2018年Google核心算法之一：RankBrain
Google SEO，你必须了解 RankBrain 。为什么呢？因为 Google 宣布，RankBrain 已经成为影响排序的第三大因素 （前两个分别为 内容和链接）。并且，RankBrain 正变得越来越重要。Google的相关算法如猫头鹰算法，本站之前也有介绍过
本文中，你将学习到 关于 Google RankBrain 的所有知识。请看正文：
- 一. Google RankBrain: AI 自动调整算法
- 二. RankBrain 怎么工作
- 三. 针对 RankBrain 如何研究关键词
- 四. 如何优化 Title 和 Description 来提高CTR
- 五. 怎么优化网页内容改善跳出率和停留时间
- 六. RankBrain 优化策略 & 案例学习
什么是 RankBrain？RankBrain 是 Google 应用于排序的一种机器学习算法。另外，RankBrain 也帮助 Google 分析和了解用户搜索需求。
那么，RankBrain 有什么作用呢？在 RankBrain 之前，所有的 Google 算法都是手工调整。比如 Google 工程师调整了某个因子的比例，上线之后观察用户数据。如果数据有提升，则说明该调整是有效的，会全量上线。所以的调整都是工程师手工处理。流程如下：
而 RankBrain 的处理方式是：发现有一批搜索结果的用户满意度偏低，则上线某个新算法，比如降低外链的权重比例，如果用户满意度提升了，则说明这个算法是有效的。所有的流程都是自动化进行。如下图：
简单说，RankBrain 会自动化的进行各种算法测试。依靠关键词，RankBrain 会调整各因子的权重比例，比如外链，内容更新频率，内容长度，域名权重等。然后，RankBrain 会观察用户数据，如果有相应提升，则保留该调整。否则会做回滚。
最厉害的是，之前 Google 内部做了一个测试，发现 RankBrain 提供的搜索结果，比工程的搜索结果要准确 10%。
RankBrain 怎么工作
RankBrain 有 2 个重点工作：
- 理解用户搜索词（关键词需求分析）
- 研究用户面对搜索结果有什么行为（用户满意度调查）
让我们具体看下
RankBrain 如何理解搜索词背后的需求：
几年前，Google 有个头疼的事：每天都有 15% 的搜索词是之前没遇到过的 （https://www.cnet.com/news/google-search-scratches-its-brain-500-million-times-a-day/）。15% 听起来不高，不过 Google 每天有几十亿几百亿的搜索，也就是说每天有 4 亿多搜索困扰着 Google。在 RankBrain 之前，Google 的处理方式是给用户提供包含这些词语的搜索结果。但因为很多都是新名词，所以 Google 无法了解这些用户到底需要什么，只能去猜。比如用户搜索the grey console developed by Sony，Google 会寻找包含了grey, console, developed, Sony 的网页。
而现在 RankBrain 可以理解用户真正的需求，直接提供一个 100% 准确的搜索结果
有什么差别？之前， Google 是用搜索词中的词语跟网页中的词语相匹配。而现在，RankBrain 可以从语义上理解用户的搜索需求，像人的理解一样。
怎么实现？把未遇到过的搜索词跟已有的搜索词相匹配。比如，RankBrain 注意到很多搜索 grey console developed by Nintendo的用户，是想看一些关于游戏机的网页。所以，当一些用户搜索the grey console developed by Sony的时候，RankBrain 就会提供已有搜索词的相似结果，比如grey console developed by Nintendo。所以，RankBrain 就展示了一些游戏机的搜索结果，在这个例子里，就展示了 PlayStation。
有什么差别？之前， Google 是用搜索词中的词语跟网页中的词语相匹配。而现在，RankBrain 可以从语义上理解用户的搜索需求，像人的理解一样。
怎么实现？把未遇到过的搜索词跟已有的搜索词相匹配。比如，RankBrain 注意到很多搜索 grey console developed by Nintendo的用户，是想看一些关于游戏机的网页。所以，当一些用户搜索the grey console developed by Sony的时候，RankBrain 就会提供已有搜索词的相似结果，比如grey console developed by Nintendo。所以，RankBrain 就展示了一些游戏机的搜索结果，在这个例子里，就展示了 PlayStation。
另外一个例子：Google 曾发表一篇文章 （https://opensource.googleblog.com/2013/08/learning-meaning-behind-words.html），说明了他们怎么利用机器学习算法去了解搜索者背后的需求。
在这个文章中，他们提到了一个叫Word2vec的技术，可以理解文本背后的语义。比如，Google 称使用这个技术，可以帮助搜索引擎理解到，巴黎和法国，是和柏林和德国同样的关系（首都和国家的关系），跟马德里和意大利不一样。
尽管这个文章中没有特别提到 RankBrain ，不过 RankBrain 很可能也是使用这个技术。简单概括，RankBrain 超越了之前的文本匹配算法，而将用户的搜索转变为语义，并找到能描述该语义的网页。
