Google RankBrain: Apa Arti Revolusi Kecerdasan Buatan bagi Pemasar Online

Pembelajaran mesin mengubah wajah pencarian. Inilah yang paling tidak perlu diketahui pemasar.

Ketika mantan kepala pencarian Google, Amit Singhal, pensiun, Google tahu persis siapa yang harus bertanggung jawab. Orang itu adalah John Giannandrea , yang dikenal di kalangan Google sebagai Kepala Kecerdasan Buatan.

Ini bukan gerakan acak di dalam Google.

Selama beberapa tahun terakhir, kecerdasan buatan (AI) telah menjadi lebih penting bagi perusahaan. Google membeli perusahaan AI DeepMind pada tahun 2014, dan mulai meningkatkan rekomendasi YouTube dengan teknologi tersebut. Mereka mempekerjakan beberapa nama yang paling dikenal di bidang AI, seperti Ray Kurzweil dan Peter Norvig.

Baru-baru ini, mereka memperkenalkan kecerdasan buatan ke dalam algoritme inti yang mendukung pencarian – Anda tahu, hal itu menghasilkan banyak uang.

Taruhan Besar Google pada Kecerdasan Buatan

Ini bukan eksperimen perusahaan pinggiran. Rekomendasi YouTube bisa jadi tidak efisien untuk Google, dan penghasilan triwulanan akan baik-baik saja. Itu tidak benar untuk pencarian. Jika pencarian turun, Google turun. Namun Google cukup memercayai pekerjaan AI untuk memperkenalkannya ke pencarian – AI jelas merupakan bagian besar dari masa depan Google, dan mereka baru saja memulai.

Taruhan Google pada kecerdasan buatan memiliki implikasi luas tidak hanya bagi perusahaan, tetapi juga bagi siapa saja yang bekerja dalam pemasaran online. Ini mengubah lanskap optimasi mesin pencari, yang memiliki dampak menetes ke bawah pada hal-hal seperti optimasi halaman arahan.

Bagian AI dari algoritma pencarian, yang harus dipelajari oleh pemasar, memiliki nama – RankBrain .

Temui RankBrain – Faktor Pencarian Google Terpenting Ketiga

Meskipun Google memiliki ratusan faktor peringkat, dua faktor besar telah cukup terkenal:

• Isi
• Tautan

Google baru-baru ini mengatakan bahwa itu masih merupakan senjata besar, tetapi faktor terpenting ketiga adalah RankBrain .

Disuling ke esensinya, RankBrain adalah bagian pembelajaran mesin yang memproses kueri untuk maknanya, dan memindahkan bobot ke faktor-faktor di sekitar untuk memberikan hasil yang baik .

Itu sangat berbeda dengan komponen lain dari algoritma Google.

Ketika Google meluncurkan Panda , perusahaan memberi tahu pemasar bahwa fokusnya adalah konten yang bagus, dan konten yang tipis akan dihukum oleh algoritme. Ketika mereka meluncurkan Penguin , mereka memberi tahu pemasar bahwa tautan buruk akan dihukum .

Ketika Google meluncurkan RankBrain , ia memberi tahu pemasar bahwa ... yah, bahwa mereka tidak secara khusus mengetahui apa yang diberikan dan dihukum oleh RankBrain , dan bahkan insinyur Google tidak dapat mengatakan apa yang dilakukannya, secara spesifik.

Itu bukan sesuatu yang biasa didengar pemasar dari Google.

Jenis Kecerdasan Buatan

RankBrain sangat berbeda karena didasarkan pada pembelajaran mendalam dan AI .

Ada cukup banyak kebingungan tentang kecerdasan buatan yang membayar untuk memahami apa kategori luas di ruang angkasa. Bagaimanapun, ada jurang pemisah yang sangat besar antara AI yang dapat mencegah Anda menerima spam, dan AI yang dapat meningkatkan kodenya sendiri dan mencapai banyak tujuan.

• Artificial Generalized Intelligence (AGI) – ini adalah AI yang mampu melakukan banyak hal, atau optimasi lintas domain.
• Artificial Narrow Intelligence (ANI) – di sinilah RankBrain berada. Ini adalah kecerdasan buatan yang dapat melakukan satu hal dengan sangat baik. Artinya, bisa mengendarai mobil lebih baik dari kebanyakan manusia. Hal ini dapat menjaga spam dari email. Itu bisa mengalahkan manusia terbaik di Chess or Go. Dan ya, itu dapat menunjukkan hasil pencarian yang menurut sebagian besar pengguna berguna. Tapi itu tidak bisa melakukan semua hal itu bersama-sama.

Banyak ANI didasarkan pada pengenalan pola .

Katakanlah Anda memiliki 10.000 foto, dan setengahnya adalah foto wajah. Manusia dapat memberi tahu mesin mana 5.000 wajah, tetapi mesin kemudian belajar untuk mengetahui bahwa bola yang bersebelahan bisa menjadi mata, dan mata adalah komponen wajah. Pada 500 foto, mesin benar-benar gagal menemukan pola. Pada miliaran foto, mesin akan menjadi cukup bagus.

Ambil pola dasar, tambahkan skala, dan itulah yang menggerakkan mobil self-driving Google, pengenalan wajah Facebook, dan RankBrain. Jadi ketika orang berbicara tentang pembelajaran mendalam dalam AI, sebenarnya bukan pembelajaran yang mendalam, melainkan arsitektur dan ukuran sampel yang mendalam.

Aspek pengenalan pola pencarian itu mengubah permainan bagi pemasar online.

