معرفی الگوریتم برت از زبان مدیر گوگل

الگوریتم برت چیست؟

شاید تا همین چند وقت پیش خیلی از متخصصین فکر میکردند گوگل به یک آرامش بزرگی در دنیای الگوریتم ها رسیده است و دیگر نیازی به تغییر آنچنانی نیست ولی گوگل همه را غافلگیر کرد و یکی از بزرگترین الگوریتم های خود که بر پایه هوش مصنوعی است را رونمایی کرد که به قاطعیت میتوان گفت یکی از بزرگترین آپدیت های گوگل در پنج سال اَخیر محسوب میشود و زمانی که این الگوریتم اعمال شد تقریبا ۱۰ درصد از نتایج دنیای جستجو را تحت تاثیر قرار داد.

الگوریتم برت B.E.R.T مخفف جمله (Bidirectional Encoder Representations from Transformers) است که بسیار جمله طولانی و ترسناکی است ولی نکته اینجاست که این الگوریتم به اندازه نامش پیچیده نیست ولی از نظر ما قرار است آینده سئو در دَستان این الگوریتم بسیار هوشمند باشد و اگر شما آن را جدی بگیرید بی شک آینده خوبی در انتظار شما و سایتتان خواهد بود پس تا انتها با ما همراه باشید تا ما شما را با همه جوانب این الگوریتم آشنا کنیم.

هدف الگوریتم برت BERT چیست؟

آپدیت الگوریتم برت یکی از بزرگترین بروزرسانی های الگوریتم های گوگل است که این بروزرسانی بِرت همانطور که گفتیم بر پایه هوش مصنوعی است. در هوش مصنوعی زیر شاخه ای به نام یادگیری عمیق (Deep Learning) وجود دارد که باعث میشود تا برت کلمات یا جملات موجود در یک متن را بهتر و راحت تر متوجه شود. همین موضوع تحول بسیار بزرگی در دنیای موتورهای جستجو ایجاد کرده است زیرا از این به بعد گوگل بهتر متوجه محتوای صفحات وب میشود و رتبه بندی نتایج گوگل دقیق تر خواهد شد.  در اصل کیفیت محتوای موجود در وب با این بروزرسانی هر روز بیشتر از گذشته خواهد شد.

برت یک پردازش زبان طبیعی در دنیای هوش مصنوعی است که ظرافت های بسیار زیادی دارد که باید برای درک کامل آن به دنیای ریاضیات و برنامه نویسی و حتی هوش مصنوعی تسلط کامل داشته باشید ولی اگر علاقه دارید تا با تمام جوانب و ریزه کاری‌های این الگوریتم از دید متخصصین دنیای سئو آشنا شوید میتوانید به مقاله چگونه برت به فهم گوگل درباره محتوا کمک می کند سایت Searchengineland مراجعه کنید.

الگوریتم رنک برین یا برت؟

شاید فکر کنید با آمدن آپدیت BERT دیگر دوران الگوریتم Rankbrain به سر آمده باشد؟ رنک برین در سال ۲۰۱۵ به الگوریتم های گوگل اضافه شد و در اصل اولین الگوریتم هوش مصنوعی موتور جستجوی گوگل به حساب میاید و به شدت به این موتور جستجو کمک کرد تا هم درخواست های کاربران را بهتر درک کند و هم محتوای صفحات وب را بهتر بفهمد.

ولی بروزرسانی برت باعث از بین رفتن رنک برین نشده است یا به زبان ساده تر برت جایگزینی برای الگوریتم رنک برین نیست و روشی جدید و کمک کننده است برای بهتر فهمیدن نوع درخواست کاربران و محتوای موجود در صفحات وب. گوگل برای بهتر فهمیدن محتوای شما ممکن است از چندین روش استفاده کند تا کاملا آن را درک کند.

چگونه سایت را برای الگوریتم برت سئو کنیم؟

در ادامه بیشتر درباره B.E.R.T توضیح خواهیم داد که برت چگونه به درک بهتر منظور، قصد کاربر و محتوا کمک میکند ولی در اصل این دو الگوریتم یعنی رنک برین و برت وظیفه مشخصی در راستای کمک به گوگل دارند و نیازی نیست تا شما کاری کنید فقط سعی کنید همانطور که در گذشته گفتیم برای کاربر محتوا تولید کنید. و نیاز به انجام کار خاص یا جدیدی نیست. فقط و فقط سعی کنید تا محتوای با کیفیت برای مخاطبانتان تولید کنید زیرا با اجرا و پیاده سازی این الگوریتم، گوگل بهتر متوجه محتوای شما میشود.

