الگوریتم رنک برین (Rank brain) چیست؟

شما خورۀ فیلم هستید؟ یا دوستی دارید که خورۀ فیلم باشد؟ اگر جزو دسته دوم هستید، پس خیلی خوش به حالتان! چون دوستتان همه فیلم‌ها را تماشا می‌کند و فقط کافی است به او بگویید «ممد فیلم خوب جدید چی داری؟». ممد در کسری از ثانیه جواب می‌دهد: «فلشت رو بده» و همزمان با کپی کردن فیلم‌ها در فلش آن‌ها را معرفی می‌کند تا مطمئن شود با ذائقه دوست قدیمی‌اش سازگار است. الگوریتم رنک برین گوگل، همین دوست شماست. دوستی که هم می‌خواهد شما را بهتر بشناسد، هم فیلم‌ها را.

همانطور که ممد داستان ما، بدون پرسیدن سوال‌های اضافی منظور دوستش را کامل درک می‌کند، گوگل هم با الگوریتم رنک برین (Rank brain) و تطبیق عصبی (Neural matching) از یک عبارت جستجو شده هرچند نامفهوم، متوجه منظور کاربر می‌شود و بهترین نتایج مرتبط با آن را نمایش می‌دهد.

در ادامه ببینیم ممد، نه ببخشید؛ الگوریتم رنک برین Rank brain چیست و چطور می‌فهمد منظور شما از فیلم خوب جدید یعنی چه؟

بعد از درک الگوریتم رنک برین به سراغ پرسش‌های عمیق‌تری می‌رویم.

• رنک برین چه تفاوتی با تطبیق عصبی (Neural Matching) دارد؟
• برای بهبود رتبه از نظر رنک برین چه کارهایی باید کرد؟
• اصل «یک کلیدواژه، یک محتوا» چه می‌شود؟

بهتر است از داستان همین ممد عزیز شروع کنیم تا الگوریتم رنک برین را بهتر بشناسیم.

چطور مَمد خورۀ فیلم شد؟

وقتی ممد بچه بود، همسایه دیوار به دیوارشان یک کلوپ کرایه فیلم بود. از آن فیلم‌های VHS که وقتی می‌خواستی فیلم را از اول ببینی، باید دکمه جمع شدن فیلم را می‌زدی و از شنیدن صدای ویژ دستگاه در حال اوج گرفتن کیف می‌کردی.
خانواده او هم کلاً آدم‌های اهل فیلمی بودند و هیچ فیلمی را ندیده، رد نمی‌کردند. ممد حتی دوستانش را هم با فیلم پیدا می‌کرد؛ کافی بود از کسی بپرسد، از چه فیلمی خوشت می‌آید و اگر فیلم‌هایشان مشترک بود، بدون شک دوست می‌شدند.

در نتیجه ممد بدون این‌که روانشناسی خوانده باشد یا تست شخصیت از کسی بگیرد، با کمی معاشرت و صحبت می‌تواند، با دقت بالایی چند فیلم خوب پیشنهاد دهد.

ممد چگونه بهترین پیشنهاد فیلم را می‌دهد؟

اگر اکبر، دوست صمیمی ممد از او بپرسد «فیلم خوب جدید چی داری؟» این سؤال‌ها در مغز ممد پردازش‌ می‌شود:

• اکبر به چه فیلمی می‌گوید خوب؟ کمدی؟ درام؟ اکشن؟
• کدام فیلم‌ها را اکبر دیده است؟
• آخرین بار کی اکبر همین سؤال را از من پرسید؟ یعنی منظورش از جدید چیست؟

مغز ممد با پیدا کردن جواب این سؤال‌ها و ترکیب کردن نتایج، ۳ فیلم مورد پسند اکبر را به او پیشنهاد می‌دهد. دفعه بعدی هم که اکبر و ممد با هم بیرون می‌روند و درباره فیلم‌ها صحبت می‌کنند، ممد متوجه می‌شود که اکبر از تماشای هر سه فیلم لذت برده است، پس کارش برای پیشنهاد فیلم‌های بعدی راحت‌تر می‌شود.

گوگل می‌خواهد جای ممد را در زندگی شما بگیرد

همین حالا در گوگل سرچ کنید best new movies و به نتایج نگاه کنید. در ردیف صفر (جایگاه نتایجی که خود گوگل ارائه می‌کند) فیلم‌های برتر سال را می‌بینید و در رتبه‌های بعدی هم مطالبی با عنوان بهترین فیلم‌های سال یا ماه‌های اخیر را به شما نشان می‌دهد. یعنی گوگل قصد و منظور شما از به کار بردن «جدید» و «بهترین» را در عبارت جستجو شده می‌فهمد.

