谷歌搜索机器学习新主管 John Giannandrea
已发表: 2016-02-05Ben Gomes 担任领导 Google 搜索的角色
在担任谷歌搜索和人工智能部门的高管两年后，谷歌正在展示敏捷营销。
John Giannandrea 的角色现在将由两位高管共同承担：Jeff Dean，谷歌大脑的联合创始人，该公司的人工智能研究部门之一。 谷歌在 2014 年以 6 亿美元收购的 Deep Mind AI 有堂兄弟； 2018 年，这家科技巨头还收购了 Halli Labs、AIMatter 和 Banter，这些都是关于人工智能的，这意味着合适的员工对谷歌来说至关重要。 与 Dean 一起，Ben Gomes 于 2000 年加入 Google，一直领导搜索工程团队，但现在将担任领导搜索组织的角色。
当 Giannandrea 在 Amit Singhal 于 2016 年初离职后接任该职位时，这标志着谷歌在将机器学习和人工智能整合到语音和视觉搜索核心方面的重要性。 然而，谷歌 CEO Sundar Pichai 继续强调人工智能对整个公司运营的重要性。 角色的机会表明，人工智能已经获得了如此大的规模，以至于它需要组建自己的业务部门。
TheInformation.com* 今天发出通知，并指出 Giannandrea 将继续在 Google 工作，也许是以更完整的方式。 他试图阻止有关 AI 存在算法复制和延续用于教育 AI 模型的数据中的人类偏见的风险的讨论潮流。
John Giannandrea 2016 年 Google 搜索机器学习新负责人
两年前，Amit Singhal 昨天在 Google+ 上宣布他将继续前进。 在他表示“2 月 26 日将是我在 Google 的最后一天”之后，很快就宣布 John Giannandrea 将接任Google 搜索的掌舵人。
我们都同意，与 Google 合作这么久并为搜索做出如此多贡献是一项了不起的成就，并祝贺 Singhal 进入新的生活阶段，专注于慈善事业。 由于新的领导层通常意味着重大的重新聚焦，搜索引擎优化专业人士想知道，随着 Giannandrea 担任这一职位，获得的搜索可能会发生怎样的变化，以及这种变化是否会在整个科技界产生涟漪。 在他的领导下， GoogleBot 如何抓取和解释网络内容的未来看起来很有希望，因为我们观察到他如何影响机器学习在新闻方面的未来以及 Metaweb 是如何编织的。
阿米特接着说：“搜索比以往任何时候都更强大，只有在一群已经在日常运作的优秀高级领导者的手中才能变得更好。 我们为人们提供信息的使命及其对这个世界的影响怎么强调都不为过。” John Giannandrea 一直是监督人工智能的先驱，例如在谷歌算法 RankBrain 中，他在谷歌工作了六年，目前是工程副总裁。
正如福布斯在 2015 年 11 月所解释的那样，RankBrain 的角色占据了通过搜索引擎的数百万查询中的“很大一部分”。 他的团队在 Google 搜索中评估机器学习的形式。 以前，谷歌严重依赖算法，这些算法遵守一套由人类主导的严格搜索规则。
Giannandrea 担任谷歌搜索负责人的新职位进一步强调了人工智能对谷歌的重要性，谷歌是 Alphabet Inc (AI) 的一个部门。 他在技术方面的远见是移动设备搜索和应用语音识别搜索的最新努力的关键。 机器学习是一种不同于编写详细的计算机程序来承担任务的方法。 而是给计算机提供多个工作示例，并尝试让它自动学习。
搜索是谷歌机器学习的基础
搜索是谷歌的基础。 谷歌每月提供超过 1000 亿次搜索。 机器学习并不是新的，也不是试图弥补搜索缺陷的某种遥远的算法。 它当然更容易管理。 事实证明，机器学习可以使数字营销更快地发展，并使语义搜索的世界变得更好。 它需要大量的思考、营销研究和测试以及关注，才能构建出可以像这样彻底改变语义搜索世界的东西。
