فهرست موضوعات در این آموزش
الگوریتم تطبیق عصبی گوگل
همان طور که میدانید کمپانی گوگل هر چند ماه یکبار تغییرات جدیدی در هسته الگوریتم خود ایجاد میکند که طی آن، رتبهبندی بسیاری از سایتها دگرگون میشود. هدف از این تغییرات، تنها نمایش نزدیکترین و مرتبطترین نتایج نسبت به جستجوی کاربران میباشد. گاهی اوقات نیز در این تغییرات، از ورژن جدید الگوریتمهای قبلی بهره گرفته میشود. گوگل در سال ۲۰۱۸ از یک الگوریتم بسیار پیچیده بر پایه هوش مصنوعی رو نمایی کرد و آن را الگوریتم تطبیق عصبی یا Neural Matching نامگذاری کرد.
در سال ۲۰۲۰ نیز گوگل اعلام کرد که در جدیدترین تغییرات هسته الگوریتم خود، از این الگوریتم پیچیده و حساس بهره گرفته است. در بسیاری از منابع خارجی از این الگوریتم هوشمند تحت عنوان آیندهی سئو یاد شده است. با توجه به این که متاسفانه در منابع داخلی هنوز مطلب جامعی در خصوص این الگوریتم نوشته نشده و اکثرا محتوای کپی و نا کامل هستند، در این مقاله قصد داریم به معرفی و بررسی الگوریتم تطبیق عصبی گوگل بپردازیم.
الگوریتم تطبیق عصبی گوگل چیست؟
الگوریتم Neural Matching یا تطبیق عصبی، الگوریتمی پیچیده و بر پایهی هوش مصنوعی میباشد که در دو سال اخیر، حدود ۳۰ درصد از کوئریهای جستجو در گوگل را تحت پوشش خود قرار داده است. اکنون این الگوریتم در سال 2020 بیش از پیش مورد توجه گوگل قرار گرفته است و به تنهایی میتواند آینده سئو را دگرگون کند. الگوریتم تطبیق عصبی گوگل، ارتباط کلمات با مفاهیم را کشف میکند و میتواند فارغ از کلمات کلیدی متنی، در دنیایی به دور از نا مفهوم بودن اصلاحات زبانهای مختلف نزدیکترین نتایج به جستجوی کاربر را به نمایش دربیاورد.
با توجه به این که به احتمال زیاد در آینده نزدیک جستجوی صوتی در گوگل جای جستجوی متنی را خواهد گرفت، الگوریتم Neural Matching در حال پایه ریزی یک تجربه کاربری مناسب و هوشمندانه برای نتایج مطابق با این پیش بینی میباشد. به زبان ساده، در این الگوریتم بر خلاف الگوریتم مرغ مگس خوار، مفهوم محتوای صفحه جایگزین تکرار کلمات کلیدی و لینکسازی داخلی خواهد شد و پیش بینی میشود در این میان، سایتهایی که از محتوای بیارزش، تکراری و نامفهوم بر پایه keyword stuffing رتبه گرفته باشند، از مدار نتایج گوگل حذف شوند. در این میان میتوان به سایتهایی اشاره کرد که با استفاده از ماشینهای بازنویسی محتوا، اقدام به تولید محتوای بیارزش تنها با تکیه بر تکرار کلمات کلیدی میکنند. در مقابل سایتهایی که با تولید و انتشار محتواهای با کیفیت تصویری، ویدئویی و صوتی به تکثیر اطلاعات متناسب با نیاز کاربران میپردازند، امتیاز خواهند گرفت.
الگوریتم Neural Matching چگونه کار می کند؟
پژوهشها نشان میدهد الگوریتم تطبیق عصبی گوگل در واقع به صورت یک شبکه عصبی جهت یافتن ارتباط بین کلمات و مفاهیم آنها طراحی شده است که در آن از روش ad-hoc retrieval الهام گرفته شده است. این روش که سیستم رتبهبندی سایتها بر اساس بازاریابی محتوایی نامیده شده است، شباهتهای بسیاری با الگوریتم Neural Matching گوگل دارد. اما از آن جایی که در الگوریتم تطبیق عصبی گوگل، از کوئریها یا همان عبارات جستجو شده جهت یافتن مفاهیم مرتبط استفاده میشود، روش ad-hoc retrieval به تنهایی کفایت نمیکند. این جاست که تکنولوژی هوش مصنوعی به کمک ما میآید تا با نظارت آن بر الگوریتمهای گوگل، دقیقترین نتایج در این موتور جستجو به نمایش دربیاید. الگوریتم Neural Matching بر پایه ارتباط و تطبیق طراحی شده است و در آن از یک مدل تطبیق ارتباط عمیق تحت عنوان DRMM با معماریای بسیار پیچیده استفاده شده است. به طور کلی این الگوریتم، بیشتر بر روی تمامی جستجوهای منطقه جغرافیایی شما تمرکز کرده و با استفاده از آنها به صورت شبکه ای، عبارات مترادف و مرتبط را کشف میکند.
یک پیش بینی که برای سئوکاران در این الگوریتم وجود دارد این است که دیگر میتوانید در تولید محتواها به جای تمرکز بر روی چگالی کلمات کلیدی و تکرار آنها جهت فهماندن ارتباط مطلب به خزندههای گوگل، از عبارات مترادف نیز آزادانه استفاده کنید و آسوده خاطر باشید که گوگل با استفاده از هوش مصنوعی، متوجه این ارتباط خواهد شد. البته این الگوریتم در حال حاضر تنها ۳۰ درصد از جستجوها را تحت پوشش قرار میدهد و به این زودیها فراگیر نخواهد شد. در واقع گوگل هنوز هم در حال استفاده از الگوریتمهای قبلی خود مانند الگوریتم پاندا، الگوریتم پنگوئن و… میباشد و مواردی که در این مقاله عنوان میشوند، تنها به احتمالات استفاده از الگوریتم تطبیق عصبی گوگل در آینده اشاره دارد.
تفاوت الگوریتم تطبیق عصبی گوگل با الگوریتم RankBrain
وقتی صحبت از هوش مصنوعی در الگوریتم های گوگل ، در میان باشد.. یکی از اولین الگوریتم هایی که به ذهن هر سئوکار میرسد، الگوریتم RankBrain میباشد که دو سال قبل از معرفی الگوریتم Neural Matching، یعنی در سال ۲۰۱۶ ارائه شد و در آن برای اولین بار به استفاده مستقیم گوگل از هوش مصنوعی و تاثیر هوش مصنوعی بر سئو سایت اشاره شد. الگوریتم RankBrain با آنالیز رفتار کاربر در صفحات وب طراحی شد و به گوگل کمک کرد تا نتایجی مرتبط را به نمایش دربیاورد که الزاما دارای کلمات کلیدی و عبارات جستجو شده نباشند. از این حیث، الگوریتم RankBrain شباهت بسیار زیادی با الگوریتم تطبیق عصبی گوگل دارد و بسیاری این دو را با یکدیگر اشتباه میگیرند. در حقیقت این دو الگوریتم مکمل یکدیگر هستند و هر دو جزئی از هسته عصبی گوگل یا همان Neural Core میباشند. عملکرد این دو الگوریتم در راستای یکدیگر قرار داشته و در جهت یافتن ارتباط بین مفاهیم و کوئریهای میباشد. اما عملکرد کلی آنها متفاوت میباشد. الگوریتم RankBrain صفحات را با مفاهیم کلمات مترادف منطبق میکند. در حالی که الگوریتم Neural Matching مطابقت را بر اساس جستجوهای کاربران در آن منطقه جغرافیایی کشف میکند.