حالا این دفعه به جای عبارت قبلی «top new films» را سرچ کنید. نتایج تغییر زیادی نداشت، نه؟ تعجبی هم ندارد چون گوگل مترادف بودن top و best و همین‌طور movie و film را می‌داند.

شاید هنوز نتایج عبارت مشابه جستجو شده در زبان فارسی به همان خوبی زبان انگلیسی نباشد؛ اما مطمئن باشید در سایر زبان‌ها هم نتایج به همین شکل بهتر خواهند شد. چون الگوریتم گوگل با یادگیری ماشین در حال یاد گرفتن زبان انسان‌ها است. خب حالا قبل از این‌که به توضیح مفصل الگوریتم رنک برین برسیم، اول با یادگیری ماشین آشنا شویم.

یادگیری ماشین یعنی چه؟

یادگیری ماشین به زبان ساده یعنی به‌جای این‌که تک‌تک مفاهیم دنیا را با برنامه‌نویسی در دل نرم‌افزارها یا الگوریتم‌ها جا دهیم، برنامه‌ای بسازیم که خودش بتواند مفاهیم را درک کند.

راه قدیمی این‌طور بود که با نوشتن صدها خط کد، الگوریتمی بسازیم که در نرم‌افزار بتواند تصویر یک سیب را تشخیص دهد؛ اما حالا با یادگیری ماشین، تصاویر هزاران سیب‌، موز، آلبالو، پرتغال و هندوانه را به نرم‌افزار می‌دهند تا خودش مثل بچه آدم یاد بگیرد و الکی وقت ما را هم نگیرد. نرم‌افزار یا همان ماشین بعد از دسته‌بندی تصاویر، به هرکدام یک نام فرضی یا عدد می‌دهد. سیب ۱، موز ۲ و… حالا ما به‌جای ۱ می‌نویسیم سیب؛ تمام شد.

حالا اگر یک تصویر جدید از سیبی که به رنگ نارنجی پرتغال است به ماشین نشان دهیم و از آن بخواهیم تشخیص دهد کدام میوه است؟ با بررسی تصویر جواب می‌دهد که به‌احتمال ۹۵ درصد سیب است.

این نرم‌افزار در هر مرحله از یادگیری، ارتباط بین داده‌ها را بهتر درک می‌کند. هرچه ماشین قدرت نرم‌افزاری و سخت‌افزاری بیشتری داشته باشد و داده‌های بیشتری به آن بدهیم، پاسخ‌‌های سریع‌تر و دقیق‌تری به ما خواهد داد. برای درک بهتر یادگیری ماشین پیشنهاد می‌کنیم مقاله بیگ دیتا را در طراح نو بخوانید.

همین آزمایش فرضی عکس سیب و یادگیری ماشین را در ذهنتان داشته باشید تا برویم سراغ این‌که چرا گوگل رنک برین را راه‌اندازی کرد.

الگوریتم رنک برین (Rank brain) گوگل چگونه کار می‌کند؟

گوگل تا همین چند سال قبل یک مشکل اساسی داشت؛ هر روز مردم عبارت‌هایی را در گوگل سرچ می‌کردند که قبل از آن کسی سرچ نکرده بود، به همین دلیل اکثر اوقات، این جستجو‌ها به صفحه‌ای بدون نتیجه مثل تصویر زیر می‌رسید.

این مشکل به‌خاطر ضعف الگوریتم‌های جستجوی گوگل پیش می‌آمد. وقتی کاربران عبارت‌های جدیدی جستجو می‌کردند، اگر صفحاتی با این کلمات کلیدی پیدا نمی‌شد، گوگل، یا نتیجه‌ای نمایش نمی‌داد یا نتایج خیلی نامربوط بودند. همین حالا هم اگر نتیجه‌ای پیدا نشود، گوگل از کاربر می‌خواهد عبارت جستجو شده را با راهکارهای زیر تغییر دهد:

• جستجوی عبارت کلی‌تر
• دقت در املای کلمات
• جستجوی عبارت دیگر

بعد از بررسی این ضعف‌ها، مهندسان گوگل متوجه شدند، بسیاری از عبارت‌های جدیدی که جستجو می‌شوند، در واقع از نظر مفهوم جدید نیستند، فقط کلمات یا جمله‌بندی متفاوتی دارند. آن‌ها فهمیده بودند که دوای دردشان دست هوش مصنوعی است اما برای ساده‌تر کردن راه‌حل، اول آن را به سه مسئله کوچک‌تر تقسیم کردند.

