RankBrain: A evolução do algoritmo do Google

Você sabe o que é RankBrain e como ele está mudando as pesquisas no Google? Desde 2015, o Google usa o sistema de inteligência artificial autodidata RankBrain para interpretar consultas em pesquisas. A tecnologia ajuda a entender a intenção dos usuários, mesmo em novas ou complexas buscas, e a fornecer resultados mais relevantes. O algoritmo do Rankbrain é baseado em aprendizado de máquina e faz parte da estratégia de longo prazo do Google para inteligência artificial, que também inclui o projeto DeepMind.

O que é RankBrain?

O RankBrain é um sistema de inteligência artificial autodidata que, desde o início de 2015, faz parte do algoritmo de busca do Google, chamado de Hummingbird. Sua principal função é interpretar palavras-chave e frases de busca para identificar a intenção de quem está pesquisando.

De acordo com dados próprios, o Google processa cerca de 8,5 bilhões de consultas por dia. Dessas, aproximadamente 16% são compostas por palavras-chave ou combinações de palavras novas, ou seja, que nunca haviam sido feitas antes. Essas buscas incluem termos coloquiais, neologismos, e frases longas e complexas (long-tail).

Como funciona o RankBrain?

O RankBrain ajuda o Google a interpretar as consultas dos usuários e a selecionar, dentro do índice de pesquisa (um banco de dados com cerca de 100 milhões de gigabytes), as páginas que melhor correspondem à intenção da busca. O sistema vai além da simples correspondência de palavras-chave: em vez de analisar cada palavra isoladamente, ele entende a semântica da consulta por completo para identificar a intenção do usuário. Apesar do uso de frases longas, por exemplo, a resposta desejada é encontrada em um instante.

Close

Como um sistema de aprendizado de máquina, o RankBrain se baseia na experiência adquirida a partir de consultas anteriores. Ele cria associações e faz previsões sobre o que o usuário provavelmente está buscando, de modo a atender a essa solicitação da melhor forma possível. Esse processo envolve resolver ambiguidades e interpretar o significado de termos desconhecidos, como de novos vocábulos.

O Google, no entanto, não revela em detalhes como o RankBrain supera esses desafios. Especialistas em SEO acreditam que o sistema transforma consultas em vetores de palavras: uma representação matemática que permite aos computadores captar relações de sentido entre os termos.

O que fundamenta as análises semânticas do RankBrain?

Diferentes engenheiros do Google já afirmaram que o RankBrain se baseia parcialmente em conceitos como Word2Vec, usando técnicas de espaço vetorial semelhantes para captar o significado das palavras. Em 2013, o Google publicou o software de aprendizado de máquina de código aberto Word2Vec, que permite converter, medir e comparar relações semânticas entre palavras em uma representação matemática. A base dessa análise são corpus linguísticos de texto.

Criação do espaço vetorial

Para “aprender” as relações de sentido entre palavras, primeiramente o Word2Vec gera um espaço vetorial de “n” dimensões, no qual cada palavra do corpus de texto subjacente (dados de treinamento) é representada como um vetor. Aqui, “n” indica quantas dimensões o vetor de uma palavra deve ter. Quanto mais dimensões forem escolhidas para os vetores das palavras, mais relações com outras palavras o programa será capaz de capturar.

Ajuste do espaço vetorial

No segundo passo, o espaço vetorial criado é inserido em uma rede neural artificial (RNA), o que permite ajustá-lo por meio de um algoritmo de aprendizado, de modo que palavras usadas no mesmo contexto formem vetores de palavras semelhantes. A semelhança entre os vetores das palavras é calculada com base na chamada distância cosseno, que resulta em um valor entre -1 e +1.

