

گوگل چگونه رفتار کاربران را تحلیل میکند؟
تا چند سال پیش، الگوریتمهای موتورهای جستجو ساده بودند. شما محتوایی مینوشتید، چند کلمه کلیدی در آن میگنجاندید و احتمالاً به صفحه اول گوگل راه پیدا میکردید. اما حالا دیگر خبری از آن سادگی نیست. الگوریتمهای تحلیل رفتار کاربران با قدرت یادگیری ماشین (Machine Learning) نه تنها محتوای شما را، بلکه رفتار کاربران نسبت به آن را نیز تحلیل میکنند تا بفهمند آن محتوا واقعاً چقدر به درد بخور است. در این مقاله قرار است بررسی کنیم الگوریتمهای گوگل دقیقاً چه سیگنالهایی از رفتار کاربران استخراج میکنند؟
سیگنالهای رفتاری کاربران یعنی چه؟ آیا رفتار کاربر در نتایج گوگل تاثیر دارد؟
وقتی کاربری وارد گوگل میشود، ابتدا چیزی را جستجو میکند، روی یکی از نتایج کلیک میکند، وارد سایت میشود و بعد یا همانجا میماند. یا اینکه زود خارج میشود. تمام این رفتارها، دادههایی قابل تحلیل برای الگوریتمهای گوگل هستند. به این دادهها، سیگنالهای رفتاری (Behavioral Signals) گفته میشود.
سه سیگنال مهم عبارتاند از:
1. Dwell Time
Dwell Time یعنی مدت زمانی که کاربر بعد از کلیک روی لینک، در سایت میماند. اگر کاربر وارد سایتی شود و چند دقیقه در آن بماند، به الگوریتمهای گوگل این پیام را میدهد که «این صفحه پاسخ مناسبی به سوال یا نیاز من داده است.»
2. Click-Through Rate یا نرخ کلیک
نرخ کلیک (CTR) یعنی چند درصد از افرادی که لینک شما را در نتایج جستجو دیدهاند، روی آن کلیک کردهاند؟ برای محاسبه، تعداد کلیکها بر تعداد ایمپرشن (Impression) تقسیم میشود. اگر لینک شما بیشتر از بقیهی لینکها کلیک بخورد، گوگل میفهمد که محتوای شما برای آن عبارتی که جستجو میشود بهتر است.
3. پوگو استیکینگ (Pogosticking)
پوگو استیکینگ یعنی کاربر بعد از کلیک بر روی یک لینک و وارد شدن به سایت، به سرعت از آن صفحه خارج میشود و به صفحه نتایج (SERP) باز می گردد.این به این یعنی است که سایت به کاربر پاسخ مناسبی ارائه نداده و یک سیگنال منفی برای آن صفحه محسوب میشود.
نقش الگوریتمهای تحلیل رفتار کاربران در رتبهبندی سایت
این حجم از دادههای رفتاری را نمیتوان با قوانین ساده یا فیلترهای خطی تحلیل کرد. اینجاست که الگوریتمهای یادگیری ماشین وارد عمل میشوند تا الگوهای پنهان در دادهها را شناسایی و تحلیل کنند. بیایید اول مفهوم یادگیری ماشین را باهم مرور کنیم:

یادگیری ماشین یعنی چه؟
یادگیری ماشین یکی از زیر شاخههای هوش مصنوعی است و یعنی اینکه کامپیوتر بدون برنامهنویسی مستقیم، بتواند با تحلیل دادهها، الگوها را یاد بگیرد و بر اساس آنها تصمیمگیری کند. برخلاف برنامهنویسی سنتی که در آن باید دقیقاً مشخص کنیم سیستم در چه شرایطی، چه کاری انجام دهد!
یکی از مهمترین مفاهیم در دنیای سئو، Search intent یا هدف کاربر از جستجو است. موتور جستجوی گوگل تلاش میکند بفهمد کاربر دقیقاً دنبال چه چیزی است تا بهترین و مرتبطترین نتایج را به او نشان دهد.
الگوریتمهایی مانند Gradient Boosting، Random Forest و شبکههای عصبی (Neural Networks)، امروزه توسط گوگل و سایر موتورهای جستجو برای تحلیل رفتار کاربران مورد استفاده قرار میگیرند.این الگوریتمها با توانایی بالای خود در پردازش دادههای حجیم میتوانند الگوهای رفتاری کاربران را شناسایی کنند.
برای مثال بیشتر کاربران پس از جستجوی کلمهی «خرید گوشی» روی صفحات دستهبندی محصولات کلیک میکنند تا در آنجا فهرستی از گوشیهای مختلف را ببینند و قیمتها و ویژگیها را باهم مقایسه کنند. الگوریتمهای گوگل با تحلیل این رفتار پیشبینی میکنند که کاربر جدید هم احتمالاً این نتایج را ترجیح میدهد و برای کلمه کلیدی «خرید گوشی»، این گونه صفحات را در رتبهای بالا نشان میدهند.
رتبهبندی شخصی سازی شده چیست؟
موتورهای جستجو با استفاده از دادههای رفتاری کاربران، نتایج جستجو را برای هر فرد شخصی سازی میکنند که به آن رتبهبندی شخصی سازی شده یا Personalized Ranking گفته میشود.
در شخصی سازی نتایج جستجو الگوریتمهای یادگیری ماشین نقش کلیدی دارند. این الگوریتمها با ساخت یک «پروفایل رفتاری» از هر کاربر، به موتور جستجو کمک میکنند تا بهتر بفهمد که:
- در تاریخچهی جستجو چه محتواهایی دارید؟
- در چه زمانهایی بیشترین تمایل به مطالعه، خرید یا جستجو را دارید؟
- بیشتر از چه دستگاهی استفاده میکنید؟
- روی چه نوع نتایجی بیشتر کلیک میکنید؟
این دادهها باعث میشوند تجربهی جستجوی هر فرد، منحصر به فرد باشد و موتور جستجو بتواند دقیقتر، سریعتر و هوشمندتر به کاربران خود پاسخ دهد.

جمع بندی:
در حال حاضر الگوریتمهای یادگیری ماشین، بخش اصلی فرآیند رتبه بندی نتایج جستجو هستند. در سئو و بهینه سازی سایت باید با الگوریتمهای تحلیل رفتار کاربران و نحوهی رفتار کاربر آشنا باشیم و بدانیم که چطور باید با آنها هماهنگ شویم. سئو فقط درباره کلمات کلیدی نیست؛ سئو یعنی استفاده هوشمندانه از دادهها، فهم الگوریتمها و شناخت نیت کاربر از جستجو.