1. درک مفاهیم پشت جملات و کلمات صفحات وب (ارتباط دادن مفاهیم به محتوا)
2. درک منظور کاربر از عبارت جستجو شده (درک عبارت‌های مترادف، معادل و نامفهوم)
3. رتبه‌بندی نتایج بر اساس وضعیت فعلی (تغییر مفاهیم نسبت به زمان و مکان)

با توجه به اطلاعات منتشرشده در این سه مسئله حالا گوگل با الگوریتم رنک برین و سیستم تطبیق عصبی (Neural Matching)  بهترین نتایج را به کاربر نشان می‌هد.

اجازه بدهید با یک مثال، مسئله را روشن کنیم.

اگر کاربری عبارت لوکیشن المپیک (olympics location) را سرچ کند به دنبال چیست؟ به‌احتمال قوی او به دنبال یکی از اهداف زیر است:

• محل برگزاری مسابقات المپیک بعدی
• محل برگزاری المپیک زمستانی یا تابستانی بعدی
• لیست شهرهای میزبان مسابقات المپیک از گذشته تا امروز
• به دنبال لوکیشن هتلی به نام المپیک است
• در شهر برگزاری مسابقات المپیک است و می‌خواهد آدرس استادیوم افتتاحیه را پیدا کند

فهمیدن اینکه منظور کاربر کدام یکی از این‌هاست، برای گوگل اصلاً سخت نیست. باور ندارید؟ بیایید تحلیل گوگل را ببینیم:

• اگر در روزهای برگزاری یکی از مسابقات المپیک و از همان شهر میزبان این عبارت جستجو شود، پس آدرس محل برگزاری و سایت مسابقات رتبه بالاتری می‌گیرد. در این وضعیت رنک برین با توجه به افزایش جستجوهای مشابه در همان منطقه و همان روزها به مفهوم آدرس اولویت می‌دهد.
• اگر چند هفته به مسابقات المپیک زمستانی مانده باشد و جستجوهای مربوطه در سایر نقاط دنیا در حال افزایش است، پس به احتمال قوی منظور کاربر شهر برگزاری المپیک زمستانی است.
• اگر در فاصله بین مسابقات عبارت گفته شده را سرچ کنید به شما ترکیبی از نتایج را نشان می‌دهد که همه اهداف را پوشش می‌دهند.

با تغییر عبارت جستجو شده به المپیک کجاست؟ (where is Olympics) هم نتایج تغییر زیادی نمی‌کنند.

در واقع الگوریتم رنک برین مفهوم المپیک را به‌عنوان یک رویداد مهم که هر چند سال یک‌بار در شهری متفاوت برگزار می‌شود، در پایگاه داده گوگل ذخیره کرده است. با در نظر داشتن زمان و مکان برگزاری المپیک و همین‌طور زمان و مکانی که کاربر جستجو می‌‌‌کند، رتبه‌بندی نتایج تغییر می‌کند.

آیا رنک برین بخشی از الگوریتم مرغ مگس خوار است؟

بله هست! نه تنها رنک برین بلکه الگوریتم‌های دیگری مانند پنگوئن، پاندا، کبوتر هم بخشی از الگوریتم مرغ مگس‌خوار هستند. در واقع مرغ مگس خوار، یک الگوریتم کلی جستجوست که شامل چندین بخش است. هر کدام از این بخش‌ها یک معیار را بررسی می‌کنند تا در مجموع بهترین نتیجه را به کاربر نمایش دهند. رنک برین جستجوها را از نظر مفهوم و تطابق معنایی را بررسی می‌کند.

تطبیق عصبی (Neural matching) چیست و چه تفاوتی با رنک برین دارد؟

انتشار خبر استفاده گوگل از تطبیق عصبی (Neural matching) باعث شد شایعات زیادی درباره آن ایجاد شود. حتی خبرهایی منتشر شد که Neural matching یک الگوریتم جدید یا به‌روزرسانی هسته است که هر دو خبرهایی اشتباه بودند. تطبیق عصبی، نه یک الگوریتم جدید بود و نه یک روش جدیدی برای رتبه‌بندی نتایج جستجو، بلکه روشی است برای شناخت الگوها در یادگیری ماشین و کمک می‌کند تا ارتباط بین مفاهیم و کلمات را درک شود. ممکن است کمی گیج شده باشید ولی الان با مثال زیر همه چیز روشن می‌شود.

