همه چیز درباره تاثیر الگوریتم برت در جستجوی گوگل

مدتی پیش گوگل اعلام کرد که یکی از مهم‌ترین و جدیدترین به روزرسانی‌های جستجوی خود‌، درج الگوریتم برت‌، به آن کمک‌ می‌کند تا هدف جستجوی کاربران را بهتر درک کند‌ و نتایج مرتبط‌تری را به آن‌ها نشان دهد. این شرکت همچنین گفت‌ که الگوریتم برت روی ۱۰ درصد از جستجوها تاثیر‌ می‌گذارد‌. به بیان ساده‌تر، این آپدیت احتمالا روی بازدیدهای ارگانیک برند شما تاثیر خواهد داشت اما ممکن است این تاثیر، آن‌قدر کم باشد که متوجه آن نشوید .

ما در حال حاضر می‌دانیم که گوگل، این به‌ روزرسانی را «یکی از بزرگترین جهش‌های رو به جلو در تاریخ جستجو» نامیده است. اما این الگوریتم گوگل دقیقا چیست و چه کار می‌کند؟

چه زمانی برت در جستجوی گوگل راه‌اندازی شد؟

برت در سیستم جستجوی گوگل دقیقا در تاریخ ۲۱ اکتبر ۲۰۱۹ برای جستجوهای به زبان انگلیسی، خصوصا در featured snippetها، شروع به کار کرد.

دنی سالیوان، یکی از همکاران گوگل گفت‌: این الگوریتم به تمام زبان‌هایی که جستجوی گوگل در آن‌ها ارائه‌ می‌شود، گسترش خواهد یافت‌، اما هنوز جدول زمانی مشخصی برای این کار، وجود ندارد. همچنین یک مدل برت برای بهبود  featured snippetها در ۲۴ کشور مختلف در حال استفاده است.

برت چیست؟

برت‌ یا BERT مخفف Bidirectional Encoder Representations from Transformers‌، یک روش مبتنی بر شبکه عصبی برای پردازش زبان طبیعی قبل از آموزش است. به زبان انگلیسی ساده‌، می‌توان از آن برای کمک به گوگل در شناخت بهتر متن کلماتی که جستجو می‎شوند، استفاده کرد.

به عنوان مثال‌، در عبارات «نه به پنج» و «یک ربع به پنج»‌، کلمه «به» دو معنی متفاوت دارد‌، که ممکن است برای انسان واضح باشد‌، اما موتورهای جستجو نتوانند به راحتی آن را درک کنند. برت به منظور ایجاد تمایز بین چنین تفاوت‎‌های ظریفی و برای تسهیل در نشان دادن نتایج مرتبط‌تر، طراحی شده است.

گوگل نسخه اوپن سورس الگوریتم برت را در نوامبر ۲۰۱۸ ارائه کرد. این یعنی هر کسی‌ می‌تواند از برت، برای آموزش سیستم پردازش زبان در پاسخگویی به سوالات کاربران یا کارهای دیگر استفاده کند.

شبکه عصبی چیست؟

به زبان ساده‌، شبکه‌های عصبی الگوریتم‌ها، برای تشخیص الگوها طراحی شده‌‎اند. طبقه‌‎بندی محتوای تصویر‌، شناخت دست خط و حتی پیش‌‏بینی روندها در بازارهای مالی نمونه‌‎هایی از برنامه‌های رایج در دنیای واقعی برای استفاده از شبکه‌های عصبی هستند.

آن‌ها برای شناسایی الگوها روی مجموعه داده‌ها، آموزش‌ می‌بینند.

پردازش زبان طبیعی چیست؟

پردازش زبان طبیعی (NLP) به شاخه‌ای از هوش مصنوعی گفته‌ می‌شود که با زبان‎‌شناسی سروکار دارد‌ و با این هدف کامپیوترها را قادر‌ می‌سازد تا راه ارتباط طبیعی انسان را درک کنند.

نمونه‌هایی از پیشرفت‌های ایجاد شده توسط NLP شامل ابزارهای social listening، ربات‌های چت و پیشنهاد کلمه در کیبورد تلفن‌های هوشمند شما است.

به خودی خود‌، NLP ویژگی جدیدی برای موتورهای جستجو نیست. با این حال‌، برت نشان‌‎دهنده پیشرفت در NLP از طریق آموزش دو طرفه است.

الگوریتم برت چگونه کار‌ می‌کند؟

با کمک الگوریتم برت، گوگل می‌تواند حدس بزند که شما دقیقا چه چیزی از او می‌خواهید. در واقع در با کمک این الگوریتم، گوگل بیش از پیش توان درک زبان محاوره انسان را دارد. دقیقا به همین دلیل، نتایجی که به کاربر ارائه می‌شود نیز به نیاز او نزدیک‌تر است.

مثلا اگر در سال‌های قبل عبارت «روزی چند لیوان شیر برای بدن لازم است؟» را در گوگل جستجو می‌کردیم، ممکن بود نتایجی مرتبط با شیر آب و شیر (حیوان) هم به شما نمایش داده شود. اما با الگوریتم برت، عبارت بالا نه مجموعه‌ای از کلمات نامفهوم، که یک جمله به هم پیوسته است و هدف مشخصی را دنبال می‌کند.