فهمیدن قصد کاربر با توجه به BERT

این مقاله در تاریخ ۱۲ اکتبر ۲۰۱۹ از زبان پاندو نویاک (Pandu Nuyak) معاون مدیر عامل گوگل درباره بهتر فهمیدن قصد کاربر در موتور جستجو است و در این مقاله شما کاملا متوجه می‌شوید که وقتی یک کلمه یا جمله توسط کاربر جستجو می‌شود موتور جستجو چه درکی نسبت به آن دارد و علاوه بر این موضوع سیر تکاملی این درک تا به امروز را با هم بررسی می‌کنیم.

درک بهتر از جستجوها توسط تکنولوژی‌های جدید(از زبان Pandu Nuyak)

اگر یک چیز در طی این ۱۵ سال یادگرفته باشم آن هم این است که حس کنجکاوی مردم در جستجو نامحدود است، ما روزانه با میلیاردها جستجو روبرو بودیم و ۱۵ درصد این جستجو‌ها برای ما تازه بود و آن را در گذشته ندیده بودیم. ما سعی کردیم راهکاری را بسازیم تا موتور جستجوی گوگل بتواند برای درخواست‌هایی که حتی برای آن پیش بینی نشده است نیز، نتایجی به کاربر نشان دهد.

خیلی از مواقع هر فردی که قصد جستجو در گوگل را دارد دقیقا بهترین روش یا روش خاصی برای جستجوی موضوع مد نظرش را نمی‌داند(سعی می‌کنند به زبان خودش و عامیانه) حتی در خیلی از مواقع افراد حتی ساختار درست املایی کلمات را نیز نمی دانند (غلط املایی) و همین موضوع است که کمی کار را برای گوگل سخت کرده است.

در هسته گوگل، جستجو به معنای فهمیدن و یا درک زبان است و این کار ماست تا متوجه شویم که شما به دنبال چه چیزی هستید و اطلاعات مورد نیاز و لازم را در دنیای وب در اختیار شما قرار دهیم. اصلا مهم نیست که شما از لحاظ املایی این کلمه را درست نوشته باشید یا این کلمه را همراه با کلمات دیگر به کار برده‌اید که تصور میکنید ما متوجه می‌شویم (ولی در اکثر مواقع ما متوجه منظور شما نمی‌شویم) و اگر دقت کنید خیلی از افراد به صورت معمول یا حالت عادی روزمره شاید سؤال خود را از گوگل میپرسند.

با توجه به آخرین پیشرفت‌های تیم ما در علم درک و فهم زبان، این امر توسط یادگیری ماشین محقق شده است. یعنی ما به وسیله یادگیری ماشین می‌توانیم متوجه درخواست کاربران با هر پیچیدگی شویم و این پیشرفت ما در این حوزه کمک بسیار زیادی به رشد موتور جستجوگر گوگل کرده است.

استفاده از این روش بسیار خاص باعث جهش بزرگی در این دنیای شگفت انگیز شده و می‌توان از آن به عنوان بزرگترین جهش و پیشرفت در دنیای موتورهای جستجو در ۵ سال اخیر و یا حتی کل تاریخ موتورهای جستجو یاد کرد.

استفاده از مدل BERT برای جستجو

سال گدشته ما یک سیستم Open Source (منبع باز) بر پایه شبکه‌های عصبی در پردازش زبان طبیعی به نام (Bidirectional Encoder Representations from Transformers) که مخفف آن BERT است معرفی کردیم و این سیستم و تکنولوژی به ما اجازه می‌دهد تا متوجه هر گونه درخواستی شویم و دیگر مهم نیست شما برای جستجو از چه الگویی استفاده می‌کنید و اگر حتی از نظر املایی نیز کلمه مورد نظر خود را اشتباه تایپ کنید باز هم این تکنولوژی متوجه موضوع مدنظر شما می‍شود.

