Googleは、過去5年間で最大の検索エンジンの進化であり、検索エンジン全体の歴史における最大の進化であるとGoogle社は言います。
Googleは、検索クエリをさらに理解するために、昨年導入した新技術 「BERT」 を利用している。BERTは、文の中の他のすべての単語に関連して単語を処理するモデルのことです。
つまり、BERTモデルは前後に来る単語を見ることで、単語の適切な意味を解釈できるということです。これにより、単語を1つずつ順番に処理するよりも、検索クエリの理解が深まります。
[clink url=”https://marketimes.jp/google-bert-serp-top-stories/”]目次（クリックしてジャンプ）
SEOとパブリッシャーにとって何を意味するのか?
Googleがクエリを理解するためにBERTモデルを利用することは、検索ランキングとおすすめスニペットの両方に影響を与えます。しかし、BERTは100%の検索には使用されません。
今のところ、BERTは米国での10件に1件の英語検索で使用されており、現在は日本のGoogle検索には使用されていません。Googleによると、BERTは非常に複雑なのでGoogleのハードウェアを進化させる必要があるといいます。
米国のGoogle検索ユーザーは、検索結果でより有用な情報を使い始めるべきだ。
「特に、より長く、より会話的な検索クエリ、または「対象」や「に」などの前置詞が重要な意味を持つ検索の場合、検索はクエリ内の単語のコンテキストを理解できます。今までより自然な方法で検索できます。」
フューチャードスニペットについては、GoogleはBERTモデルを使用して、フューチャードスニペットが提供されている20カ国すべての結果を改善しています。
Googleによると、BERTは厳しいテストを経て、今回のアップデートが実際に検索ユーザーにとってより有益であることを確認したといいます。BERTを使用した検索結果のビフォーアフターの例については、次のセクションで説明します。
BERTの実施例
Googleはテストの結果、BERTはアルゴリズムが検索クエリのニュアンスをより正確に把握し、これまでは理解できなかった単語間の関連性を理解するのに役立つことを発見しました。
「米国へ旅行するブラジル人はビザが必要 2019」で検索してみましょう。このクエリがブラジル人のアメリカ旅行に関するものであり、逆ではないことをGoogleが理解するのにBERTがいかに役立ったかがおわかりだろう。
次に、クエリーを使用した別の例を示します「エステシャンは仕事でよく立ちますか?」。これまでGoogleは、「スタンド」と「スタンドアロン」という単語を同じ意味に解釈して、意味のない検索結果を表示していた。
BERTを使用することで、Googleは「スタンド」という単語の意味をより正確に解釈し、このクエリーがエステティシャンであることの物理的要求に関連していることを理解することができます。
BERTを使用した場合と使用しない場合の検索クエリに対する検索結果のビフォーアフターの例を次に示します。
「どこかの薬局で薬を手に入れることができますか」:BERTモデルを使用すると、「誰かのために」がこのクエリーの重要な部分であることをよりよく理解することができます。
「大人向けの算数の練習本」:前の結果ページでは「ヤングアダルト」カテゴリーに本が含まれていましたが、BERTは「成人」が文脈から外れていることをよりよく理解し、より有用な結果を選択することができます。
これらの例について注意すべき点は、これらがGoogleの評価によるものであり、100%が検索結果に何が表示されるかを反映していない可能性があるという。
Googleの広報担当者によると、これらの例は単にBERTが助けてくれる言語理解の問題の種類を示すためのものだが、BERTが影響を与えるクエリはもちろん他にもたくさんある。
検索の今後
このアップデートによってGoogleは、検索クエリの理解を深め、関連性の高い結果を提供し、検索ユーザーがより自然な方法でクエリを入力できるようにすることを目指している。
Googleは、このアップデートが検索ランキングにどの程度影響するかについては明らかにしなかった。米国ではBERTが英語のクエリの10%でしか使われていないことを考えると、フルスケールのアルゴリズム更新と比較して影響は最小限であるべきだ。
言語を理解することは継続的な課題であり、Googleは、BERTを使ってもすべてがうまくいくとは限らないことを認めている。しかし同社は、常に検索クエリの意味をより良く解釈することに力を注いでいる。
参考
Google Applies New BERT Model to Search Rankings, Affecting 1-in-10 Queries
