RankBrain is het machinelearningsysteem van Google om zoekopdrachten en intentie te begrijpen. Ontdek hoe het werkt, waarom het ertoe doet en hoe je ervoor optimaliseert.

Samenvatting
RankBrain is het machinelearningsysteem van Google, gelanceerd in 2015, dat de betekenis achter zoekopdrachten interpreteert, vooral onbekende, en helpt resultaten te ranken op basis van hoe goed ze de intentie van de gebruiker bevredigen.
Wil je verder gaan? Vraag het aan
RankBrain is een machinelearningsysteem dat Google helpt zoekopdrachten te begrijpen en relevantere resultaten te leveren. Google voerde het in het voorjaar van 2015 in en bevestigde het in oktober van dat jaar, en het was voor het eerst dat machine learning in de kern van het zoeken werd ingebouwd. In plaats van zoekwoorden letterlijk te matchen, achterhaalt RankBrain wat een zoeker echt bedoelt en rankt het pagina's daarop.
Het belang was meteen duidelijk. In 2015 noemde Google RankBrain de derde belangrijkste rankingfactor, na links en content, van ongeveer 200 signalen. Dat ene feit gaf SEO een nieuwe invulling: een algoritme tevredenstellen betekende nu de intentie van de gebruiker bevredigen en niet alleen zoekwoorden opstapelen.
RankBrain is een AI-systeem dat zoekopdrachten interpreteert en helpt beoordelen welke resultaten ze het best beantwoorden. Het is ontworpen om een echt probleem op te lossen: ongeveer 15 procent van de zoekopdrachten die Google elke dag ziet, heeft het nog nooit eerder gezien. Exacte zoekwoordmatching kan niet omgaan met echt nieuwe formuleringen, dus Google had een systeem nodig dat over betekenis kon redeneren.
Het bouwt voort op Hummingbird, de update uit 2013 waarmee Google overstapte van het matchen van tekenreeksen naar het begrijpen van dingen, oftewel entiteiten. RankBrain voegde daar een leerlaag aan toe, en gebruikt machine learning om zijn interpretatie van taal na verloop van tijd te blijven verbeteren.
RankBrain zet zoekzinnen om in conceptuele betekenissen in plaats van ze als letterlijke tekst te behandelen. Het brengt woorden in kaart als vectoren, ook wel gedistribueerde representaties genoemd, zodat het kan herkennen dat twee verschillend geformuleerde zoekopdrachten bijna hetzelfde betekenen. Het is dezelfde familie technieken waarmee een systeem leert dat Parijs zich verhoudt tot Frankrijk zoals Berlijn zich verhoudt tot Duitsland.
Bij een onbekende zoekopdracht gokt RankBrain welke bekende woorden of zinnen een vergelijkbare betekenis hebben en groepeert het de zoekopdracht bij patronen die het al begrijpt. Ook weegt het context mee, zoals locatie en zoektrends, om af te leiden wat de gebruiker wil. Dankzij dit gebruik van embeddings om betekenis vast te leggen is het goed in dubbelzinnige en nooit eerder geziene zoekopdrachten, en het dient direct de zoekintentie.
Naast het interpreteren van zoekopdrachten leert RankBrain algemeen aangenomen ook van hoe mensen met resultaten omgaan. De signalen die het vaakst worden genoemd zijn het organische doorklikpercentage, de verblijfstijd, het bouncepercentage en pogo-sticking, het patroon waarbij een gebruiker snel heen en weer springt tussen resultaten op zoek naar een beter resultaat. Als gebruikers een resultaat consequent verlaten, suggereert dat gedrag dat de pagina hen niet tevredenstelde.
De praktische lezing is dat een pagina die klikken verdient en mensen betrokken houdt positieve signalen afgeeft, terwijl een pagina die gebruikers snel verlaten negatieve signalen afgeeft. Daarom worden een sterke verblijfstijd en een gezond doorklikpercentage gezien als indicatoren voor relevantie, ook als Google de exacte weging niet bekendmaakt.
De opvallendste statistiek komt van Google zelf: RankBrain raadt ongeveer 80 procent van de tijd wat de rest van het zoekalgoritme als topresultaat kiest, tegenover 70 procent voor menselijke zoekingenieurs. In directe tests presteerde het systeem beter dan de eigen experts van Google, en daarom kreeg het zo veel invloed toevertrouwd.
