چگونه سرچ گوگل از هوش مصنوعی استفاده می کند؟

در این چگونگی تاثیر سیستم‌های هوش مصنوعی گوگل مانند RankBrain، BERT و MUM بر نتایج جستجو و نتیجه سئوی سایت ها بررسی می‌شود.

آیا تلاش‌های شما در زمینه سئو به نتایج مورد انتظارتان نمی‌رسد و نمی‌دانید چرا؟

روش‌های سنتی سئو روز به روز کمتر کارایی دارند. در حالی که شما همچنان بر روی کلمات کلیدی و لینک‌سازی تمرکز می‌کنید، هوش مصنوعی گوگل به سرعت در حال تکامل است و به طور اساسی نحوه رتبه‌بندی نتایج جستجو را تغییر می‌دهد. این تغییرات در پشت صحنه رخ می‌دهند و درک دلیل عملکرد ضعیف محتوای شما را دشوارتر می‌کنند.

فهمیدن نحوه کار سیستم‌های هوش مصنوعی گوگل، کلید طراحی استراتژی سئوی شما است. این مقاله به بررسی تحول هوش مصنوعی گوگل  از RankBrain تا BERT و MUM  می‌پردازد و توضیح می‌دهد که این پیشرفت‌ها چگونه نتایج جستجو را شکل می‌دهند.

با درک این مفاهیم، شما می‌توانید محتوایی تولید کنید که با رویکرد مبتنی بر هوش مصنوعی گوگل هماهنگ باشد و شانس خود را برای کسب رتبه‌های بالاتر در نتایج جستجو افزایش دهید.

سیستم‌های هوش مصنوعی گوگل

گوگل از حدود سال ۲۰۱۵ از نوعی هوش مصنوعی برای شناسایی، ارزیابی و مرتب‌سازی آدرس‌های اینترنتی استفاده کرده است که اولین سیستم هوش مصنوعی آن RankBrain نام داشت.

سه سال بعد، بن گومز، معاون ارشد یادگیری و آموزش گوگل و رئیس سابق بخش جستجو، هوش مصنوعی را «فصل بعدی جستجو» نامید.

گومز توضیح داد که هوش مصنوعی به گوگل امکان می‌دهد تجربه کاربری بهتری را ارائه کند، تجربه‌ای که فقط به جستجوهای کاربران محدود نمی‌شود. او گفت هوش مصنوعی سه تغییر اساسی در نحوه عملکرد جستجو ایجاد خواهد کرد:

• از پاسخ‌ها به مسیرها: «برای کمک به شما در از سر گرفتن وظایف ناتمام و یادگیری علاقه‌مندی‌ها و سرگرمی‌های جدید، ویژگی‌های جدیدی را به جستجو اضافه کرده‌ایم که نیازهای اطلاعاتی مداوم شما را پوشش می‌دهند.»
• از جستجوها به ارائه اطلاعات بدون نیاز به جستجو: «ما می‌توانیم اطلاعات مرتبط با علاقه‌های شما را حتی زمانی که جستجوی خاصی در ذهن ندارید، به شما نشان دهیم.»
• از متن به روش تصویری‌تر برای یافتن اطلاعات: «ما محتوای تصویری بیشتری به جستجو اضافه کرده‌ایم و بخش تصاویر گوگل را کاملاً بازطراحی کرده‌ایم تا به شما در یافتن اطلاعات آسان‌تر کمک کنیم.»

این تغییرات با RankBrain آغاز شد.

سیستم RankBrain: 2015

سیستم RankBrain اولین گام گوگل برای کمک به موتور جستجو بود تا «درک کند که چگونه کلمات به مفاهیم مرتبط می‌شوند.»

درک ارتباط یک کلمه با یک مفهوم، یک فعالیت هوشمندانه است و اولین قدم گوگل در جهت فهم محتوا به شکلی شبیه به انسان بود.

به عنوان مثال، اگر جستجو کنید «رنگ آسمان چیست؟»، هوش مصنوعی می‌تواند بفهمد که «آسمان» چیست و اینکه آسمان رنگی قابل درک دارد. بنابراین، گوگل می‌تواند نتیجه‌ای را بازگرداند که دقیقاً همان کلمات را نداشته باشد اما به پرسش پاسخ دهد.

چند سال بعد، گوگل با استفاده از تطبیق عصبی (neural matching) پیشرفت بیشتری در اتصال کلمات به مفاهیم به دست آورد.

تطبیق عصبی: 2018

این سیستم/زیرسیستم برای کمک به گوگل طراحی شد تا بفهمد «چگونه جستجوها به صفحات مرتبط می‌شوند» برای مفاهیمی که درک آن‌ها دشوارتر است.

فرض کنید شما جستجو کنید «بستن بندهایم»، که می‌تواند معانی مختلفی داشته باشد. با استفاده از تطبیق عصبی، گوگل می‌تواند بفهمد که منظور از «بندها» بند کفش است و نتایجی درباره روش‌های بستن بند کفش ارائه دهد.

سیستم Bert: 2019

BERT مخفف «Bidirectional Encoder Representations from Transformers» است و به عنوان یک «پیشرفت بزرگ» شناخته شد.

می‌توان BERT را به عنوان تکامل RankBrain و تطبیق عصبی در نظر گرفت، به‌طوری‌که اکنون گوگل می‌تواند بفهمد چگونه چندین کلمه در یک جمله به چندین کلمه در صفحه و مفاهیم پشت آن‌ها مرتبط می‌شوند.

