חלפו כבר כמה חודשים מאז ההכרזה של גוגל על מערכת האינטליגנציה המלאכותית שלהם, וקהילת ה-SEO הספיקה להתנער מההלם הראשוני, לאסוף מידע ולפתח טקטיקות פעולה לעתיד. לפניכם הסיפור המלא של RankBrain – איך היא עובדת, מה זה אומר לגבי קידום אתרים ואיך מקדמים בעולם שנשלט על ידי מכונות?
הכל התחיל ב-26 באוקטובר 2015, כשגרג קוראדו, בכיר במחלקת המחקר של גוגל, חשף בראיון לבלומברג ש"במהלך החודשים האחרונים, 'חלק גדול מאוד' ממיליוני החיפושים שאנשים מקלידים למנוע החיפוש של החברה בכל שניה פוענחו על ידי מערכת אינטליגנציה מלאכותית, המכונה RankBrain".
האמירה הזו עוררה כמובן באזז רציני בקהילת ה-SEO, וספקולציות רבות התעופפו לכל עבר בניסיון להבין מהי בדיוק RankBrain, כיצד היא עובדת ואיך היא תשפיע על תחום קידום האתרים. למה ספקולציות? פשוט מפני שגוגל עצמם היו מאוד קמצנים במידע אודות המערכת החדשה שלהם, והדבר נכון גם היום. למעשה, מאז חשיפתה של RankBrain גוגל עצמם הודו שהם לא לגמרי מבינים איך היא עובדת, מה שמוסיף לאווירת המסתורין המד"בי של כל העניין.
בכל זאת, בהתחשב בעובדה שעוד באותו ראיון הגדיר קוראדו את RankBrain כסיגנל הדירוג השלישי בחשיבותו, נראה שזה רק עניין של זמן עד ש- RankBrain ומערכות אינטליגנציה מלאכותית אחרות יקבלו את השליטה על חלק הארי של החיפושים – וכדאי שנתחיל להתרגל לרעיון ולהסתגל למציאות החדשה.
במאמר זה נעשה סדר במידע הקיים, וגם נביא תובנות לגבי עתיד ה-SEO ואסטרטגיות אפשריות להתמודדות עם המכונה החדשה של גוגל.
אז מה זה RankBrain?
RankBrain היא מערכת אינטליגנציה מלאכותית, שמשמשת את גוגל כחלק מאלגוריתם החיפוש הכולל שלהם כדי לספק למשתמשים תוצאות טובות יותר.
כדי להבין את RankBrain, יש להבין ראשית את המושג למידת מכונה. למידת מכונה (Machine learning) היא למעשה סוג ספציפי של אינטליגנציה מלאכותית, שמספק למחשבים את האפשרות ללמוד בעצמם כיצד לבצע פעולות ללא צורך בתכנות מפורט. למידת מכונה מתמקדת בפיתוח תוכנות מחשב שמסוגלות ללמד את עצמן לגדול ולהשתנות כאשר הן נחשפות לנתונים חדשים.
בהיותה מעוגנת בלמידת מכונה, RankBrain משתמשת בתהליכים מתמטיים ובסמנטיקה לשונית כדי ללמוד בהדרגה יותר ויותר על כיצד ומדוע אנשים עורכים חיפושים בגוגל, וליישם את המסקנות שיצטברו על תוצאות החיפוש העתידיות שיציע.
כאמור, גוגל שומרים את הקלפים קרוב לחזה בכל הנוגע לדרך שבה RankBrain פועלת, אבל הם כן מגלים כיצד הם משתמשים בלמידת מכונה לצורך זיהוי תמונה. משם ניתן לבצע ניחוש מושכל גם לגבי הדרך בה נעשה התהליך בהקשר של דירוג תוצאות חיפוש:
תיאורטית, נתוני האימון מגדירים למכונה מהי תוצאת חיפוש טובה: שיעור נטישה נמוך, המשתמש אינו עובר לעמוד התוצאות השני, אינו מקליד שאילתה חדשה וכד' – ולהיפך, מהי תוצאה גרועה. תהליך הלמידה שלה מוליד אלגוריתם שיודע לסנן החוצה את תוצאות החיפוש הגרועות ולקדם את תוצאות החיפוש הטובות.
