رازهای RankBrain: موتور جستجوی گوگل چگونه ذهن شما را می‌خواند؟

اینجا هستیم تا درباره یکی از جذاب ترین و مرموزترین بخش های گوگل صحبت کنیم: RankBrain. این اسم شاید به گوش تان خورده باشد، شاید هم نه. اما اگر بدانید که این الگوریتم روزانه میلیاردها بار سعی می کند فکر شما را بخواند، حتماً کنجکاو می شوید که دقیقاً چه خبر است!

بیایید اول یک صحبت خودمانی داشته باشیم: آیا برایتان پیش آمده که سوالی در گوگل سرچ کنید، اما نتایج آنقدر دقیق باشند که انگار گوگل دقیقاً می داند در ذهن شما چه می گذرد؟ یا شاید برعکس، گوگل نتایج کاملاً بیربطی نشان دهد و شما با خود بگویید: "چرا گوگل مرا درک نمی کند؟"

پشت بسیاری از این درک ها و سوءتفاهم ها، RankBrain نشسته است. اما نگران نباشید، قصد نداریم با اصطلاحات فنی خشک و خسته کننده ذهن شما را مشغول کنیم. می خواهیم به زبان ساده، داستان این مغز متفکر گوگل را تعریف کنیم.

فصل اول: RankBrain کیست و چه می کند؟

RankBrain یک سیستم هوش مصنوعی و یادگیری ماشینی است که گوگل در سال ۲۰۱۵ به خانواده الگوریتم هایش اضافه کرد. در ابتدا فقط روی ۱۵٪ از جستجوهای ناشناخته (کسانی که قبلاً دیده نشده بودند) کار می کرد، اما امروز تأثیر آن تقریباً بر تمام جستجوها گسترش یافته است.

حالا سوال اصلی: چرا گوگل RankBrain را ساخت؟

جواب ساده است: جهان پر از سوالات عجیب و غریب است!

هر روز میلیون ها نفر سوالاتی می پرسند که قبلاً هیچ کس آن را دقیقاً به همان شکل نپرسیده است. مثلاً: "چگونه می توانم یک گوشی بخرم که دوربینش خوب باشد ولی قیمتش کمتر از ۲ میلیون باشد و باتری آن دو روز کار کند؟" یا "رستوران خوب برای شب تولد همسرم کجاست؟"

قبل از RankBrain، گوگل بیشتر روی تطابق کلمه به کلمه کلمات کلیدی (Keyword Matching) تمرکز داشت. یعنی اگر شما "خرید گوشی دوربین خوب" را سرچ می کردید، گوگل صفحاتی را نشان می داد که دقیقاً همین کلمات را داشتند. اما مشکل اینجا بود: شاید صفحه ای که عبارت "گوشی هوشمند با قابلیت عکاسی عالی" را داشت، از نظر معنایی همان چیزی بود که شما می خواستید، اما چون کلمات دقیقاً مطابقت نداشتند، ممکن بود در رتبه های پایین تر قرار بگیرد.

RankBrain آمد تا این شکاف معنایی را پر کند. این سیستم سعی می کند معنای پشت کلمات را بفهمد، نه فقط خود کلمات را.

فصل دوم: RankBrain دقیقاً چگونه کار می کند؟ (بیایید داخل جعبه سیاه را ببینیم!)

خب، حالا برویم سراغ جزئیات فنی، اما قول می دهم خودمانی باشد!

۱. تبدیل کلمات به اعداد (بردارهای ریاضی)

RankBrain کلمات و عبارات را به بردارهای ریاضی (Vector) تبدیل می کند. این بردارها در فضای چندبعدی قرار می گیرند. اگر کمی از ریاضیات مدرسه یادتان باشد، بردارها دارای جهت و اندازه هستند. در دنیای RankBrain، کلمات مشابه در فضای برداری نزدیک به هم قرار می گیرند.

