وقتی وارد مبحث سئو و بهینه سازی محتوا و وب سایت می شویم باید ابتدا شناخت نسبی از الگوریتم گوگل پیدا کنیم. در مقالات قبلی در مورد دو الگوریتم گوگل به نام الگوریتم پاندا و پنگوئن صحبت کردیم.

و اما الگوریتم مرغ مگسخوار

تاریخ انتشار Google Hummingbird اوت 2013

بر خلاف به روزرسانی های قبلی پاندا و پنگوئن که در ابتدا به عنوان الحاقات الگوریتم های گوگل منتشر شده اند، از Hummingbird به عنوان یک بازنگری کامل از الگوریتم اصلی ذکر شده است. در حالی که اعتقاد بر این است که بسیاری از مؤلفه های موجود الگوریتم اصلی دست نخورده باقی مانده است، الگوریتم مرغ مگسخوار تعهد گوگل را به درک بیشتری از قصد سؤالات کاربران با هدف مطابقت آن ها با نتایج مرتبط تر نشان داد.

گوگل در 26 سپتامبر 2013 الگوریتم جدید را معرفی کرد، اما در واقع حدود یک ماه قبل از آن استفاده شده بود. در حالی که به روزرسانی های الگوریتم قبلی مانند پاندا و پنگوئن گزارش قابل توجهی از ترافیک و رتبه بندی گمشده را نشان میدهد، به نظر نمی رسد که Hummingbird دارای تأثیرات منفی چشمگیری در وب عمومی باشد. این امر تا حد زیادی تأثیر مثبتی بر صحت دانش گوگل که به عنوان “نمودار دانش” شناخته می شود، درک می شود. با این وجود، انجمن SEO محلی می گوید که اثرات مستند شده در نتایج موتور جستجوی محلی احساس می شود.

برای درک کامل هدف الگوریتم مرغ مگسخوار مهم است که ابتدا با ویژگی های موتور جستجو که آشنا شوید که به شدت تحت تاثیر قرار دارد: جستجوی معنایی و نمودار دانش.

یک سال قبل از انتشار Hummingbird، گوگل نمودار دانش خود را راه‌اندازی کرد: نه یک نمودار واقعی، بلکه مجموعه ای از ویژگی های SERP است که برای ارائه پاسخ های سریع و دقیق به سؤالات کاربران درباره افراد، مکان ها و چیزها طراحی شده است.

گراف دانش

گراف دانش یا Knowledge Graph یک پایگاه دانش است که توسط گوگل و سرویس های گوگل، برای بهبود کیفیت نتایج موتور جستجوی آن استفاده می‌شود. این کار از طریق جمع آوری اطلاعات از منابع متفاوت انجام می شود. اطلاعات گراف دانش در یک جعبه اطلاعات (به انگلیسی: infobox)، در کنار نتایج جستجو برای کاربران نمایش می یابد.

شما می توانید نمودار دانش را در صفحه نتایج حاصل از جستجو برای “کوکی های شکلات چیپسی” مشاهده کنید. SERP شامل نتایج ارگانیک استاندارد و لینک به وب سایت های مناسب است، اما همچنین حاوی مجموعه ای غنی از داده های نمودار دانش است، از جمله پاسخ به باکس جستجو با یک دستور العمل، یک صفحه دانش راست، شامل حقایق تغذیه ای در مورد این شیرینی و پیشنهادات مربوط به افراد مرتبط با جستجو.

چگونه گوگل مشخص می کند که این نتایج نشان دهنده قصد کاربر است و به اندازه کافی نیازهای آن ها را برطرف می کند؟ اینجاست که جستجو معنایی یا سمانتیک وارد میدان می شود.

عملکرد جستجوی معنایی

جستجوی معنایی تلاش می کند تا نتایج SERP مناسب را با زبان سؤالات کاربران اینترنت فراتر از معانی کلمات کلیدی فردی، منطبق کند، حتی اگر هدف کاربر ضمنی باشد و نه صریح، یک متن گسترده تر را در نظر می گیرد. برای دیدن جستجوی معنایی در عمل، نگاهی به تصویر SERP “کوکی های شکلات” در بالا بیندازید. حتی اگر پرس و جو مربوط به خود کوکی ها باشد، جستجوی معنایی این نتیجه را صادر کرد که با وجود کلماتی که در جستجو استفاده می شود (که به معنای واقعی کلمه می تواند به تصاویر یا یک تعریف از کوکی ها رجوع کند)، هدف اصلی جستجو با زبان استفاده شده، متفاوت است. سپس گوگل نتایجی را ارائه داد که منطبق با جستجوگر باشد نه به زبان جستجوی کاربر. در نتیجه، ما یک SERP پر از دستور العمل ها، فواید تغذیه ای و سایر مباحث مربوط به تهیه یا نحوه سرو کوکی ها را می بینیم.

