الگوریتم BERT گوگل چیست و چه تاثیری بر سئو دارد؟

الگوریتم BERT گوگل اگر چند سال پیش می‌خواستید در گوگل چیزی جستجو کنید، معمولا مجبور بودید مثل «ربات» تایپ کنید؛ کلمات را جوری کنار هم می‌گذاشتید که فکر می‌کردید گوگل راحت‌تر متوجه شود. با معرفی الگوریتم BERT گوگل این وضعیت عوض شد؛ حالا موتور جستجو سعی می‌کند جستجوی شما را شبیه یک انسان واقعی بفهمد، نه مثل یک رشته کلمه جدا از هم.

الگوریتم Bert گوگل بر پایه یک مدل هوش مصنوعی پیشرفته به نام BERT ساخته شده که مخفف Bidirectional Encoder Representations from Transformers است. این مدل زبان را از هر دو جهت می‌خواند، یعنی هنگام تحلیل یک کلمه هم به کلمات قبل آن نگاه می‌کند هم به کلمات بعد آن، تا معنی دقیق‌تری از جمله به دست بیاورد.

در این مقاله به زبان ساده توضیح می‌دهیم الگوریتم BERT چیست، چطور کار می‌کند، چه تفاوتی با الگوریتم‌های قبلی دارد، چه تاثیری روی سئو و تولید محتوا گذاشته و چطور می‌توانید استراتژی محتوای سایت خود را با این تغییر مهم هماهنگ کنید.

الگوریتم BERT گوگل چیست؟

الگوریتم Bert گوگل در واقع استفاده عملی گوگل از مدل زبانی BERT در هسته سیستم جستجو است. BERT به گوگل کمک می‌کند معنای جمله و نیت پشت جستجوی کاربر را بهتر بفهمد، مخصوصا در عبارت‌های طولانی، محاوره‌ای و سوالی.

در مدل‌های قدیمی، هر کلمه تقریبا مستقل از بقیه تحلیل می‌شد. اما در BERT هر کلمه بر اساس «بستر جمله» فهمیده می‌شود؛ یعنی نقش حروف اضافه، ضمیرها و ترتیب کلمات در تفسیر نهایی تاثیر زیادی دارد. به همین خاطر الگوریتم Bert گوگل در جستجوهایی که چند معنی احتمالی دارند یا کمی مبهم هستند عملکرد فوق‌العاده‌ای دارد.

تاریخچه الگوریتم BERT و زمان ورود آن به جستجو

مدل BERT ابتدا در سال ۲۰۱۸ توسط تیم Google AI معرفی شد و در چندین تست استاندارد پردازش زبان طبیعی، رکوردهای قبلی را شکست مدتی بعد، در اکتبر ۲۰۱۹ گوگل رسما اعلام کرد که BERT را وارد سیستم جستجو کرده و آن را «بزرگ‌ترین جهش رو به جلو در پنج سال اخیر و یکی از بزرگ‌ترین جهش‌ها در تاریخ جستجو» نامید.

در فاز اول، الگوریتم Bert گوگل روی حدود ۱۰ درصد از جستجوهای انگلیسی در آمریکا تاثیر گذاشت و سپس به مرور برای زبان‌های دیگر هم فعال شد. امروز BERT بخشی از سیستم‌های رتبه‌بندی گوگل است و در کنار الگوریتم‌هایی مثل RankBrain و مدل‌های جدیدتری مثل MUM کار می‌کند

BERT چگونه کار می‌کند؟ نگاهی ساده به ترنسفورمر

مدل BERT روی معماری Transformer بنا شده است؛ معماری‌ای که با مکانیزم «توجه» (Attention) مشخص می‌کند هر کلمه در جمله باید به کدام کلمات دیگر بیشتر توجه کند. به زبان ساده، مدل به جای این که متن را کلمه به کلمه و پشت سر هم پردازش کند، کل جمله را به صورت یک‌جا می‌بیند و روابط بین همه کلمات را همزمان بررسی می‌کند.

