Qu'est-ce que la mise à jour Google BERT pour la recherche?

0
95

Qu'est-ce que la mise à jour Google BERT pour la recherche?

Essayer de comprendre les subtilités de l'algorithme de Google est un travail difficile et épuisant, d'autant plus que la plupart des changements apportés par Google ne sont pas aussi transparents qu'on pourrait l'imaginer.

Le BERT étant le plus grand changement algorithmique de Google depuis plus de cinq ans, il y a eu beaucoup de spéculations et d'opinions polarisantes sur la mise à jour, mais neuf mois plus tard, le tableau est beaucoup plus clair.

Une chose est sûre, chaque fois qu'un changement majeur d'algorithme se produit, il est toujours dans l'intérêt de l'utilisateur et de Google de pouvoir fournir avec précision les réponses les plus pertinentes au terme de recherche d'un utilisateur.

Cela signifie que les responsables du référencement et les rédacteurs de blogs doivent constamment s’assurer qu’ils fournissent un contenu de qualité axé sur l’utilisateur afin d’obtenir les résultats les plus pertinents que les utilisateurs recherchent réellement.

Présentation de BERT, présenté comme «L’un des plus grands progrès de l’histoire de la recherche» et révolutionner la façon dont le plus grand moteur de recherche du monde comprend l’interprétation linguistique.

Comprendre ce qu'est BERT

BERT, pour Bidirectional Encoder Representations from Transformers, vise à mieux comprendre les requêtes conversationnelles et prépositionnelles telles que «pour» et «à», qui ont la capacité de changer le sens contextuel d'une phrase.

En termes simples, cela permet à Google de comprendre le contexte et l'intention derrière la requête de recherche de l'utilisateur de manière plus efficace. Plus il est facile pour Google de comprendre les utilisateurs, plus il est facile pour les rédacteurs de contenu de formuler un contenu plus pertinent pour les requêtes de recherche des utilisateurs.

BERT est une technique basée sur un réseau neuronal pour le traitement du langage naturel (NLP). Ce réseau est conçu pour la reconnaissance de formes, étant capable de prévoir et de comprendre l'occurrence d'applications du monde réel telles que la reconnaissance de l'écriture manuscrite ou la catégorisation d'images.

Pandu Nayak, vice-président de la recherche Google, a dit ceci à propos de l'avancement du traitement du langage humain et de la façon dont Google l'utilise pour fournir de meilleurs résultats de recherche. «Grâce aux dernières avancées de notre équipe de recherche dans le domaine de la science de la compréhension des langues, rendues possibles par l'apprentissage automatique, nous améliorons considérablement notre compréhension des requêtes».

Les réseaux de neurones existent depuis longtemps avant la mise en œuvre des moteurs de recherche, mais n'ont jamais été considérés comme un élément clé de l'amélioration du fonctionnement des moteurs de recherche. Le comportement des utilisateurs est un élément très mobile de la manière dont Google améliore les résultats des moteurs de recherche et apporte de la pertinence à l'intention de recherche de l'utilisateur.

Après tout, les utilisateurs sont la force motrice du changement et Google accordera toujours la priorité aux besoins des utilisateurs plutôt qu'aux rédacteurs de contenu et aux SEO.

En conjonction, le traitement du langage naturel (PNL) est l'étude de l'intelligence artificielle pour la linguistique, où l'IA est formée et habituée à comprendre la façon dont les humains communiquent naturellement.

Cela semble extrêmement compliqué, mais dans la pratique, l'algorithme de Google utilise désormais la reconnaissance de formes pour mieux comprendre comment les humains communiquent afin de pouvoir renvoyer des résultats plus pertinents pour les utilisateurs.

Cette mise à jour rappelle un peu un ancien changement d'algorithme effectué en 2013, appelé Hummingbird, qui cherchait à améliorer la recherche conversationnelle et humaine, améliorant les résultats de la recherche locale et devenant le fondement de la recherche vocale.

Comment BERT affecte les résultats de recherche Google en 2020

Le BERT est entré en vigueur fin octobre 2019 et, bien qu'il n'affecte que 10% des recherches, il cherche à changer la façon dont les recherches prépositionnelles sont effectuées pour l'avenir.

Bien que le BERT n'affecte actuellement que 1 résultat de recherche sur 10, ce chiffre est stupéfiant étant donné que plus de 3,5 milliards de recherches Google sont effectuées par jour. Il n'affecte actuellement que les résultats de recherche, mais passera sans aucun doute à la recherche vocale assistée par l'IA telle que Google Assistant à un moment donné dans le futur.

Dans la nuit après sa sortie, un grand nombre de spéculations et d'allégations non vérifiées sur la publication de la mise à jour BERT de Google et sur ce que cela signifiait pour la recherche Google étaient énormes – comme prévu.

Le signal d'avertissement le plus évident était «Experts SEO» fournir des conseils non fondés sur «Comment optimiser pour BERT» malgré le manque de données ou de preuves agrégées pour aider les stratégies de rédaction de contenu.

Certaines entreprises ont connu une baisse du trafic organique ainsi que du classement des mots clés, mais cela était en grande partie dû au fait que certaines requêtes qui pouvaient avoir généré du trafic de parrainage n'étaient pas nécessairement utiles pour la requête de recherche de l'utilisateur.

En règle générale, lorsque Google apporte ces types de modifications d'algorithme, il n'a pas l'intention de pénaliser les propriétaires d'entreprise, mais plus encore de répondre aux requêtes de recherche effectuées par des utilisateurs avec une intention spécifique – car tous les utilisateurs n'ont pas la même intention pour la même recherche.

Il est important de comprendre que la plupart des requêtes de recherche (telles que les recherches de marque) n'ont pratiquement pas été affectées et que l'objectif principal de BERT était d'aider l'algorithme à comprendre les requêtes conversationnelles et de préposition.

Un bon exemple de BERT en action est de comprendre l'exemple ci-dessous.