RankBrain

Qu'est-ce que Google RankBrain ?

RankBrain est un composant de l'algorithme de base de Google qui utilise l'apprentissage machine (la capacité des machines à apprendre par l'entrée de données) pour déterminer les résultats les plus pertinents aux requêtes des moteurs de recherche. Google a utilisé son algorithme de base pour déterminer les résultats à afficher pour une requête donnée. Après le classement, on croit que la requête passe maintenant par un modèle d'interprétation qui peut appliquer des facteurs possibles comme l'emplacement du chercheur, la personnalisation et les mots de la requête pour déterminer l'intention réelle du chercheur. En discernant cette véritable intention, Google peut fournir des résultats plus pertinents.

L'aspect d'apprentissage machine de RankBrain est ce qui le distingue des autres mises à jour. Pour "enseigner" l'algorithme RankBrain à produire des résultats de recherche utiles, Google "alimente" d'abord les données à partir d'une variété de sources. L'algorithme s'en sert ensuite pour calculer et s'enseigner au fil du temps à faire correspondre une variété de signaux à une variété de résultats et à classer les moteurs de recherche en fonction de ces calculs.

Comprendre RankBrain

Pour conceptualiser clairement RankBrain, il peut être utile de se mettre à la place de Google, en essayant de comprendre l'intention d'une requête de moteur de recherche comme "Olympics location". Quel est le but réel de cette recherche ? Le chercheur veut-il connaître les Jeux olympiques d'été ou d'hiver ? Sont-ils en train de parler des Jeux olympiques qui viennent de se terminer ou de ceux qui auront lieu dans quatre ans ? Est-ce que le chercheur qui assiste aux Jeux olympiques en ce moment même est assis dans un hôtel et cherche des directions pour se rendre au lieu de la cérémonie d'ouverture ? Pourraient-ils même chercher des informations historiques sur l'emplacement des tout premiers Jeux Olympiques dans la Grèce antique ?

Maintenant, imaginez qu'en essayant de répondre à cette requête, vous n'avez que des signaux algorithmiques simplistes comme la qualité du contenu ou le nombre de liens qu'un élément de contenu a gagné pour classer les résultats pour ce chercheur. Imaginez que les Jeux d'hiver de Sochi, en Russie, se sont terminés le mois dernier et que le site officiel des Jeux Olympiques de Sochi a gagné des millions de liens pour son contenu sur cet événement passé. Si votre algorithme est simpliste, il se peut qu'il n'affiche que des résultats sur les Jeux de Sochi, parce qu'ils ont gagné le plus de liens... même si le chercheur espérait en fait connaître le lieu des prochains Jeux Olympiques d'hiver à Pyeongchang, en Corée du Sud.

C'est dans cette situation compliquée mais commune que la capacité de RankBrain apparaît comme essentielle. Ce n'est qu'en étant capable de calculer mathématiquement les résultats basés sur des modèles que l'algorithme d'apprentissage machine a "remarqué" dans le comportement des chercheurs que Google peut déterminer que, par exemple, la majorité des gens qui cherchent "lieu des Jeux Olympiques" veulent savoir où auront lieu les tout prochains Jeux (que ce soit en été ou en hiver). Ainsi, dans ce cas, une boîte de réponse Google avec l'emplacement des Jeux à venir servira la majorité des besoins des internautes. Bien que cette case de réponse puisse répondre à l'intention qui sous-tend la plupart des recherches " Olympics location ", il existe des exceptions notables auxquelles Google doit s'attaquer. Par exemple, si la recherche est effectuée par un utilisateur dans une ville olympique (comme Pyeongchang) la semaine des Jeux, Google pourrait plutôt fournir des indications routières vers le pavillon où se tiendront les cérémonies d'ouverture. En d'autres termes, des signaux comme l'emplacement de l'utilisateur et la fraîcheur du contenu doivent être pris en compte pour interpréter l'intention et fournir les résultats les plus susceptibles de satisfaire les internautes.

Est-ce que cela indique que la machine croit que la plupart des gens qui recherchent ce terme sont encore plus intéressés par les Jeux d'été de Rio de Janeiro 2016 qu'ils ne le sont dans le prochain événement, les Jeux d'hiver de Pyeongchang 2018 ? Est-ce que RankBrain réussit ici, en se basant sur des modèles qu'il a calculés, ou est-ce qu'il est encore "en cours", incertain de l'imprécision de notre question si nous voulons une réponse plus ancienne, populaire, ou plus fraîche qui regarde vers le futur ? Et que retournerait cette requête si nous pouvions l'effectuer en janvier 2018 ? La boîte de réponse indiquerait-elle Pyeongchang parce que les signaux entourant l'événement se sont intensifiés à ce moment-là ?

