ランクブレインとは何ですか（そしてそれが検索結果のランキングにどのように影響するか）

人工知能に基づいてGoogleが開発しているアルゴリズムであるRankBrainについて聞いたことがあるかもしれません。

RankBrainは、毎日35億回のGoogle検索でページをランク付けするために使用されています。

ランクブレインとは何ですか？ それはどのように機能しますか？

そして、どのようにそれを最適化できますか？

それがこの記事でお見せするものです…

ランクブレインは、ハミングバードアルゴリズムの一部を形成する人工知能と機械学習に基づくランキング要素です。

Googleは2015年にRankBrainを発表し、すべてのGoogle検索の約15％を処理していると述べました。

しかし、ちょうど1年後、Search EngineLandのDannySullivanは、RankBrainがすべてのGoogle検索で使用されていると報告しました。

Googleによると、RankBrainは現在、コンテンツとリンクに次いで3番目に重要なランキング要素です。

ランクブレインの主な点は、他の以前のランキング要素とはかなり異なるということです。

どうして？

機械学習や人工知能を使用しているためです。

RankBrainの前に、Googleのエンジニアは、特定の信号を「重み付け」し、それらの信号に基づいてランキング結果を生成する数学アルゴリズムを作成していました。

しかし、RankBrainを使用すると、アルゴリズム自体が常に学習および調整されます。 何をすべきかを指示するのは、もはやエンジニアに依存していません。 見つけたパターンに基づいて、何をすべきかを知っています。

具体的な例を挙げると、RankBrainは、パリとフランスはベルリンとドイツ（首都と国）と同じように関係しており、マドリッドとイタリアと同じようには関係していないことを理解しています。

そして驚くべき部分は？

RankBrainは、それらの関係を理解するようにプログラムされていませんでした–それ自体がそれらを学習しました。

それはどのようにそれをしますか？

ベクトルを使用する。

ベクトルは、方向と大きさを持つ数学的なエンティティであり、空間内のあるポイントの別のポイントに対する位置を決定するために使用できます。

一言で言えば、それは、RankBrainが膨大な量のオンラインテキストをふるいにかけ、異なる単語間の数学的関係を見つけることを意味します。

マドリッドがスペインに対してであるようにパリがフランスに対してであると言われる代わりに、それは単に言葉が使われる方法でベクトルまたはパターンを調べることによってその関係自体を学ぶことができます。

RankBrainの違いの1つは、コンテキストを理解することです。 たとえば、検索者が「カップに何オンスの液量オンス」と入力した場合です。 ランクブレインは、回答を出す前に、クエリが行われた国を調べます。

リンクは伝統的にGoogleにとって非常に重要でした。 実際、1998年後半にGoogleが始まったとき、リンクがGoogleを成功に導いた理由です。

Googleは、ページのインバウンドリンクが多いほど関連性が高く、それをランキング要素として使用し始めた最初の検索エンジンであることに気づきました。

しかし、リンクは古いテクノロジーです。

それらは、検索エンジンがコンテキストを理解できなかった時代に属しています。

当時、検索エンジンがコンテンツを理解する唯一の方法は、人間の行動を見ることでした。 ページに含まれる外部リンクが多いほど、関連性が高くなります。

しかし、Hummingbird、RankBrain、Latent Semantic Indexingを使用すると、Googleはコンテキストを理解できるようになります。 クエリをコンテンツに一致させる際の関連性のシグナルとして、バックリンクは必要ありません。

NeilはMarketMuseと協力して、個人金融を扱っている4つのWebサイトのランキングを調べました。

彼らが見つけたのは魅力的でした…そして彼らのランキングのためにバックリンクに依存している人々にとって不安でした。

MagnifyMoney.comと呼ばれるウェブサイトは小さなリンクプロファイルを持っていましたが、それは一貫してバックリンクの数の20倍で別の個人金融サイトを上回りました。

