Liever luisteren?
Waarom maakt Google gebruik van AI & ML?
Google heeft AI en ML nodig om mee te kunnen veranderen met ons zoekgedrag. Google zegt letterlijk dat de nieuwsgierigheid van mensen altijd ontwikkelt, dagelijks slagen we er met z’n allen in om zoekopdrachten te doen die Google nog nooit eerder gezien heeft. Sterker nog, dagelijks is 15% van alle zoekopdrachten in Google nieuw. Google heeft dus nieuwe technieken nodig om te begrijpen waar mensen eigenlijk naar zoeken en welke resultaten daar het beste bijpassen.
Hoe maakt Google gebruik van AI & ML?
Google zegt zelf dat “search” gebruikt maakt van honderden algoritmes en machine learning models. In het complete “recept” van search werken al deze algoritmes met elkaar samen. Wel heeft elk algoritme een specifieke rol bij het proces.
Google zegt hierover zelf:
Welke AI & ML algoritmes zijn er?
Google gaat op 4 soorten AI en ML dieper in. Op hun informatiepagina bespreken ze RankBrain (2015), Neural Matching (2018), BERT (2019) en MUM (2021). Op hun pagina leggen ze elk stukje algoritme uit met specifieke voorbeelden wat het doet.
Hoe werkt RankBrain?
RankBrain is een deep learning systeem en ontwikkeld om woorden te relateren aan concepten. Een deep learning systeem wil zeggen dat het systeem zelf leert. Dit doet het systeem onder andere door dingen uit te proberen en te kijken of het de bedoelde resultaten kan behalen. Lukt dat niet, dan doet het systeem een nieuwe poging. Op die manier traint het algoritme zichzelf.
Google geeft het volgende voorbeeld van hoe RankBrain werkt: stel dat iemand zoekt naar ‘wat is de naam van de consument op het hoogste niveau van de voedselketen’. De systemen van Google begrijpen dat een voedselketen betrekking heeft op dieren en niet op consumenten, dus ze kunnen op dat moment de juiste relaties leggen. RankBrain snapt dat iemand op zoek is naar de term ‘apex predators’.
Daarnaast wordt RankBrain gebruikt om de ranking van de topresultaten te bepalen. RankBrain is volgens Google nog steeds een van de belangrijkste AI-algoritmes in ‘search’ op dit moment.
Het is dan natuurlijk leuk om te checken of we in het Nederlands hetzelfde zien gebeuren. De eerste zoekopdracht is: [hoe heet de consument op het hoogste niveau van de voedselketen] en die antwoorden lijken nergens op. Maar als je invoert [wat is de naam van de consument op het hoogste niveau van de voedselketen], dan snapt Google ‘m opeens wel. Blijkbaar werkt RankBrain maar snapt Google niet dat ‘hoe heet’ en ‘wat is de naam’ dezelfde betekenis hebben. Toch jammer.
Hoe werkt Google Neural matching?
Neural matching is door Google in 2018 ontwikkeld om te helpen begrijpen hoe zoekopdrachten zich verhouden tot pagina’s. Zeker in het geval van vage zoekopdrachten moet Neural matching helpen om de intentie te achterhalen en de juiste pagina erbij te laten zien. Neural matching kijkt hierbij naar de hele zoekopdracht en niet naar individuele woorden.
Het voorbeeld dat Google geeft is de zoekopdracht ‘How to manage a green’, wat wordt met deze zoekopdracht bedoeld? Google weet dat met ‘a green’ wordt gerefereerd aan mensen met het groene persoonlijkheidsprofiel uit de DISC-methode. Google kan dus direct het juiste antwoord geven hoe je ‘groene mensen’ kunt aansturen.
Dan de test hoe Google dit in het Nederlands doet, ik zoek naar: “Hoe manage je een groene” wat de letterlijke vertaling is uit het voorbeeld van Google zelf en ik zoek naar ‘hoe manage je een groen mens’. Het resultaat: op de letterlijke vertaling snapt Google er geen bal van wat je bedoelt, je hebt de toevoeging ‘mens’ nodig om de juiste resultaten te krijgen. Toch wat minpuntjes hier voor Google.
Hoe werkt Google BERT?
