Google en kunstmatige intelligentie (AI)

Google en artificial intelligence, een samenwerking die jaren geleden al is ingezet maar die zich continu door heeft blijven ontwikkelen. Bij elke zoekopdracht in Google werkt kunstmatige intelligentie achter de schermen om de beste antwoorden te genereren voor jouw zoekopdracht in de zoekmachine.

In mijn vorige artikel gaf ik al eerder informatie over de nieuwste artificial intelligence doorbraak van Google genaamd MUM.

In dit artikel neem ik je mee in de wereld van Google en artificial intelligence. Hoe gebruikt Google artificial intelligence in Search en waar moet je vooral opletten?

Hoe gebruikt Google artificial intelligence?

In 2013 was er een eenmalige update van het hoofd algoritme van Google genaamd Google Hummingbird. Dit nieuwe algoritme was bedoeld om zoekmachines meer menselijker te maken. Het zorgde er namelijk voor dat de zoekresultaten persoonlijker waren, meer ingespeeld op de vraag/behoefte van de desbetreffende zoeker.

Google Hummingbird

Met de Hummingbird algoritme update kan Google beter begrijpen wat de essentie is van de zoekopdrachten. Het hielp Google om de webpagina’s op te halen volgens de volledige zoekopdracht die door de gebruiker is gevraagd in plaats van te zoeken naar afzonderlijke termen in de zoekopdracht. De naam van de update is afgeleid van de snelheid en nauwkeurigheid van een kolibrie.

Voorbeeld
Zocht je in het verleden op ‘Eten in Borne’ dan kreeg je voornamelijk sites te zien die bijv. ‘eten in Borne’ ergens verwerkt hadden op een pagina. Tegenwoordig krijg je echter lokale horecagelegenheden te zien, ondanks dat nergens in mijn zoekopdracht ‘restaurant, café of lunchroom’ beschreven staat. Dit heeft met de update te maken, maar ook met lokale SEO.

Google begrijpt door middel van Hummingbird de intentie veel beter van de zoeker. Ondanks dat Hummingbird niet direct werkt met kunstmatige intelligentie, is het zeker het benoemen waar in dit artikel. Het is namelijk een update waarbij Google steeds menselijker wil worden.

Google RankBrain

Ondanks Hummingbird liep Google nog steeds tegen een probleem aan, namelijk 15% van de zoekwoorden die in de zoekmachine gebruikt werden, had Google zelf nog nooit eerder gezien. Hierdoor moest Google ‘gokken’ welke websites bij deze zoektermen zou passen.

Op 26 oktober 2015 werd daarom RankBrain geïntroduceerd/gelanceerd door Google. Rankbrain maakte eigenlijk al voor een deel uit van de zojuist beschreven Hummingbird update. Het is een machine learning-technologie die helpt bij het leveren van betere zoekresultaten aan zijn gebruikers. Het is eigenlijk een systeem voor kunstmatige intelligentie dat informatie sorteert en zichzelf leert door voort te bouwen op wat het heeft geleerd van die verzamelde resultaten.

Als RankBrain een woord of zin ziet/leest waarmee het niet bekend is, kan de machine raden welke woorden of zinsdelen een vergelijkbare betekenis hebben waardoor het effectiever is in het afhandelen van nooit eerder vertoonde zoekopdrachten.

Afhankelijk van de zoekopdracht zal RankBrain het belang van linkbuilding, content en relevantie tegen elkaar afwegen en de beste resultaten tonen. Vervolgens zal RankBrain de interactie van de gebruikers meten bij het getoonde resultaat. Als dit positief is dan kan het zorgen voor een stijging in de SERP (zoekmachine resultaten pagina).

Voorbeeld
Wanneer iemand zoekt op ‘umbrella’ krijg je voornamelijk resultaten te zien over de hit song van Rihanna. Met behulp van RankBrain heeft Google gebruikers geanalyseerd die naar ‘umbrella’ en ander soortgelijke termen hebben gezocht. Uit de analyse van alle data is gebleken dat iemand vaker doorklikt om pagina’s met betrekking tot het liedje van Rihanna, daarnaast bleven deze bezoeker vaker en langer op pagina’s gerelateerd aan Rihanna.

Door middel van machine learning vanuit RankBrain krijgen deze pagina’s de voorkeur ten opzichte van misschien wel pagina’s die vanuit zoekterm perspectief, autoriteit en on page beter SEO geoptimaliseerd zijn. Bij RankBrain kijken ze meer naar gebruikersacties zoals een hoge CTR, laag bouncepercentage en dwell time (de tijd dat een gebruiker op een pagina zit voordat die terugkeert naar de zoekresultaten).

Neural matching

In 2018 kondigde Google aan dat ze een algoritme voor ‘neural matching’ zijn gaan gebruiken. Dit artificial intelligence algoritme wordt gebruikt om woorden beter met concepten te verbinden. Tegenwoordig wordt neural matching nog steeds gebruikt in veel zoekopdrachten (ongeveer in 30% van alle zoekopdrachten), voor alle talen in alle regio’s.

“Neural matching is een supersynoniemsysteem, aldus Google.”

In eerste opslag lijkt neural matching veel op RankBrain. Het verschil met RankBrain is dat ‘neural matching’ Google helpt met het beter relateren van woorden aan zoekopdrachten, waar RankBrain juist Google helpt met het beter relateren van pagina’s aan concepten.