Pemasar versus Google

Sejarah algoritme pencarian Google pada dasarnya adalah pengejaran kucing dan tikus besar dengan pemasar online.

• Pada hari-hari awal, Google meminta pemilik situs web untuk memasukkan apa yang disebut kata kunci metatag untuk mengatakan tentang halaman tersebut. Pemasar kemudian mengirim spam kata kunci metatag dengan begitu banyak kata kunci sehingga nilainya berkurang sebagai referensi untuk halaman tersebut, dan Google mengabaikannya sebagai sinyal .
• Google menyukai jawaban cepat untuk pertanyaan tertentu , sampai pada titik di mana kumpulan konten menjadi bisnis yang layak, dan kualitas konten menurun untuk banyak pencarian. Google meluncurkan Panda untuk mengatasi masalah kualitas konten .
• Google mengatakan jika Anda mendapatkan banyak tautan , peringkat Anda akan lebih baik. Jadi pemasar "blackhat" mulai membayar untuk tautan dan membuat jaringan tautan, sampai Google harus merespons dengan Penguin, yang menghukum tautan "buruk" .

Semakin sulit untuk mempermainkan algoritme Google dari waktu ke waktu, tetapi sebelum RankBrain, para insinyur Google tahu tombol mana yang sedang di-tweak, dan seberapa sulit.

Itu benar-benar tidak lagi berlaku untuk keseluruhan algoritma.

Para Insinyur Tidak (Secara Khusus) Tahu Apa yang Terjadi

Hal yang hebat tentang memberi mesin ukuran sampel yang jahat dan algoritme pembelajaran adalah jika Anda memberi insentif pada perilaku tertentu, mesin kemungkinan akan sampai di sana. Itulah mengapa RankBrain adalah faktor terpenting ketiga dalam pencarian Google – peningkatan pencarian bisa sangat dramatis.

Hal yang tidak begitu bagus tentang memberikan ukuran sampel yang jahat dan algoritma pembelajaran mesin adalah bahwa bahkan insinyur Google tidak secara khusus tahu apa yang terjadi di balik layar.

Apakah RankBrain memprioritaskan judul halaman browser, tautan, H1, dan kekuatan domain untuk pencarian non-transaksional tentang buku?

Bahkan Google tidak bisa memastikannya.

Apakah kesegaran merupakan faktor besar untuk penelusuran selain yang terkait dengan berita, film, dan acara TV?

Mungkin.

Anda Tidak Dapat Mengoptimalkan RankBrain

Apa semua dari jumlah ini adalah Anda dapat mengoptimalkan konten Anda, Anda dapat mempublikasikan halaman Anda untuk mencoba tautan, tetapi Anda tidak dapat mengoptimalkan untuk RankBrain.

Jadi, Anda tidak perlu terlalu peduli dengan input, dan lebih peduli pada output.

Mari kita membongkar itu.

Input adalah sesuatu yang hampir selalu dapat Anda kendalikan secara langsung :

• Judul halaman browser yang berisi frasa yang Anda targetkan
• H1s dan H2s yang berisi sinonim dari kata kunci yang ingin Anda rangking
• Tautan teks jangkar ke halaman

Sebaliknya, outputnya adalah bagaimana pengguna bereaksi terhadap halaman Anda :

• Pengguna yang menyukai judul artikel Anda dan mengklik ke halaman Anda dari Google
• Keterlibatan dan kepuasan tinggi dengan halaman Anda, sehingga mereka tidak menekan tombol kembali setelah mengklik ke halaman Anda

Hal-hal itu belum sepenuhnya selaras di masa lalu, dan sekarang tidak. Apa yang dipaksakan oleh AI dalam pencarian kepada pemasar adalah mempertimbangkan input sedikit lebih sedikit, dan output sedikit lebih banyak .

Apa yang Perlu Diketahui Pemasar Online

Jika Anda menganggap diri Anda seorang SEO, CRO, atau profesional UX, inilah yang harus Anda hadapi.

• Berhenti menargetkan satu kata kunci atau frase per halaman. Anda harus fokus pada topik karena meskipun masing-masing engineer mungkin menghargai kecocokan persis dengan frasa, mesin diberi insentif untuk menghargai maksud pengguna, bukan frasa spesifik pengguna.
• Pencarian yang berbeda akan berarti bobot yang berbeda yang didorong oleh AI. Itu berarti Anda tidak dapat memberi tahu atasan Anda bahwa judul atau tautan halaman browser akan mendorong keuntungan paling penting untuk semua pencarian.
• Anda perlu mempelajari UX dan CRO meskipun pekerjaan inti Anda adalah SEO. Meningkatkan output (kepuasan pengguna) secara tradisional merupakan bidang profesional konversi dan analis pengalaman pengguna. Orang-orang itu biasanya mendesain gambar rangka, meluncurkan fitur di situs, menjalankan tes penerimaan pengguna dan akhirnya membagi dan menguji multivarian untuk pengoptimalan tingkat konversi, tugas yang sangat berbeda dari pencocokan kata kunci dan maksud, pengoptimalan tag, dan memastikan situs dapat dirayapi. Ke depan, perangkat SEO akan mencakup keterampilan keterampilan yang dibutuhkan profesional CRO dan UX.

Secara keseluruhan, RankBrain meningkatkan pengalaman pengguna untuk pengguna pencarian, dan itu umumnya merupakan hal yang baik. Tetapi jika Anda seorang pemasar online, RankBrain menimbulkan beberapa tantangan baru – dan jika Anda cukup belajar tentang sisi pengalaman pengguna, beberapa peluang unik.