الگوریتم رنک برین یا RankBrain Algorithm چیست؟

رنک برین از دیگر الگوریتم‌های گوگل است. RankBrain یک سیستم یادگیری ماشینی است که به گوگل کمک می‌کند تا معنای موجود در مورد جستجوها را بهتر رمزگشایی کند و نتایج جستجو را با بهترین تطبیق در پاسخ به این سؤالات ارائه دهد.

درحالی‌که یک مؤلفه پردازش پرس‌وجو در RankBrain وجود دارد، یک مؤلفه رتبه‌بندی نیز برای آن وجود دارد (هنگامی‌که RankBrain برای اولین بار اعلام شد، Google آن را سومین عامل مهم رتبه‌بندی نامید).

احتمالاً، RankBrain می‌تواند به‌نوعی خلاصه آنچه در مورد یک صفحه است، مرتبط بودن نتایج جستجو را ارزیابی کند و به خود یاد دهد که با گذشت زمان در این زمینه حتی بهتر شود.

الگوریتم رنک برین چیست؟

RankBrain سیستمی است که به کمک آن گوگل می‌تواند جست و جو کاربر را بهتر و راحت تر کند. این الگوریتم در سال ۲۰۱۵ عرضه شد، اما تا ۲۶ اکتبر همان سال خبر رسمی از ارائه آن داده نشد.

در ابتدا، زمینه فعالیت الگوریتم رنک برین برای سوالات و نتایج جست و جویی بود که گوگل قبلاً با آن‌ها روبرو نشده بود و هنوز هم این سوالات مورد استفاده کاربران قرار می‌گرفت.

گوگل در هسته اصلی خود، از RankBrain را به عنوان یک سیستم یادگیری ماشینی همانند الگوریتم مرغ مگس خوار یاد می‌کند و این باعث می‌شود که گوگل از جزئیات به کلیات دسترسی پیدا کند.

درک الگوریتم رنک برین

داشتن درک دقیق تر از الگوریتم RankBrain، به شما کمک می‌کند تا خود را جای گوگل قرار دهید، و تلاش کنید تا هدف جستجوی کلمات مانند «مکان برگزاری المپیک» را درک کنید.

هدف واقعی این جستجو چیست؟

آیا جستجوگر می‌خواهد در مورد بازی‌های المپیک تابستانی یا زمستانی اطلاعاتی کسب کند؟ آیا آن‌ها به المپیکی اشاره می‌کنند که به تازگی به پایان رسیده است، یا بازی که چهار سال دیگر برگزار می‌شود؟ آیا جستجوگر در حال حاضر در المپیک حضور دارد، در هتلی نشسته و به دنبال مکان‌های برگزاری مراسم افتتاحیه است؟ آیا آن‌ها حتی می‌توانند به دنبال اطلاعات تاریخی در مورد محل اولین بازی‌های المپیک در یونان باستان باشند؟

حال، تصور کنید که در تلاش برای پاسخ به این پرسش، شما فقط سیگنالهای الگوریتم ساده مانند کیفیت محتوا یا تعداد پیوندها از یم تکه محتوا برای رتبه‌بندی نتایج برای این جستجوگر بدست آورده اید.

تصور کنید که بازی‌های زمستانی به عنوان مثال در روسیه ماه گذشته به پایان رسید و وب سایت رسمی المپیک میلیون‌ها لینک برای محتوای خود در مورد این رویداد گذشته به دست آورده است.

اگر الگوریتم شما ساده گرایانه باشد، ممکن است فقط نتایج مربوط به بازی‌های روسیه را نشان دهد، زیرا آن‌ها بیشترین لینک را به دست آورده اند.

در این وضعیت پیچیده، الگوریتم رنک برین به کمک ما می‌آید. فقط با امکان محاسبه ریاضی نتایج براساس الگوریتم یادگیری ماشین در رفتار جستجوگر است که گوگل می‌تواند تعیین کند که، به عنوان مثال، اکثر افرادی که «مکان المپیک» را جست و جو می‌کنند، می‌خواهند بدانند که بازی‌های بعدی (تابستان یا زمستان) کی برگزار خواهد شد.

بنابراین، در این حالت، جعبه پاسخگویی گوگل با عنوان موقعیت مکانی بازی‌های آینده، اکثر نیازهای جستجوگران را برآورده می‌کند.