بنابراین، گوگل با کمک برت و درک مفهوم کلی جمله با استفاده از ارتباط شیر با لیوان و بدن، به خوبی می‌فهمد که منظور ما شیر خوراکی است. پس نتایجی را به ما نشان می‌دهد که دقیقا به همین موضوع پرداخته‌اند.

گوگل چندین نمونه از نحوه تاثیر این الگوریتم  در جستجو را بر روی نتایجش نشان داده است. در یک مثال‌، پرسش «کتاب‌ تمرین ریاضی برای نوجوانان پایه ۶ تا ۸» قبلا در بالای لیست نتایج ارگانیک ظاهر شده بود. با استفاده از الگوریتم برت‌، گوگل کتابی با عنوان «ریاضی برای نوجوانان» را در بالای صفحه نتایج خود ارائه می‌دهد.

در نتیجه کنونی می‌بینید که کتاب پایه ۶ تا ۸ هنوز رتبه دارد، اما به‌طور خاص، دو کتاب برای نوجوانان وجود دارند که در حال حاضر بالای لیست نتایج جستجو قرار گرفته‌اند، از جمله در featured snippet.

تغییر نتیجه جستجو در مثالی که با هم بررسی کردیم، درک جدیدی از جستجو با استفاده از الگوریتم برت را به ما نشان می‌دهد. کتاب  Grades 6 – 8 از طرف گوگل جریمه‌ نمی‌شود و جایگاهش را از دست نمی‎دهد‌، اما لیست‌های بهتر و مطابق با هدف جستجوگر در رتبه بالاتری قرار می‎گیرند.

آیا گوگل از برت برای ایجاد معنی در همه جستجوها استفاده‌ می‌کند؟

نه‌، گوگل دقیقا نمی‌تواند روی همه جستجوها این کار را انجام دهد. الگوریتم برت حدود ۱۰ درصد جستجوها به زبان انگلیسی را پوشش می‌دهد و به گوگل کمک می‌کند تا درک بهتری از جستجوهای کاربران داشته باشد.

گوگل در بلاگ پست خود نوشته است: «برت به طور خاص برای پرسش‌های طولانی‎تر‌، جستجوی مکالمات بیشتر یا جستجوهایی که حروف اضافه مانند «از»، «در»، «با» و… دارند، بسیار مهم هستند. این شکل از جستجو‌ می‌تواند زمینه کلمات موجود در کوئری‌های شما را درک کند.»

با این حال‌، همه پرس‌وجوها مکالمه‌ای یا شامل حروف اضافه نیستند. جستجو کردن نام برندها و عبارات کوتاه‌تر، فقط دو نمونه از انواع پرس‌و‌جوهایی هستند که ممکن است نیازی به پردازش زبان طبیعی برت نداشته باشند.

برت چگونه روی featured snippetها تأثیر‌ می‌گذارد؟

همان‌طور که در مثال بالا مشاهده کردیم‌، برت ممکن است بر نتایجی که هنگام استفاده از آن در featured snippetها نشان داده‌ می‌شود‌، تأثیر بگذارد.

در مثال زیر‌، گوگل featured snippetها را برای درخواست «پارک کردن روی تپه بدون لبه پیاده‌رو» مقایسه‌ کرده و توضیح می‌دهد: «در گذشته‌، جستجوی چنین کیوردی، سیستم‌های ما را گیج‌ می‌کرد. ما کلمه «لبه پیاده‌رو» را کلمه مهمی می‌دانستیم و اهمیتی برای «بدون» قائل نمی‌شدیم، بدون اینکه بدانیم همین کلمه «بدون» چقدر برای پیدا کردن پاسخ مناسب به این سوال، حیاتی و مهم است. اما الگوریتم برت به ما کمک می‌کند تا با درک این موضوع بتوانیم نتایج کاملا مرتبطی برای پارک کردن روی تپه بدون پیاده‌رو را به دست بیاوریم.

تفاوت الگوریتم برت و رنک برین چیست؟

برخی از قابلیت‌های برت ممکن است شبیه اولین روش هوش مصنوعی گوگل برای درک سوالات‌ کاربران، یعنی الگوریتم رنک برین باشد. اما‌، آن‌ها دو الگوریتم جداگانه هستند که ممکن است برای اطلاع‌رسانی نتایج جستجو به کار بروند.

اریک انگ‌، مدیر کل Perficient Digital می‎گوید: «اولین چیزی که در مورد رنک برین می‌فهمیم این است که به موازات الگوریتم‌های رتبه‎‌بندی جستجوی ارگانیک کار‌ می‌کند و برای ایجاد تنظیماتی در نتایج محاسبه شده توسط آن الگوریتم‌ها، استفاده‌ می‌شود.