BERT به نظر می‌رسد که در شناسایی موجودیت‌ها اهمیت دارد. این سیستم می‌تواند به گوگل کمک کند نام یک برند را تشخیص دهد، بفهمد یک فرد کیست و شاید حتی تخصص او در یک موضوع خاص را شناسایی کند.

این نوع مدل هوش مصنوعی است که هوش مصنوعی مولد و نمای کلی هوش مصنوعی را ممکن می‌سازد. گوگل از سال ۲۰۱۹ از آن استفاده می‌کند.

• سیستم «یادگیری عمیق» دیگری به نام DeepRank با BERT مرتبط است. همان‌طور که از شهادت پاندا نایوک در جریان محاکمه وزارت دادگستری آموختیم، اساساً DeepRank همان BERT است وقتی که برای رتبه‌بندی استفاده می‌شود.
• DeepRank بخش زیادی از RankBrain را جایگزین کرد.

سیستم MUM: 2021

گوگل ادعا می‌کند که مدل چندوظیفه‌ای یکپارچه (MUM) ۱,۰۰۰ برابر قدرتمندتر از BERT است.

اگر BERT زبان را می‌فهمد، MUM می‌تواند آن را تولید کند. همچنین می‌تواند متن و تصاویر و احتمالاً تا به امروز ویدئو را هم درک کند.

پاندو نایوک، دانشمند ارشد گوگل و رئیس سابق بخش جستجو، MUM را این‌گونه توضیح داده است:

«به عنوان مثال، در سوالی درباره کوه‌پیمایی در کوه فوجی، MUM می‌تواند بفهمد که شما در حال مقایسه دو کوه هستید، بنابراین اطلاعات مربوط به ارتفاع و مسیر ممکن است مرتبط باشد. همچنین می‌تواند درک کند که در زمینه کوه‌پیمایی، آماده شدن  شامل تمرین‌های ورزشی و همچنین یافتن تجهیزات مناسب است.

از آنجا که MUM می‌تواند بینش‌هایی را براساس دانش عمیق خود از جهان ارائه دهد، ممکن است به شما بگوید که هرچند هر دو کوه تقریباً در یک ارتفاع هستند، اما پاییز فصل بارانی کوه فوجی است و به یک کت ضدآب نیاز خواهید داشت.»

با این حال، کاربرد MUM برای بهبود نتایج جستجو در ارتباط با اطلاعات واکسن COVID-19 قدرت این سیستم را به خوبی نشان می‌دهد.

نایوک گفت که MUM به تفکیک نام‌های برندهای مختلف واکسن و ارائه «جدیدترین اطلاعات معتبر در مورد واکسن» کمک می‌کند.

MUM نشان می‌دهد که گوگل اکنون می‌تواند نتایج جستجو را سریع‌تر از گذشته بهبود بخشد.

بهره‌گیری از هوش مصنوعی برای سئو: چه کارهایی ممکن است؟

آنچه شما با هوش مصنوعی مولد انجام می‌دهید، گوگل نیز می‌تواند با هوش مصنوعی در سیستم رتبه‌بندی خود انجام دهد. این موضوع را خوب درک کنید.

ChatGPT ممکن است ضریب هوشی تا ۱۵۵ داشته باشد، بنابراین می‌توان فرض کرد که هوش مصنوعی گوگل نیز تا حدی می‌تواند منابع را مانند یک انسان بررسی کند.

یک انسان برای ارزیابی کیفیت و ارتباط یک صفحه با هدف خود ممکن است این سوالات را مطرح کند:

• آیا شما یک کارشناس مجرب در موضوعی هستید که درباره آن می‌نویسید یا صحبت می‌کنید؟
• آیا کارشناسان مجرب دیگر درباره شما و تخصص شما صحبت می‌کنند؟
• آیا شما سابقه بدی در استفاده نادرست از گوگل برای رتبه‌بندی بالاتر دارید؟
• آنچه درباره یک موضوع می‌گویید، چگونه با نظر سایر کارشناسان در آن حوزه مرتبط است؟
• آیا این بهترین محصول برای چیزی است که من به دنبالش هستم؟

اما به یاد داشته باشید که گومز گفته بود هوش مصنوعی از «پاسخ‌ها به مسیرها» حرکت خواهد کرد. این نکته بسیار مهم است و نشان می‌دهد که گوگل می‌تواند نحوه تعامل شما و مخاطبانتان با محتوا یا نحوه تولید محتوا درباره برند یا کارشناسان داخلی‌تان را دنبال کند.

با این توانایی، گوگل می‌تواند به سوالات بسیار مرتبط‌تری پاسخ دهد:

• آیا مردم از محصول یا خدمات شما بهره‌مند می‌شوند؟
• آیا یک وب‌سایت یا شرکت با دیگری مرتبط است یا متفاوت است؟ و آیا مشتریان از هر دو استفاده می‌کنند؟
• آیا مشتریان اطلاعاتی درباره محصول شما به اشتراک می‌گذارند و سپس آن را در گوگل جستجو می‌کنند؟

وقت آن رسیده که دیگر به سئو به عنوان سیگنال‌های رتبه‌بندی فکر نکنید و بیشتر بر این تمرکز کنید که انسان‌ها چگونه و چرا به دنبال اطلاعات می‌گردند.