RankBrain: la evolución del algoritmo de Google

¿Qué es RankBrain y cómo cambia la búsqueda en Google? Desde 2015, Google utiliza el sistema de in­te­li­ge­n­cia ar­ti­fi­cial de au­to­apre­n­di­za­je RankBrain para in­te­r­pre­tar las consultas de búsqueda. Este ayuda a reconocer la intención del usuario incluso con términos nuevos o complejos y a mostrar re­su­l­ta­dos adecuados. El algoritmo se basa en el apre­n­di­za­je au­to­má­ti­co y forma parte de la es­tra­te­gia a largo plazo de Google en in­te­li­ge­n­cia ar­ti­fi­cial, que incluye también a DeepMind.

¿Qué es RankBrain?

RankBrain es un sistema de in­te­li­ge­n­cia ar­ti­fi­cial de au­to­apre­n­di­za­je que Google utiliza desde pri­n­ci­pios de 2015 como parte de su algoritmo de búsqueda principal “Hu­m­mi­n­g­bi­rd”. La tarea principal de RankBrain es la in­te­r­pre­ta­ción de palabras clave y frases de búsqueda, con el objetivo de ide­n­ti­fi­car la intención de los usuarios.

Según datos de la propia compañía, Google procesa alrededor de 8,5 mil millones de consultas diarias. Apro­xi­ma­da­me­n­te un 16 % de estas búsquedas co­rre­s­po­n­den a palabras clave o co­m­bi­na­cio­nes que nunca antes se habían in­tro­du­ci­do en Google: desde términos co­lo­quia­les y neo­lo­gi­s­mos hasta complejas frases de long tail (búsquedas de cola larga).

¿Cómo funciona RankBrain?

RankBrain es utilizado por Google para in­te­r­pre­tar las consultas de los usuarios y se­le­c­cio­nar en el índice de Google, una base de datos de cerca de mil millones de gigabytes, exac­ta­me­n­te aquellas páginas web que más se acercan a lo que busca el usuario. Para ello, este sistema de IA va más allá del mero cotejo de términos clave. En lugar de analizar cada palabra de una consulta de forma aislada, RankBrain registra la semántica de la consulta con un sentido global y determina así la intención del usuario. Es así como, a pesar de ser una búsqueda de cola larga, el usuario obtiene rá­pi­da­me­n­te una respuesta a su pregunta.

Close

Para cumplir con su tarea, RankBrain recurre a la ex­pe­rie­n­cia que ha acumulado con consultas an­te­rio­res, crea co­ne­xio­nes y se basa en ellas para predecir lo que busca cada usuario y escoger la mejor manera de responder a su consulta. Para ello intenta resolver cualquier am­bi­güe­dad y deducir el sentido de términos de­s­co­no­ci­dos hasta el momento como neo­lo­gi­s­mos, por ejemplo. Ob­via­me­n­te, Google no ha revelado cómo se enfrenta a este desafío, aunque los expertos en SEO sospechan que RankBrain traduce las consultas con ayuda de re­pre­se­n­ta­cio­nes ve­c­to­ria­les de palabras en una forma que permite a los or­de­na­do­res deducir re­la­cio­nes se­má­n­ti­cas.

¿Cuál es la base de los análisis se­má­n­ti­cos de RankBrain?

Según diversas de­cla­ra­cio­nes de in­ge­nie­ros de Google, RankBrain se basa en parte en conceptos como Word2Vec y emplea técnicas de espacio vectorial similares para captar el si­g­ni­fi­ca­do de las palabras. Ya en 2013, Google publicó el software de apre­n­di­za­je au­to­má­ti­co de código abierto Word2Vec, que permite tra­n­s­fo­r­mar las re­la­cio­nes se­má­n­ti­cas entre palabras en una re­pre­se­n­ta­ción ma­te­má­ti­ca para medirlas y co­m­pa­rar­las. La base de este análisis son los corpus li­n­güí­s­ti­cos de texto.

Creación del espacio vectorial

Para “aprender” las re­la­cio­nes se­má­n­ti­cas entre las palabras, Word2Vec genera en un primer momento un espacio vectorial mu­l­ti­di­me­n­sio­nal (n-di­me­n­sio­nal) en el que cada palabra del corpus su­b­ya­ce­n­te es re­pre­se­n­ta­da por un vector en tantas di­me­n­sio­nes como defina el valor “n”. Cuantas más di­me­n­sio­nes se se­le­c­cio­nen, más re­la­cio­nes con otras palabras es capaz de reconocer el programa.

Ajuste del espacio vectorial

En un siguiente paso, este espacio vectorial se introduce en una red neuronal que permite, con ayuda de un algoritmo de apre­n­di­za­je, ajustar el espacio vectorial de tal manera que las palabras que se utilizan en el mismo contexto generen un vector parecido. La semejanza entre vectores se calcula a partir de la de­no­mi­na­da distancia de coseno como un valor entre -1 y +1.

El papel de Word2Vec

En de­fi­ni­ti­va, si se pro­po­r­cio­na un corpus li­n­güí­s­ti­co cua­l­quie­ra a Word2Vec como input, el programa entrega los co­rre­s­po­n­die­n­tes vectores como output, los cuales permiten evaluar la cercanía o la distancia semántica de las palabras co­n­te­ni­das en el corpus. Si el programa se enfrenta a un input nuevo, el algoritmo de apre­n­di­za­je le capacita para reajustar el espacio vectorial y crear nuevas co­ne­xio­nes se­má­n­ti­cas o rechazar co­n­clu­sio­nes an­te­rio­res. Es así como la red neuronal “aprende”.