O papel do Word2Vec

Quando se fornece ao Word2Vec um determinado corpus de texto como entrada, o programa gera os vetores correspondentes das palavras como saída. Esses vetores possibilitam uma avaliação da proximidade semântica (ou distância) entre as palavras contidas no corpus. Quando o Word2Vec é confrontado com novos dados, o programa, graças ao algoritmo de aprendizado, é capaz de ajustar o espaço vetorial, estabelecendo novas relações de significado ou descartando suposições antigas: a rede neural é “treinada”.

Oficialmente, o Google não estabelece uma relação entre o funcionamento do Word2Vec e o componente do algoritmo do RankBrain, no entanto, é possível supor que o sistema de IA se baseie em operações matemáticas semelhantes.

RankBrain como fator de ranqueamento SEO

Mais surpreendente do que a revelação de que os resultados de pesquisa do Google são influenciados pela pesquisa em inteligência artificial, é a amplitude dessa integração: desde 2016, o Google permite que todas as consultas de pesquisa sejam interpretadas pelo RankBrain. De acordo com o cientista de pesquisa sênior do Google, Greg Corrado, o sistema de IA de autoaprendizagem é considerado o terceiro fator de ranqueamento mais importante do algoritmo.

Para administradores de sites e especialistas em SEO, a abordagem em relação às estratégias de palavras-chave mudou significativamente. Como uma máquina de busca semântica, o Google é capaz de recorrer a conhecimentos de fundo na forma de conceitos e relações para determinar o significado do conteúdo de textos e das consultas. A posição de uma página nos resultados de busca para um termo específico depende, assim, menos da presença exata do termo na página e mais de sua relevância para o conceito que o RankBrain associa àquela consulta. O foco, portanto, está menos na palavra-chave em si e mais na relevância do conteúdo da página.

Graças ao RankBrain e ao desenvolvimento contínuo do BERT e outras tecnologias, a relevância do conteúdo e a intenção do usuário se tornam ainda mais centrais na otimização para motores de busca.

Módulos de IA que complementam o RankBrain

Lançado em 2015, o RankBrain foi considerado uma grande inovação na interpretação das consultas de pesquisa do Google. Desde então, a tecnologia evoluiu. Hoje, ela continua sendo um componente importante do algoritmo do Google, especialmente na interpretação de termos de busca e na determinação da intenção do usuário. No entanto, o RankBrain já não é mais o único fator que define como as consultas devem ser interpretadas.

BERT dá suporte ao RankBrain

Desde 2019, o Google introduziu o BERT (Bidirectional Encoder Representations from Transformers), modelo de IA que complementa o RankBrain no processamento de entradas de linguagem natural. Enquanto o RankBrain atua especialmente na análise semântica de termos de busca de cauda longa e combinações de palavras desconhecidas, o BERT é mais usado na contextualização de frases completas e na consideração do significado das palavras em contextos específicos.

MUM e outras tecnologias de IA para interpretação de consultas

Além do RankBrain, o Google agora adota outros modelos de IA como BERT e MUM (Multitask Unified Model) para entender melhor as consultas de pesquisa. Questões mais complexas ou ambíguas se beneficiam dessas inovações. O MUM, por exemplo, é capaz de combinar informações de diversas fontes e formatos (como texto e imagens) e conectá-las de maneira significativa.

Embora o Google nunca tenha revelado completamente como RankBrain, BERT e MUM funcionam em conjunto, está claro que as tecnologias de busca semântica evoluíram de forma significativa.

Principais módulos de IA no algoritmo do Google:

• RankBrain: interpreta consultas de pesquisa, especialmente novas ou formuladas de maneira incomum.
• BERT: analisa o contexto das palavras nas consultas de pesquisa (por exemplo, estrutura das frases).
• MUM: entende intenções de busca complexas e combina conteúdos de diferentes formatos.

Para fazer otimização para os motores de busca, o SEO tradicional, de palavras-chave e aspectos técnicos, já não é suficiente. O que importa agora é a qualidade do conteúdo e o foco no usuário, considerando aspectos como intenção de busca, contexto e relevância semântica.