אבל זוהי רק ההתחלה: RankBrain היא מערכת למידה עמוקה (deep learning), משמע שבהדרגה היא כבר לא תצטרך לקבל את הפקטורים לדירוג מבחוץ כדי לקבוע מהי תוצאת חיפוש גרועה ומהי טובה – היא תהיה מסוגלת לקבוע אותם בעצמה. מה שיש לנו כאן הוא למעשה אלגוריתם שבונה אלגוריתם, ללא כל מעורבות אנושית.
במקום שיהיה מתוכנת להציע פתרונות בדרך מסוימת וקבועה מראש, האלגוריתם יוכל לעדכן את עצמו שוב ושוב לאורך הזמן ללא צורך במגע יד אדם, כך שישכלל את היכולת שלו להציע תוצאות חיפוש מדויקות יותר שעונות טוב יותר לכוונת המשתמש.
ההרצאה הזו של ג'ף דין, עמית בכיר בגוגל, מסבירה את הנושא של למידה עמוקה בהקשר של מנוע החיפוש, צפייה מומלצת למקדמי אתרים באשר הם:
Rankbrain היא חלק מהאלגוריתם של גוגל, ולא האלגוריתם עצמו
טעות נפוצה בקרב מקדמי אתרים היא כי RankBrain מחליפה את האלגוריתם של גוגל כפי שהיה קיים עד לאחרונה. למעשה, RankBrain מהווה חלק מאלגוריתם החיפוש הכולל של גוגל – למעשה תוכנת מחשב הבוררת מיליארדי עמודים המוכרים לה כדי למצוא ולדרג את אלה שנראים לה רלוונטיים ביותר לחיפוש מסוים. האלגוריתם הכולל של גוגל נקרא יונק הדבש, שם שניתן לו ב-2013 לאחר שנעשה בו שדרוג משמעותי.
יונק הדבש, אם כך, מורכב מכמה חלקים שלכל אחד מהם חשיבות ותרומה משל עצמו לתוצאה הסופית. אחד החלקים הללו הוא כעת RankBrain, וכפי שמצוין במאמר של בלומברג שהוזכר לעיל, הוא אינו מטפל בשלב זה בכל החיפושים כולם (אף כי, כאמור, גוגל טוענים שהוא אחראי על נתח גדול מתוכם).
יונק הדבש כולל חלקים נוספים המוכרים היטב לכל מי שעוסק בקידום אתרים ושיווק דיגיטלי, למשל פנדה ופינגווין שנועדו להילחם בתוכן באיכות ירודה וקישורי ספאם, ה-Mobile Friendly שמתגמל אתרים ידידותיים למובייל וה-Pirate שנלחם בהפרת זכויות יוצרים.
הסיגנל השלישי בחשיבותו
בעזרת כל חלקיו, קורא האלגוריתם של גוגל סיגנלים שונים ומשתמש בהם כדי לקבוע היכן לדרג כל עמוד בתוצאות החיפוש. כך, לדוגמה, המילים המופיעות בעמוד מסוים הן סיגנל, ידידותיות האתר למובייל הוא סיגנל נוסף, וכן גם גיל הדומיין, מהירות הטעינה של האתר ועוד. בסך הכל, יותר מ-200 פרמטרים מעובדים על ידי חלקיו השונים של אלגוריתם יונק הדבש כדי לקבוע לאילו שאילתות חיפוש עשוי אותו עמוד להיות רלוונטי, ובאיזה מקום לדרג אותו מבין כלל התוצאות. לכל אחד מאותם 200 פרמטרים ישנן וריאציות שונות, ולכן אנשי גוגל נוהגים לדבר על "מאות" סיגנלים, וכך גם בציטוט הבא מתוך הכתבה של בלומברג:
"RankBrain' הוא אחד ממאות סיגנלים שנקלטים על ידי האלגוריתם אשר קובע אילו תוצאות יופיעו בדפי תוצאות החיפוש של גוגל והיכן הן ידורגו', אומר קוראדו. 'בתוך חודשים ספורים מרגע הפעלתו, RankBrain הפך לסיגנל השלישי בחשיבותו בתרומה לתוצאת חיפוש עבור שאילתה', כך לדבריו".
