Image Source：Google
文／Elaine
你是否曾想过，为什麽只是在 Google 搜寻框框里简单输入几个关键字，Google 就能知道我们要找什麽呢？即便是相当破碎或是语意模糊的句子，Google 似乎也能精准判断。例如，搜寻「蓝色狸猫 身高」，马上就会跳出来哆啦A梦是 129.3 公分；尽管在关键字中完全没有提到「哆啦A梦」、仅描述他的外观特徵，Google 也能自动判读你想问的是「哆啦A梦的身高」。
Image Source：Elaine
最近，Google 就在官方部落格亲自解密搜寻引擎是如何读懂「人话」，其中最关键的 AI 之一就是「RankBrain」。
RankBrain 是什麽？它怎麽知道人在说什麽？
理解「搜寻意」的智慧大脑
当人们在搜寻引擎输入关键字，必定是心中带有一个目的或疑问，希望从网路世界中找到相对应的答案。也就是说，关键字其实代表着使用者的「搜寻意」；比如我搜寻「台北 咖啡厅 推荐」，期望的可能是得到一连串好喝、的台北咖啡厅名单。
早年，Google 仰赖人力来分析这些关键字资料，然而随着网路世界蓬勃，人工处理早就不堪负荷。据官方资料，Google 每月处理 1,000 亿次以上的搜寻，其中有 15％ 关键字是全新的、搜寻引擎从未看过，这也造成了资料处理上的困难。而 RankBrain 正是因应飞速成长的搜寻量而生 ──一种透过机器学习 （machine learning） 而能更准确判定搜寻意、给出最相关结果的人工智慧演算法。
Image Source：Elaine
所谓机器学习，简单来说就是持续丢一堆资料给 AI，让 AI 能够从中找出共通之处，并产生一套运行规则用来分析往後的资料；有别於过去写好一套编码让程式不断重复固定且相同的工作，AI能够像人一样「学习」资料背後的意义，并且「举一反三」产生相关应用。
例如，面对「Nextflix 影集 热门」、「Nextflix上有什麽好影集」、「Nextflix上最好看的剧」这三组关键字，RankBrain 可以透过机器学习了解到它们背後的搜寻意都是「要寻找Nextflix上的好剧收看」、应给出的结果。
也就是说，RankBrain不仅仅只是看到表面上的关键字 「Nextflix」 或「影集」，而是能够将关键字转化成概念或意，知道使用者需要的是 Nextflix 上的节目推荐。
在此篇关於学习搜寻意的官方介绍中，说明了 Google 可利用 AI 相关技术，将关键字化为概念。比如，此技术可以理解「台北 台湾」、「巴黎 法国」之间的关系与「柏林 德国」一样（首都与国家），而「米兰 义大利」（义大利首都是罗马）和上述不同。虽然文章并非针对RankBrain，但根据美国知名 SEO 权威 Backlinko 的看法，RankBrain 很可能采用了相关技术。
Image Source: Google Blog
RankBrain 不只会「理解」，还能判别孰先孰後
透过分析「使用者行为」，为搜寻结果排序。
更进一步，RankBrain 理解了使用者的意、明白该给出哪些可能结果，但它怎麽知道究竟哪个网站需要先排在前面给使用者看？人们跟搜寻结果的互动关系亦是 RankBrain 的考量重点。
假设你搜寻「背肌拉伤」、想了解处理方法。A 网站点进去主要在说明「背肌重要性、拉到会怎样」，你发现不合你的需求於是很快退出；而 B 网站是紧急处置教学、你花了点时间看完。
此时，RankBrain 会不断学习使用者的这些「操作讯号」，倘若大多数人搜寻相关关键字时都在 B网站停留较久，它就有可能判定在此关键字下，B 网站比 A 网站更贴近使用者意、需排在更前面。不过，具体上 RankBrain 到底是怎样解读各式各样的关键、学习、挖掘出意并做排名，目前 Google 尚未公布详细算法。
从这点也可以看出，RankBrain 是一个非常以使用者角度出发的演算法，且对搜寻结果排名及 SEO 有一定影响力。 事实上，Google 官方曾说过，RankBrain 是影响关键字排名的「第三大」因素──前两大为连结（Link）与内容（Content）。
虽然在搜寻框框内输入关键字、获得搜寻结果仅是几秒钟的事，背後却是相当庞大且复杂的一连串 AI 与运作。除了 RankBarin 以外，亦还有近年推出的 BERT、MUM 等算法不断精进搜寻引擎对於人类语言的理解；多亏日益进步的 AI ，让我们的搜寻体验持续变好，彷佛在跟知识的朋友对话一般，即便是很模糊、口语化的关键字，Google 也能。
Elaine 内容行销专栏作家、UX/UI设计师。致力於以深入浅出的方式撰写 SEO 科普文章、分享 SEO 相关时事，曾获选刊登於INSIDE、数位时代、行销人等知名媒体。擅长撰文领域： 网路趋势与要闻、网路行销 SEO、前端网页设计与 UI/UX。
