認識google最新搜索引擎算法：BERT算法
BERT 是基于自然語言處理(NLP) 的新技術(shù)，全名是Bidirectional Encoder Representations from Transformers。
過往的算法比較是通過單個關(guān)鍵詞與單個關(guān)鍵詞的比對去判斷搜索意圖，而GOOGLE這套新的算法將能夠?qū)W習(xí)通過上下文、前后關(guān)鍵詞去判斷較長的字句、長尾關(guān)鍵詞、問答式、語音搜索，簡單來說，就是更能夠貼近一般人使用語言的方式去理解搜索者背后的搜索意圖。
最新消息：在12/10 Google已經(jīng)正式公開BERT適用于70多種語言
新算法BERT對網(wǎng)站SEO有什么影響？
BERT 勢必將更能理解用戶搜索該關(guān)鍵詞的意圖，所以也會影響先前無法完全正確理解的字詞結(jié)果，而這結(jié)果大約有10% 的影響。不過對于用戶與用心經(jīng)營網(wǎng)站的人來說，這項更新是個正向的修正，故無須太過擔(dān)心。
BERT算法將會運用在什么地方？
目前看下來BERT主要影響兩個地方－搜索結(jié)果、Featured Snippets。
一、搜索結(jié)果
范例一：當(dāng)搜索2019 brazil traveler to usa need a visa.（2019年巴西人去美國旅游需要簽證）時，過往的算法忽略了“to” 這個重要的字詞，結(jié)果導(dǎo)致出現(xiàn)了不符用戶意圖的美國人到巴西旅游相關(guān)資訊。不過經(jīng)過BERT 算法更新過后，將會考量上下文與前后用字關(guān)系，故“to” 在此將會正確理解，并給予用戶正確的資訊。
范例二：當(dāng)搜索do estheticians stand a lot at work.(美學(xué)家經(jīng)常站著工作) 時，過往的算法會將”stand” 單獨解讀，視為”獨立” 的意思，但這并非是在理解整個句子后的翻譯。在這個例子里，經(jīng)過BERT 算法更新過后，整個句子就能夠理解該詞在這應(yīng)為”站立” 的意思。
二、Featured Snippets
范例一、除了一般搜索結(jié)果會在這次的BERT 算法更新影響之外，還有就是精選摘要(Featured Snippets)。
在下圖我們可以看到，過去，當(dāng)查詢parking on a hill with no curb.時（停在沒有路邊的山坡），搜索引擎會忽略”no” 這個重要字詞，導(dǎo)致Featured Snippets 給予錯誤的解答，而經(jīng)過BERT 算法更新過后，便能正確解讀用戶意圖，給予正確的答案。
網(wǎng)站經(jīng)營者要如何優(yōu)化BERT 呢？
答案是不用！也不能。
Google一直提醒我們：內(nèi)容就是王道。只要網(wǎng)站經(jīng)營者持續(xù)提供優(yōu)質(zhì)、豐富的網(wǎng)站內(nèi)容，給予用戶所需要的答案，自然能夠取得好的排名，剩下的問題就交給Google來解決吧！
SEO工程師對于BERT算法的觀點分享
Sam：這個應(yīng)該主要是針對長尾關(guān)鍵詞會受到影響，長尾關(guān)鍵詞的搜索意圖通常更加明確。另外針對關(guān)鍵詞的搜索者意圖可能要有更明確的研究，確切了解搜索意圖以及給出最符合需求的解答。
KAI：這部分跟之前提到語音搜索時有一點相似，除了理解搜索意圖之外，文章要更口語化。目前來看，主要是影響英文搜索，尚未支援其他國家語言。（僅有Featured Snippet支持25種語言）。