رنک برین، با مشاهده سوالات فعلی و یافتن سوالات مشابه قبلی، نتایج را تنظیم‌ می‌کند. سپس‌، عملکرد نتایج جستجو را برای آن جستجوهای تاریخی مرور‌ می‌کند. در واقع، ممکن است بر اساس آنچه‌ می‌بیند‌، خروجی نتایج الگوریتم‌های رتبه‏‌بندی جستجوی ارگانیک را تنظیم کند».

رنک برین همچنین به گوگل کمک‌ می‌کند تا سوالات جستجو را تفسیر کند و بتواند نتایجی را ظاهر کند که ممکن است حاوی کلمات دقیق جستجو شده نباشند. در مثال زیر‌، گوگل توانست متوجه شود که کاربر به دنبال اطلاعاتی در مورد برج ایفل است، علی رغم اینکه نام برج در درخواست او با عنوان «بلندترین نشان پاریس» وجود ندارد.

انگ در ادامه گفت: «اما الگوریتم برت کاملا متفاوت عمل‌ می‌کند.»

«الگوریتم‌های مرسوم سعی‌ می‌کنند محتوای یک صفحه را جستجو کنند تا بفهمند مربوط به چه چیزی است و ممکن است به چه چیزهای مرتبط باشد. با این حال‌، الگوریتم‌های مرسوم NLP معمولا‌ فقط می‎توانند محتوای قبل از یک کلمه یا محتوای بعد از کلمه را برای زمینه‌های اضافی مشاهده کنند تا به موتورهای جستجو کمک کنند معنای یک کلمه یا عبارت را بهتر درک کند. مولفه دو طرفه برت، همان چیزی است که آن را متفاوت‌ از سایر الگوریتم‌ها می‌کند.»

همان‎‌طور که در بالا ذکر شد‌، برت به مطالب قبل و بعد از یک کلمه نگاه‌ می‌کند تا درک خود را از معنی و ارتباط آن کلمه مشخص کند. «این یک پیشرفت اساسی در پردازش زبان طبیعی است زیرا ارتباطات انسانی به طور طبیعی لایه‎ای و پیچیده هستند».

هر دو الگوریتم برت و رنک برین، توسط گوگل برای پردازش سوالات کاربران و محتوای صفحات وب مورد استفاده قرار‌ می‌گیرند تا درک بهتری از معنی کلمات داشته باشند.

برت به این دلیل ایجاد نشده تا جای RankBrain را بگیرد. گوگل ممکن است از چندین روش برای درک یک سوال استفاده کند‌، به این معنی که برت‌ می‌تواند به تنهایی‌، در کنار الگوریتم‌های دیگر گوگل‌، همزمان با رنک برین، هر ترکیبی از آن و… بسته به اصطلاحی که جستجو می‌شود‌، به کار برود.

برت چه محصولات دیگری از گوگل را تحت تأثیر قرار‌ می‌دهد؟

اطلاعیه گوگل در مورد برت، فقط مربوط به جستجو است‌؛ با این حال‌ تاثیر کمی روی Google Assistant نیز خواهد داشت. وقتی سوالات پرسیده شده در «Google Assistant» باعث‌ می‌شود featured snippetها یا نتایج وب حاصل از جستجو، ارائه شوند، ممکن است این نتایج تحت تاثیر الگوریتم BERT قرار گرفته باشند.

گوگل در Search Engine Land اعلام کرده است که برت در حال حاضر برای تبلیغات استفاده‌ نمی‌شود‌، اما اگر در آینده یکپارچه شود‌، ممکن است کمک کند تا برخی از تبلیغاتی که کاربران را آزار می‌دهند، کاهش یابند.

چگونه‌ می‌توانیم سایت خود را برای برت بهینه‌سازی کنیم؟

سالیوان می‌گوید: «هیچ چیز برای بهینه‎‌سازی در الگوریتم برت وجود ندارد و هیچ کس دیگری‌ نمی‌تواند نتایج حاصل از آن را تغییر دهد.»

«اصول اساسی ما که برای پاداش دادن به محتوای عالی و ارزشمند، بدون تغییر خواهد ماند.»

توصیه‌های همیشگی گوگل به مدیران وب‌سایت‎ها در مورد رتبه‌بندی وب‌سایت‌‏هایشان این بوده که بیش از هر چیز، کاربر را در نظر داشته باشند و محتوایی را تولید کنند که هدف جستجوی او را برآورده کند. از آنجا که برت برای تفسیر این هدف طراحی شده است‌، منطقی است همچنان توصیه اصلی گوگل این باشد که سعی کنید چیزهایی که کاربر می‎خواهد را در اختیار او قرار دهید.

در حال حاضر، مهم‌ترین «بهینه‏‌سازی» این است که شما‌ می‌توانید بیش از پیش روی نوشتن مطالب خوب و واضح و همچنین تولید محتواهای ارزشمند تمرکز کنید‌ و دیگر مجبور نیستید مثل سال‌های گذشته، بین کاربر و ماشین، ماشین را انتخاب کنید تا جایگاه بهتری در گوگل نصیب‎تان شود. الگوریتم برت به گوگل کمک می‌کند تا هوشمندتر شود و زبان انسان را بهتر درک کند.