Slide toggle

Semantik und Machine Learning

Neues und Interessantes rund um Google

Welche Bedeutung haben sie für die Google-Suche?

Nahezu jeder Suchbegriff basiert auf einer Fragestellung. Mobile Endgeräte und Voice Search machen es für Google unverzichtbar, die Intention des Nutzers einer Suchanfrage und ihre Bedeutung möglichst genau zu identifizieren. Gelingt das, kann Google individuell passende Suchergebnisse ausgeben. Hier fassen wir zwei Experten-Beiträge von Olaf Kopp zusammen.

Google ermittelt den Kontext der Suchanfrage –
und muss möglichst folgende Informationen zusammenführen:
• Lokaler Standort des Users
• Verwendetes Endgerät
• Userbezogene Daten aus früheren Anfragen
• Ermittlung der Verbindung vergangener und aktueller Anfragen
• Wird in der aktuellen Anfrage nach einem konkreten Informationsobjekt gesucht (Enität)?
• Wie ist thematische Kontext der Suchanfrage?

Über einige dieser Informationen verfügt Google bereits mittels Client-Informationen, GPS-Daten oder IP-Adresse. Suchhistorie und Surfverhalten des Users liefern weitere notwendige Informationen.

Für die Beantwortung der Suchanfrage des Users in ihrer eigentlichen Bedeutung
hat die Einführung des Suchalogorithmus Rankbrain Google einen großen Schritt weiter gebracht.

Rankbrain und Machine Learning für Suchergebnisse

Ein semantisches Verständnis unter Verwendung von statistischen Methoden, ermöglichen Google die Bedeutung von Suchphrasen zu erkennen. Google klassifiziert die Anfrage mittels thematischer Zuordnung und Details. Manuell ist das bei der heutigen Datenflut nicht möglich. Cluster-Analysen und automatisches Clustering gewährt die Skalierbarkeit der Informationen in den Datenbank und damit eine möglichst passende Ausgabe des Suchergebnisses.
Seit der Einführung von Machine-Learning in Gestalt des Suchalgorithmus Rankbrain ist dies möglich.
Die Interpretation von Suchanfragen gelingt Google mittlerweile sehr gut
Seit 2007 nutzt Google semantische Einflüsse zum besseren Verständnis der Bedeutung von Suchanfragen und Dokumenten. Semantische Strukturen wie Knowledge Graph oder Machine Learning zeigen die weit gediehene Entwicklung von Google von einer Keyword-basierten Suchmaschine zu einer konzeptionell bzw. kontextbasierten Suchmaschine.

Quelle: https://blog.searchmetrics.com/de/2017/09/06/google-suchanfragen-interpretation/

Google auf dem Weg zur perfekten Suchmaschine

Knowledge Graph, Hummingbird und Rankbrain haben Google auf dem Weg zur perfekten Suchmaschine deutlich weiter gebracht.
Bereits heute verfügt Google über ein sehr gutes semantisches Verständnis in Bezug auf Suchanfragen und den vorhandenen Dokumenten, bzw. Inhalten. Semantische Strukturen, Statistik und Machine Learning lassen Google einem semantischen Verständnis sehr nahe kommen. Detailliertere Analysen und Machine Learning liefern eine semantische Interpretation von Suchanfragen und Dokumenten.
Google verfolgt das Ziel, ein semantisches Verständnis Suchtermen und dem eigenen Index zu erreichen, um möglichst relevante Suchergebnisse ausgeben zu können. Google möchte also die Frage und die enthaltenen Terme eindeutig verstehen können. Die Mehrdeutigkeit von Begriffen, unbekannte Begriffe, nicht eindeutige Formulierungen und ein individuelles Verständnis des Users erschweren dabei die genau Interpretation.
Machine Learning und Rankbrain versetzen Google inzwischen in die Lage, mittels Clusteranalysen automatisch neue Klassifizierungen zu schaffen und Suchanfragen hier einzuordnen. Diese quasi thematischen Gruppierungen, Statistik und Machine Learning ermöglichen eine immer genauere semantische Interpretation, die semantischem Verständnis bereits sehr nahe kommt. Webseitenbetreiber tun also gut daran, ihre Webseitenoptimierung zu überprüfen und gegebenenfalls anzupassen, um Google optimal als Vertriebskanal zu nutzen.

Quelle: https://blog.searchmetrics.com/de/2017/10/17/semantik-machine-learning-google/