تسلط روز افزون گوگل در جستجوی معنایی آن ها را قادر می سازد، به قول خودشان، “موجودات دنیای واقعی و روابط آن ها با یکدیگر” را درک کنند.

جستجوی معنایی موضوعی پیچیده است، بنابراین مثال دیگری در مورد چگونگی عملکرد آن در وب وجود دارد. تصور کنید که یک کاربر گوگل این جمله را در موتور جستجو تایپ یا صحبت می کند: بهترین مکان برای چینی ها. بسته به اینکه هدف کاربر چیست، گوگل نتایج متفاوتی را نشان می دهد به عنوان مثال اینگونه تشخیص دهد که باید مکانی را به عنوان رستوران برای سرو غذای چینی معرفی کند.

ویژگی های بارز الگوریتم مرغ مگسخوار

یکی از اهداف اصلی Hummingbird ترجمه جستجوی معنایی از یک مفهوم به یک واقعیت بود و آن را در نهایت به استاندارد جستجو تبدیل می شود. این تلاش برای نزدیک تر کردن هدف واقعی کاربر به نتایج جستجوها بود به گونه ای که، برای پرس و جو مانند مثال غذای چینی که در بالا به آن اشاره شد، کاربر مجموعه ای از رستوران های محلی چینی را انتخاب می کند تا اینکه نتیجه بهترین مکان های زندگی مردم چین باشد یا داده های نامربوط دیگر.

با نگاه به گذشته یم توان به این نتیجه رسید که به روزرسانی الگوریتم مرغ مگسخوار Hummingbird توانسته گامی در مسیر تسلط گوگل بر جستجوی صوتی باشد. هنگامی که مرغ مگسخوار در سال 2013 منتشر شد، موجبات ایجاد شدن “جستجوی مکالمه” در جامعه SEO را فراهم کرد. چند سال اخیر جستجوی صوتی، گوگل را ملزم به درک زبان کاملاً طبیعی با استفاده از کلمه گفتاری برای جستجوهایی مانند “ارزانترین مکان برای غذاهای مکزیکی در نزدیکی من” یا “چگونه می توانم ثابت کنم یک شیر آب آشپزخانه نشتی می کند؟ ” کرد.

درمجموع، فناوری که محدود به درک زبان کاربر به صورت کلمه به کلمه است، در سنجش هدف دقیق نیست. تحولاتی مانند جستجوی معنایی و به روزرسانی الگوریتمی مانند مرغ مگسخوار به گونه ای طراحی شده اند که در دنیای زبان طبیعی به طور مؤثر عمل کنند.

جستجوی محلی و الگوریتم مرغ مگسخوار

در حالی که انجمن سئو ارگانیک سعی در درک تأثیرات مرغ مگسخوار در وب عمومی داشت، جامعه محلی SEO یا سئو لوکال با برخی از عواقب درک شده از این بروزرسانی روبرو شد. در ابتدا، به نظر می رسید که Hummingbird نتایج محلی نامناسب بسیاری را در یک باکس جمع کند. به عنوان مثال، پرسشی مانند “وکیل تهرانی” می تواند به جای مجموعه معمولی از مشاغل محلی، یک جواب مخصوص به خود را از این جعبه مال خود کند. در حالیکه بسیار از این مشاغل با استفاده از اسامی جعلی اسم کسب و کارها خود را در سئو بالا آورده بودند، گوگل نمی توانست نتیجه ای مرتبط با خواسته کاربر ار به آن نمایش دهد. بنابراین برای رفع این نقص گوگل، بیشتر تلاش شد.

علاوه بر این، انجمن سئوکاران اینگونه پیش بینی کرده است که الگورریتم مرغ مگسخوار ممکن است تأثیرات زیر را در نتایج جستجوی محلی ارگانیک داشته باشد:

  • محلی سازی بیشتر نتایج جستجو برای کوئرهایی با هدف محلی
  • حضور مداوم و قابل ملاحظه از نتایج نوع دایرکتوری در نتایج ارگانیک محلی

چگونه می توانم از جریمه الگوریتم مرغ مگسخوار در امان بمانم؟

نتیجه جریمه شدن توسط این الگوریتم اسپم شدن مشاغل محلی به اینصورت که به طور موقتی در لیست نتایج جستجو دیده نخواهند شد.

اگر وب سایت شما افت ترافیک یا رتبه را تجربه کرده است که فکر می کنید توسط الگوریتم مرغ مگسخوار جریمه شده، به لیست کاملی از به روزرسانی های گوگل نگاهی بیندازید. شاید به نظر برسد که عامل تغییر برای وب سایت شما، بروزرسانی دیگری مانند الگوریتم پنگوئن یا پاندا بود.