BERT stamt uit 2019 en is bedoeld om te snappen hoe een combinatie van verschillende woorden een bepaald doel heeft. BERT zoekt dus niet naar de individuele betekenis van woorden, maar wil snappen hoe alle zoektermen met elkaar verband houden. BERT snapt dus wat het betekent als bepaalde woorden in een bepaalde volgorde staan en let erop dat belangrijke woorden uit de zoekopdracht niet per ongeluk genegeerd worden door Google.
Daarnaast speelt BERT een rol bij het tot standkomen van de ranking: “based of it complex language understanding, BERT can very quickly rank documents for relevance’. Daarnaast zijn bestaande systemen door Google getraind met BERT om relevante zoekresultaten te verkrijgen.
Het voorbeeld dat Google zelf geeft van de manier waarop BERT werkt is de zoekopdracht: ‘kun je medicijnen voor iemand krijgen apotheek’. BERT snapt dat je vraag hier is of je voor iemand anders medicijnen kunt krijgen.
De test in het Nederlands, snapt BERT het hier ook? Ja zeker, BERT slaagt met vlag en wimpel voor de test.
Hoe werkt Google MUM?
MUM staat voor Multitask Unified Model en is volgens Google duizend maal zo krachtig als BERT. MUM kan niet alleen content begrijpen maar ook creëren in 75 talen. MUM gaat verder dan tekst, het kan ook afbeeldingen snappen en in de toekomst mogelijk nog andere multimedia. MUM lijkt handig maar is in potentie een ontzettend complex algoritme dat verregaande gevolgen kan hebben voor SEO. Als Google namelijk zelf content creeeren in de zoekresultaten op basis van informatie uit 75 talen, van wie is de content dan, wie is de bron? Waarschijnlijk Google zelf. Nu kunnen we nog controleren welke informatie van welke bron afkomstig is, met MUM wordt dat vrijwel onmogelijk.
In dit blogartikel ga ik dieper in op de gevaren van Google MUM en kun je ook zien wat Google met MUM wil gaan doen. Google wil met MUM namelijke complex zoekvragen kunnen beantwoorden als: [ik heb Mount Adams beklommen en wil Mount Fuji beklimmen, hoe moet ik mij anders voorbereiden]. Maar ook wil MUM kunnen beantwoorden of je loopschoenen op de foto wel geschikt zijn om mount Fuji te beklimmen. Scary.
Op dit moment wordt MUM alleen gebruikt in het opstellen van featured snippets.
Google helpful content update: behulpzaamheid bepalen met Machine Learning
Google gebruikt trouwens ook Machine Learning bij de onlangs uitgerolde Helpful Content Update. Met behulp van machine learning zegt Google in staat te zijn te kunnen herkennen welke content daadwerkelijk behulpzaam is, waarde toevoegt, uniek en onderscheidend is en de informatiebehoefte van de gebruiker bevredigt.
Op dit moment is deze update alleen uitgerold voor Engelstalige zoekopdrachten en lijkt de impact beperkt, maar dat wil niet zeggen dat in volgende rondes niet hardere klappen gaan vallen.
Bij welke processen gebruikt Google AI en ML?
Op basis van alle informatie die Google gegeven heeft, kun je concluderen dat Google AI en ML op 4 manieren gebruikt:
- het relateren van zoekopdrachten aan pagina’s
- teksten begrijpen, kwaliteit en relevantie begrijpen
- antwoorden maken in de SERP
- rangschikking van de resultaten
Wat je moet weten over machine learning
Voordat we het gaan hebben over de gevolgen voor SEO, is het goed om even pas op de plaats te maken en te bespreken wat machine learning eigenlijk inhoudt.
Machine learning, de naam zegt het al, betekent dat een machine zelflerend is. Het algoritme moet een bepaald doel bereiken en wordt getraind om dat doel te behalen. In eerste instantie zal het algoritme veel fouten maken, daarvan leert het. Dit proces gaat door totdat het algoritme ziet dat met een bepaalde aanpassing het vooraf bepaalde doel behaald wordt. Op dat moment heeft het algoritme iets geleerd en kan het geleerde toegepast worden. Dit proces stopt eigenlijk nooit, het algoritme wordt steeds slimmer.