در BERT فقط بخش Encoder ترنسفورمر استفاده می‌شود. متن ورودی به واحدهای کوچک‌تر (توکن‌ها) شکسته می‌شود، هر توکن به یک بردار عددی تبدیل می‌شود و این بردارها لایه به لایه در شبکه عصبی پردازش می‌شوند تا در نهایت برای هر کلمه یک نمایش معنایی دقیق ساخته شود؛ نمایشی که نشان می‌دهد آن کلمه در این جمله و در این موقعیت چه معنی و نقشی دارد.

مدل زبانی دوطرفه یعنی چه؟

مدل‌های قدیمی معمولا متن را از چپ به راست یا راست به چپ می‌خواندند. اما BERT «دوطرفه» است؛ یعنی در همه لایه‌ها همزمان از هر دو سمت متن استفاده می‌کند. این دوطرفه بودن باعث می‌شود تفاوت‌های ظریف زبانی بهتر درک شود؛ مثلا این که حرف اضافه «به» در یک جمله نقش مقصد دارد یا علت، یا این که یک ضمیر به کدام اسم برمی‌گردد.

برای گوگل، این ویژگی یعنی الگوریتم Bert گوگل می‌تواند درک کند کاربر در جستجویی مثل «ویزای کار آلمان برای برنامه‌نویس ایرانی» دنبال چه نوع اطلاعاتی است و چه تفاوتی بین این عبارت و عبارت‌هایی مشابه وجود دارد.

دو وظیفه اصلی آموزش BERT

برای آموزش BERT از دو وظیفه مهم استفاده شده است

مدل بخشی از کلمات را در جمله مخفی می‌کند و سعی می‌کند بر اساس بقیه کلمات، کلمه حذف‌شده را حدس بزند. این کار کمک می‌کند BERT روابط درون جمله را یاد بگیرد.

در وظیفه دوم، مدل باید تشخیص دهد دو جمله پشت سر هم واقعا در متن کنار هم آمده‌اند یا از بخش‌های مختلف برداشته شده‌اند. این کار باعث می‌شود BERT ارتباط بین جمله‌ها را هم بهتر بفهمد.

تفاوت الگوریتم BERT با RankBrain و سایر سیستم‌های گوگل

RankBrain اولین سیستم گسترده هوش مصنوعی گوگل در نتایج جستجو بود که از سال ۲۰۱۵ روی تفسیر کوئری‌ها کار می‌کند. RankBrain بیشتر روی تبدیل جستجوها به «بردارهای معنایی» و یافتن شباهت کلی بین عبارات مختلف تمرکز دارد؛ مخصوصا در جستجوهایی که قبلا دیده نشده‌اند.

الگوریتم Bert گوگل اما بیشتر به ساختار جمله و نقش هر کلمه در آن حساس است. اگر RankBrain را ابزاری برای فهم تصویر کلی جستجو در نظر بگیریم، BERT ابزاری است برای فهم جزئیات داخل جمله. گوگل هم تاکید کرده BERT جای RankBrain را نگرفته و این دو سیستم در کنار هم کار می‌کنند؛ بسته به نوع جستجو ممکن است یکی، دیگری یا هر دو فعال شوند.

در سال‌های بعد، مدل‌های پیشرفته‌تری مثل MUM (Multitask Unified Model) معرفی شده‌اند که توانایی فهم چندرسانه‌ای و چندزبانه دارند و در ترکیب با BERT، درک گوگل از محتوای وب را عمیق‌تر کرده‌اند. برای توضیح کامل این خانواده از الگوریتم‌ها، می‌توانید در آینده صفحه‌ای جداگانه برای آموزش الگوریتم‌های گوگل طراحی کنید.