مثال ملموس: فرض کنید کلمات "سگ"، "پرش" و "میز" را داریم. در فضای برداری RankBrain، کلمات "سگ" و "گربه" نزدیک به هم هستند (چون هر دو حیوان خانگی هستند)، اما "سگ" و "میز" فاصله زیادی دارند. حتی RankBrain می تواند روابط بین کلمات را درک کند. مثلاً می فهمد که رابطه "پاریس" و "فرانسه" شبیه رابطه "تهران" و "ایران" است (پایتخت و کشور).

وقتی شما "آموزش پخت کیک شکلاتی" را سرچ می کنید، RankBrain این عبارت را به بردار تبدیل کرده و سپس به دنبال صفحاتی می گردد که بردارهای محتوایشان به بردار جستجوی شما نزدیک باشد، حتی اگر در آن صفحه دقیقاً از کلمه "پخت" استفاده نشده باشد و به جای آن "طرز تهیه" نوشته شده باشد.

۲. یادگیری از رفتار کاربران (آزمون و خطای هوشمند)

اینجا بخش جذاب ماجراست! RankBrain دائماً در حال یادگیری از رفتار کاربران است. اما چطور؟

• زمان مکث (Dwell Time): اگر کاربری روی نتیجه ای کلیک کند و خیلی سریع (مثلاً کمتر از ۱۰ ثانیه) به صفحه نتایج برگردد، RankBrain سیگنالی دریافت می کند که احتمالاً آن صفحه رضایت کاربر را جلب نکرده است. اما اگر کاربر مدت طولانی تری در صفحه بماند (مثلاً چند دقیقه)، این سیگنال مثبت تلقی می شود.

• نرخ کلیک (CTR): اگر نتیجه ای در رتبه پایین باشد اما نرخ کلیک بالایی داشته باشد (مثلاً رتبه ۱۰ باشد اما مردم بیشتر از نتیجه ۵ روی آن کلیک کنند)، RankBrain متوجه می شود که این صفحه جذاب است و ممکن است آن را به مرور زمان بالاتر ببرد.

• تعامل با نتایج: آیا کاربران پس از کلیک بر روی یک نتیجه، جستجوی خود را تغییر می دهند؟ مثلاً اگر کسی "قیمت آیفون" را سرچ کند، روی نتیجه اول کلیک کند، سپس بلافاصله "قیمت آیفون ارزان" را جستجو کند، این نشان می دهد که احتمالاً نتیجه اول نیاز او را برآورده نکرده است.

۳. درک قصد کاربر (User Intent) - قلب تپنده RankBrain

این بخش، شاه بیت ماجراست. RankBrain سعی می کند بفهمد شما واقعاً چه می خواهید، نه فقط چه می گویید. برای این کار، قصد کاربر را معمولاً به سه دسته اصلی تقسیم می کند:

الف) قصد اطلاعاتی (Informational Intent): کاربر به دنبال اطلاعات است. مثلاً "علائم سرماخوردگی چیست؟" یا "تاریخ تولد شکسپیر".

ب) قصد تراکنشی (Transactional Intent): کاربر قصد خرید یا انجام یک تراکنش دارد. مثلاً "خرید کفش ورزشی" یا "دانلود فایل اکسل".

ج) قصد ناوبری (Navigational Intent): کاربر می خواهد به یک وب سایت یا صفحه خاص برود. مثلاً "فیس بوک ورود" یا "سایت دانشگاه تهران".

RankBrain با تحلیل کلمات جستجو و رفتارهای گذشته کاربران، سعی می کند تشخیص دهد که قصد کاربر کدام یک از این موارد است.

مثال: اگر کسی "بهترین هدفون" را جستجو کند، RankBrain از طریق تحلیل داده های گذشته متوجه می شود که اکثر کاربران پس از این جستجو، ابتدا مقالات مقایسه ای را می خوانند (قصد اطلاعاتی) و سپس به صفحات خرید می روند (قصد تراکنشی). بنابراین ممکن است در نتایج، ترکیبی از مقالات بررسی و صفحات فروشگاه ها را نشان دهد.