ומה לגבי הסיגנלים הראשון והשני? לאחר ספקולציות רבות בנושא מצד מומחי קידום אתרים רבים, חשף במרץ 2016 אסטרטג איכות החיפוש של גוגל, אנדריי ליפטסב, כי מדובר בתוכן ובקישורים המפנים לאתר. במפגש השו"ת בו נחשף יצא לאור פריט המידע העסיסי הזה תוכלו לצפות כאן.
מה RankBrain עושה אחרת?
לפי הכתבה של בלומברג, RankBrain משתמשת באינטליגנציה מלאכותית על מנת "לעבד כמויות ענק של שפה כתובה לישויות מתמטיות – המכונות וקטורים – אותן מחשבים יכולים להבין", ו"אם RankBrain רואה מילה או ביטוי שאינו מוכרים לה, המכונה יכולה לנחש אילו מילים או ביטויים עשויים להיות בעלי משמעות דומה לאלה ולסנן את התוצאות בהתאם, מה שהופך אותה ליעילה יותר בטיפול בחיפושים שלא נראו בעבר".
נראה, אם כך, ש-RankBrain משמשת את גוגל בעיקר כדרך לפענח שאילתות שאנשים מקלידים כדי למצוא עמודים שאינם מכילים בתוכם את המילים או הביטוי המדויקים שהוקלדו.
כאן תאמרו, ובצדק, שמנוע החיפוש של גוגל מסוגל מזה זמן רב לאתר גם עמודים רלוונטיים שאינם מכילים את מילות המפתח המדויקות שהוקלדו על ידי המשתמשים. ואכן, אם לפני שנים המעבר מיחיד לרבים (דוגמת "נעל" או "נעליים") היה מספיק כדי לבלבל את אלגוריתם החיפוש ולגרום לו לחשוב שמדובר בשתי מילים שונות, כיום הוא חכם מספיק כדי להבין מגוון סוגי הטיות לשוניות – יחיד ורבים, עבר והווה וכד'. יתרה מזאת, כיום הוא מבין גם מילים נרדפות, ויש לו אפילו יכולת קונספטואלית מסוימת, למשל ביכולת להבין שישנם דפים אודות "Apple" חברת הטכנולוגיה וכאלה העוסקים ב-"apple" הפרי.
גרף הידע, שהושק ב-2012, היה זינוק נוסף קדימה ביכולתו של מנוע החיפוש להבין את הקשרים בין מילים, ולראות אותן לא רק כרצף של אותיות אלא ממש כייצוגים של אנשים, מקומות ודברים בעולם האמיתי.
אז מה בכל זאת מה שונה?
נכון לעכשיו, השיטות בהן משתמשים גוגל כדי לדייק את תוצאות החיפוש דורשות מעורבות של יד אנושית בשלב כלשהו של התהליך, למשל ביצירת רשימות של מילים נרדפות או מאגרי נתונים של קשרים בין אנשים, מקומות ודברים. ישנה מידה מסוימת של אוטומציה בתהליך, אבל הוא עדיין נשען במידה רבה על עבודתם של בני אדם.
הבעייתיות בכך טמונה בעובדה שגוגל מעבדת לא פחות מ-100 מיליארד חיפושים בחודש (נכון ל-2012). ונכון ל-2013, וככל הנראה גם להיום, 15 אחוז מהחיפושים הללו הם כאלה שלא נראו לפני כן מעולם – כלומר כ-450 מיליון חיפושים מדי יום שאיש לא הקליד לתיבת החיפוש של גוגל עד לאותו רגע.
בין כל אותם חיפושים ישנן כמובן גם שאילתות מורכבות ומרובות מילים המכונות "ביטויי זנב ארוך". RankBrain נועד לפרש את השאילתות הללו ולתרגם אותן טוב יותר, כדי למצוא את תוצאות החיפוש הטובות ביותר עבור המשתמש ללא מגע יד אדם.
