Wszystko co chciałbyś wiedzieć o RankBrain, ale nie wiesz, o co zapytać

RankBrain to samouczący się system (machine learning), którego zadaniem jest dawanie jak najlepszych wyników dla długich i nigdy wcześniej niewyszukiwanych fraz. RankBrain został oficjalnie ogłoszony 26 października 2015 podczas wywiadu dla portalu Bloomberg. Greg Corrado wyjawił wtedy, że jest to jeden z 3 najważniejszych czynników w rankingu i został stworzony, ponieważ ok 15% zapytań w Google pojawia się po raz pierwszy*.

Można z dużym prawdopodobieństwem założyć, że RankBrain jest częścią wcześniej wprowadzonego algorytmu Koliber, który odpowiada za interpretacje zapytań. Działanie tych dwóch składników wyszukiwarki jest podobne, ponieważ zarówno jeden jak i drugi stara się odgadnąć intencję użytkownika. Oto przykład, jak radzi sobie Koliber z zapytaniem: “mądrość na przymiotnik”. Przed rokiem 2013 Google pokazałoby wyniki na podstawie użytych słów kluczowych, a więc ktoś w treści artykułu musiałby użyć frazy: “mądrość na przymiotnik”. Wtedy po kliknięciu w wynik, znaleźlibyśmy pewnie nasz przymiotnik. Koliber jest jednak bardzo sprytny i od razu wskaże nam właściwą odpowiedź.

Główna różnica pomiędzy algorytmem Koliber, a RankBrain byłaby taka, że ten drugi odpowiada na pytania, które są jeszcze nieznane wyszukiwarce, a więc przede wszystkim długie i skomplikowane sformułowania typu: „Jaka jest nazwa konsumenta znajdującego się na najwyższym poziomie łańcucha pokarmowego?”. System bada związki między poszczególnymi słowami w tekście, aby określić jego kontekst. By przybliżyć działanie RankBrain, poniżej umieszczam analizę Eric’a Enge'a dla wspomnianego zdania:

RankBrain łączy niektóre słowa w związki - jeśli w zdaniu pojawia się fraza: ”łańcuch pokarmowy”, to system będzie skłonny skojarzyć słowo: “konsument” z jedzeniem, a nie kupowaniem, itd. Dodatkowo RankBrain wykorzystuje tzw. stop words, czyli często powtarzające się słowa, które tradycyjnie nie były wykorzystywane w wynikach wyszukiwania: i, czy, do, na itd. Warto też zwrócić uwagę, że RankBrain może bazować na wyszukiwaniach, które już wcześniej pojawiły się w Google.

Oficjalne informacje na temat RankBrain są zdawkowe i zazwyczaj ograniczają się do ogólnych stwierdzeń, bez podawania przykładów, czy statystyk. Jest jednak kilka ciekawych testów związanych z RankBrain.

Analiza Erica Enge’a

Eric Enge poddał analizie oraz porównał ze sobą 500k słów kluczowych z 2015 i 2016 roku. Następnie znalazł 163 zapytań z którymi Google nie mógł poradzić sobie w 2015 roku. 54% z tej liczby otrzymało właściwą odpowiedź w roku 2016. Oto krótkie podsumowanie testu:

43.8% odpowiedzi znajdowało się w answer box
2% weszło w skład map
48% stanowiło organiczne wyniki

Zapytania dzieliły się na typy:

Interpretacja fraz
Interpretacja pojedynczych słów
Właściwe zapytania użytkowników, np. “przełóż sławę na przymiotnik”
Niedokładne zapytania użytkowników, np. “przelicz na milion dolarów”

Zakładając, że 43.8% właściwych odpowiedzi było związanych właśnie z RankBrain, można zauważyć dwie ciekawe rzeczy:

System nie dopasowuje odpowiedzi jedynie dla klasycznych wyników wyszukiwań, ale również featured snippets oraz map.
Działanie RankBrain jest bardzo podobne do działania algorytmy Koliber.

