深刻改变SEO行业：谷歌人工智能算法RankBrain

很多人都晓得谷歌在去年推出了一个叫做 RankBrain 的机器学习人工智能系统来对搜索结果中止排序，这可能是山景城(谷歌总部所在地)最新的一项宏大创造。但不是一切人都晓得这个系统对整个 (优化)产业的影响有多大。在这篇文章中，我将会带你细致了解以前的 规则如何失效，而为了你的生意你应该如何中止顺应潮流的 SEO。

在我们预测将来之前，让我们先回想一下 RankBrain是如何改动 SEO 的。我往常跟 Market Brew 的 CTO Scott Stouffer 坐在一同，Market Brew 是一家专为财富 500 强公司**优化的公司。作为一名搜索引擎工程师，Stouffer 对 SEO 产业过去十年的展开有着很多共同察看。以下是他对参与了人工智能后的 SEO 工作的几点倡议。

一、当前的回归分析有着严重的错误

回归分析(regression analysis)是当前 SEO 产业最大的错误。每一次谷歌的算法调整时都会呈现一大批预言家，通常我们这个行业里的一些数据科学家和知名公司的 CTO 们会声称他们对谷歌的收录刷新(Google Dance：Google搜索引擎数据库每月一次的大范围晋级)有本人的应对之道。典型的分析包括审阅过去几个月的数据事情，然后察看新的排名规则正在倾向于哪些类型的网站。

经过当前的这种回归分析，这些数据科学家们会指出某品种型的网站曾经被影响了(排名上升或者排名降落)，然后非常确信地得出一个结论：谷歌的最新排名算法就是为这品种型的网站设计的。

但是，这曾经不再是谷歌的工作方式了。谷歌的机器学习和深度学习算法 RankBrain 正在以一种非常不同的方式工作。

谷歌内部存在着许多中心算法，而 RankBrain 的工作就是学习这些中心算法并将其应用到不同类型的搜索结果排名中。举个例子，RankBrain 可能曾经晓得一个最重要的标志是它的标题标志(META Title)。

在标题标志上多增加关注可能会带来更好的搜索体验，但是在不同的搜索结果中，相同的标题可能会带来完好不同的搜索体验。由于在不同的垂直范畴中，其他的算法——例如 PageRank——可能被提升了。

这就意味着，在每一个搜索结果中，谷歌都运用了不同的混合算法。往常你就可以明白为什么仅仅对每个页面中止回归分析，而不是分析搜索结果的文本，是一个超级错误了。

在这个意义上，往常的回归分析应该分析每一个细致的搜索结果，而不是本身。Stouffer 最近写了一篇文章以为经过一种搜索模型的办法可以辅佐我们处置谷歌算法调整的问题。首先，你可以扼要得了解一下搜索引擎模型在过去的一段时间为某个特定的做出了何种调整。然后，在肯定新的曾经被调整过的搜索引擎模型并将其测定出来，然后为两种搜索引擎模型设定做一个三角分析。经过这种办法以及肯定的模型调整分析，你就可以看到某种特定的算法在调整中是被加权了还是降权了。

有了这些学问，我们可以为不同的搜索结果定制和晋级特定的 SEO 战略。但是相同的办法无法适用于一切的搜索结果。这就是 RankBrain 是在搜索结果(或)的层面上操作的缘由。它其实是在为不同的搜索结果定制算法。

二、专注本人的垂直范畴以避免被错误地分类

谷歌最近还认识到他们可以让 RankBrain 这个深度学习系统晓得好网站和坏网站长什么样。跟如何为不同的搜索结果定制算法一样，他们还认识到不同垂直范畴有着不同的好网站和坏网站的样本。这无疑是由于不同范畴有着不同的 CRM(客户管理系统)，也就是根据数据别离得出的不同的模型和不同的构造。

当 RankBrain 运转时，他们必需学习每种环境对应哪种正确的设置。你可能曾经猜到了，这些设置完好取决于对应的垂直范畴。因此，例如在安康产业，谷歌晓得像 这样的网站的名誉比较好，所以这个网站的搜索结果就会比较靠前。而与 WebMD 的网站构造类似的其它网站就会被与“好网站”联络起来。类似的，任何与知名渣滓医疗网站的构造类似的网站都会与“坏网站”联络起来。