Neil Patelが記事で説明しているように、「…これはめちゃくちゃ重要です」：

検索エンジン最適化の歴史を通して、バックリンクはサイトのランキングの唯一の最大の理由でした。 より強い被リンクプロファイルは、検索エンジンでのより良いランキングを意味しますよね？ これはもう真実ではありません。 ハチドリではありません。 あなたは証拠を見ています–ニールパテル

ランクブレインとは何かがわかったので、どうすればそれを最適化できますか？

簡単な答えは次のとおりです。できません。

なぜだめですか？

なぜなら、AJコーンが述べたように、「RankBrainは、教師なし学習を実行する深層学習アルゴリズムです。独自のルールを作成しています」。

どうやら、Googleのエンジニア自身でさえRankBrainの違いを理解していないようです。 バリーシュワルツが報告しているように、あるグーグルのエンジニアは次のように述べています。

Googleのエンジニアがアルゴリズムを自分でプログラムした場合でも、SEOの専門家がランキング要素を理解するのは困難でした。

ランクブレインでは、それはほぼ不可能になります。

そうは言っても、RankBrainに大きな影響を与えると絶対に確信できる3つの要因があります。

• クリック率（CTR）
• ページ上の時間、および
• バウンス率

RankBrainが実行するようにプログラムされていることの1つは、ユーザーの行動を研究、分析、および学習することです。

私がフェンシング愛好家で、Googleに「ホイルの使い方」というクエリを入力したとします。 そして、Googleがアルミホイルとそれをキッチンで使用する方法に関するすべてのSERPのページを返したとしましょう。

結果をスキャンし、Googleが私の質問を理解していないことに気付き、「フェンシングでフォイルを使用する方法」というクエリを言い換えます。

グーグルは今私が探しているものと一致する結果のページを私に与えます。

結果の1つをクリックし、次の30分間で、リストされているWebページの2つまたは3つを確認します。

ランクブレインはこの振る舞いに気づき、分析し、そこから学びます。

具体的には、「ホイル」という単語の前に定冠詞「a」が付いている場合、それはスポーツ用ホイルを意味し、キッチンホイルではないことを学習します。

訪問者がGoogle検索結果であなたのWebページを見つけたときに行うことはすべて、RankBrainによって調査および分析されています。

これが、CTRがRankBrainの重要な指標である理由です。 高い割合の検索者があなたのウェブページをクリックしている場合、RankBrainはあなたのページがそのクエリに非常に関連していると推測します。 そして、ポジション＃7からポジション＃6に上がります。

あなたのウェブページをクリックした人があなたの上のページよりもあなたのページに平均30％多くの時間を費やしているなら、あなたは再び行きます。

これらは、RankBrainが監視している種類のシグナルです。

したがって、RankBrainを最適化する最善の方法は、SERPスニペットのクリック率を改善することです。 SERPのページ＃1にアクセスすることは1つですが、クリックを取得することはまったく別のことです。

この記事「SERPスニペットのクリックスルー率の最適化」では、SERPリストからクリック数を増やす方法に関するいくつかの優れたヒントを紹介します。

検索者の意図についても考えてください。 あなたのページはあなたのキーワードをタイプする人々が尋ねている質問に答えますか？

Hummingbirdアルゴリズム（その一部）と同様に、RankBrainは、クエリとコンテンツをより適切に一致させるために、検索クエリとオンラインコンテンツのコンテキストを理解することを目的としています。

これは、ユーザーエクスペリエンスを調査することによって行われます。

これは、クリックスルー率、ページ滞在時間、およびバウンス率がランクブレインにとって重要であることを意味します。

検索エンジンがリンクの人気に依存せずにコンテンツの関連性を理解することを学ぶにつれて、バックリンクはそれほど重要ではなくなります。

ランクブレインの良いところは、オーガニック検索の訪問者により良い体験を提供する以外に、ランクブレインを操作するためにできることは何もないということです。