בגוגל מסבירים כי המכונה מסוגלת לזהות תבניות משותפות בין חיפושים מורכבים ולא קשורים למראית עין, ולהבין כיצד הם למעשה דומים זה לזה. הלמידה הזאת, בתורה, מאפשרת לה להבין טוב יותר גם חיפושים מורכבים עתידיים, ולהסיק האם הם קשורים לנושאים מסוימים. וחשוב מכל, RankBrain מסוגלת אז גם לקשר את קבוצות החיפושים הללו עם תוצאות החיפוש שהיא חושבת שימצאו חן ביותר בעיני המשתמשים.
דוגמה?
כפי שציינו, גוגל מעדיפים לשמור לעצמם את רוב המידע אודות RankBrain ובכלל זה גם דוגמאות קונקרטיות שימחישו את אופן הפעולה של המערכת. לכן, ניאלץ להסתפק בדוגמה שהופיעה בכתבה של בלומברג בתקווה שהיא תעזור לשפוך אור על הנושא. זוהי השאילתה לדוגמה:
What’s the title of the consumer at the highest level of a food chain
מקור הקושי בביטוי זה שוכן במילה "consumer", שהפירוש הנפוץ שלה הוא "צרכן". עם זאת, לאותה מילה יש גם פירוש בעולם המדע – מישהו או משהו שצורך מזון. בנוסף, שרשרת המזון כוללת חוליות שונות (או שלבים, levels). השאלה המופיעה כאן היא למעשה מיהו צרכן המזון שנמצא בראש השרשרת – והתשובה היא "טורף".
ואכן, על אף הניסוח הייחודי, תוצאות החיפוש המתקבלות הן טובות למדי:
ושוב, גוגל אינם מפרטים כיצד בדיוק עובד התהליך, אבל ההנחה היא ש-RankBrain מסוגלת לקשר בין השאילתה המורכבת הזו לבין שאילתות פשוטות יותר באותו נושא, דוגמת “top level of the food chain”, להבין בכוחות עצמה כי השתיים דומות ולהשתמש בידע שצברה על השאילתות הנפוצות יותר כדי לשפר גם את התוצאות שהיא מגישה לגולשים עבור השאילתה הנדירה.
ועכשיו שערכנו היכרות עם RankBrain ואנחנו מבינים טוב יותר עם מה יש לנו עסק, אפשר לגשת לשאלת השאלות:
איך אפשר לעשות אופטימיזציה ל- RankBrain?
התשובה לשאלה הזו הספיקה גם היא להשתנות בחודשים האחרונים. בכתבה הזו מאוקטובר 2015, טוען דני סאליבן מ-Search Engine Land כי מאחר ו- RankBrain מתמקדת בשאילתות קשות להבנה ובביטויים דיבוריים, אין טעם לנסות להתמקד בביטויים תואמי-RankBrain כמילות מפתח. לדבריו, הדרך הנכונה היא להמשיך להתמקד באופטימיזציה של התוכן שלנו לחיפוש סמנטי, כדי לעזור לגוגל להבין את ההקשר של התוכן שלנו ואת המשמעות שמאחורי הישויות עליהן אנו כותבים.
סאליבן הוא לא היחיד שתמך בהשערה הזו בזמנו, ועם זאת, בחודשים שחלפו מאז הצגתה של RankBrain על ידי גוגל צמחו כמה השערות לגבי עתיד המערכת ואיתן גם טקטיקות אפשריות לפעולה מבחינת SEO.
כאמור, לעת עתה, RankBrain משמשת בעיקר עבור שאילתות זנב ארוך מורכבות. בעתיד, המערכת צפויה לקבל את השליטה על תוצאות החיפוש בכללותן, מה שככל הנראה כן ישנה לחלוטין את דרכי הפעולה שלנו כמקדמי אתרים.
בתור התחלה, מומחי קידום אתרים מעריכים כי RankBrain תנתח עמודים לפי הרלוונטיות שלהם לשאילתה מסוימת, וכל עמוד יקבל ציון בין 1 ל-10, כאשר 1 מייצג תוצאה חלשה במיוחד ו-10 תוצאה חזקה מאוד. נשמע מוכר? אכן, יש כאן דימיון רב ל- Quality Score בה משתמשים גוגל ב-Adwords, פרסומות יוטיוב וג'ימייל.