当 RankBrain 把“好网站”和“坏网站”联络起来工作时，用的是它的深度学习才干，但假定你的网站别离了很多不同范畴的内容呢？

首先，我们得更细致地讨论这种深度学习是如何工作的。在将一个网站归类到“好网站”和“坏网站”之前，RankBrain 必需首先肯定每个网站的分类构造。关于 和 这样的网站来说当然是很简单的。每个网站都会有不同的分类目录，而其总目录则是非常简单直接的。所以这种网站会很容易分类。

但是关于有着不同的分类目录的网站来说，例如 How-To(类似于百度阅历，**针对各种事情的处置办法)类的百科网站，它们有相当多的信息分类目录。在这些案例里，深度学习进程就会失效。那么谷歌是在用哪些数据中止排序的呢？答案是：随机。例如关于维基百科这样的网站，谷歌会将其排出在 RankBrain 的控制之外，以确保这个深度学习系统不会毁坏当前的搜索体验。

而关于那些不如维基百科这般知名的网站会怎样样呢？答案是：谁晓得呢？大约这个机器学习系统能在将它们中止比照之前对它们中止分类吧。我们还是说一说像 WebMD 这样的网站吧。

假定分类程序以为这个网站是关于鞋子的，那么它就会将其与 Nike 的网站构造做一下比照，而不是 WebMD 的。假定一个**鞋的网站有着和 WebMD 的网站一样的构造，而不是像 Nike 这样的，那么它就很有可能被判为渣滓网站。而关于 How-To 类网站来说，最好是将不同的垂直范畴划分到不同的子下，以便当 RankBrain 中止分类。

三、反向链接

让我们来看看 RankBrain 如何影响反向链接(backlinks)。基于以上的分类程序来判别，你的网站上的友谊链接也会让 RankBrain 晓得你能否属于这个垂直范畴。

还是举以上的例子，假定一家公司具有一个关于鞋子的网站。我们晓得 RankBrain 的深度学习系统将会尝试将这个网站的每一个方面与鞋子产业的最好和最坏的网站中止比照。因此，很自然地，这个网站的反向链接也会被拿来与那些最好的和最坏的网站的反向链接中止比照。

我们假定一个名誉良好的鞋子网站有来自以下网站的反向链接： 

体育

安康

时兴

往常假定这家公司的 SEO 团队决议增加来自这些网站的反向链接。而由于这家公司的老板此前在汽车行业工作，因此他有很多汽车行业的资源。所以 SEO 团队决议再加上一些来自汽车产业的反向链接。他们在一个汽车行业网站上打了一个互推行告，指向他们的网站的链接是一个关于“新鞋租赁效劳”的页面。看起来很调和，对吗？

但是，RankBrain 会以为这种反向链接与其他名誉良好的鞋子网站看起来不一样。更糟糕的是，它还发现很多关于鞋子的渣滓网站也有一堆来自汽车行业的反向链接。所以，在不晓得什么是正确的反向链接的情况下，RankBrain 曾经从搜索结果中嗅到了什么是“好网站”和什么是“坏网站”的迹象了。所以这个新网站被打上了“坏网站”的标签，网站流量急速降落。

四、人工智能和 SEO 的将来

加速报答定律(Law of Accelerating Returns)通知我们，像 RankBrain 这样的人工智能将很快在某些范畴超越人脑。从这个角度上看，没有人晓得这项技术会将我们带向何方。

但是这些东西是肯定的：

每一个竞争猛烈的关键词范畴都需求自我反省

每个网站都需求专注本人的垂直范畴以避免被错误地分类

每个网站都需求向本人所在范畴的顶级网站学习构造和内容

在某些情况下，这种深度学习算法让 SEO 变得相对简单了。由于我们曾经晓得 RankBrain 和类似的技术曾经和人脑不相上下了，所以规则就会很明白：没有任何空子可钻。

另一方面，情况又愈加复杂了，SEO 仍将是一门技术活。分析学和大数据将会成为主流，任何 SEO 从业人员假定不熟习这些办法的话，都会遇到很多艰难。而具有这些技艺的人将会坐等加薪。