根據(jù)Twitter各位Google專家所說，對于復(fù)雜的查詢字，BERT有助于回饋更適合的結(jié)果。個人認為若是過往已開始針對語音搜索而開始優(yōu)化網(wǎng)站文案的網(wǎng)站主，則不必特別因應(yīng)BERT的更新，優(yōu)化方向是對的！除了持續(xù)理解搜索意圖之外，文章更應(yīng)該要口語化，文章中也不宜過度堆砌關(guān)鍵詞。
Teddy：這部分應(yīng)該比較針對問答式搜索做優(yōu)化。過往的搜索方式都以關(guān)鍵詞導(dǎo)向，故搜索引擎在判斷意圖上是比較單向的，以至于搜索引擎會忽略掉認為不重要的字詞，結(jié)果就變成答非所問。
Lee：大家最關(guān)心的應(yīng)該是更新后該做什么，不過Google Danny Sullivan原話是：不需要針對BERT做任何優(yōu)化，要保持初心：為用戶提供優(yōu)質(zhì)內(nèi)容?；仡^看BERT推出的原因，因為google每天有15%的query是沒被搜索過的，過去的文本模型對于query的理解較弱，但是這次是對query整個識別升級，最明顯影響到的就是長尾關(guān)鍵詞的流量。
再根據(jù)Algoroo對排序的觀察來看，其實影響不如日常算法的更新，所以個人認為，所謂保持好內(nèi)容應(yīng)該是要：將一關(guān)鍵詞的Landing Page資訊補充更加完整。一個較大的關(guān)鍵詞可能會有許多不同child topic，一旦頁面資源非常豐富完整，在搜索這些長尾關(guān)鍵詞時自然頁面就能夠排序到前面，這也呼應(yīng)了之前brian在這一篇內(nèi)容中ranking brAin如何影響排名呈現(xiàn)的，算是又幫這個算法再加強了。
Ken：看起來是Google的SERP會更貼近關(guān)鍵詞句上的用戶搜索意圖。過去斷句或忽略的詞，現(xiàn)在都被拿進來考慮，然后產(chǎn)出更符合用戶需求的結(jié)果。目前對SEO的影響，應(yīng)該是會是對于內(nèi)容有更嚴格的要求，如果內(nèi)容用詞不夠精準，好像就不太會出現(xiàn)在SERP上了，網(wǎng)站經(jīng)營者要好好充實自己的問內(nèi)容了。最后又是一個AI的高度應(yīng)用，這個BERT模型提高了SERP的用戶體驗。
April：BERT 好像跟克漏字訓(xùn)練有關(guān)，為的是不讓機器人只注重在對字上。BERT 的運用本不是以SEO 社群為目的，目前Google釋出的文章范例中，BERT 是用在多義詞和介系詞，可是中文字(組)里表達的意義本來就具有獨立性，中文詢問大多時候也不會打出介系詞，這時候問句、長尾字、同義詞等，就如大家說得很重要了。目前BERT 在搜索中，真的是十分之一的影響。
Ariel：Bert主要目的是能夠辨識查詢關(guān)鍵詞的上下文，以提供更適切的serp結(jié)果。過去在操作關(guān)鍵詞時，可能會將關(guān)鍵詞置放于網(wǎng)頁的標題、h標簽當(dāng)中，但現(xiàn)在可能要考量關(guān)鍵詞在頁面內(nèi)容中有沒有更合適的擺放位置。如果網(wǎng)站SEO已經(jīng)做得很完善，大部分的關(guān)鍵詞也已著陸到正確的頁面當(dāng)中，Bert并不會對網(wǎng)站造成太多的影響。
Tim：Bert我覺得是可以在文案上，可以更加用生活化的用語，如果能辨識整段句子，包刮了清楚的問句意涵或是其他的文化用語，讓大家能夠在文案上發(fā)揮創(chuàng)意，以及用淺顯易懂的句子來更親近用戶，來避免一直使用關(guān)鍵詞，來增加對于整體內(nèi)容的先關(guān)性。
文章來源：老王博客
來源地址：https://www.laowangboke.com/article/375.html
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
