RankBrain – czyli jak Google tworzy rankingi treści w wynikach wyszukiwania

RankBrain to rozwiązanie Google bazujące na machine learningu (ML), a więc – sztucznej inteligencji. Usprawnia tworzenie rankingu stron w organicznych wynikach wyszukiwania poprzez lepsze ich odpowiadanie do oczekiwań użytkowników. Historia zmian algorytmów Google jest bogata również w inne rozwiązania, np. Panda (od 2011 roku), Pingwin (od 2012 roku), Koliber (od 2013 roku), Gołąb (od 2014 roku).

RankBrain to sztuczna inteligencja, która została stworzona w celu bardziej efektywnego tworzenia rankingu stron w organicznych wynikach wyszukiwania względem wprowadzonego zapytania. Zadaniem tego algorytmu jest lepsze zrozumienie intencji i selekcja treści na podstawie dostępnych informacji o użytkowniku. RankBrain jest wykorzystywany przez Google od 2015 roku, a jego zadaniem było usprawnienie procesu dopasowania treści do potrzeb osoby wpisującej określone frazy. Warto nadmienić, że wcześniejsze rozwiązania (Panda, Pingwin, Koliber, Gołąb) nie dawały w pełni satysfakcjonujących efektów pod tym względem.

Google Panda – od 2011 roku

Zadaniem Pandy było eliminowanie z wyników wyszukiwania stron zawierających mało wartościowe, krótkie i zduplikowane treści. To odpowiedź na problemy związane z: powielaniem tekstów na różnych stronach w celu publikowania dużej ilości contentu oraz tworzeniem tzw. precli. 

W przeszłości w ramach prowadzonych działań SEO popularne było pisanie jednego tekstu i publikowanie go przez właścicieli stron na wszystkich swoich domenach. Działania tego typu pojawiały się także w kontekście wizytówek dodawanych do katalogów stron. Zdarzały się również sytuacje, gdy content z jednej strony był kopiowany bez pozwolenia autora czy właściciela domeny, a następnie publikowany w innych serwisach. Dodatkowo popularne stały tzw. precle, a więc teksty o niskiej wartości z wysokim nasyceniem słowami kluczowymi, których zadaniem było sztuczne podbijanie pozycji strony w wynikach wyszukiwania.

Panda to algorytm przygotowany z myślą o walce z treściami niskiej wartości z punktu widzenia potrzeb użytkownika. Przyczynił się jednak do powszechnego wykorzystania analizy SERP (Search Engine Results Pages) w copywritingu, a więc weryfikacji, jakie strony pojawiają się wysoko w wynikach wyszukiwania na daną frazę kluczową, w celu tworzenia nowych treści o podobnej strukturze i zawartości. Tym samym teksty publikowane na różnych stronach nie były identycznymi kopiami, a jednocześnie cechowały się ubogim zakresem informacji, powielając znane błędy i braki. Linki na wysokich pozycjach w organicznych wynikach wyszukiwania powielały bowiem ten sam zbiór danych, nie wnosząc nowej zawartości czy odmiennego punktu widzenia.

Google Pingwin – od 2012 roku

Pingwin to algorytm, którego zadaniem była walka z linkomanią nastawioną na podnoszenie PageRank poprzez linkowanie do własnej strony dosłownie wszędzie, gdzie tylko można. Rynek szybko znalazł odpowiedź na tego typu „strategię SEO”, oferując uczestniczenie w Systemach Wymiany Linków czy sprzedając opcję umieszczenia aktywnego linka. W czasach sprzed Pingwina popularnym sposobem pozycjonowania stron było umieszczanie wizytówek w katalogach, które w późniejszym czasie mnożyły się często bez udziału właściciela danej domeny. Po wdrożeniu wskazanego algorytmu bardzo często właściciele firm borykali się z informacjami takimi, jak poniżej wskazana. W efekcie potrzebne stało się korzystanie z opcji usuwania linków z kiepskiej jakości katalogów lub ich zrzekanie się. Natomiast przy tworzeniu strategii pozycjonowania stron zaczęto zwracać uwagę na domain authority.

Google Koliber – od 2013 roku

Koliber to algorytm, który istotnie usprawnił proces tworzenia rankingu stron w wyszukiwarce Google. Umożliwił on bowiem analizowanie fraz w całości z uwzględnieniem gramatyki zapytania. Dzięki temu podczas odczytywania zapytania „czarny kot pije wodę z miski” możliwe stało się potraktowanie wskazanego tekstu jako całego zdania. Użytkownik nie chce bowiem czarnego koloru, jakiegokolwiek kota, wody pod dowolną postacią oraz randomowej miski. Zainteresowany jest kotem koloru czarnego, który aktualnie pije wodę z miski. Przed wskazaną aktualizacją użytkownicy często wpisywali frazy przy użyciu osobnych słów bez odmiany, dostrzegając, że wyniki nie spełniają ich oczekiwań. W celu zwiększenia dokładności wyszukiwania posiłkowano się także cudzysłowem.