فصل سوم: پارامترهای کلیدی که RankBrain برای درک قصد شما اندازه گیری می کند

حالا بیایید دقیق تر شویم. RankBrain چه نشانه هایی را رصد می کند تا بفهمد در ذهن شما چه می گذرد؟

۱. کلمات کلیدی معنایی و هم آیندی (Semantic & Co-occurrence)

RankBrain فقط به کلمه اصلی شما نگاه نمی کند، بلکه به کلمات همراه آن هم توجه می کند.

• اگر "نوشابه" را جستجو کنید، کلمات همراه احتمالی عبارتند از: "گازدار"، "سرد"، "پرتقالی"، "رژیمی".

• اگر "اپل" را جستجو کنید، کلمات همراه می توانند باشند: "آیفون"، "مک بوک"، "استیو جابز"، "سیب".

با تحلیل میلیاردها سند، RankBrain یاد گرفته است که چه کلماتی معمولاً با هم ظاهر می شوند. بنابراین حتی اگر شما فقط "اپل" را جستجو کنید، RankBrain می فهمد که احتمالاً به شرکت اپل اشاره دارید، نه میوه سیب!

۲. ساختار و ترتیب کلمات

ترتیب کلمات هم مهم است! "آموزش پایتون" با "پایتون آموزش" ممکن است نتایج متفاوتی داشته باشند. RankBrain می فهمد که در زبان فارسی معمولاً صفت پس از موصوف می آید (گربه سیاه) و با توجه به ترتیب کلمات، قصد شما را بهتر حدس می زند.

۳. تاریخچه جستجوی شما (البته با حریم خصوصی!)

اگر شما قبلاً مرتباً درباره "بیماری دیابت" جستجو کرده اید، وقتی "علائم" را سرچ می کنید، RankBrain ممکن است تشخیص دهد که احتمالاً به دنبال "علائم دیابت" هستید. البته گوگل تأکید می کند که این تاریخچه به صورت ناشناس و با رعایت حریم خصوصی تحلیل می شود.

۴. موقعیت جغرافیایی

اگر در تهران هستید و "پیتزا" را جستجو می کنید، RankBrain نتایج رستوران های پیتزا در تهران را نشان می دهد. اما اگر همین جستجو را در نیویورک انجام دهید، نتایج کاملاً متفاوت خواهند بود. این درک جغرافیایی بخش مهمی از قصد کاربر است.

۵. دستگاه مورد استفاده

جستجوی "نرم افزار ویرایش عکس" در موبایل ممکن است نتایج اپلیکیشن های موبایل را بیشتر نشان دهد، در حالی که در دسکتاپ احتمالاً نرم افزارهای کامپیوتری در اولویت قرار می گیرند. RankBrain این تفاوت را درک می کند.

۶. زمان جستجو

جستجوی "رستوران" در ساعت ۲ بعدازظهر با همان جستجو در ساعت ۸ شب ممکن است نتایج متفاوتی داشته باشند. شب ها احتمالاً کاربر به دنبال رستوران های شیک تر برای شام است، در حالی که روزها ممکن است به دنبال فست فود باشد.

۷. الگوهای کلیک قبلی کاربران (سیگنال های جمعی)

این شاید مهم ترین پارامتر باشد. RankBrain به دقت مشاهده می کند که اکثر کاربران پس از یک جستجوی خاص، روی کدام نتیجه کلیک می کنند، چقدر در آن صفحه می مانند، و پس از آن چه می کنند. این داده های جمعی به RankBrain کمک می کند تا بهترین نتیجه ها را شناسایی کند.

فصل چهارم: چالش ها و محدودیت های RankBrain

با همه هوشمندی، RankBrain هنوز کامل نیست:

• سوءتفاهم های زبانی: گاهی اوقات تفاوت های ظریف زبانی را درک نمی کند. مثلاً "راه درمان افسردگی" با "درمان افسردگی راه" ممکن است تفاوت ظریفی داشته باشند که RankBrain متوجه نشود.

