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.