در تصویر زیر، یک مثال از عملکرد تطبیق عصبی در تشخیص مفهوم کلمه «change» را در جمله‌های مختلف می‌بینید. در همه این جملات از کلمه «تغییر» استفاده شده اما یکجا به معنی تنظیم، یکجا به معنی تبدیل و … است.

از همین مثال می‌توان فهمید رنک برین تا چه اندازه به آسان‌تر شدن جستجو کمک می‌کند.

خب حالا که می‌دانیم رنک برین چیست و چه‌کار می‌‌کند، آیا برای بهبود رتبه در این الگوریتم کاری از دستمان برمی‌آید یا نه؟

برای بهبود رتبه از نظر رنک برین چه کارهایی باید کرد؟

هر بار که گوگل با به کار بردن هوش مصنوعی آپدیتی ارائه می‌کند، بسیاری از فعالان دیجیتال مارکتینگ مدعی می‌شوند سئو در حال مرگ است. این ادعا بعد از به‌روزرسانی الگوریتم رنک برین هم مطرح شد.

اگر کمی منصفانه به روند تغییرات سئو در سال‌های گذشته توجه کنیم می‌بینیم که سئو از تکنیک‌های کلاه سیاه فاصله گرفت و بیشتر به سمت محتوای با ارزش رفت. در حال حاضر هم صدها نکته و روش برای سئو وجود دارد که به این زودی‌های از بین نخواهند رفت.

در ادامه به ۴ کاری که برای بهبود سئو سایت از نظر الگوریتم رنک برین قابل‌اجرا هستند، اشاره می‌کنیم.

۱. تحقیق کلمات کلیدی انجام دهید

همان‌طور که گفته شد، بخش مهمی از رنک برین درباره درک مفهوم عبارت‌هایی است که توسط کاربران جستجو می‌شود. پس باید محتوایی که می‌نویسیم برای عبارت‌هایی متنوع آماده شده باشد. چیزی که می‌تواند کمک بزرگی در این قسمت به ما بکند، تحقیق کلمات کلیدی است.

تحقیق کلیدواژه در دو مرحله اهمیت دارد:

•  تحقیق کلیدواژه‌‌‌های کلی برای تدوین استراتژی
• تحقیق کلیدواژه‌ها برای هر محتوا

در هر دو مرحله باید لیستی از کلمات کلیدی که بیشتر از همه سرچ می‌شوند را جمع‌آوری و دسته‌بندی کرد. برای مثال اگر قرار است درباره «سفر به شمال» مطلب نوشته شود، این لیست فرضی می‌تواند شامل کلید‌واژه‌های مرتبطی مثل موارد زیر باشد:

• مناطق بکر شمال
• جاهای دیدنی شمال
• نقاط دیدنی مازندران
• جاذبه‌های گردشگری گیلان

با داشتن کلید‌واژه‌ها، درجه‌بندی و مشخص کردن ارتباطشان، می‌توانید عبارت‌های کاربرپسند‌تر و در وهله دوم گوگل‌پسندتری بنویسید.

تحقیق کلید‌واژه، ابزارها و استراتژی‌هایش، بحث گسترده و پر نکته‌ای دارد که خارج از موضوع این مقاله هستند. پیشنهاد می‌کنیم برای یادگیری کامل این موضوع از دوره جامع تحقیق کلمات کلیدی طراح نو استفاده کنید.

۲. به زبان مردم بنویسید

الآن از خودتان می‌پرسید مگر زبان غیر مردمی هم داریم؟ بله داریم. پاراگراف زیر را بخوانید:

ما در شرکت تدبیر گستران شرق دور، در جهت نیل به اهدافی قدم نهاده‌ایم که بنیان‌گذاران آن با اتکا بر بینش و خرد جمعی و بلند‌پروازی اندیشمندانه مدون ساختند تا در افق سند چشم‌انداز کلان، خدمت صادقانه را بازآفرینی و رویکرد کیفیت‌ محور را در تولید محصول ملی نهادینه سازیم.

کل این پاراگراف یک جمله بود. آیا شما وقتی می‌خواهید شرکتی را به دوست خود معرفی کنید از این جمله‌بندی و این لحن استفاده می‌‌کنید؟ صد در صد نه!

برای نوشتن به زبان مردم باید این چند نکته را رعایت کنید:

• از کلماتی استفاده کنید که اکثر مردم استفاده می‌‌کنند
• جملات را تا جایی که درک آن سخت نشود، کوتاه کنید
• ساده بنویسید

کاربران در اینترنت_به‌جز مواردی که به دنبال محتوای تخصصی هستند_ از ساده‌ترین کلمات و جملات استفاده می‌کنند. پس شما هم محتوای خود را برای کاربری آماده کنید که به دنبال پیچیدگی‌‌های الکی و فارسی سخت نیست.