搜索和机器学习有望比人类工程师手动编码的算法规则更好地处理搜索查询。 据 Moz 的搜索专家称，“机器学习已经被许多主要平台使用。” 因此，如果人工智能是 Google 搜索的未来，那么我们可能在 SEO 领域处于领先地位。
谷歌正在合并其在搜索领域的所有研究工作，以与公司内部机器学习的优先事项保持一致。 鉴于他的搜索经验，目前领导 Google 庞大的研究和人工智能部门的工程副总裁 John Giannandrea 是最有可能在关键字母表中取得成功的人，并且算法会发生变化。 Singhal 监督的谷歌搜索改进使这个巨大的网络搜索工具更快、更智能，并且能够窥探在移动设备上运行的软件的内部结构。 Giannandreas 有望成为推动 Google 搜索这一基石向前发展的最佳人选。
机器学习目前在谷歌对搜索和用户意图的关注中更加先进，这无疑将继续下去。 由于搜索的复杂性，SEO 专业人士预计 Google 搜索不会在一夜之间发生革命。 我们深深地沉浸在细节和时间中，继续我们的热情以赢得更高的搜索知名度，从而产生新的网络访问、更好的用户体验，从而获得更高收入的机会。 鉴于 Google 赋予 RankBrain 的所有重要性，展示它如何真正影响 Google 排名机会的细节仍然即将公布。 谷歌目前提供了两到三个关于 RankBrain 变化的广泛概括的实际示例。
Singhal：谷歌搜索算法的监督者
到目前为止，Singhal 在 Google 工作期间一直与 Google 搜索密切相关。 众所周知，当指导需要重写由 Google 联合创始人拉里佩奇和谢尔盖布林创建的算法时，他会参与其中。 解密谷歌将在搜索引擎结果页面 (SERP) 中显示的内容以响应搜索的任务对于这家搜索巨头的核心至关重要。
机器学习正在迅速改变 SEO 的格局。 John Giannandrea 去年秋天在谷歌总部告诉记者。 “我们越来越多地发现，如果我们可以学习而不是编写代码，我们可以更好地扩展这些东西。” 然而，机器学习并不新鲜。 据historyofinformation.com***报道，1957 年美国数学家和人工智能研究员 Ray Solomon 发表了“An Inductive Inference Machine”。 IRE 公约记录，信息论部分，第 2 部分 (1957) 56-62。 这是第一篇关于机器学习的论文。
Singhal 从未偏离过这个方向。 他的工作继续指导谷歌搜索通过垂直搜索扩展的过渡，寻求整合社交信号，谷歌的直接答案，因为搜索变得更加语义化，也许最重要的是，使谷歌在移动搜索领域取得成功。
机器学习不仅仅是专注于获得点击的 SEO。 今天的新 Google 搜索引擎正在将人们与您的网站互动的方式制成表格：他们是点击后退按钮并点击其他网站，还是对他们在您的网站上搜索的答案感到满意？ 机器学习将搜索带到更多关于点击后活动的地方。 您不仅要在出现在 SERPS 中后赢得点击，还必须让用户在您的网站上获得出色的体验。
谷歌搜索转向机器学习以更好地评估客户体验
Google 在搜索方面是否发生了巨大转变？ 客户体验仍然是重中之重，谷歌掌舵人的变化可能会影响营销人员的战略重点，以更加集中于结构化数据和机器学习的方法。 网站管理员寻求SEO 最佳实践以有效优化网站每个页面上的 Web 内容，以促进用户参与，但这完全取决于网站访问者如何消费和对该内容作出反应。 热图（例如 Crazy Egg）非常有助于揭示用户在您网站上喜欢的热点。 虽然搜索者似乎可以向 Google 询问任何事情并获得答案，但要知道他们在登陆您的网站时是否对答案感到满意是一件更难确定的事情。
