通過BERT，谷歌在理解自然語言方面變得更好了。 這使得以自然和可理解的方式編寫網站內容變得更加重要，而不是使用關鍵字填充或其他操縱性 SEO 方法。
大約10%的搜索查詢受到谷歌最新更新BERT的影響。 對收入支出有什麼影響？ 這對運營網站的人有什麼影響？
BERT由Google開發，是一種機器學習方法，代表“來自變壓器的雙向編碼器表示”。 該演算法專為自然語言處理而設計，基於 NLP（自然語言處理）和 ANN（人工神經網路）。
伯特的歷史背景
2018年10月，BERT發佈，從根本上改變了谷歌搜索的解釋和處理方式。 與以前使用環境確定單詞含義的方法不同，BERT使用句子內的雙向分析來識別單詞的含義。 這樣可以更好地理解上下文，併為搜索查詢提供更精確的答案。
在引入BERT之前，谷歌主要使用所謂的「詞袋」方法，該方法只是簡單地計算文檔中某些關鍵字的數量來確定搜索查詢的相關性。 但是，這種方法無法考慮問題的上下文，通常會導致搜尋結果不準確或模棱兩可。
在BERT的説明下，谷歌可以像人類一樣理解語言。
例如：
例如，如果您搜索“Apple”，則必須注意是否需要按技術公司或水果類型劃分的資訊。 如果沒有理解上下文的能力，搜尋結果就無法準確並報告其中一個。 但是通過引入BERT，谷歌已經發展了理解查詢上下文並提供更相關結果的能力。
伯特究竟實現了什麼？
BERT – 它在日常業務中的工作原理
BERT使Google能夠為其使用者的搜索查詢提供更好，更準確的回應，因為它能夠理解每個問題的上下文。 為此，網站內容必須認識到使用者的需求和要求，並做出相應的回應。 它現在允許搜尋引擎像人類一樣處理語言，這在長尾搜索中很明顯。 介詞包含在搜尋結果中，這在以前是沒有的。 因此，搜尋引擎為問題提供了更好的答案。
BERT主要用於豐富Google搜尋結果，但它也可用於語言處理的其他實現，例如 聊天機器人或文本分類。
但是，使用BERT，用戶可以獲得其基本問題的答案。 此升級也會影響精選摘要。
BERT在精選摘要中總結了相關信息
BERT對Google精選摘要的創建具有重大影響。 這些是使用者希望在結果頁面上找到的搜索查詢答案的小摘要，以便快速獲得答案。 在BERT之前，這些片段是從簡單的單詞匹配中生成的，但該模型通過考慮問題的上下文，從而能夠識別更多相關信息並將其總結為特色片段，從而顯著提高了片段的精度。
通過這種方式，BERT幫助使用者更快，更準確地接收所需的資訊，並提高特色摘要的相關性和可信度。
編寫適合在精選摘要中顯示的內容以增加流量和關注度至關重要。
BERT和RankBrain是一樣的嗎？
谷歌開發了BERT和RankBrain來優化人類語言處理和搜索查詢結果。 但是，這是兩種完全不同的技術。
BERT不是RankBrain的繼任者，但新的更新應該作為補充。 這兩種技術都可以在演算法中使用，為使用者提供更精確的結果。 有些查詢僅由RankBrain回答，其他查詢由BERT回答。
2015年推出的機器學習模型RankBrain是谷歌搜索演算法的一部分，用於解釋搜索查詢的含義並提供相應的搜尋結果。 通過這樣做，它徹底改變了谷歌理解和處理搜索查詢的方式。
BERT是基於變壓器架構的機器學習模型，專為自然語言解釋而設計。 自 2018 年 10 月發布以來，它已顯著改變了理解和處理 Google 搜尋的方式。
但是，也有幾種技術用於搜索，例如當Google更正拼寫錯誤的單詞和/或引入同義詞時。 現在，介詞也可以包含在搜索查詢中。 儘管他們的目標是改善谷歌的結果，但RankBrain和BERT都有不同的重點和用途。 RankBrain是Google搜尋演算法的重要組成部分，而BERT是用於自然語言處理的專用機器學習模型。
BERT對搜尋引擎優化有什麼影響？
BERT使Google更容易理解更長，更複雜的查詢，因此優化長尾關鍵字變得更加重要。 因此，結果清單得到了優化，用戶可以從更緊密的人工溝通方法中受益。
但是，更新中預計不會更改 SEO。 谷歌建議您繼續根據使用者的利益編寫內容。 目前，該更新仍然僅適用於英語，儘管德語變體的發佈目前仍在等待中。
網站內容現在以自然語言編寫，更具相關性和上下文，以便在引入BERT后在搜尋結果中提高位置，這一點非常重要。
谷歌告誡網站擁有者繼續為其使用者創建高質量的內容，但SEO的努力正在穩步增加，這使得周末優化者和在線行銷學院的學生越來越難以出現在第一頁上。
瞭解更多資訊