تاثیر الگوریتم BERT گوگل بر سئو و نتایج جستجو

ورود الگوریتم Bert گوگل بیشتر از همه روی جستجوهای طولانی، سوالی و محاوره‌ای تاثیر گذاشت؛ جستجوهایی که قبلا گوگل در فهم دقیق آن‌ها مشکل داشت. خود گوگل اعلام کرده بود در مرحله اول حدود ۱۰ درصد از کوئری‌ها تحت تاثیر این تغییر قرار گرفته‌اند که عدد بسیار بزرگی است.

مهم‌ترین تغییر برای سئو این بود که دیگر تطبیق ساده کلمه کلیدی با متن کافی نیست. BERT به گوگل کمک می‌کند:

• نیت واقعی کاربر را از ترکیب کلمات بفهمد، نه فقط خود کلمات؛
• بفهمد کدام بخش صفحه دقیقا جواب سوال کاربر است؛
• صفحاتی را که از نظر معنایی نزدیک‌تر و مفیدتر هستند جلوتر نشان دهد، حتی اگر دقیقا همان کلمه کلیدی را تکرار نکرده باشند

برای مدیران سایت‌ها یعنی اگر صفحه‌ای فقط برای یک کلمه خاص نوشته شده اما به سوال اصلی کاربر جواب نمی‌دهد، احتمال از دست دادن رتبه بیشتر شده است. در عوض، صفحاتی که به شکل عمیق و ساختارمند موضوع را پوشش می‌دهند شانس بالاتری دارند.

استراتژی تولید محتوا در عصر BERT

الگوریتم Bert گوگل یک پیام روشن برای تولیدکنندگان محتوا دارد: «برای انسان بنویسید، نه برای ربات». گوگل هم در راهنمای رسمی خود بارها تاکید کرده باید محتوا به نفع کاربر نوشته شود، نه برای دستکاری رتبه‌ها.

در عمل، این یعنی:

• استفاده از زبان طبیعی و قابل فهم؛
• توضیح قدم به قدم مفاهیم، نه پر کردن متن با اصطلاحات مبهم؛
• پاسخ دادن به سوالات واقعی کاربران با مثال‌های ملموس؛
• پرهیز از تکرار بی‌هدف کلمات کلیدی.

نوشتن برای انسان، نه برای ربات

در دوره الگوریتم Bert گوگل متن‌هایی که فقط فهرستی از کلمات هستند، خیلی سریع کنار گذاشته می‌شوند. بهتر است هنگام نوشتن از خودتان بپرسید اگر کاربر این متن را با صدای بلند بخواند، آیا احساس می‌کند یک انسان برای او توضیح می‌دهد یا یک ماشین کلمه‌ها را پشت سر هم ردیف کرده است.

استفاده از مثال، سناریوهای واقعی، مقایسه‌ها و توضیح مزایا و معایب، همه به BERT کمک می‌کند تشخیص دهد متن شما واقعا آموزشی و مفید است.

ساختاردهی محتوا برای فهم بهتر BERT

علاوه بر خود متن، ساختار صفحه هم بسیار مهم است. هدینگ‌های منطقی، پاراگراف‌های کوتاه، فهرست‌های گلوله‌ای در جای درست و بخش سوالات متداول، هم برای کاربر خوانایی محتوا را بالا می‌برد و هم باعث می‌شود الگوریتم Bert گوگل راحت‌تر متوجه شود هر بخش درباره چه چیزی صحبت می‌کند.

اگر قصد دارید بعدا برای هر زیرموضوع صفحه‌ای مستقل ایجاد کنید (مثل آموزش سئو تکنیکال) بهتر است از همین الان در متن اصلی، این موضوعات را به شکل طبیعی و منظم وارد کنید تا مسیر توسعه محتوا مشخص باشد.