我们可以期待看到深度学习或机器学习在 Google 搜索中占据更大的比重。 鉴于算法的复杂性，机器学习的发展将只是 Google 搜索工作方式的一个组成部分。 基本上，John Giannandrea 和他的团队的工作使 Google 的机器学习引擎更擅长分析搜索查询中的单词和短语。 通过更直观地确定哪些相关单词和短语具有大致相同的含义，新的 Google 搜索在处理全新查询时改进了旧的基于规则的系统。 模式标记有助于更轻松地理解网页内容并将其与这些查询相匹配。 谷歌搜索每天都有许多新的查询——这是它以前从未见过的。
在我写这篇文章的时候是下午 12:58，到目前为止，Google 搜索搜索到的查询数量为 2,464,000,000，并且还在快速攀升。 谷歌现在平均每秒处理超过 42,000 个搜索查询，最终每天超过 35 亿次搜索，每年在全球范围内进行 1.2 万亿次搜索。
凭借他在人工智能方面的专业知识，由于 John Giannandrea 负责谷歌的搜索算法，谷歌承认谷歌搜索的未来正在转向对机器学习的高度依赖是有道理的。 管理如此多的新搜索是一项艰巨的任务。 “根据 2013 年 comScore 的公开发布，截至 2012 年 12 月，谷歌在全球网络搜索量中享有 65.2% 的份额，当月搜索量达到 1147 亿次”，www.internetlivestats.com* 表示
结合机器和用户如何评价您的内容
John Giannandrea 如何影响 Google 搜索的 RankBrain
Singha 被任命为 Google Fellow，这是 Google 授予其搜索工程师的最高荣誉。 在谷歌任职期间，他策划了公司的搜索引擎，而且，我们都知道，谷歌搜索引擎已经公平地统治了互联网
从标题标签到描述元标签和结构化数据，它们都有助于简要概述您网站的内容。 正确优化后，此类数据可能有助于在具有丰富摘要的 SERP 中引入页面。 用户执行查询，甚至具有独特内容的深层页面可能会更频繁地出现在机器学习中。
迄今为止，John Giannandrea 在 Google 所做的努力已经大大促进了搜索引擎对页面内容的总结。 早在 2016 年第一季度，Google 网站管理员工具就已经扩展，提供了丰富的内容分析部分来帮助 SEO 专业人员改进他们的 HTML 文档。
在谷歌，人工智能处于机器学习的远端。 在 John Giannandreas 的领导下，谷歌在机器学习方面投入了大量资金：这包括谷歌搜索视频、语音、翻译以及最近的搜索。 个人在谷歌搜索框中输入的每秒数百万个搜索查询由绰号为 RankBrain 的人工智能系统解释。 谷歌高级研究科学家 Greg Corrado 说：“RankBrain 使用人工智能将大量书面语言嵌入到计算机可以理解的数学实体（称为向量）中”。 当 RankBrain 看到一个新单词或短语时，机器会猜测哪些单词或短语可能具有相似的含义来回答搜索查询。
据彭博社报道，他监督的其他搜索工作包括图像识别和技术的进步，这些技术根据用户使用他们的设备所做的事情而不是使用的明确搜索词来获取信息。
问题：什么是机器学习？
回答： “机器学习是计算机科学的一个子领域，它赋予计算机无需明确编程的学习能力，并从人工智能中的模式识别和计算学习理论的研究演变而来，机器学习探索了可以学习的算法的研究和构建从数据中进行预测——这些算法通过根据样本输入构建模型来进行数据驱动的预测或决策，从而克服了严格遵循静态程序指令的问题”，根据维基百科所使用的显式搜索术语。
SEO专家坚持机器学习