• توجه بیش از حد به رفتار کاربران: این خطر وجود دارد که RankBrain به خاطر سیگنال های رفتاری قوی، صفحاتی را تقویت کند که واقعاً کیفیت محتوایی بالایی ندارند، اما به دلیل طراحی جذاب یا عناوین فریبنده، کلیک و تعامل بیشتری دریافت می کنند.

• پیش داوری های موجود در داده ها: RankBrain از داده های موجود یاد می گیرد. اگر در داده ها پیش داوری وجود داشته باشد (مثلاً در جستجوهای مربوط به برخی مشاغل خاص جنسیت گرایی وجود داشته باشد)، RankBrain ممکن است این پیش داوری ها را تقویت کند.

فصل پنجم: RankBrain و آینده سئو (شما چه کار باید بکنید؟)

اگر صاحب وب سایت یا تولیدکننده محتوا هستید، RankBrain یک پیام مهم برای شما دارد: دیگر بازیِ پر کردن صفحات با کلمات کلیدی تمام شده است!

به جای تمرکز روی تعداد دفعات تکرار یک کلمه کلیدی، باید:

۱. روی موضوع تمرکز کنید، نه فقط کلمه کلیدی: یک مطلب جامع درباره یک موضوع بنویسید که تمام جنبه های آن را پوشش دهد.

۲. به قصد کاربر فکر کنید: وقتی مطلبی می نویسید، از خود بپرسید: کاربر با جستجوی این کلمه کلیدی واقعاً چه می خواهد؟ اطلاعات ابتدایی؟ مقایسه محصولات؟ راهنمای خرید؟ آموزش قدم به�قدم؟

۳. خوانایی و تجربه کاربری را جدی بگیرید: اگر کاربران سریع از صفحه شما خارج شوند، RankBrain متوجه می شود و احتمالاً رتبه شما را کاهش می دهد.

۴. از زبان طبیعی استفاده کنید: همانطور که با یک دوست صحبت می کنید یا برای یک مجله می نویسید، محتوای خود را بنویسید. RankBrain زبان طبیعی را بهتر از متن های مصنوعی و تکراری درک می کند.

۵. سوالات متداول کاربران را پاسخ دهید: بخش پرسش و پاسخ (FAQ) می تواند به RankBrain کمک کند تا موضوع صفحه شما را بهتر درک کند.

نتیجه گیری: هوش مصنوعی که سعی می کند انسان را بفهمد

RankBrain نمایانگر تغییر جهت بزرگ گوگل از "جستجوی کلمه محور" به "جستجوی مفهوم محور" است. این سیستم سعی می کند مانند یک دوست دانا، نه تنها آنچه می گویید، بلکه آنچه می خواهید بگویید را بفهمد.

البته RankBrain هنوز در حال یادگیری است. گاهی اشتباه می کند، گاهی سوءتفاهم پیش می آید. اما مسیر روشن است: گوگل روزبه روز در حال هوشمندتر شدن برای درک زبان طبیعی و قصد واقعی کاربران است.

دفعه بعد که در گوگل جستجویی کردید و نتایج دقیقاً چیزی را نشان دادند که در ذهن داشتید، بدانید که RankBrain در پس زمینه سخت کار کرده تا این ارتباط را برقرار کند. و اگر نتایج عجیب بودند، به جای ناراحتی، بدانید که این هوش مصنوعی هنوز در حال یادگیری است درست مانند خود ما انسان ها.

در نهایت، RankBrain به ما یادآوری می کند که تکنولوژی در نهایت ابزاری است برای درک بهتر انسان توسط انسان. و شاید روزی برسد که موتور جستجو آنقدر هوشمند شود که حتی وقتی خودمان دقیقاً نمی دانیم چه می خواهیم، بتواند به ما کمک کند آن را کشف کنیم.

مهدی توکلی...