BERT ha hecho que Google comprenda mejor el lenguaje natural. Esto hace que sea m\u00e1s importante que el contenido del sitio web est\u00e9 escrito de forma natural y comprensible, en lugar de utilizar el relleno de palabras clave u otros m\u00e9todos de SEO manipuladores.<\/p>\n\n
Alrededor del 10 % de todas las consultas de b\u00fasqueda se ven influidas por la actual actualizaci\u00f3n BERT de Google. \u00bfQu\u00e9 consecuencias tiene esto para el gasto en resultados? \u00bfQu\u00e9 efecto tiene esto en quienes dirigen sitios web? <\/p>\n\n
BERT est\u00e1 siendo desarrollado por Google como m\u00e9todo de aprendizaje autom\u00e1tico y son las siglas de \u00abBidirectional Encoder Representations from Transformers\u00bb (representaciones codificadoras bidireccionales a partir de transformadores). El algoritmo est\u00e1 dise\u00f1ado espec\u00edficamente para el procesamiento del lenguaje natural y se basa en la PNL (Procesamiento del Lenguaje Natural) y la RNA (Red Neuronal Artificial). <\/p>\n\n
Antecedentes hist\u00f3ricos del BERT<\/strong><\/p>\n\n En octubre de 2018, se lanz\u00f3 BERT, que cambi\u00f3 fundamentalmente la forma en que Google interpreta y procesa las consultas de b\u00fasqueda. A diferencia de los enfoques anteriores, que determinaban el significado de las palabras utilizando su entorno, BERT utiliza el an\u00e1lisis bidireccional dentro de una frase para identificar el significado de las palabras. Esto permite una mejor comprensi\u00f3n del contexto y da lugar a respuestas m\u00e1s precisas a las consultas de b\u00fasqueda.<\/p>\n\n Antes de la introducci\u00f3n de BERT, Google utilizaba principalmente un enfoque denominado \u00abbolsa de palabras\u00bb, que se limitaba a contar el n\u00famero de determinadas palabras clave en un documento para determinar la relevancia de una consulta de b\u00fasqueda. Sin embargo, este enfoque no era capaz de tener en cuenta el contexto de una pregunta, por lo que a menudo produc\u00eda resultados de b\u00fasqueda inexactos o enga\u00f1osos.<\/p>\n\n Con la ayuda de BERT, Google podr\u00e1 entender el lenguaje m\u00e1s parecido al de un ser humano. <\/p>\n\n Ejemplo:<\/p>\n\n Por ejemplo, si busca \u00abApple\u00bb, tiene que prestar atenci\u00f3n a si necesita informaci\u00f3n en funci\u00f3n de la empresa tecnol\u00f3gica o del tipo de fruta. Sin la capacidad de comprender el contexto, los resultados de las b\u00fasquedas no pueden ser precisos y s\u00f3lo informan sobre uno u otro. Pero la introducci\u00f3n de BERT por parte de Google ha desarrollado a\u00fan m\u00e1s su capacidad para comprender el contexto de una consulta y ofrecer resultados m\u00e1s relevantes.<\/p>\n\n \u00bfQu\u00e9 hace realmente el BERT?<\/strong><\/p>\n\n BERT permitir\u00e1 a Google ofrecer una respuesta mejor y m\u00e1s precisa a las consultas de b\u00fasqueda de sus usuarios al ser capaz de comprender el contexto de cada pregunta. Para que esto sea posible, el contenido del sitio web debe reconocer las necesidades y exigencias de los usuarios y responder en consecuencia. Ahora permite a un motor de b\u00fasqueda procesar el lenguaje como lo har\u00eda un ser humano, y esto se nota claramente en las b\u00fasquedas de cola larga. Las preposiciones se incluyen en los resultados de b\u00fasqueda, lo que no ocurr\u00eda antes. De este modo, el motor de b\u00fasqueda ofrece mejores respuestas a las preguntas. <\/p>\n\n BERT se utiliza principalmente para enriquecer los resultados de b\u00fasqueda de Google, pero tambi\u00e9n puede emplearse para otras implementaciones del procesamiento ling\u00fc\u00edstico, como el uso de un procesador de textos. chatbots o clasificaciones de texto.<\/p>\n\n <\/p>\n\nBERT – Modo de acci\u00f3n en el d\u00eda a d\u00eda<\/h2>\n\n