高级 SEO 专家在一定程度上了解机器学习背后的线性代数。 它产生的结果可以检索到非常准确的结果以满足用户意图。 很难解释是什么导致他们获得这些准确的结果以及 Google 搜索的发展方向。 Alphabet 最初在苹果公司的第四季度财报报告之前的周一中旬抢走了市值最高的位置。 谷歌搜索被一些人解释为在Alphabet 的主要谷歌部门周围获得了至高无上的地位。
假设 John Giannandrea 将继续带头调整神经网络的行为，以通过直觉、进一步的研究、试验和错误来调整数学。 您必须通过更多的试验和错误来重新训练他们使用新数据。 随着谷歌将搜索转移到这种复杂的机器学习模型中，目前还不清楚搜索的未来。 人脑仍然是这些机器背后的向导，但方式已经发生了变化。 就在昨天，谷歌为结构化数据标记添加了更广泛的 JSON-LD 支持； 它可能与谷歌搜索机器学习的更新完全吻合。
如果您的网站有数千个网页，那么手工制作额外的结构化数据可能是不可行的。 我们建议从您的核心服务页面和谷歌分析已经显示的关键页面开始，这些页面是观众最喜欢的。
我们正在更多地了解 Google 如何使用机器学习来回答Google Quick Answer Box 中提供的问题。 人工智能方面提供了智能机器，以减少一些搜索引擎所遇到的模糊问题，因为如果只提供果泥来匹配用户意图。 无论我们多么希望一切都标准化，搜索行业的结果并不直接基于确切的规则。 它在很大程度上依赖于语义语言、语音识别、翻译和视觉处理的工作，这些工作继续引发深刻的科学和工程挑战。
不要混淆用户参与和用户体验
seo.theory.com 的所有者 Michael Martinez 是这样说的； “人们继续将‘用户参与’与‘用户体验’混为一谈。 用户体验就是您在页面上放置的内容。 用户参与是访问者在页面上所做的事情”。 在没有 Google Analytics 的情况下，Google 无法跟踪这些人在绝大多数网页上所做的事情。
如果您通过 Google Analytics 分析您的传入流量，Google 搜索是访问者访问您网站的众多方式之一。 当您跟踪“每次访问的平均页面浏览量”以了解用户如何通过您的数字转换渠道从一个页面到另一个页面时，一旦超过两页，您的内容就会吸引用户，而不是 Google 搜索。 企业利用的预测数据需要超过以前由 Google Bot 推断的数据量。
与其他搜索引擎一样，谷歌在自己的搜索结果中衡量用户满意度。 了解用户对您的 Web 消息传递的满意度范围扩展到整个数字领域，包括您的所有社交网络、新闻出版物、Buzzsumo 等。 了解搜索的方向对于内容营销和 SEO 活动规划至关重要。 人工智能及其对深度学习的依赖正变得越来越重要。
随着 Google 搜索的转变，您的企业需要什么？
向我们提出的大量请求表明，企业经常发现在搜索和数字营销方面下一步该去哪里感到困惑。 由于 SEO 发展得如此之快，无论企业是刚刚起步还是正在寻找下一步需要做什么来获得在线知名度，他们都在寻求 SEO 专家的指导，该专家在赚取和付费搜索方面保持最新。
每个数字空间的营销人员都在接受不断变化的客户体验现实。 从容应对新的 Google 搜索激发了我们的 SEO 策略、创造力、热情，并最终激发了我们客户的成功。
最近几个月，成功的 SEO 策略发生了翻天覆地的变化。 在 John Giannandrea 的新领导下，SEO 的现状将不断发展。 他在 2016 年搜索和谷歌阅读内容方面的丰富经验意味着搜索营销人员必须投入新的时间和精力来了解谷歌搜索不断变化的格局。 以前使用优化的标题和精心挑选的关键字为您的网站带来流量的策略现在需要评估以演变为包括Google 移动算法在内的新 SEO 策略。 在新的一年里，Google 出现了新一代的搜索引擎优化领导者，我们相信这份报告对您很有用，甚至可能会引发对适合您公司的营销理念的更多关注。