• این موفقیت حاصل تحقیقات و جستجو گوگل بر روی Transformers ها است که یک مدل است که ارتباط معنایی یک کلمه را با توجه به کلماتی که در آن جمله است متوجه می‌شود. همچنین مدل BERT می‌تواند کل مفهوم (هدف) یک متن را بررسی کند تا بتواند مفهوم یک کلمه را متوجه شود و سپس با فهمیدن قصد کاربر نتایج مناسب را به کاربر نمایش دهد.

ولی برای اینکه از این مدل استفاده کنیم فقط نیاز به نرم افزارهای جدید نبود و نیاز بود تا سخت افزارهای قدرتمندتری نیز داشته باشیم و سیستم های سخت افزاری ما قدرت پردازش‌های مورد نیاز را نداشت و ما مجبور بودیم تا از سیستم‌های Cloud TPUs استفاده کنیم.

بررسی جستجوهای شما

مدل BERT جزییات بسیار زیادی دارد ولی خوب شاید سؤال اصلی این باشد که این همه تغییرات جزیی چه سودی برای کاربران دارد؟

جواب بسیار ساده است زمانی که این همه جزییات و تکنولوژی به موتور جستچو برای درک هدف کاربران اضافه شده است مطمئنا به کاربران کمک می‌کند تا نتایج بهتری برای هر جستجوی خود بدست بیاورند.

به طور مثال زمانی که این مدل وارد نتایج جستجو و Feature snippet ها شد طبیعتا کار کاربران را ساده تر کرد و همانظور که گفتیم به خصوص زمانی که شما به صورت عامیانه و محاوره‌ای جستجو می‌کنید فقط به کلمه مورد نظر دقت نمی‌کند از طرفی به قصد شما از جستجو مینگرد و از سمتی نیز به کل مفهوم محتوایی که قرار است به شما نمایش دهد و همین موضوع موجب می‌شود که آینده جستجو بسیار شگفت انگیز تر گردد و همین اتفاق و دیگر ویژگی‌ها باعث تمایز گوگل از دیگر موتورهای جستجو شده است. و بیشتر افراد در کره خاکی از این ابزار استفاده می‌کنند.

یکی دیگر از چالش‌های موجود در فهمیدن قصد کاربر استفاده از حروف اضافه بود که شاید، اضافه یا کم شدن یک حرف اضافه به کلی می‌تواند منظور کاربر را عوض کند به طور مثال در زبان فارسی اگر به جای حرف اضافه “به” در جمله “رفتن به” از حرف اضافه ” از” استفاده کنیم معنی جمله کاملا عوض می‌شود که در گذشته موتور جستجو به صورت کامل متوجه این موضوع نمیشد ولی با اضافه شدن BERT شرایط کاملا عوض می‌شود و هدف و قصد کاربر درک می‌شود و نسبت به قصدش به او نتیجه نمایش داده خواهد شد.

البته ما قبل از اینکه این سیستم را بر روی موتور جستجو سوار کنیم آزمایشات بسیار زیادی انجام دادیم تا مطمئن شویم که درست عمل می‌کند و آن چیزی که پیش بینی کرده ایم درست از آب در میاید که در ادامه مثالی از این آزمایشات را شرح خواهیم داد تا بهتر متوجه این موضوع شوید.

آزمایش گوگل برای امتحان BERT

گوکل برای اینکه مطمئن تر شود، سعی کرد روی یک سری درخواست (QUERY) این موضوع را آزمایش کند و جمله ای که انتخاب کرد این بود ” ۲۰۱۹ brazil traveler to usa need a visa” که به این معناست که در سال ۲۰۱۹ کسانی که از برزیل به آمریکا مسافرت می‌کنند نیاز به ویزا دارند. این جمله بسیار مشخص است و موتور جستجوگر باید با فکر کردن به ارتباط معنایی بین کلمات یک جمله و حتی یک متن متوجه هدف اصلی شما از جستجو شود ولی در گذشته وقتی شما این جستجو را انجام میدادید، گوگل این صفحه “U.S. citizens traveling to Brazil” را نیز در نتایج نشان میداد که شاید ربطی به جستجوی شما نداشت ولی دقیقا یک حرف اضافه این تمایز را ایجاد می‌کند ولی با وارد شدن BERT هوشمندی موتور جستجو افزایش یافته است که هدف اصلیش درک قصد کاربر از جستجو است.