BERT و تحقیق کلمات کلیدی، جستجوی صوتی و کوئری‌های محاوره‌ای

یکی از نقاط قوت جدی الگوریتم Bert گوگل درک جستجوهای طولانی و محاوره‌ای است. در جستجوی صوتی، کاربران جمله‌هایی را می‌گویند که در گفتگوهای روزمره هم استفاده می‌شود؛ مثلا «چطور می‌توانم سئو را از صفر یاد بگیرم؟». BERT دقیقا برای فهم چنین جمله‌هایی طراحی شده است.

در تحقیق کلمات کلیدی، نتیجه این است که تمرکز فقط روی «یک کلمه» اشتباه است. شما باید مجموعه‌ای از عبارت‌های مرتبط معنایی را هدف بگیرید؛ سوال‌ها، ترکیب‌های مختلف و عبارت‌هایی که نشان می‌دهد نیت کاربر چیست. برای مثال، می‌توانید در یک صفحه اصلی روی عبارت «آموزش سئو» تمرکز کنید و در صفحات دیگر، عبارت‌هایی مثل «چطور سئو یاد بگیرم»، «مراحل شروع سئو از صفر» و «آموزش رایگان سئو» را پوشش دهید.

از طرف دیگر، جستجوهای صوتی به سرعت رو به افزایش هستند و BERT کمک می‌کند گوگل این نوع جستجوها را بفهمد. اگر برای موضوعاتی مانند سئو برای جستجوی صوتی محتوای اختصاصی بنویسید و در آن درباره ساختار سوال و جواب، طول پاراگراف‌ها و نحوه پاسخ‌گویی کوتاه به سوال کاربر توضیح دهید، شانس نمایش در نتایج ویژه (Featured Snippets) بیشتر می‌شود.

نقش BERT در کیفیت محتوا و مفهوم E-E-A-T

در چند سال اخیر، گوگل مفهوم E-E-A-T را پررنگ‌تر کرده است؛ یعنی Experience (تجربه)، Expertise (تخصص)، Authoritativeness (اعتبار) و Trustworthiness (قابل اعتماد بودن). این چارچوب در راهنمای ارزیابان کیفیت گوگل آمده و کمک می‌کند محتواهای باکیفیت و قابل اعتماد بهتر شناسایی شوند.

الگوریتم Bert گوگل به تنهایی مسئول E-E-A-T نیست، اما به سیستم‌های دیگر کمک می‌کند تشخیص دهند آیا متن شما واقعا نشان‌دهنده تجربه و تخصص است یا نه. برای مثال:

• اگر در مورد یک موضوع تخصصی مثل پزشکی، مالی یا حقوقی می‌نویسید، BERT می‌تواند بفهمد متن شما سطحی و کلی است یا جزئیات تخصصی و مثال‌های واقعی دارد؛
• اگر در صفحه درباره تجربیات واقعی خودتان صحبت می‌کنید، این «تجربه دست اول» برای سیستم‌های گوگل سیگنال مثبتی است؛
• شفافیت درباره نویسنده، منابع و تاریخ به‌روزرسانی محتوا، هم برای کاربر و هم برای ارزیابان کیفیت اهمیت دارد.

برای پوشش عمیق‌تر این موضوع می‌توانید در سایت خود مقاله‌ای مستقل با عنوان راهنمای کامل E-E-A-T ایجاد کنید و در آن به صورت تخصصی درباره تجربه، تخصص و اعتبار در سئو محتوا صحبت کنید.

اشتباهات رایج سایت‌ها در مواجهه با BERT

با وجود این که گوگل چندین بار گفته راه «جادویی» برای بهینه‌سازی مستقیم برای BERT وجود ندارد، هنوز هم برخی سایت‌ها مثل قبل با الگوریتم Bert گوگل رفتار می‌کنند؛ یعنی سعی می‌کنند آن را دور بزنند.