许多使用互联网的人不参与围绕云培训的持续方面。 让像 John Giannandrea 这样重量级的影响者来掌舵 Google 搜索显然是一件好事，以使算法能够以一种在交互和解释方面不那么像计算机而更像人类的方式来理解语言和图像凭借在谷歌领导许多受过云培训的员工的经验，在这个新的领导下，搜索的未来可能会比以往任何时候都更多地受到机器学习的影响。
结合机器和用户如何评价您的内容
了解 Google 搜索机器学习的进步以及网页访问者如何查看您的内容非常重要。
机器学习对 SEO 专业人士意味着什么，包括在人类编写网络副本时识别什么是好的匹配项，并希望搜索其产品的潜在买家能够找到相应的页面。 它标识用于产品轮播的实体图数据。 他们编写的代码旨在帮助机器自己了解该页面的内容，以便奖励搜索相关内容的人。
以前，谷歌的算法试图找出消费者认为什么是搜索查询的好答案。 一旦浏览者登陆您的网站，如果他们跟随从一个网页到另一个网页的链接，那是人，而不是机器，会发现您的有价值的网页。 结构化数据标记是为使您的内容更容易被机器破译而编写的代码。 页面上文本的使用、使用哪个关键字、使用频率和位置、引人注目的图像以及用户的利益，这些都是可以反映人类感知质量的附加项目。 Search Engine Land 的 Danny Sullivan 评论说：“为了大大简化，它（机器学习搜索）就像教搜索引擎按数字绘画，而不是教它如何独自成为一名伟大的艺术家。”
RankBrain 算法对搜索的贡献是谷歌五年来推动机器智能的一部分，因为该公司试图将该技术更深入地嵌入其搜索核心。 机器学习是谷歌用来重新构建所有搜索相关内容的核心变革方式，包括谷歌地图集成以及谷歌助手如何提供语音激活的业务结果。 John Giannandrea 因其广泛的技术背景而赢得了许多人的尊重，他在搜索的各个方面都拥有广泛的知识。 正如我们预期的那样，谷歌的搜索对于 SEO 专业人士来说至关重要，他将继续发展他的团队并推进谷歌搜索，特别是在移动 SERP方面。
机器学习如何工作？ 
从根本上说，机器学习分两步进行。
步骤 1是一个评估过程，它使用 Google 算法对一组数据进行，以完成任务是一个输出。 当使用 RankBrain 时，创建的算法是一种在 Google 搜索中获得更好的自然语言解析能力的算法。
机器学习的第 2 步采用获得的算法并将其应用于新数据集。 同样，当使用 RankBrain 时，该算法会处理收到的用户搜索查询，以帮助更好地确定这些查询的内容和目标，然后区分与该查询相关的文档。
谷歌搜索机器学习与蜂鸟算法有关，就像飞机或拖拉机有一个为其提供动力的引擎一样。 引擎本身是一个复杂的单元，由多个不同的部分组成，每个部分都相互关联。 同样，蜂鸟包含多个部分，RankBrain 是最新的部分之一。
特别是，我们知道 RankBrain 的机器学习是整个 Hummingbird 算法的一个组成部分，并且越来越多地管理所有 Google 搜索的更高比例。
Hummingbird 的算法经常被 SEO 行业的人所熟悉的相关名称所提及。 其中包括 Google Penguin、Panda、Pigeon、Payday、Pirate 和 Top Heavy 等术语，这些术语旨在降低 SERP 中广告繁重的页面。 机器学习是移动优先算法的核心，它为移动友好页面带来了不错的回报，尤其是加速移动页面 (AMP)。
RankBrain 机器学习有什么作用？
Stone Temple对 RankBrain 进行了深入研究并得出结论，它“不会改变 Google 解释链接、内容、相关性的其他方面、垃圾邮件或任何其他算法的方式”。 破译 RankBrain 做什么和不做什么是有帮助的。 最重要的是，他们的结论是它根本不会改变这些算法。 根据今天可用的信息，我们的理解是 RankBrain 不会对网页进行分类。 它的分类是围绕查询分析。
