RankBrain
RankBrain (RankBrain) es el sistema de ranking basado en machine learning que Google introdujo por primera vez en la búsqueda en 2015. Hizo posible entender las palabras de la consulta no como keywords individuales, sino como conceptos, de modo que incluso una consulta nunca vista pueda tratarse como una consulta de significado parecido ya conocida.
RankBrain (RankBrain) es el sistema de ranking basado en machine learning que Google introdujo por primera vez en la búsqueda en 2015. Hizo posible entender las palabras de la consulta no como keywords individuales, sino como conceptos, de modo que incluso una consulta nunca vista pueda tratarse como una consulta de significado parecido ya conocida.
Por qué importa
RankBrain es el punto de inflexión en el que el algoritmo de Google pasó de la coincidencia de keywords a la comprensión del significado. En el momento de su presentación, Google reveló que alrededor del 15 % de las consultas que entraban cada día eran búsquedas nunca vistas, y mencionó que RankBrain era, junto con el contenido y los enlaces, la tercera señal más importante, lo que sorprendió al sector. El significado que tiene para los creadores de contenido es claro. Como un texto puede posicionar aunque en el cuerpo no aparezca una expresión que coincida exactamente con la consulta, siempre que el significado encaje, tratar el tema a fondo se volvió más ventajoso que enumerar sinónimos de forma mecánica.
Cómo funciona
RankBrain representa palabras y frases como vectores matemáticos y calcula la distancia entre conceptos. Cuando entra una consulta larga y ambigua de keyword de cola larga, la conecta con una consulta conocida de significado parecido para encontrar resultados. En sus inicios se usaba solo en ese 15 % de consultas nunca vistas, pero después se amplió a todas las consultas. A diferencia de un malentendido frecuente, RankBrain se parece más a un sistema que interpreta la consulta que a un factor de ranking que puntúa la página, de modo que no existe una técnica aparte de "optimización para RankBrain". La respuesta real es satisfacer la intención de búsqueda con un lenguaje natural.
La evolución hacia BERT y MUM
El linaje del ranking con machine learning que abrió RankBrain continúa de la siguiente manera.
| Sistema | Introducción | Función |
|---|---|---|
| RankBrain | 2015 | Entender las palabras como conceptos, interpretar consultas nunca vistas |
| Neural Matching | 2018 | Captar cómo se conectan conceptualmente la consulta y la página |
| BERT | 2019 | Entender de forma bidireccional el contexto de las palabras dentro de la frase (actualización BERT) |
| MUM | 2021 | 1000 veces el rendimiento de BERT, un modelo multitarea que abarca 75 idiomas y combina texto e imagen |
No se sustituyen entre sí, sino que son un conjunto (ensemble) que funciona de forma conjunta, y todos siguen figurando hoy en la guía de sistemas de ranking de Google. Las funciones de búsqueda generativa de la actualidad, como las AI Overviews, se asientan también sobre este stack de comprensión del significado.
Sources:
- A guide to Google Search ranking systems - Google Search Central
- How AI powers great search results - Google Blog
- FAQ: All about the Google RankBrain algorithm - Search Engine Land
Cómo ayuda inblog
La búsqueda posterior a RankBrain no es coincidencia de keywords, sino coincidencia de significado. Si escribes en inblog textos que tratan el tema a fondo ajustándote a la intención de búsqueda, puedes aparecer en consultas variadas relacionadas semánticamente sin necesidad de apuntar una a una a las variantes exactas de keyword.