SEO : le Rank Brain Google

Qu’est-ce que Google RankBrain ?

En référencement naturel, RankBrain est un composant de l’algorithme de base de Google qui utilise l’apprentissage machine (la capacité des machines à s’apprendre par l’entrée de données) pour déterminer les résultats les plus pertinents aux requêtes des moteurs de recherche. Pre-RankBrain, Google a utilisé son algorithme de base pour déterminer les résultats à afficher pour une requête donnée. Après le classement, on croit que la requête passe maintenant par un modèle d’interprétation qui peut appliquer des facteurs possibles comme l’emplacement du chercheur, la personnalisation et les mots de la requête pour déterminer l’intention réelle du chercheur. En discernant cette véritable intention, Google peut fournir des résultats plus pertinents.

L’aspect machine learning de RankBrain est ce qui le distingue des autres mises à jour. Pour « enseigner » l’algorithme RankBrain à produire des résultats de recherche utiles, Google « alimente » d’abord les données à partir d’une variété de sources. L’algorithme s’en sert ensuite pour calculer et s’enseigner au fil du temps à faire correspondre une variété de signaux à une variété de résultats et à classer les moteurs de recherche en fonction de ces calculs.

Comprendre RankBrain

Pour conceptualiser clairement RankBrain, il peut être utile de se mettre à la place de Google, en essayant de comprendre l’intention d’une requête de moteur de recherche comme « Olympics location ».

Quel est le but réel de cette recherche ? L’internaute veut-il connaître les Jeux olympiques d’été ou d’hiver ? Sont-ils en train de parler des Jeux olympiques qui viennent de se terminer ou de ceux qui auront lieu dans quatre ans ? Est-ce que le chercheur qui assiste aux Jeux olympiques en ce moment même est assis dans un hôtel et cherche des directions pour se rendre au lieu de la cérémonie d’ouverture ? Pourraient-ils même chercher des informations historiques sur l’emplacement des tout premiers Jeux Olympiques dans la Grèce antique ?

Maintenant, imaginez qu’en essayant de répondre à cette requête, vous n’avez que des signaux algorithmiques simplistes comme la qualité du contenu ou le nombre de liens qu’un élément de contenu a gagné pour classer les résultats pour ce chercheur. Imaginez que les Jeux d’hiver de Sochi, en Russie, se sont terminés le mois dernier et que le site officiel des Jeux Olympiques de Sochi a gagné des millions de liens pour son contenu sur cet événement passé. Si votre algorithme est simpliste, il se peut qu’il n’affiche que des résultats sur les Jeux de Sochi, parce qu’ils ont gagné le plus de liens… même si le chercheur espérait en fait connaître le lieu des prochains Jeux Olympiques d’hiver à Pyeongchang, en Corée du Sud.

C’est dans cette situation compliquée mais commune que la capacité de RankBrain apparaît comme essentielle. Ce n’est qu’en étant capable de calculer mathématiquement les résultats basés sur des modèles que l’algorithme d’apprentissage machine a « remarqué » dans le comportement des chercheurs que Google peut déterminer que, par exemple, la majorité des gens qui cherchent « lieu des Jeux Olympiques » veulent savoir où auront lieu les tout prochains Jeux (que ce soit en été ou en hiver). Ainsi, dans ce cas, une boîte de réponse Google avec l’emplacement des Jeux à venir servira la majorité des besoins des internautes.

Bien que cette case de réponse puisse répondre à l’intention qui sous-tend la plupart des recherches  » Olympics location « , il existe des exceptions notables auxquelles Google doit s’attaquer. Par exemple, si la recherche est effectuée par un utilisateur dans une ville olympique (comme Pyeongchang) la semaine des Jeux, Google pourrait plutôt fournir des indications routières vers le pavillon où se tiendront les cérémonies d’ouverture. En d’autres termes, des signaux comme l’emplacement de l’utilisateur et la fraîcheur du contenu doivent être pris en compte pour interpréter l’intention et fournir les résultats les plus susceptibles de satisfaire les internautes.