برخی از رایج‌ترین اشتباه‌ها عبارتند از:

• تکرار غیرطبیعی حروف اضافه و عبارت‌های محاوره‌ای به امید این که متن «انسانی‌تر» به نظر برسد؛
• نوشتن چندین صفحه کوتاه و پراکنده به جای چند محتوای کامل و عمیق؛
• کپی‌کردن متن از سایت‌های دیگر و تغییر دادن چند کلمه؛
• استفاده نکردن از هدینگ‌های منطقی و بخش‌های سوال و جواب؛
• بی‌توجهی به نیت جستجو و نوشتن متن‌هایی که با سوال اصلی کاربر مرتبط نیستند.

الگوریتم Bert گوگل دقیقا برای تشخیص زبان طبیعی طراحی شده است؛ بنابراین متن‌های مصنوعی و ناهماهنگ را خیلی راحت تشخیص می‌دهد. راه حل، تمرکز روی کیفیت واقعی محتوا و برنامه‌ریزی بلندمدت است.

آینده BERT در کنار MUM و مدل‌های زبانی جدید گوگل

BERT نقطه پایان تحول زبان در گوگل نیست؛ بلکه شروع یک نسل جدید از مدل‌های زبانی است. پس از BERT، گوگل مدل‌هایی مثل MUM را معرفی کرده که توانایی فهم متن، تصویر و زبان‌های مختلف را به صورت همزمان دارد و می‌تواند در مسائل پیچیده‌تر به کاربر کمک کند

با این حال، الگوریتم Bert گوگل هنوز هم بخش مهمی از زیرساخت فهم متن در جستجو است و به خصوص در زبان‌های مختلف و جستجوهای طولانی، نقش اصلی را بازی می‌کند. احتمالا در سال‌های آینده، مدل‌های جدیدتر بر پایه همین ایده‌های دوطرفه بودن و ترنسفورمر ساخته می‌شوند و فهم زبان طبیعی باز هم عمیق‌تر می‌شود.

برای صاحبان سایت‌ها این یعنی باید به جای ترفندهای زودگذر، روی استراتژی‌هایی سرمایه‌گذاری کنند که در برابر تغییرات الگوریتمی پایدار است؛ مثل محتواهای عمیق، تجربه کاربری خوب و موضوعاتی که در آینده بتوانید آن‌ها را در قالب صفحات جداگانه مثل بهینه‌سازی تجربه کاربری برای سئو گسترش دهید.

سخن آخر

الگوریتم Bert گوگل، موتور جستجو را از یک سیستم مبتنی بر «کلمه» به یک سیستم مبتنی بر «معنی و نیت» تبدیل کرد. BERT به گوگل کمک می‌کند جمله‌ها را شبیه انسان بخواند، نقش هر کلمه را در بستر جمله بفهمد و از میان میلیون‌ها صفحه، آن‌هایی را انتخاب کند که واقعا به سوال کاربر جواب می‌دهند، نه فقط کلماتش را تکرار کرده‌اند.

سوالات متداول درباره الگوریتم BERT گوگل

الگوریتم BERT گوگل دقیقا چه کاری انجام می‌دهد؟

الگوریتم Bert گوگل کمک می‌کند موتور جستجو معنای کامل جمله و نیت پشت جستجو را بهتر بفهمد. این الگوریتم مخصوصا در جستجوهای طولانی، سوالی و محاوره‌ای فعال است و باعث می‌شود صفحات مرتبط‌تری به کاربر نمایش داده شود

آیا می‌توان به صورت مستقیم برای BERT سئو انجام داد؟

خیر. خود گوگل گفته است راه جداگانه‌ای برای «بهینه‌سازی BERT» وجود ندارد. بهترین کار این است که محتوای واضح، منظم و مفید بنویسید که به سوالات واقعی کاربران جواب می‌دهد و از تکرار مصنوعی کلمات کلیدی پرهیز می‌کند.

