랭크브레인 (RankBrain)

랭크브레인(RankBrain)은 2015년 Google이 검색에 처음 도입한 머신러닝 기반 랭킹 시스템입니다. 검색어의 단어를 개별 키워드가 아닌 개념으로 이해해, 처음 보는 쿼리도 이미 알고 있는 비슷한 의미의 쿼리처럼 처리할 수 있게 만들었습니다.

왜 중요한가

랭크브레인은 구글 알고리즘이 키워드 일치에서 의미 이해로 넘어간 전환점입니다. 공개 당시 Google은 매일 들어오는 쿼리의 약 15%가 한 번도 본 적 없는 검색어라고 밝혔고, 랭크브레인이 콘텐츠·링크와 함께 가장 중요한 신호 중 세 번째라고 언급해 업계를 놀라게 했습니다. 콘텐츠 제작자에게 주는 의미는 분명합니다. 본문에 검색어와 정확히 일치하는 표현이 없어도 의미가 통하면 랭킹될 수 있으므로, 동의어를 기계적으로 나열하는 것보다 주제를 충실하게 다루는 편이 유리해졌습니다.

작동 방식

랭크브레인은 단어와 구를 수학적 벡터로 표현해 개념 간 거리를 계산합니다. 길고 모호한 롱테일 키워드 질문이 들어오면 비슷한 의미의 알려진 쿼리에 연결해 결과를 찾는 식입니다. 도입 초기에는 처음 보는 15%의 쿼리에만 쓰였지만 이후 전체 쿼리로 확대됐습니다. 흔한 오해와 달리 랭크브레인은 페이지에 점수를 매기는 랭킹 팩터라기보다 쿼리를 해석하는 시스템에 가깝고, 따라서 '랭크브레인 최적화'라는 별도 기법은 존재하지 않습니다. 자연스러운 언어로 검색 의도를 충족하는 것이 사실상의 대응입니다.

BERT·MUM으로 이어진 진화

랭크브레인이 연 머신러닝 랭킹의 계보는 다음과 같이 이어집니다.

시스템	도입	역할
RankBrain	2015	단어를 개념으로 이해, 처음 보는 쿼리 해석
Neural Matching	2018	쿼리와 페이지가 개념적으로 어떻게 연결되는지 파악
BERT	2019	문장 안에서 단어의 맥락을 양방향으로 이해 (BERT 업데이트)
MUM	2021	BERT의 1,000배 성능, 75개 언어·텍스트와 이미지를 넘나드는 멀티태스크 모델

이들은 서로를 대체하는 것이 아니라 함께 작동하는 앙상블이며, Google의 랭킹 시스템 가이드에 현재도 모두 등재되어 있습니다. 오늘날 AI Overviews 같은 생성형 검색 기능도 이 의미 이해 스택 위에 서 있습니다.

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

inblog에서 활용하기

랭크브레인 이후의 검색은 키워드 매칭이 아니라 의미 매칭입니다. inblog에서 검색 의도에 맞춰 주제를 충실히 다루는 글을 쓰면, 정확한 키워드 변형을 일일이 노리지 않아도 의미적으로 연관된 다양한 쿼리에서 노출될 수 있습니다.