۳. محتوایی جامع و با تنوع کلیدواژه منتشر کنید

در بسیاری از موضوعات می‌توان محتوای جامعی منتشر کرد که نیاز خیلی از کاربران با اهداف مختلف را برطرف کند. برای مثال همین مقاله را می‌توانستیم به ۴ مقاله با عناوین زیر تقسیم کنیم:

• آشنایی با الگوریتم رنک برین
• یادگیری ماشین چیست؟
• تأثیر تطبیق عصبی در سئو
• راهکارهای بهبود سئو از نظر الگوریتم رنک برین

اما سعی کردیم یک مقاله جامع با عنوان «الگوریتم رنک برین» بنویسیم و هر جا نیاز بود، موضوعات فرعی را هم توضیح دهیم. حالا امکان دارد کاربران با سرچ عبارت‌های زیر به این مقاله برسند:

• سئو رنک برین
• افزایش رتبه با تحقیق کلمات کلیدی
• تطبیق عصبی چیست؟
• الگوریتم هوش مصنوعی گوگل

نوشتن از موضوعات فرعی اما مرتبط به رنک برین، کمک می‌کند کلید‌واژه‌های جستجو شده بیشتری را به همین محتوا ربط دهد.

۴.  ارتباط موضوعی و ساختاری محتوا را حفظ کنید

یک بحث گسترده در استراتژی محتوا «ساختار موضوعی» است. ساختار موضوعی در این‌جا یعنی ارتباط دادن محتواها از نظر موضوع و مفهوم و بعد از آن لینک‌سازی داخلی به شکل درست.

معروف‌ترین مدل ساختار موضوعی، مدل خوشه‌ای (Topic Cluster) است. در این مدل برای موضوع اصلی محتوایی جامع آماده می‌شود و همه موضوعات فرعی مرتبط، حول همین محتوای اصلی منتشر می‌شوند.

برای مثال محتوایی جامع درباره «دیجیتال مارکتینگ» می‌نویسیم و بعد، مقاله‌های زیرمجموعه دیگری مثل سئو، بازاریابی محتوا، گوگل آنالیتیکس، وبلاگ نویسی، فروش اینترنتی و … در متنشان به آن اشاره می‌کنند و لینک می‌دهند. این کار باعث می‌شود مفاهیمی که الگوریتم رنک برین از وب‌سایت شما درک می‌کند، به موضوع اصلی نزدیک‌تر شود.

اصل «یک کلیدواژه، یک محتوا» چه می‌شود؟

در بازاریابی محتوایی و سئو اصلی وجود دارد به نام «یک کلیدواژه، یک محتوا»؛ یعنی برای هر عبارتی که کاربران جستجو می‌‌کنند، یک محتوای منحصر به فرد منتشر کنید تا رتبه بالایی بگیرد. خب! حالا که الگوریتم رنک برین مفاهیم را بر کلمات ترجیح می‌‌دهد، آیا هنوز هم این اصل پابرجا است؟

پاسخ این سؤال بستگی به نوع محتوا دارد. اگر محتوا‌های شما موضوعاتی هستند که کاربران با عبارت‌های متنوع اما با یک هدف و منظور آن را جستجو می‌کنند، این اصل کمک زیادی به شما نمی‌‌کند. در این حالت رنک برین با در نظر گرفتن صدها فاکتور و سیگنال دیگر، بهترین نتیجه را به کاربر نشان می‌دهد حتی اگر کلیدواژه جستجو شده را نداشته باشد؛ اما در حالتی که تنوع عبارت جستجو شده هر مفهوم زیاد نیست و عبارت‌های جستجو شده دقیق‌تر هستند پیروی از این اصل توصیه می‌شود.

کلام آخر

رنک برین نیامده است که کسی را جریمه کند یا رتبه وبسایت‌ها را یک‌شبه افزایش دهد. هدف اصلی از پیاده‌سازی رنک‌برین همان پاسخگویی به عبارت‌های جدید و نامفهومی است که کاربران سرچ می‌کنند.

چه بخواهید چه نخواهید رنک برین کار خودش را می‌کند. ما فقط می‌توانیم محتوایی به آن بدهیم که ما را بهتر درک کند و کاربرانی را به سمت ما هدایت کند که به دنبال آن‌ها هستیم. مثل همان صمیمی شدن با ممد که در ابتدا داستانش را گفتیم.