Wie wil zien hoe dit in de praktijk gaat, kan ik aanraden de documentaire Alpha Go te kijken die gratis te zien is op YouTube. In deze documentaire gaan de programmeurs van Google aan de slag met het spelletje Go dat in Azië ongekend populair is. Het lijkt op schaken en dammen maar het is flink ingewikkelder en kent ook veel meer mogelijke zetten op elk moment. Het duurt lang voordat het algoritme genoeg getraind is, maar als het algoritme eenmaal op gang komt is het niet meer te stoppen. In de documentaire zie je dat het algoritme het opneemt tegen lokale kampioenen en daarna tegen de wereldkampioen. Op enig moment doet Alpha (het algoritme) een zet waar helemaal niemand iets van snapt, journalisten en toeschouwers snappen niet waarom Alpha die zet doet maar het resultaat is verbluffend.
Wat zijn de gevolgen van het gebruik van AI en ML in SEO?
Het is precies dat stukje wat het gebruik van machine learning zo ingrijpend maakt in SEO: het algoritme mag zelf ontdekken en leren hoe het de gewenste uitkomsten behaalt. Dat betekent dat wij op enig moment niet meer snappen hoe het resultaat tot stand gekomen is en waarom bepaalde keuzes zijn gemaakt. Dit maakt het algoritme van Google nog meer een blackbox dan het altijd al was. Wie nu zegt: doe dit en x is de uitkomst, moet er haast wel naast we zitten. We weten op basis van ervaring wat werkt, we kunnen correlaties zien maar we zijn niet meer in staat om causale verbanden te ontdekken (als we dat ooit al waren want er waren wel heel veel factoren die ook invloed hadden).
Wat mij betreft betekent het gebruik van machine learning technieken ook dat we moeten twijfelen of de bekende (en door Google bevestigde) ranking factors nog wel ranking factors zijn. Als het algoritme zelf mag leren hoe het de uitkomst behaalt, hoe weten we dan of title tags en headings wel echt nog meetellen? Hoe weten we dat het algoritme ze nog niet heeft ingewisseld voor andere, betere signalen?
Samenvattend
We kunnen dus concluderen dat Google intensief gebruikt maakt van AI en ML om steeds betere resultaten te serveren. Zoals ze zeggen: het algoritme maakt gebruik van honderden kleinere algoritmes gebaseerd op AI en ML. Het gevolg is dat wij niet meer kunnen snappen hoe resultaten tot stand komen. Het ontleden van het algoritme en wat er toe doet, wordt ook steeds ingewikkelder.
Zelfs als we erin slagen om patronen te herkennen (zo hoor je vaker de mythe dat pagina’s die goed ranken allemaal minimaal 2.000 woorden bevatten) dan is het nog de vraag op welke manier die patronen ertoe doen (is het een oorzaak: meer dan 2.000 woorden dus je rankt goed of je hebt 2.000 woorden nodig om goed, onderbouwd verhaal over de bühne te trekken). Wie te snel conclusies trekt, kan wel eens verkeerd zijn. Je zit dan bijvoorbeeld teksten met 2.000 woorden te maken, die inhoudelijk nergens over gaan.
Wie succes in SEO wil bereiken, kan beter aan de slag met de input die algoritmes krijgen waar goede zoekresultaten aan moeten voldoen. Dat is immers wat het algoritme telkens toetst. Dat lijkt mij belangrijker dan concentreren op kleine dingen om maar ‘vinkjes’ te zetten, zeker omdat we niet meer weten of die kleine dingen en vinkjes er echt nog wel toe doen.
Wil jij meer weten over hoe je relevante content maakt?
In mijn boek ‘Handboek SEO & Contentstrategie‘ ga ik uitgebreid in op alle ontwikkelingen in Google en wat dit betekent voor de manier waarop we SEO doen. Het is hoogtijd om je niet langer te focussen op keywords en content voor SEO. Je zult nu de omslag moeten maken naar content voor je gebruiker.
Kijk dus verder dan alle trucjes en short cuts die je kent en ga jezelf onderscheiden ten opzichte van de rest.
Wil je weten hoe je dit moet aanpakken? Bestel dan nu het Handboek SEO & Contentstrategie om je op weg te helpen.
Het boek wordt getipt door SEO Benelux als must-read.