اگرچه این جعبه پاسخگویی ممکن است هدف اصلی بیشتر جستجوهای «مکان المپیک» را نشان دهد، اما موارد استثنایی قابل توجهی وجود دارد که گوگل باید به آن‌ها نیز بپردازد.

به عنوان مثال، اگر جستجو در هفته بازی‌ها توسط یک کاربر در یک شهر المپیک (مانند پیونگ چانگ) انجام شود، Google ممکن است در عوض راهنمایی‌هایی را به غرفه‌ای که مراسم افتتاحیه در آن برگزار می‌شود، ارائه دهد.

به عبارت دیگر، سیگنال هایی مانند مکان کاربر و تازگی مطالب باید در نظر گرفته شوند تا هدف را تفسیر کنند و نتایج را به احتمال زیاد به نفع رضایت جستجوگران ارائه دهد.

الگوریتم رنک برین پروژه‌ای است که در حال حاضر درحال توسعه است و با هدف یادگیری ماشینی و به کمال رساندن تفسیر Google از هدف جستجوگر در طول زمان در حال بهتر شدن و توسعه است.

 

آیا الگوریتم رنک برین بر روش انجام سئو تاثیر دارد؟

بسته به پیچیدگی و مدرن بودن مهارت‌های شخصی شما در سئو، RankBrain ممکن است یک تغییر جزئی یا عمده در نظریه‌ها و عملکردهای شما باشد.

بیل اسلاوسکی، مثال بارز زیر را در مورد ضرورت الگوریتم رنک برین در محیط جستجو ارائه داد:
الگوریتم رنک برین بهینه‌سازی روش یادگیری ماشین را تا چند برابر بهبود می‌بخشد.

Wizard of Moz و Fishkin بر اساس نیاز جستجوگرها در هر سطح برای درک مطالب سه مفهوم اساسی در محیط الگوریتم رنک برین تأکید می‌کند:

1. سیگنال‌های رتبه‌بندی اعمال شده برای درخواست‌های مختلف

قبل از الگوریتم رنک برین ، ارزیابی بهینه‌سازی صفحه وب سایت با ارزیابی تمام سیگنال‌های سنتی (تنوع پیوند، عمق محتوا، تطبیق کلمات کلیدی و غیره)، می‌تواند گزینه مناسبی باشد.

پس از RankBrain، سئوکاران باید نوع محتوایی را که به بهترین وجه به نیازهای کاربران پاسخ می‌دهد، تعیین کنند. برای جلوگیری از خطرات احتمالی، شما باید روی تازگی و بروز بودن مطالب خود حساب کنید.

2. سیگنال‌ها به وب سایت شما اعتبار می‌دهند

SEO به دنبال ایجاد اعتبار برای برند شما است و این کار را با مورد اطمینان قرار دادن سایت شما و شناخت آن به موتورهای جستجو انجام می‌دهد.

مزایای ایجاد چنین شهرتی می‌تواند شامل رتبه‌بندی مناسب برای کلمات کلیدی مهم شما باشد. آیا نام تجاری شما نیاز دارد که شهرت خود را بر اساس تازگی محتوا، عمق، تنوع لینک‌های به دست آمده، تعامل زیاد کاربر یا سایر علائم ایجاد کند؟

پاسخ این سوال، به موضوعاتی که شما پوشش می‌دهید بستگی دارد (به عنوان مثال، امتیازات رویدادهای ورزشی در زمان حال در مقابل یک دوره آنلاین در یادگیری زبان اسپانیایی). آیا جستجوهایی که می‌خواهید رتبه‌بندی کنید برای پاسخگویی سریع، کوتاه یا کاوش‌های عمیق مورد نیاز است؟

با گذشت زمان، دامنه شما باید براساس سیگنالهایی که می‌خواهد ارائه دهد شهرت و محبوبیت ایجاد کند، زیرا متوجه می‌شود که RankBrain محیطی را ایجاد می‌کند که در آن نام تجاری شما با ارائه نوع خاصی از محتوا که نیاز خاصی را برآورده می‌کند شناخته می‌شود.

3. کلمه کلیدی

به احتمال زیاد، شما قبل از ایجاد سایت ، هدف واضح و مشخص خود را می‌دانید .SEO مدرن تمام عبارات و اهداف شما را با توجه به کلمه کلیدی و آدرسهای اینترنتی مرتبط با آن‌ها که از آن استفاده می‌کنید، تشخیص می‌دهد.

