Branża SEO coraz częściej zastanawia się na temat prężnie rozwijającej się sztucznej inteligencji (SI) zaimplementowanej w algorytmach Google. Koncepcja wykorzystania uczenia maszynowego (ML) bardzo mocno rzutuje na aktualne postrzeganie sposobu prowadzenia skutecznych optymalizacji SEO.
Czym jest uczenie maszynowe?
Uczenie maszynowe jest jedną z metod wykorzystywanych przez sztuczną inteligencję do umożliwienia systemom uczenia się niezależnie od interwencji człowieka. Zadaniem ML jest dopasowanie odpowiedzi do zapytań poprzez odpowiednie sortowanie, analizę i wyciąganie wniosków. Przykładem algorytmu opartego na uczeniu maszynowym jest Algorytm Google RankBrain:
Powyżej przedstawiony jest schemat działania algorytmu. Jest on stosowany do określania kontekstu nowych zapytań. RankBrain potrafi rozróżniać kontekst niewyuczonych zapytań wyciągając semantycznie podobnie frazy, o których informację już ma. W ten sposób algorytm uczy się, by dostarczać wyniki o wysokiej jakości. Ważnym elementem w całym schemacie jest Feedback – czyli moment, gdy wynik uzyskany przy iteracji n-1 wpływa na dane wejściowe iteracji n.
W jaki sposób Google używa uczenia maszynowego oraz SI do budowania serpów?
Google wykorzystuje technologię ML oraz SI do rozwijania algorytmów w celu optymalizacji wyników wyszukiwania względem potrzeb użytkowników. Oznacza to, że Google analizuje ogromną ilość danych, następnie próbuje je klasyfikować i odpowiedzieć, jaki zestaw wyników wyszukiwania jest najtrafniejszy względem użytkownika.
W jaki sposób się to dzieje? W uproszczony sposób cały proces można podzielić na trzy etapy:
Crawlowanie
Pierwszym etapem jest proces crawlowania. Google porusza się po witrynie i analizuje kolejne jej składowe. Ten proces można uznać za etap zbierania danych przez Google na temat danej witryny: jej linkowania wewnętrznego, struktury nagłówków, treści i innych elementów, na które Google zwraca uwagę.
Procesowanie
Google zaciąga wszystkie zebrane dane do swojego systemu, gdzie tworzy się magia! Sam algorytm jest tak skomplikowany, że nawet Twórcy nie są w stanie określić, ile jednostkowych funkcji jest wywoływanych podczas realizacji tego procesu. Wiadomo jednak, że prócz wyliczenia rankingu Google dba również o swój rozwój. Na podstawie zebranych danych sztuczna inteligencja zaimplementowana w algorytmy “uczy się” i wyciąga wnioski: tworzy nowe czynniki rankingowe, zmienia wagi już istniejących. Tak, to prawdziwa magia!
Indeksowanie
Po wykonaniu crawlowania i przeprocesowania zebranych danych Google decyduje, gdzie w wynikach wyszukiwania umieścić daną witrynę. Wnioski wskazane przez sztuczną inteligencję pozwalają połączyć daną podstronę witryny z określonym zapytaniem.
Jak uczenie maszynowe i SI wpływają na SEO?
Zrozumienie jak Google używa wspomnianych rozwiązań technologicznych może pomóc sprawniej realizować strategie budowania widoczności dla naszych serwisów.
Google to ogromny algorytm, który robi wszystko, aby zrozumieć użytkowników i dostosować się do ich potrzeb, ale to nadal jest tylko zbiór funkcji, które odpowiednio ułożone pozwalają wskazać wyniki wyszukiwania dla zadanej frazy. A więc, jak jak ML i SI wpływa na SEO?
User intent
W pierwszej kolejności ML i SI pozwala analizować i wnioskować z jaką intencją wiąże się dane zapytanie oraz czego oczekuje użytkownik wpisując tę frazę. Specjalista SEO musi zrozumieć, że nie zawsze intencja, z którą użytkownik wpisał frazę, będzie tą samą intencją, którą Google wywnioskuje przy użyciu technologii. A więc jak sprawdzić, z jaką intencją Google wiąże daną frazę? Wpisać ją w wyszukiwarkę!
Dla przykładu: wpisujemy frazę “Buty”. Człowiek pod tą frazą rozumie po prostu – buty. Google natomiast pod frazą “Buty” rozumie “Buty Damskie”. Dlaczego tak? A no tak wskazały wdrożone algorytmy, które po przeprocesowaniu uznały, że na zapytanie “Buty” użytkownik oczekuje “Butów Damskich”.
Frazy z błędami ortograficznymi
Bardzo ciekawym przykładem ślepego uczenia się algorytmów Google i próby wskazania intencji są frazy z błędami ortograficznymi. Początkowo na frazy wpisane z błędem Google reaguje “Czy chodziło Ci o frazę:”. Dzieje się tak, gdyż Google nie zna pełnej intencji tej frazy i próbuje ją zrozumieć, wyuczyć się. Google za pomocą ML próbuje wskazać podobną frazę, o której wie więcej, zna jej intencje. Dlatego użytkownicy wpisując wielokrotnie frazę z błędem “nauczą” Google jakiej intencji oczekują. Od tego momentu na zapytanie z błędem Google nie będzie wskazywał komunikatu “Czy chodziło Ci o frazę:”, a wskaże od razu odpowiednie wyniki wyszukiwania.
A więc czy ML i SI należy się bać?
ML w SEO nie musi być zagrożeniem – może być sposobem na zbudowanie przewagi nad konkurencją. Strategia budowania widoczności oparta nie tylko na wiedzy i doświadczeniu specjalisty, ale również na wynikach uzyskanych podczas wielokrotnych analiz z wykorzystaniem narzędzi opartych na ML i SI pozwala uzyskać znaczące wzrosty w widoczności nawet w przypadku najbardziej opornych serwisów – dlaczego? Dlatego, ponieważ Google jest systemem opartym na SI, a nie żywym organizmem! Google chce być, jak człowiek i myśleć jak człowiek, ale nadal jest przedstawicielem sztucznej inteligencji. Należy o tym pamiętać podczas realizacji działań optymalizacyjnych.
