Spis Treści
Maszynowe uczenie w algorytmie Google
Google chce dostarczać dokładniejsze odpowiedzi na zapytania użytkowników. W tym celu korzysta z machine learning, aby udoskonalić mechanizm wyszukiwarki. Nowy algorytm będzie pośrednikiem pomiędzy użytkownikiem a tradycyjnym algorytmem tworzącym listę wyników wyszukiwania na podstawie czynników rankingowych. Ma działać zupełnie niezależnie i na zasadzie uczenia przez wzmacnianie (Reinforcement Learning) zwracać internautom lepiej dopasowane strony. Sposób działania nowej technologii Google został opisany w artykule: Ask The Right Questions: Active Question Reformulation with Reinforcement Learning.
Na czym polega Reinforcement Learning?
Reinforcement Learning (uczenie przez wzmacnianie) to metoda należąca do machine learning stosowania do rozwiązywania problemów, w przypadku których nie można skorzystać z modeli analitycznych. Nawiązuje do psychologii behawioralnej i teorii wzmocnienia – wyrabiania prawidłowych wzorców zachowań poprzez kary oraz nagrody.
Uczenie przez wzmacnianie polega na tym, że agent (np. algorytm wyszukiwarki) działając w określonym środowisku (np. wyszukiwarce), podejmuje z nim interakcje. Wynik każdej akcji może być negatywny (niekliknięcie przez użytkownika w żaden z wyników wyszukiwania) lub pozytywny (przejście na jedną z zaproponowanych przez wyszukiwarkę stron). Na podstawie wszystkich interakcji agent tworzy określoną politykę, wzorzec postępowania w określonym środowisku, które gwarantuje sukces.
Proces Reinforcement Learning można porównać do nauki jazdy na rowerze. Jeśli dziecko będzie przechylać się za bardzo na lewą lub prawą stronę, nie utrzyma równowagi i upadnie. Na zasadzie prób i błędów w końcu uda mu się dobrać odpowiednią pozycję, dzięki której pojedzie samodzielnie na jednośladzie.
Jak będzie działać algorytm oparty o uczenie przez wzmacnianie?
Użytkownik wpisuje frazę do wyszukiwarki. Algorytm uczenia maszynowego (agent) przekształca zapytanie na wiele różnych pytań, a następnie przesyła je do tradycyjnego algorytmu opartego na czynnikach rankingowych. Na podstawie zwróconych odpowiedzi, nowy algorytm wykonuje wstępną selekcję i wysyła zagregowaną listę stron użytkownikowi.
W ten sposób agent ma za użytkownika przeprowadzać proces wielokrotnego przeformułowania zapytania i przeszukiwania wyników wyszukiwania w celu znalezienia satysfakcjonującej odpowiedzi. Algorytm maszynowego uczenia nie będzie miał dostępu do środowiska – głównego mechanizmu wyszukiwarki, więc na zasadzie prób i błędów, redefiniując zapytanie oraz porównując otrzymane wyniki, postara się znaleźć listę najlepszych stron dla internauty.
Znaczenie Reinforcement Learning Algorithm dla SEO
Nowy algorytm nie będzie co prawda wpływał na proces rankingowania stron internetowych, ale zadecyduje o wyglądzie listy wyników wyszukiwania. Odpytując kilkukrotnie wyszukiwarkę i dokonując selekcji zapytań, nowa technologia Google nie dopuści do użytkownika stron, które według niej nie są trafne i nie odpowiadają wyczerpująco na wpisane zapytanie. Tym samym serwisy bogate w content, linki lub doskonale zoptymalizowane mogą nie zostać zaprezentowane w rankingu.
Wprowadzenie algorytmu uczenia maszynowego po raz kolejny pokazuje, że wielu specjalistów SEO błędnie koncentruje się wyłącznie na czynnikach rankingowych Google, chociaż znaczenie odgrywa także trafność tematyki serwisu i treści oraz jej dopasowanie do zapytania użytkownika.
Przygotowanie serwisu do wyszukiwarki opartej o machine learning
Algorytm uczenia maszynowego to na razie teoria, nie wiadomo, kiedy stanie się jednym z mechanizmów wyszukiwarki odpowiadających za wygląd wyników wyszukiwania. Gdy tak się stanie, będzie należało z jednej strony optymalizować stronę ze względu na tradycyjne czynniki rankingowe, a z drugiej trzeba zadbać o to, aby pozycjonować serwis na odpowiednie słowa kluczowe i nasycać go treścią trafiającą w potrzeby użytkowników. Satysfakcja i zadowolenie internautów wyznaczają kierunek rozwoju googlowskich rozwiązań.