و در نتیجه مشخص شد که این سیستم می‌تواند هدف اصلی کاربران را متوجه شود و گوگل هم مطمئن شد.

پیشرفت جستجو در زبان‌های دیگر

با توجه به اینکه این سیستم کمک بسیار زیادی به دنیای جستجو می‌کند ولی به دلیل ویژگی‌هایی که این سیستم دارد و باید از جستجو‌های کاربران در راستای رشد و درک بهتر این دنیا چیزهای زیادی یاد بگیرد، در نتیجه این سیستم را بر روی زبان انگلیسی پیاده سازی کردند (زبان انگلیسی، زبانی است که اکثریت محتوای موجود در دنیای وب به این زبان منتشر شده است) و بعد از اینکه پیشرفت‌هایی لازم انجام شد این قابلیت بر روی زبان‌های دیگر نیز پیاده سازی شود.

همچنین از مدل برت BERT برای Feature Snippets ها نیز استفاده شده است که تا به امروز پیشرفت‌های بسیار زیادی در چندین زبان (کره‌ای و پرتغالی) در فیچر اسنیپت‌ها رخ داده است که امیدواریم این مدل از زبان فارسی نیز در آینده پشتیبانی کند. طبق آخرین توییت دنی سالیوان تا تاریخ ۱۰ دسامبر ۲۰۱۹ هنوز برت بر روی زبان فارسی رپیاده سازی نشده است.

تاثیر مدل BERT بر سئو :

در طی سالیان متمادی مردم و به خصوص افرادی که در دنیای بازاریابی فعالیت میکنند متوجه اهمیت سئو شده اند و طبق آمار گفته شده در سال ۲۰۱۸ تقریبا ۸۸ درصد مارکترها به سئو اعتقاد دارند ولی در سال ۲۰۱۹ تقریبا ۹۷ درصد مارکترها به اهمیت این موضوع پی برده اند.

الگوریتم BERT بر خلاف خیلی از الگوریتم‌های دیگر و بروزرسانی هایی که در موتورهای جستجو اتفاق می اُفتد شاید سایت‌های زیادی را تحت تاثیر قرار ندهد،  وبمستران راهکاری برای جلوگیری از آن ندارند ولی نکته اینجاست که بی شک سایتهایی را تحت تاثیر قرار خواهد داد که در محتواهای خود کلمات کلیدی غیر مرتبط استفاده میکنند یا اینکه با تولید محتوای با بی کیفیت سعی دارند تا موتورهای جستجو را فریب دهند.

بریتنی مولر یکی از متخصصین سئو MOZ اعلام کرده که افراد زیادی در رابطه با این مدل اطلاعات زیادی ندارند حتی مهندسین گوگل، ولی همانطور که ما هم در آکادمی راهِ دی اِم اشاره کردیم استفاده از NLP یعنی برجسته کردن تقریبا ۲۰ درصد تاثیر دارد ولی باید منتظر بمانیم و ببینیم که چگونه این مدل قرار است بر نتایج جستجو تاثیر بگذارد.

البته بریتنی مولر اشاره کرد که BERT ارتباط خوبی با عکس و ویدیو برقرار میکند. یعنی شما میتوانید با تولید محتوای ویدیویی و ایجاد عکس های اختصاصی ، کمک به فهم بیشتر محتوا برای الگوریتم برت میکنید و این اتفاق باعث میشود تا بِرت یا رنک برین، این محتوا را بهتر درک کنند و در نهایت صفحه شما رتبه بهتری کسب کند.

نکاتی که باید رعایت کنیم :

• وبسایت‌های که از کلمات کلیدی نامرتبط استفاده میکنند توسط برت جریمه خواهند شد.
• کلمات کلیدی Long-Tail تاثیر بهتری خواهند داشت.
• تالیف محتوا بهتر از ترجمه کردن است.
• محتوای مرتبط تاثیر بسیار زیادی بر کسب رتبه دارند.

ما در این مقاله سعی کردیم شرح کامل مدل BERT را بیان کنیم و امیدواریم که از مطالعه آن لذت برده باشید. لطفا نظرات و تجربیات خود را درباره الگوریتم بِرت با ما و دیگر علاقه مندان حوزه سئو در میان بگذارید.

منابع : آکادمی راهِ دی اِم | Searchenginejournal | Searchengineland | neilpatel