Ofi­cia­l­me­n­te, Google no establece ninguna relación entre el fu­n­cio­na­mie­n­to de Word2Vec y el algoritmo RankBrain; sin embargo, es razonable suponer que el sistema de IA se apoya en ope­ra­cio­nes ma­te­má­ti­cas similares.

RankBrain en la op­ti­mi­za­ción SEO

Más so­r­pre­n­de­n­te aún que el anuncio de que los avances de Google en in­te­li­ge­n­cia ar­ti­fi­cial se in­co­r­po­ran a la búsqueda web es el alcance de esta in­te­gra­ción: desde 2016, Google hace que RankBrain in­te­r­pre­te todas las consultas de búsqueda. Según Greg Corrado (Senior Research Scientist en Google), este sistema de IA de au­to­apre­n­di­za­je está integrado incluso como el tercer factor de po­si­cio­na­mie­n­to más im­po­r­ta­n­te dentro del algoritmo.

Para quienes gestionan páginas web y para los expertos en SEO, lo que más ha cambiado es la forma de enfocar las es­tra­te­gias de palabras clave. Como motor de búsqueda semántico, Google es capaz de recurrir a co­no­ci­mie­n­tos de fondo en forma de conceptos y re­la­cio­nes para de­te­r­mi­nar el si­g­ni­fi­ca­do de los textos y de las consultas de búsqueda. Esto significa que si una página web posiciona bien para una consulta de­te­r­mi­na­da no depende tanto de si contiene el término de búsqueda concreto como de la re­le­va­n­cia del contenido respecto al concepto que RankBrain vincula con ese término clave: la prioridad no se concentra tanto en la palabra clave en sí como en la re­le­va­n­cia del contenido de la página web.

Gracias a RankBrain y a la evolución continua de BERT y otras te­c­no­lo­gías, la re­le­va­n­cia del contenido y la intención del usuario se han co­n­ve­r­ti­do en el centro del po­si­cio­na­mie­n­to SEO.

Módulos de IA que co­m­ple­me­n­tan RankBrain

RankBrain se introdujo en 2015 y en ese entonces se co­n­si­de­ra­ba un avance en la in­te­r­pre­ta­ción de consultas de búsqueda por parte de Google. Desde entonces, la te­c­no­lo­gía ha evo­lu­cio­na­do. Hoy en día, RankBrain sigue siendo un co­m­po­ne­n­te im­po­r­ta­n­te del algoritmo de Google, es­pe­cia­l­me­n­te en la in­te­r­pre­ta­ción de términos de búsqueda y la de­te­r­mi­na­ción de la intención del usuario. Sin embargo, ya no es el único factor que determina la in­te­r­pre­ta­ción de las consultas de búsqueda.

BERT como apoyo para RankBrain

Desde 2019, Google ha in­tro­du­ci­do con BERT (Bi­di­re­c­tio­nal Encoder Re­pre­se­n­ta­tio­ns from Tra­n­s­fo­r­me­rs) otro modelo de IA que co­m­ple­me­n­ta a RankBrain en el pro­ce­sa­mie­n­to de entradas de lenguaje natural. Mientras que RankBrain ayuda es­pe­cia­l­me­n­te en el análisis semántico de palabras clave long tail (de cola larga) y co­m­bi­na­cio­nes de palabras de­s­co­no­ci­das, BERT se utiliza más en la co­n­te­x­tua­li­za­ción de frases completas y la co­n­si­de­ra­ción del si­g­ni­fi­ca­do de las palabras en su contexto es­pe­cí­fi­co.

MUM y otras te­c­no­lo­gías de IA para la in­te­r­pre­ta­ción de consultas de búsqueda

Además de RankBrain, Google ahora utiliza otros modelos de IA como BERT y MUM (Multitask Unified Model) para entender mejor las consultas de búsqueda. Estas mejoras son es­pe­cia­l­me­n­te útiles para preguntas complejas o ambiguas. MUM puede combinar in­fo­r­ma­ción de di­fe­re­n­tes fuentes y formatos (por ejemplo, texto e imágenes) y pre­se­n­tar­la de manera coherente.

Aunque Google nunca ha revelado co­m­ple­ta­me­n­te cómo exac­ta­me­n­te RankBrain, BERT y MUM in­ter­ac­túan, está claro: la te­c­no­lo­gía de búsqueda semántica ha avanzado si­g­ni­fi­ca­ti­va­me­n­te.

Módulos de IA im­po­r­ta­n­tes en el algoritmo de Google:

• RankBrain: in­te­r­pre­ta consultas de búsqueda, es­pe­cia­l­me­n­te fo­r­mu­la­cio­nes nuevas o inusuales
• BERT: analiza el contexto de las palabras en las consultas de búsqueda (p. ej., es­tru­c­tu­ra de la oración)
• MUM: entiende in­te­n­cio­nes de búsqueda complejas y combina co­n­te­ni­dos de varios formatos

Para la op­ti­mi­za­ción en motores de búsqueda, esto significa que: El SEO clásico con palabras clave y técnica por sí solo ya no es su­fi­cie­n­te. Lo decisivo hoy es un contenido de alta calidad centrado en el usuario que tenga en cuenta el objetivo de la consulta, el contexto y la re­le­va­n­cia semántica.