Om dit beter te verduidelijken, kun je het zien alsof RankBrain naar het grotere geheel probeert te kijken, terwijl neural matching de kleinere details probeert te analyseren. Hoewel RankBrain en neural matching verschillend zijn, suggereert hun aard dat ze samenwerken en elkaar aanvullen.

Voorbeeld
Een voorbeeld van neural matching dat Google zelf gegeven heeft is het volgende. Wanneer men zoekt op ‘Why does my TV look strange’ dan is dit gerelateerd aan het concept ‘soap opera effect’. De eerste resultaten in de SERP zijn om die reden ook gelijk gerelateerd aan het ‘soap opera effect’.

Ondanks dat er geen ‘soap opera effect’ of iets dergelijks benoemd wordt in de zoekopdracht, weet Google dat dit overeenkomt met het zogenaamde concept. Google kan relevante pagina’s koppelen aan zoektermen zelfs als deze niet de exacte woorden bevatten, dit doen ze met neural matching door te begrijpen dat de pagina gerelateerd is aan andere woorden/concepten.

BERT-update

In 2019, 25 oktober, werd een grote update aangekondigd door Google. Deze update werd BERT genoemd, een afkorting voor ‘Bidirectional Encoder Representations from Transformers’. De techniek achter deze update is best bijzonder, via artificial intelligence modellen kan deze update namelijk woorden in relatie met elkaar begrijpen in plaats van één voor één.

Voorbeeld
Google geeft in een artikel een voorbeeld over hoe BERT te werk gaat. Voor de update werden er resultaten getoond van hoe Amerikanen naar Brazilië konden vliegen terwijl er gezocht werd op ‘2019 Brazil traveler to USA need a visa.’ Het woord ‘naar’ en de relatie met de andere woorden in de zoekopdracht zijn vooral belangrijk om de betekenis te begrijpen.

Het gaat namelijk over iemand in Brazilië die naar de VS reist en niet andersom. Voorheen begrepen de algoritmen van Google het belang van dit verband niet.

Dankzij BERT is Google beter in staat om complete zinnen en nuances te begrijpen, zo kan die eenvoudig patronen leggen tussen verschillende termen. Met name voor de wat langere, conservatieve zoekopdrachten in combinatie met voorzetsels.

Google Pathways

In oktober 2021 publiceerde Google een artikel met de doelen voor een nieuwe AI-architectuur genaamd Pathways. Google Paythways is wederom een nieuw hoofdstuk in de voortdurende vooruitgang bij de ontwikkeling van intelligente AI-modellen.

Wat Pathway anders maakt is dat het slechts één AI-model is dat alle problemen kan oplossen door te leren hoe ze op te lossen zijn. Huidige AI-modellen zijn voornamelijk gericht/getraind op het oplossen van slechts één taak. Met Pathways kan een AI-model bijvoorbeeld tekst, afbeeldingen en spraak samen begrijpen.

Ondanks dat Pathways ‘zeer waarschijnlijk’ meer gebruikt gaat worden voor het ontwikkelen van betere medicijnen, onderwijssystemen, klimaatverandering en autonome voertuigen. Is er wel degelijk een kans dat dit ook ingezet gaat worden bij Google Search.

Met Pathways kan Google namelijk dieper en beter inhoud uit een pagina/site uitlezen en antwoorden op vragen geven/vinden die verwerkt zijn in content, afbeeldingen, video en audio.

Waar moet je opletten?

Nu je iets meer achtergrond informatie hebt over hoe Google gebruikmaakt van kunstmatige intelligentie, gaan we wat dieper in hoe je hier op in kunt spelen.

De ontwikkeling die Google heeft doorgemaakt met verschillende updates in het algoritme in combinatie met kunstmatige intelligentie heeft er voor gezorgd dat de meest relevante pagina’s getoond worden in de SERP bij een zoekopdracht.

In zekere zin heeft dit ervoor gezorgd dat websites die eerder deden aan keyword spamming, cloaking en onzichtbare teksten negatief beoordeeld werden. Als gevolg hierop moest moesten marketeers, website eigenaren en bijvoorbeeld content marketeers kwalitatieve content schrijven die daadwerkelijk gericht was op de consument/bezoeker.

Het geven van informatieve, specifieke, relevante en creatieve content is waar Google steeds meer waarde aan hecht. Met name ook omdat ze steeds beter begrijpen hoe wij denken en zoeken. Richt je daarom bij content vooral op de vraag van de zoeker/gebruiker/consument in plaats van te veel op de specifieke zoektermen en semantic zoektermen.

Maak gebruik van afbeeldingen, video’s en audio die de zoeker ondersteunt bij het vinden van het juiste antwoord. Zorg daarnaast dat er schema-markup aanwezig is en zorg dat de pagina up-to-date is en blijft. Niet alleen zal de inhoud van belang zijn, maar ook de gebruiksinteracties zoals beschreven bij de RankBrain update.

Het is belangrijk om te begrijpen hoe artificial intelligence in combinatie met Google Search werkt zodat je als ondernemer en/of marketeer hier goed op kan inspelen. Als Digital Marketing Expert geniet ik van de continue nieuwe ontwikkelingen op het gebied van artificial intelligence. Het zorgt er tenslotte voor dat de zoeker direct de informatie krijgt die hij/zij nodig heeft en dat de makers van deze informatie de lat steeds hoger moeten leggen.

Mocht je graag meer willen weten hoe je in kunt spelen op de AI-modellen van Google, neem dan contact op met één van onze SEO specialisten. Wij helpen je graag op het gebied van organische vindbaarheid!