Parce que l'étendue et les nuances de l'influence de RankBrain sur le fonctionnement de l'algorithme de recherche de base de Google n'ont pas encore été entièrement développées, l'une des meilleures façons d'en apprendre davantage sur le fonctionnement de RankBrain peut venir de l'observation de la fréquence à laquelle Google répond à une variété de vos propres requêtes avec des réponses satisfaisantes. À quelle fréquence interprètent-ils correctement votre intention ?

Est-ce que RankBrain change notre façon de faire du référencement ?

Selon la sophistication et la modernité de vos compétences SEO personnelles, RankBrain peut représenter un changement mineur ou majeur dans vos théories et pratiques. Bill Slawski, éminent expert en brevets, a donné l'exemple suivant pour illustrer pourquoi RankBrain est nécessaire dans l'environnement de recherche :

"Pour un cavalier, un cheval est un gros animal à 4 pattes, pour un charpentier, un cheval a 4 pattes, mais il ne vit pas dans les champs et ne mâche pas de foin, pour un gymnaste, un cheval est une chose sur laquelle je crois que vous sautez ; avec RankBrain, le contexte compte et vous assurer de saisir ce contexte est peut-être une clé pour optimiser cette approche d'apprentissage machine.

1. Différents signaux de classement s'appliquent aux différentes requêtes

Avant le ClassementCerveau, il aurait pu être approprié d'évaluer l'optimisation des pages Web en évaluant tous les signaux traditionnels (diversité des liens, profondeur du contenu, correspondance des mots-clés, etc.) Après RankBrain, le SEO ont besoin de déterminer le type de contenu qui répond le mieux aux besoins des utilisateurs. Pour quelque chose comme un ouragan soudain, vous allez compter sur la fraîcheur bien plus que les liens qu'un morceau aurait pu créer. Pour quelque chose comme l'histoire de la musique indigène américaine, vous vous fierez à la profondeur du contenu, et peut-être à des sujets connexes que votre domaine couvre, l'autorité de signalisation. Sachez que les algorithmes d'apprentissage machine qui pilotent RankBrain font correspondre les signaux à l'intention d'interrogation, et que les SEO doivent le faire aussi.

2. Les signaux s'appliquent à la réputation de votre site Web

SEO cherche à construire la réputation de votre marque en tant que ressource de confiance par les moteurs de recherche et les utilisateurs humains pour fournir une expérience spécifique. Les avantages d'établir une telle réputation peuvent inclure un bon classement pour les mots-clés les plus importants pour vous. Votre marque doit-elle bâtir sa réputation sur la fraîcheur, la profondeur, la diversité des liens gagnés, l'engagement élevé des utilisateurs ou d'autres signaux ? La réponse dépend des sujets que vous abordez (par exemple, les résultats sportifs en temps réel par rapport à un cours en ligne sur l'apprentissage de la langue espagnole). Les recherches que vous souhaitez classer exigent des réponses rapides, brèves ou des explorations approfondies ? Au fil du temps, votre domaine doit se bâtir une réputation basée sur les signaux qu'il veut servir, sachant que RankBrain crée un environnement dans lequel votre marque peut se faire connaître pour fournir un type particulier de contenu qui satisfait un besoin particulier.

3. Un seul mot-clé, une page, c'est vraiment, vraiment mort.

Vous savez probablement déjà que la pratique de créer une page pour "spatule", une autre pour "spatule", une autre pour "spatule de cuisine", une autre pour "tourne crêpes" et une autre pour "spatule métallique" est un vieux cheval fatigué qu'il faut mettre au pré. Le référencement moderne combinerait toutes ces expressions (et leurs URLs associées) en un seul morceau de contenu complet qui incorpore le langage naturel, y compris des variantes de mots-clés qui reflètent la façon dont les humains cherchent et parlent. Ce n'est pas une nouvelle nouvelle nouvelle pour la plupart des SEO alertes, mais l'avènement de RankBrain souligne la sagesse de se concentrer sur des concepts de mots-clés globaux avec un contenu complet, plutôt que de diviser plusieurs pages pour couvrir des variantes comme "widget" vs. "widgets".