Google Gołąb – od 2014 roku

Gołąb to algorytm Google, którego zadaniem była weryfikacja lokalizacji zapytania. W efekcie wyniki wyszukiwania powiązane były z miejscem, z którego w danym momencie użytkownik pisał. Tego typu rozwiązanie niestety wiązało się z wieloma problemami. 

Po pierwsze – nie zawsze wpisując dane słowo kluczowe, chcemy dowiedzieć się czegoś o okolicy, w której przebywamy. Przykładem może być sytuacja frazy: „prognoza pogody” wprowadzonej do wyszukiwarki w trakcie wyjazdu. Możemy domyślić się z kontekstu, że jeżeli użytkownik znajduje się na lotnisku czy dworcu PKP i wcześniej wpisywał nazwę miejscowości docelowej, to chciałby wiedzieć, jaką pogodę zastanie, gdy dotrze na miejsce. W końcu pogodę w swojej okolicy może sprawdzić, wychodząc z budynku lotniska lub dworca. Jednak kierując się tylko lokalizacją, algorytm pokazałaby użytkownikowi we wskazanym scenariuszu prognozę dla miejsca, w którym aktualnie się znajduje.

Po drugie – nie zawsze lokalne produkty i usługi spełniają nasze oczekiwania. Wyobraźmy sobie, że poszukujemy usług stomatologa. Zależy nam na osobie doświadczonej w określonych zabiegach. W wynikach wyszukiwania jednak zamiast specjalisty o określonym profilu pojawia nam się wiele gabinetów w pobliżu, które nie spełniają naszych oczekiwań, a które doskonale znamy, ponieważ widujemy je codziennie wychodząc do pracy i wracając do domu.

Google RankBrain – od 2015 roku

Zadaniem RankBrain jest usprawnienie powyżej wskazanych niedoskonałości za pomocą sztucznej inteligencji. AI wykorzystywana jest w procesie odczytywania zapytań wpisywanych w wyszukiwarce oraz w toku dopasowania odpowiedzi do kontekstu, co pozwala na lepsze odpowiadanie przez Google na oczekiwania użytkowników. Analizując historię wyszukiwań i ucząc się na podstawie dużych zbiorów danych, sztuczna inteligencja w ramach RankBrain odpowiada na zapytania w sposób kontekstualny.

Powróćmy do przykładu z prognozą pogodny. Po wpisaniu przez użytkownika nazwy innego miasta, co zapisywane jest w bazie danych, a następnie frazy: „prognoza pogody”, sztuczna inteligencja będzie w stanie wskazań prognozę dla docelowego lub bieżącego miasta.

W efekcie AI wyświetli ranking stron w wynikach wyszukiwania, uwzględniając:

• dostępne dane na temat konkretnego użytkownika oraz
• ogólne tendencje wśród użytkowników dostępne dla sztucznej inteligencji w procesie treningu prowadzonego na podstawie baz danych zgromadzonych przez Google. 

RankBrain sprawia zatem, że indeksowanie stron na wysokich pozycjach w organicznych wynikach wyszukiwania jest bardziej skomplikowanym procesem niż dotychczas. Nie wystarczą: wysokie domain authority, dopasowanie pod względem lokalizacji czy unikatowe treści nastawione na naturalne frazy wpisywane przez użytkowników. Sama kontrola efektów pozycjonowania stron jest o wiele trudniejsza niż dotychczas. 

RankBrain a SEO i pozycjonowanie stron

Wykorzystanie AI w procesie odczytywania zapytań wpisywanych w wyszukiwarce oraz w toku dopasowania odpowiedzi do kontekstu pozwoliło na lepsze odpowiadanie przez Google na oczekiwania użytkowników. Nie oznacza to jednak, że od 2015 roku Panda, Pingwin, Koliber i Gołąb nie mają już żadnego znaczenia, a jedynym wyznacznikiem dla tworzenia rankingu stron w wynikach jest RankBrain. Niestety usługi SEO oraz pozycjonowania stron, które nie uwzględniają zmian w algorytmach Google, nie pozwalają na osiąganie oczekiwanych rezultatów. Z czasem siermiężne i przestarzałe działania SEO doprowadzą także do spadku pozycji stron.

RankBrain wymusza również przeprowadzenie dokładnej segmentacji klientów podczas planowania pozycjonowania strony, a także posługiwanie się dobrze przygotowanymi personami. Te wykorzystywane są nie tylko podczas targetowania i planowania produktów oraz tekstów. Persony są ważnym etapem w procesie tworzenia algorytmów sztucznej inteligencji, które mają wchodzić w interakcje z użytkownikami aplikacji. Dokładne przeanalizowanie grupy docelowej pozwoli zatem uzyskać wysokie pozycje w wynikach wyszukiwania wśród preferowanych odbiorców treści.