الگوریتم BERT چه تفاوتی با RankBrain دارد؟

RankBrain بیشتر روی تبدیل جستجوها به بردارهای معنایی کلی و یافتن الگوهای مشابه تمرکز دارد، در حالی که BERT روی ساختار جمله و نقش هر کلمه حساس است. این دو سیستم مکمل هم هستند و بسته به نوع جستجو، ممکن است هر دو در پردازش آن نقش داشته باشند.

آیا الگوریتم BERT فقط در زبان انگلیسی فعال است؟

نه. هرچند ابتدا روی جستجوهای انگلیسی در آمریکا پیاده‌سازی شد، اما به مرور در بسیاری از زبان‌ها از جمله فارسی نیز فعال شده است. هدف گوگل این است که در هر زبان، جستجوها را تا جای ممکن شبیه درک انسانی بفهمد.

BERT چه تاثیری روی جستجوی صوتی دارد؟

در جستجوی صوتی، کاربران معمولا جمله‌های کامل و محاوره‌ای می‌گویند. الگوریتم Bert گوگل با توجه به متن قبل و بعد هر کلمه، این جملات را بهتر می‌فهمد و نتایج مرتبط‌تری نشان می‌دهد. به همین دلیل، محتوایی که شبیه پاسخ انسانی نوشته شده باشد، شانس بیشتری برای دیده شدن در این نوع جستجوها دارد.

آیا هنوز هم چگالی کلمات کلیدی برای BERT مهم است؟

چگالی کلمات کلیدی دیگر معیار اصلی نیست. الگوریتم Bert گوگل به این نگاه می‌کند که آیا صفحه واقعا موضوع را پوشش داده و از عبارت‌های مرتبط معنایی استفاده کرده یا فقط یک کلمه را بارها تکرار کرده است. تمرکز شما باید روی پاسخ دادن به نیت جستجو باشد، نه درصد تکرار کلمات.

BERT چگونه با مفهوم E-E-A-T ارتباط دارد؟

BERT خودش معیار E-E-A-T نیست، اما به سیستم‌های دیگر کمک می‌کند تشخیص دهند متن شما نشان‌دهنده تجربه، تخصص و اعتبار هست یا نه. وقتی محتوا عمیق، مستند و همراه با مثال‌های واقعی باشد، فهم آن برای الگوریتم‌ها ساده‌تر می‌شود و شانس شما برای کسب امتیاز بهتر در چارچوب E-E-A-T بیشتر خواهد بود.

آیا با آمدن BERT لینک‌سازی خارجی اهمیت خود را از دست داده است؟

خیر. لینک‌ها همچنان از سیگنال‌های مهم رتبه‌بندی هستند. تفاوت این است که با الگوریتم Bert گوگل، ارتباط معنایی بین صفحه لینک‌دهنده و صفحه لینک‌گیرنده اهمیت بیشتری پیدا می‌کند. یعنی لینک از صفحه‌ای مرتبط و باکیفیت ارزش بیشتری دارد تا لینک از هر سایتی با هر موضوعی.

چه نوع محتواهایی بیشترین سود را از BERT می‌برند؟

محتواهای آموزشی عمیق، راهنماهای گام‌به‌گام، صفحات سوالات متداول و مقالات تحلیلی که به یک موضوع از زوایای مختلف می‌پردازند، معمولا بیشترین سود را از الگوریتم Bert گوگل می‌برند. چون دقیقا همان نوع محتوایی هستند که نیت جستجو را به شکل کامل پاسخ می‌دهند.

اگر محتوای قدیمی دارم، باید همه چیز را برای BERT بازنویسی کنم؟

لزومی ندارد همه صفحات را از صفر بنویسید. بهتر است از صفحات مهم شروع کنید، ساختار آن‌ها را بهبود دهید، سوالات کاربران را اضافه کنید، بخش FAQ بسازید و ابهام‌های متن را کمتر کنید. همین به‌روزرسانی تدریجی می‌تواند کمک کند الگوریتم Bert گوگل بهتر محتوای شما را درک و رتبه‌بندی کند.