trang nhận được nhiều cuộc gọi nhưng hành vi sử dụng của người dùng cho thấy rằng họ không hài lòng với trang thì điều này có thể gây hại cho một trang trong hệ thống RankBrain thay vì hữu ích. Nếu các phản ứng tiêu cực, thậm chí có thể tốt hơn là khôngxếp hạng các thuật ngữ nhất định để không gây nguy hiểm cho chất lượng tổng thể của trang trong mắt RankBrain.  

Nhưng sự hài lòng của người dùng có thể được tăng lên như thế nào? Một câu hỏi trực tiếp của người dùng là, theo Sprieserbach, cách tốt nhất để tìm ra những gì là mong muốn của trang web. Ngoài ra, cần nhấn mạnh nhiều hơn vào sự kết hợp các văn bản thông tin và các đề xuất thương mại, lý tưởng trên cùng một trang con. Google tiếp tục bao gồm văn bản SEO trong quá trình tìm kiếm, chỉ bây giờ chúng ta sẽ xem xét cách người dùng tương tác với trang.

Ngoài ra, Google làm cho nó, theo Spries Bach, với hệ thống mới của mình nhỏ, cửa hàng mới khó hơn để xếp hạng cao. Ở đây Spries Bach tư vấn hoặc dựa nhiều hơn vào tài liệu tham khảo địa phương và thu hút khách hàng trong môi trường của riêng họ hoặc dựa vào dịch vụ, đặc biệt là từ các doanh nghiệp lớn, thành lập xuất hiện ở RankBrain cao, thường có thâm hụt trong lĩnh vực này.