Oorspronkelijk werd RankBrain alleen toegepast op de 15 procent nieuwe zoekopdrachten, maar het is uitgebreid tot vrijwel elke zoekopdracht. Het verandert niet noodzakelijk de ranking voor elke zoekopdracht, maar het maakt deel uit van hoe Google ze allemaal verwerkt. Daarmee is het een permanente laag van het algoritme en geen eenmalige update tussen de gebruikelijke algoritme-updates.
RankBrain maakte een einde aan het tijdperk van optimaliseren voor exact passende zoekwoorden. Omdat het concepten begrijpt, rank je door een onderwerp volledig te dekken en aan te sluiten op de intentie, niet door een zin te herhalen. Dat duwde SEO richting grondige, goed gestructureerde content die de echte vraag achter een zoekopdracht beantwoordt, precies de discipline die ook AI nu beloont.
De continuïteit doet ertoe. RankBrain was de pionier in het begrijpen van intentie, latere systemen zoals het BERT-algoritme verdiepten het taalbegrip, en AI-zoeken trekt dezelfde logica nu door naar samengestelde antwoorden. Content die is gebouwd om intentie te bevredigen, ondersteund door degelijk zoekwoordonderzoek en contentplanning, presteert bij al deze systemen.
Begin met intentie. Bestudeer wat de resultaten voor een zoekopdracht al belonen en maak het formaat dat daarbij past, of dat nu een gids, een vergelijking of een productpagina is, en beantwoord de kernvraag helder en vroeg. Dek het onderwerp diepgaand, zodat de pagina de zoekopdracht oplost en gebruikers niet terugstuurt om elders te zoeken.
Versterk daarna de signalen die RankBrain in de gaten houdt. Schrijf pakkende titels en beschrijvingen om het doorklikpercentage te verhogen en houd lezers betrokken met een duidelijke structuur, een strakke inleiding en echt nuttige content, zodat ze blijven en niet wegspringen. Je bespeelt geen metric: je maakt een pagina die de zoeker tevredenstelt, en dat is wat het systeem is gebouwd om te detecteren.
RankBrain bracht machine learning in het hart van Google Zoeken: het interpreteert de betekenis achter zoekopdrachten, verwerkt de 15 procent zoekopdrachten die volledig nieuw zijn en leert van hoe gebruikers met resultaten omgaan. Het gaf SEO een nieuwe invulling rond intentie en inhoudelijke diepgang in plaats van exacte zoekwoorden, en zette de koers uit die BERT en het huidige AI-zoeken voortzetten.
Het duurzame antwoord is content die de zoeker echt tevredenstelt, gebouwd met de onderzoeks- en contentplanningstools van Sorank. Bronnen: Backlinko, Wikipedia en Search Engine Journal.
Bronnen
RankBrain is een machinelearningsysteem dat Google in 2015 lanceerde om te begrijpen wat mensen echt bedoelen als ze zoeken, in plaats van zoekwoorden alleen letterlijk te matchen. Het is vooral goed in het interpreteren van onbekende of dubbelzinnige zoekopdrachten door ze te koppelen aan concepten en patronen die het al kent. Google heeft het een van zijn belangrijkste rankingfactoren genoemd, naast links en content.
Algemeen wordt aangenomen dat RankBrain leert van gedragssignalen van gebruikers, zoals het doorklikpercentage, de verblijfstijd, het bouncepercentage en pogo-sticking tussen resultaten. Als gebruikers een pagina snel verlaten, suggereert dat dat het resultaat hen niet tevredenstelde. Google maakt de exacte weging niet bekend, dus de veiligste aanpak is om de intentie echt te bevredigen en geen enkele metric na te jagen.
Nee, al hangen ze wel samen. RankBrain, uit 2015, was de pionier in het gebruik van machine learning om de betekenis en intentie van zoekopdrachten te interpreteren. BERT, later geïntroduceerd, verdiepte het begrip van Google van taal en van woordrelaties binnen een zoekopdracht, inclusief hoe omliggende woorden de betekenis veranderen. Het zijn afzonderlijke systemen die Google allebei richting het begrijpen van intentie duwen in plaats van het matchen van zoekwoorden.
ZIJ PROBEERDEN SORANK VOOR JOU