سئو همه این مطالب را در یک قسمت کامل از محتوا قرار می‌دهد از جمله : عبارات کلیدی متنوع که بیانگر نحوه جستجو و پیدا کردن مطالب توسط انسان است.

این مورد خبر جدیدی برای اکثر سئو کاران نیست، اما ظهور RankBrain تمرکز روی کل مفاهیم کلمه کلیدی با محتوای جامع را برجسته می‌کند.

حقایق دیگر در مورد الگوریتم رنک برین

RankBrain به عنوان بخشی از الگوریتم کلی مرغ مگس خوار شناخته می‌شود. در سال ۲۰۱۵، گوگل اظهار داشت که از الگوریتم رنک برین برای پردازش ۱۵٪ از سوال‌هایی که سیستم قبلاً هرگز با آن‌ها روبرو نشده بود استفاده می‌شود. تا سال ۲۰۱۶، گوگل از رنک برین برای پاسخ به همه سوالات استفاده می‌کرد.

چرا گوگل الگوریتم رنک برین را معرفی کرد؟

RankBrain در ابتدا برای حل یک مشکل ساده اما بزرگ راه اندازی شد. گوگل ۱۵٪ از سوالات مورد استفاده را مشاهده نکرده بود، و به همین ترتیب هیچ زمینه‌ای برای تجزیه و تحلیل آن‌ها و تعیین کارآمد بودنشان نگذاشت.

RankBrain همچنین زمینه‌های محیطی (به عنوان مثال، مکان جستجوگر) و معنای برون ریزی را در مواردی که انجام شده است، در نظر می‌گیرد. این می‌تواند یک فرایند ساده برای درک رنک برین باشد. در واقع ترتیب کلمات ممکن است تابعی از فرآیند جستجو باشد، و نه هدف برای بهبود آن.

آشنایی با خطرات الگوریتم رنک برین

1. فقدان ویژگی‌های مربوط به درخواست خاص (پاسخ ندادن نیاز کاربر)
2. تجربه کاربری ضعیف

چطور از رنک برین در امان بمانیم؟

1- تجربه کاربری را به حداکثر برسانید. البته، RankBrain دلیل خدمت بهتر بازدیدکنندگان شما نیست؛ اما این دلیلی است که چرا بهینه‌سازی نکردن برای تجربه کاربر می‌تواند شما را در SERP پایین بیاورد.

عوامل تجربه کاربری صفحات خود را در Google Analytics، به ویژه نرخ پرش و مدت زمان حضور، تحت نظر داشته باشید.

در مورد مدت زمان ماندن کاربر، به خاطر داشته باشید که میانگین سرعت خواندن 650 کلمه در دقیقه است. از این به‌عنوان راهنما در ارزیابی میزان زمانی که بازدیدکنندگان در صفحات خود می‌گذرانند استفاده کنید و ببینید آیا می‌توانید با ایجاد تنوع در محتوای خود، مانند گنجاندن تصاویر و فیلم‌های بیشتر، این کار را بهبود ببخشید.

علاوه بر این، صفحاتی را که بهترین معیارهای مربوط به تعامل را دارند، بررسی کنید و در تهیه محتوای بعدی خود از روش‌های آماده استفاده کنید.

2- تحقیقات رقابتی انجام دهید. اعتقاد بر این است که یکی از کارهایی که رنک برین انجام می‌دهد. شناسایی ویژگی‌های مربوط به پرس‌وجو در صفحات وب و استفاده از این ویژگی‌ها به عنوان سیگنال برای رتبه‌بندی صفحات در SERP است.

ازآنجایی‌که هیچ استانداردی برای این مورد وجود ندارد می‌توانید با تجزیه‌وتحلیل صفات مشترک رقبای برتر در رتبه‌بندی خود، به‌خوبی درک کنید که این ویژگی‌ها چیست.

 

پادکست آشنایی با الگوریتم رنک برین

 

جمع بندی و نتیجه گیری

اغراق نیست اگر بگوییم الگوریتم رنک برین ( RankBrain ) انقلابی در نحوه تعیین نتایج جستجو بود. در سال ۱۹۹۶ ایده پیوندها به عنوان یک سیگنال رتبه‌بندی، انقلابی در جستجو با آنچه به Google PageRank تبدیل شد، ایجاد کرد.