Zarejestruj się do bezpłatnej platformy e-learningowej.
Zarejestruj się bezpłatnieWskazówki, rozmowy, inspiracje
Subskrybuj kanał na YouTube i bądź na bieżąco!
Sprawdź, jak Twoja strona radzi sobie w sieci!
Audytuj bezpłatnie
Spis Treści
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.
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.
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.
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.
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.
