Google har gått ut med att man inte längre sätter Mobile First utan AI First. Den som vet hur viktigt mobilsökningarna varit för Google förstår att de kan väntas bli närmast enkelspåriga när det gäller Artificiell Intelligens. För att vara Google i alla fall. Vad innebär det för dig som arbetar med sökmotoroptimering? En hel del.

Det är inte första gången vi lyfter Rankbrain, Googles AI för sökresultaten, och det är med stor säkerhet inte den sista. Även om det kan vara tveksamt att kalla funktionen för intelligent så är det en relativt smart liten apparat som är och petar och ändrar i sökresultaten. Google ligger relativt långt fram i AI-forskning, även om det som kommer ut snarare är en självkörande bil eller en schackdator snarare än en livskamrat. Med det sagt ska vi prata lite om hur AI för sök fungerar, eller kan fungera.

Det började med Panda

Det finns mycket att lära sig av Panda-filtret, som var den första självlärande algoritmen som applicerades på sökresultaten. Vi ska snabbt gå igenom bakgrunden.

Panda fick sitt namn efter Navneet Panda, ingenjören bakom algoritmen och började med en lång serie intervjuer med människor. Man frågade ett stort antal och man frågade frågor om specifika webbplatser i stil med:

• Skulle du våga lämna ut ditt kreditkortsnummer till den här webbplatsen?
• Skulle du ta medicinska råd från den?

Utifrån datan man fick in där kunde man sedan lära en algoritm att så nära som möjligt härma människor i deras åsikt om sajterna. Vilka parametrar som mättes för algoritmen har inte publicerats men om man vill ha ett varnande exempel är Demand Medias Ehow det bästa. Sajten tappade i princip alla sina positioner 2011 när Panda rullades ut, algoritmen kunde “förstå” att det var låg kvalitet. 

Det spekuleras massor om Rankbrain och vi ska vara tydliga med att ingen verkar veta vad den egentligen gör men funktionen borde vara lik den hos Panda. Inte så att man intervjuat folk utan att den mäter vad som gör ett bra sökresultat bra, vilka sidor som visas i ett sökresultat ger bäst Click Through Rate och minst Bounceback (när man kommer tillbaka till sökresultatet). Genom att sedan hitta sådana sidor i andra sökresultat och boosta dem har man förbättrat resultatet. Eftersom det inte handlar om manuellt jobb kan man dessutom dela in världen i hur många typer av resultat som helst. Den som söker efter Sökmotoroptimering är ute efter ett helt annat typ av resultat än den som söker efter Bästa svampställena. En självlärande algoritm har inga problem att hålla så mycket i huvudet utan kan lätt differentiera resultaten där en utvecklare omöjligen skulle kunna skriva en unik algoritm för varje typ av resultat.

Vad betyder det för sökmotoroptimeraren?

Det är en relativt komplex fråga. Mitt instinktiva svar skulle vara att du måste gräva dig djupare in i vad sökaren tänker när du optimerar för ett visst resultat. Du måste lägga ännu mer energi på att svara på frågan bakom sökningen. Å andra sidan borde du redan idag lägga energi på det vilket gör Rankbrain till något oerhört komplext men som kanske är väldigt lätt att hantera. 

Precis som Panda så skulle Rankbrain anstränga sig för att känna igen sajter som människor som söker gillar. Att skriva en algoritm som “förstår” vad som ser bra ut för en människa är förstås oerhört komplext men för en människa är det inte så krångligt, du gör ju det naturligt. Det är din “känsla” för vad som är bra eller dåligt algoritmen försöker kopiera. Det enkla svaret på hur du ska hantera Rankbrain är i så fall: Bygg bättre sajter, skriv bättre innehåll.

Det lite mer invecklande svaret är kanske att du behöver mäta och bedöma vad som funkar i vertikalen. Vi har gjort en liten studie som pekar på att sökresultatet för sökmotoroptimering verkar skrika efter kunskapsdelning snarare än erbjudande om tjänster. Det ökar förstås mängden energi du behöver lägga på de olika sökorden du försöker optimera för men det är också ett gyllene tillfälle för sökmotoroptimeraren.