זה קורה גם בפייסבוק, שמשתמשים באלגוריתם נראות (visibility), הבוחן את רמת ה-engagement של משתמשים עבור כל אחד מהפוסטים ומקדם את אלה שמעוררים יותר פעילות. ממש לאחרונה, טוויטר ואינסטגרם הודיעו שהם מתכוונים לאמץ את השיטה גם הם. כעת, גם אצלן, לא נראה עוד פיד שמסודר לפי סדר כרונולוגי, אלא כזה שמסודר לפי הפוסטים שעוררו הכי הרבה engagement.
עושה רושם, אם כך, שה-engagement הופך להיות מדד אוניברסלי: התוכן שאנשים מרוצים ממנו, שמעניין ומרגש אותם הוא זה שנראה בטיימליין שלנו. אנחנו רואים את זה ברשתות החברתיות, ב-Google Suggest ובתוצאות החיפוש המקומיות – ובקרוב הוא יגיע גם לחיפוש האורגני.
מה מוניטין ה-engagement שלך?
נראה שכבר היום, אתרים ומותגים צוברים מוניטין engagement, ציון שלפיו נקבעת מידת הנראות שלהם בפלטפורמה מסוימת, ובעתיד גם לרוחבן של כמה פלטפורמות. כך מחושב הציון הזה:
המציאות החדשה הזו יוצרת מודל שיווקי שונה לחלוטין בכל הנוגע ל-SEO ו-SEM. ברמה הבסיסית ביותר, בכל פעם שמשתמש לוחץ על כפתור ה-back, או על "דווח ספאם", או על "אני לא מעוניין" – זה פוגע בציון הengagement- שלנו.
לכן, אם בעבר הסתמכנו על ראש המשפך השיווקי כפילטר שמסנן עבורנו את המשתמשים הרלוונטיים ביותר, עכשיו איננו יכולים עוד לוותר אפילו על אותם משתמשים שהם כביכול "לא רלוונטיים". אנחנו זקוקים ל-engagement שלהם כדי לקבל נראות מלכתחילה, ועלינו להילחם בחוסר העניין של המשתמשים בכל שלב של התהליך.
אז מה אנחנו יכולים לעשות כדי לשפר את ציון ה- engagement שלנו?
1. להבין ולשרת את כוונות המשתמש של כל המבקרים, ולא רק של הלקוחות הפוטנציאליים שלנו.
בעידן RankBrain, כבר לא מספיק להתמקד בלקוחות שלנו ובמה שימיר אותם – צריך לחשוב על כל מי שמחפש את אותו ביטוי בו אנו מתמקדים, ולשאול כיצד אפשר לתת לאותם משתמשים את מה שהם צריכים ומחפשים.
זו הסיבה שתוכן שיווקי/מסחרי טהור כבר לא מדורג גבוה עבור שאילתות אינפורמטיביות, ולא משנה כמה הפקטורים האחרים חזקים אצלו. אם המתחרים שלנו מגישים מידע בעל ערך לכלל המשתמשים, ולא רק לכאלה שיש להם כוונת קניה, הם ידורגו גבוה יותר מאיתנו.
אם נרצה בכל זאת להגיע לקהל יעד ממוקד יותר, נוכל להתמקד בשאילתות תחרותיות פחות ובעלות נפח חיפוש קטן יותר – ועדיין מתוך בידיעה שנוכל לספק למחפשים הללו בדיוק את התוכן שהם צריכים.
2. לעקוף את ה-CTR הממוצע עבור מיקום האתר שלנו
לפי גוגל, RankBrain משמשת כרגע לבחינה ודירוג של ביטויי זנב ארוך – חיפושים שיש עליהם מידע מועט, ועמודים שהקישורים הנכנסים אליהם מעטים או לא קיימים כלל. במצב כזה, הדרך של גוגל לדרג את האתרים הללו תהיה לפי engagement ורלוונטיות, ו-CTR הוא אחד האינדיקטורים הטובים ביותר לשני המדדים הללו.
בסרטון הזה, רנד פישקין מ-Moz מדבר על ההשפעה של קליקים ו-CTR על הדירוג של גוגל:
פישקין מציג כאן כמה ניסויים שערכו Moz בתחום במהלך 2015, ומגיע באופן כללי למסקנה כזו: אם עמוד מסוים מדורג במקום השלישי, אבל מצליח לעקוף את ה-CTR הממוצע עבור תוצאות דומות באותו המיקום, יש לו סיכוי טוב לעלות בדירוג, וזאת מאחר ושיעור ההקלקות הגבוה מהממוצע מעיד מבחינת גוגל על כך שאנשים מעוניינים בתוצאה הזו ומוצאים שהיא רלוונטית עבורם.