它所做的是在查询解释和理解页面内容方面做得更好，因此，RankBrain 机器学习广泛地改进了相关性匹配。 人工智能更好地学习人类行为的结果是，它混淆用户意图的方式会导致 SEO 结果发生许多变化。 我们都在尝试了解机器学习如何影响搜索的发展以及这对 SEO 的未来意味着什么。
现代搜索工程是对关键字的复杂语义分析等等； 包括 HTMM（隐藏主题马尔可夫模型）和 PLSA。 努力更好地了解用户正在查看的内容的营销人员会发现他们的内容与搜索工作方式的进步更加一致。
通过了解 RankBrain 试图解决的主要问题，我们可以排除关于 AI 系统功能的更古怪的猜测。 任何努力理解语义搜索、机器学习和基于案例的结构的 SEO 专业人士都会发现自己置身于令人兴奋的、高需求的语义 SEO 领域。 结合阅读您的 AdWords 和分析报告的能力，您的企业可以受益于从您的数据中提取的预测，从而创建和调整您的网络内容以随着时间的推移而改进。 我们密切关注并努力实施新的搜索策略，这些策略结合了我们对依赖Google 移动搜索算法的最新机器学习算法或应用程序的了解。
为什么要创建机器学习？
为了进一步了解 Google 搜索的进展情况，考虑这些流程旨在帮助补救的修复措施会有所帮助：
• 它是为处理复杂搜索和不断增加的新搜索而创建的。
谷歌每天都面临着冗长而多方面的新搜索（占所有搜索查询的 15%），这些搜索以前从未被输入到搜索框中。 由于没有以前的历史记录可以轻松管理此类搜索，因此 Google 必须确定如何将它们与以前的搜索用户兴趣相关联，以显示最相关的结果。
• 管理模糊的搜索查询
互联网用户经常在语音搜索中使用模棱两可的词格式或口语，根据不同的上下文可能意味着不止一件事。 拥有一台知道如何处理现有搜索历史的机器使 Google 能够更好地猜测用户的意图。
• 改进正确性和准确性
在处理相同关键字的变体（单数与复数、同义词、首字母缩略词、缩写词、拼写错误等）时，从以前的关键字匹配策略推进到上下文理解可以提高准确性
机器学习以更自然的方式处理搜索查询，语音搜索正在兴起。 Siri、Google Now 和 Cortana 等语音搜索技术正在被更广泛地接受。 无论最初开始时的意图是什么，RankBrain 的机器学习在帮助语音搜索助手在提供语音搜索结果时提高准确性方面发挥着核心作用。
“这可能也是一个公平的评估。 机器学习在谷歌内部已经有了很大的发展，并且显然会继续下去。 然而，就谷歌搜索而言，这不可能是一夜之间的革命。 相反，它更有可能是我们将看到的疲惫但真实的“进化，而不是革命”正在展开。” ——丹尼·沙利文
谷歌将人工智能部署到搜索中的决定表明，公司开始将其最有价值的业务委托给部分由机器智能控制的系统。 Facebook Inc. 使用 AI 技术过滤包含社交网络个性化主页的新闻源，而 Microsoft Corp. 正在使用人工智能来增强其 Bing 搜索引擎的功能。” – 彭博新闻**
“他们让人工智能负责人接任这一角色，这一事实非常说明他们期望未来的发展方向。” ——B. Riley & Co. 的高级股票分析师 Sameet Sinha
结论
和往常一样，没有什么是确定的，尤其是在 SEO 等快速发展的行业中。 目前机器学习是我们都在努力掌握的东西。 未来，许多人预计 RankBrain 将用于越来越广泛的应用程序——远远超出仅解释搜索查询的应用程序。 如果它发展到足以真正理解所有形式的在线内容，那么它将是行业的一项巨大创新，其涟漪影响比我们今天所能预见的更远。
要根据我们对 SEO 最佳策略和策略的测试知识为您的企业制定定制营销计划的指导受益，请致电 651-206-2410。