Google RankBrain：人工智能革命对在线营销人员意味着什么

机器学习正在改变搜索的面貌。 这是营销人员至少需要知道的。

当谷歌搜索的前任负责人阿米特·辛格哈尔退休时，谷歌确切地知道该让谁来负责。 这个人就是约翰·詹南德里亚，在谷歌圈子里被称为人工智能首席。

这不是谷歌内部的一些随机动作。

在过去的几年里，人工智能 (AI)对公司变得越来越重要。 谷歌于 2014 年收购了人工智能公司 DeepMind，并开始利用该技术改进 YouTube 推荐。 他们聘请了一些在人工智能领域最知名的名字，比如 Ray Kurzweil 和 Peter Norvig。

最近，他们将人工智能引入了为搜索提供动力的核心算法——你知道，这东西赚了所有的钱。

谷歌在人工智能上的大赌注

这不是一些边缘公司的实验。 YouTube 推荐对谷歌来说可能效率低下，季度收益会很好而且花花公子。 搜索并非如此。 如果搜索失败，谷歌就会失败。 然而，谷歌对人工智能工作的信任足以将其引入搜索——人工智能显然是谷歌未来的重要组成部分，而且他们才刚刚起步。

谷歌在人工智能上的赌注不仅对公司，而且对任何从事在线营销的人都有广泛的影响。 它正在改变搜索引擎优化的格局，这对着陆页优化等事情产生了涓滴影响。

营销人员应该了解的搜索算法的 AI 部分有一个名称——RankBrain 。

认识 RankBrain – 第三个最重要的 Google 搜索因素

虽然谷歌有数百个排名因素，但其中两大因素已经广为人知：

• 内容
• 链接

谷歌最近表示这些仍然是大炮，但第三个最重要的因素是RankBrain 。

从本质上讲，RankBrain 是一个机器学习部分，它处理查询的含义，并将权重转移到周围的因素上以提供良好的结果。

这与谷歌算法的其他组件非常不同。

当谷歌推出Panda时，该公司告诉营销人员，重点是好的内容，而稀少的内容将受到算法的惩罚。 当他们推出Penguin时，他们告诉营销人员不良链接将受到惩罚。

当 Google 推出RankBrain时，它告诉营销人员……嗯，他们并不具体知道 RankBrain 奖励和惩罚什么，而且即使是 Google 工程师也无法具体说明它在做什么。

这不是营销人员习惯从谷歌那里听到的。

人工智能类型

RankBrain 如此不同，因为它基于深度学习和人工智能。

关于人工智能有足够的困惑，因此了解该领域的广泛类别是值得的。 毕竟，可以防止您接收垃圾邮件的人工智能与可以改进自己的代码并实现多个目标的人工智能之间存在很大的鸿沟。

• 人工智能（AGI） ——这是一种能够做多种事情或跨域优化的人工智能。
• 狭义人工智能（ANI） ——这就是 RankBrain 所属的地方。 这是一种人工智能，可以很好地完成一件事。 也就是说，它可以比大多数人更好地驾驶汽车。 它可以防止垃圾邮件进入电子邮件。 它可以在国际象棋或围棋中击败最优秀的人类。 是的，它可以显示大多数用户会发现有用的搜索结果。 但它不能同时完成所有这些事情。

很多 ANI 都是基于模式识别的。

假设您有 10,000 张照片，其中一半是人脸照片。 人类可以告诉机器哪 5,000 张是人脸，但机器随后会学会找出彼此相邻的球体可以是眼睛，而眼睛是人脸的组成部分。 在 500 张照片中，机器将完全找不到模式。 在数十亿张照片中，机器会变得相当好。

采取基本的模式寻找，增加规模，这就是谷歌的自动驾驶汽车、Facebook 的面部识别和 RankBrain 的动力。 所以当人们谈论人工智能中的深度学习时，实际上并不是深度学习，而是架构和样本量。

搜索的模式识别方面改变了在线营销人员的游戏规则。

营销人员与谷歌

谷歌搜索算法的历史本质上是一场与在线营销人员的猫捉老鼠追逐。

• 早期，谷歌要求网站所有者输入所谓的元标记关键字来说明页面的内容。 营销人员随后用如此多的关键字向元标记关键字发送垃圾邮件，以致其作为页面内容参考的价值降低了，而谷歌放弃了将其作为一个信号。
• 谷歌偏爱对特定查询的快速回答，以至于内容农场成为可行的业务，并且内容质量因大量搜索而下降。 谷歌推出熊猫来处理内容质量问题。
• 谷歌说，如果你有大量的链接，你的排名会更好。 因此，“黑帽”营销人员开始为链接付费并创建链接网络，直到谷歌不得不用 Penguin 做出回应，后者惩罚“不良”链接。

随着时间的推移，玩弄谷歌的算法变得越来越难，但在 RankBrain 之前，谷歌工程师知道正在调整哪些旋钮，以及调整的难度。

对于整个算法来说，这真的不再适用了。

工程师不（特别）知道发生了什么

给机器一个邪恶的样本量和一个学习算法的好处是，如果你激励一个特定的行为，机器很可能会到达那里。 这就是为什么 RankBrain 是 Google 搜索中第三个最重要的因素 - 搜索改进可能是巨大的。

给机器一个邪恶的样本量和一个学习算法并不是很好的事情是，即使是谷歌的工程师也不知道幕后发生了什么。

RankBrain 是否优先考虑关于书籍的非交易搜索的浏览器页面标题、链接、H1 和域强度？

甚至谷歌也不能肯定地说。

除了与新闻、电影和电视节目相关的搜索之外，新鲜度是否是搜索的一个重要因素？

可能。

您无法针对 RankBrain 进行优化

所有这些都意味着您可以优化您的内容，您可以公开您的页面以尝试链接，但您不能针对 RankBrain 进行优化。

所以你必须少关心输入，多关心输出。

让我们打开它。

输入是您几乎总是可以直接控制的东西：

• 包含您要定位的词组的浏览器页面标题
• 包含您要排名的关键字的同义词的H1 和 H2
• 锚文本链接到页面

相比之下，输出是用户对您的页面的反应：

• 喜欢您的文章标题并从 Google点击进入您的页面的用户
• 对您的页面的高参与度和满意度，因此他们在点击您的页面后不会点击返回按钮

这些事情过去并没有完全一致，现在也不是。 搜索中的人工智能迫使营销人员做的是少考虑输入，多考虑输出。

在线营销人员需要知道什么

如果您认为自己是 SEO、CRO 或 UX 专业人士，那么这就是您必须面对的问题。

• 停止每页定位一个关键字或词组。 您必须专注于主题，因为虽然个别工程师可能会重视与短语的完全匹配，但会激励机器重视用户的意图，而不是用户的特定措辞。
• 不同的搜索将意味着由人工智能驱动的不同权重。 这意味着您不能告诉您的老板浏览器页面标题或链接将为所有搜索带来最重要的收益。
• 即使您的核心工作是 SEO，您也需要学习 UX 和 CRO。 传统上，提高输出（用户满意度）一直是转换专业人士和用户体验分析师的工作。 这些人通常设计线框图，在网站上发布功能，运行用户接受测试，并最终为转化率优化进行拆分和多变量测试，关键字和意图匹配、标签优化以及确保网站可以被抓取等非常不同的任务。 展望未来，SEO 工具集将包括 CRO 和 UX 专业人员所需的技能。

总的来说，RankBrain 正在改善搜索用户的用户体验，这通常是一件好事。 但是，如果您是在线营销人员，RankBrain 会带来一些新的挑战——如果您对事物的用户体验方面有足够的了解，就会发现一些独特的机会。