Analiza Marcusa Tobera

Kolejną ciekawa prezentacja na temat działania RankBrain została przedstawiona przez Marcusa Tobera z Searchmetrics. Analizie zostało poddanych 400 tysięcy słów kluczowych z trzech branż: e-commerce, zdrowia oraz pożyczek. Wnioski płynące z analizy mogą być dla niektórych zaskakujące, okazuje się bowiem, że w niektórych branżach tradycyjne czynniki rankingowe, takie jak linki przychodzące/wewnętrzne, ilość słów, mogą nie rozstrzygać o wysokiej pozycji. Dla przykładu: w branży e-commerce ilość linków zewnętrznych jest istotnym czynnikiem rankingowym, z kolei jeśli chodzi o branże zdrowia i pożyczek jest już inaczej:

Kolejnym przykładem jest wpływ użycia słowa kluczowego w meta title. Większość osób przeprowadzających optymalizację stron dba o to, aby słowo kluczowe znalazło się w tagu tytułowym. Tymczasem z danych Searchmetrics wynika, że w branży pożyczek występuje ono tylko w przypadku 10% wszystkich wyników:

Wniosek z analizy mógłby wyglądać więc tak: Google nie rezygnuje całkowicie z klasycznych czynników rankingowych, warto jednak skupić się na tym, by temat był jak najbardziej odpowiedni i użyteczny dla użytkownika.

Zbierając w całość to, co zostało napisane, można by stworzyć ogólny model wyszukiwania:

Jak wykorzystać potencjał RankBrain?

Oto kilka wskazówek które pomogą Twojej stronie wykorzystać potencjał RankBrain:

Korzystaj z semantycznych słów kluczowych (LSI)

Semantyczne słowa kluczowe to inaczej wyrażenia związane z naszą frazą, które są często wyszukiwane przez użytkowników. Najprostszym sposobem na sprawdzenie powiązanych słów jest sekcja: “Wyszukiwania podobne do”, którą znajdziesz na końcu listy wyników:

Semantyczne słowa kluczowe mogą pomóc Google lepiej zrozumieć temat, który opisujesz. Są też gwarancją, że użytkownik znajdzie więcej informacji związanych z szukaną przez siebie frazą. Istnienie wiele przydatnych narzędzi, które pomagają znaleźć powiązane słowa kluczowe, np: Ubersuggest, Answerthepublic, LSIGraph, Twinword Ideas. Narzędziem pomocniczym do grupowania słów kluczowych może okazać się: Keyword Grouper Pro, który jest darmowym programem do pobrania na komputer.

Nie pozwól użytkownikowi opuścić Twojej strony

Dla Google bardzo ważnym sygnałem jest dwell time – czyli czas między odwiedzeniem Twojej strony a powrotem do wyszukiwarki. Jeśli użytkownicy będą często opuszczać artykuł przed jego przeczytaniem, dla Google może to być sygnał, że Twój tekst nie wyczerpuje danego tematu lub jest mało atrakcyjny. Twórz teksty, które będą zarówno merytoryczne, jak i atrakcyjne dla czytelników.

Upewnij się również, że witryna ładuje się wystarczająco szybko. Wg danych Google, ok 29% użytkowników opuści Twoją stronę, jeśli ta będzie się ładowała 9 sekund.

Wykorzystuj trendy i twórz treści, które są aktualne

Google lubi dostarczać użytkownikom aktualne treści. Zajrzyj na Google Trends i sprawdź najświeższe tematy z interesującej Cię dziedziny. Poniżej przykład jednego z trendów, film “Mother”, w którym zagrała Jennifer Lawrence:

A oto wynik dla nietypowego zapytania, który użyłem:

Pamiętaj: trendy lubią nowe i nigdy wcześniej niewyszukiwane zapytania.

Wejdź do Answer Box

Wykorzystuj Answer Box, aby pojawiać się na długie i rzadko wyszukiwane frazy. Answer boxy to odpowiedzi pojawiające nad tradycyjnymi wynikami wyszukiwania, wyróżnione w postaci specjalnego bloku. Ich zadaniem jest udzielenie użytkownikowi jak najtrafniejszej odpowiedzi na dany temat.