וכמובן, גם ההיפך הוא הנכון – תוצאה שמדורגת בעמוד הראשון ולא מעוררת עניין בגולשים, כלומר ה-CTR שלה הוא נמוך מהצפוי למיקומה ביחס לתוצאות דומות, סביר כי תידרדר בהדרגה מטה עד שתגיע לעמוד התוצאות השני.
במאמר הזה שכתב לארי קים מ-Wordsteam תמצאו ניסוי מעניין ומדגים את ההשפעה של ה-CTR על הדירוג, וכאן תוכלו למצוא 5 טיפים מעשיים להעלאת ה-CTR של האתר שלכם.
3. למקד את מאמצי השיווק שלנו בחוויית המשתמש
הפוקוס על חוויית משתמש טובה יותר הוא לא עניין חדש, אבל עם RankBrain חשיבותו של הנושא מקבלת משנה תוקף. הנה כמה דרכים ליצירת חוויית משתמש טובה יותר:
א. תוכן מעמיק וייחודי: ומילת המפתח כאן היא ייחודי. גם אם קיימות כבר 30 כתבות בנושא מסוים, מוטל עלינו כעת למצוא זווית ייחודית על אותו הנושא, לתת עליו הסבר מעמיק יותר או להגיש את המידע בצורה מעניינת וחדשנית.
ב. מהירות טעינה: כבר ב-2010 הכריזו גוגל כי מהירות הטעינה של אתר היא פקטור לדירוג מבחינתם, ומאז הקשר בין מהירות טעינה ודירוג האתר הולך ומתחזק. באופן טבעי, אתר מהיר יהיה בעל אחוז נטישה נמוך יותר ויביא ליותר המרות, ובהתאם גם ציון ה-engagement שלו יהיה גבוה.
ג. חוויית שימוש קלה ומהנה בכל מכשיר: רבות נכתב על חשיבות ההתאמה של אתרים למובייל, וכשמדובר ב-engagement אין ספק שאתר מובייל שעולה מהר ומספק תוכן איכותי בצורה קלה ונעימה לקריאה יהיה המנצח.
ד. לעודד שיתופים וביקורים חוזרים: פחות מודעות, פחות פופ-אפים, פחות הסחות דעת ויותר תוכן שימושי – כל אלה יגרמו למשתמשים לחזור שוב לאתר ולשתף את התכנים שבו עם חברים.
עלייתן של המכונות
גוגל, כמנהגה, מכניסה את RankBrain לתערובת הכללית של האלגוריתם הכולל שלה בהדרגתיות, וסביר להניח שייקח עוד קצת זמן עד שנראה אותה תופסת את מרכז הבמה. יחד עם זאת, ניתן להניח בסבירות גבוהה כי למידת מכונה עומדת להיות גורם משמעותי ביותר כבר בעתיד הנראה לעין.
כבר עכשיו, מחקרים מראים כי ישנה עליה באיכות של תוצאות החיפוש מאז RankBrain, מה שבוודאי מחזק את הביטחון של גוגל ביכולתה של למידת המכונה לשפר את המוצר שלהם ומעודד אותם להמשיך ולתת לה משקל נוסף.
במקביל להתפתחויות אלה, יש מי שמודאגים בכנות מעתיד בו אינטליגנציה מלאכותית תהפוך ממדע בידיוני למדע של ממש, וביניהם היזם אילון מאסק, שאף ייסד גוף ללא מטרות רווח בשם OpenAI, שנועד לוודא כי הטכנולוגיה של למידת המכונה תהיה פתוחה לקהל הרחב ולא תישאר בידיהם של הבודדים בעלי השררה. כך או כך, נראה כי יפה השעה להכין את האתרים שלנו לעידן החדש של החיפוש, שיוגדר כנראה על ידי היכולת של האתר שלנו להתחבב על מכונות מתוחכמות במיוחד.
