[SEO] 구글 랭크브레인이란? | RankBrain 최적화 방법 3가지

검색엔진최적화를 공부한다면 구글 랭크 브레인^(RankBrain) 알고리즘에 대해 이해해야 합니다. 랭크브레인은 기계 학습_{(데이터 입력을 통해 스스로 학습하는 기계의 능력)}을 활용하여 검색 엔진 쿼리에 가장 관련성 높은 결과를 결정하는 역할을 합니다. 이전에는 Google이 기본 알고리즘을 사용하여 특정 검색어에 대한 결과를 결정했지만, RankBrain 이후에는 검색자의 위치, 개인화 요소, 검색어의 단어 등 다양한 요소를 고려하여 검색자의 실제 의도를 파악할 수 있는 해석 모델을 활용합니다.

구글 핵심 알고리즘 RankBrain 효과와 작동 원리

RankBrain은 구글의 핵심 알고리즘으로 자리 잡기 전 구글 사용자가 입력한 키워드의 15%가 기존에 없던 키워드였습니다. 구글은 윂페이지들을 스캔해서 적용해도 기존의 관련 검색어들이 새로운 키워드와 정확히 일치하는지 알 수 없었습니다.

2015년 RankBrain 처음 적용 시 쿼리의 15%만 적용한 후에 효과를 확인한 후 모든 검색어에 적용했습니다. 랭크 브레인 알고리즘 seo에 미치는 영향력은 이후 매우 커졌습니다. 기본적인 작동 원리에 대해 먼저 알아 보겠습니다.

RankBrain은 다른 업데이트와 다른 점을 가지고 있습니다. 이 알고리즘은 유용한 검색 결과를 만들기 위해 ‘교육’ 되는데, Google은 RankBrain에 데이터를 제공하기 위해 다양한 소스에서 정보를 가져옵니다. 그 후, RankBrain은 이러한 데이터를 기반으로 다양한 신호와 결과를 매치하고, 시간이 지남에 따라 스스로 계산하고 학습하여 검색 엔진 순위를 결정합니다.

1. 신호

신호는 다음과 같습니다. RankBrain은 웹페이지의 백링크, 콘텐츠 최신성과 길이, 도메인 권한과 페이지 권한, 타이틀 태그의 사용 등 여러가지 요소를 종합하여 각각의 중요도를 올리거나 낮춥니다.

3. 결과

구글링 사용자가 검색한 검색어와 어떤 상호 작용하는지 파악한 후에 적용된 알고리즘이 검색자가 좋아하면 그대로 유지되며, 반대인 경우 알고리즘을 롤백합니다.

3. 키워드 이해도

예를 들어 ‘월드컵 개최지’라는 키워드를 검색 했을 떄의 상황을 가정해 보겠습니다. 다양한 검색 의도 중에 역대 월드컵 개최지를 알고자 하는 것인지, 아니면 열릴 예정인 월드컵 개최지를 알고 싶은 것인지에 대한 두 가지 의도를 생각해 보겠습니다.

웹페이지 EEAT 및 도메인 권한과 페이지 권한 등 SEO를 포함한 콘텐츠 자체의 품질 등 다양한 요소로 웹페이지가 표시 됩니다. 역대 월드컵 개최국과 새로운 월드컵 개최국이 나오며, 월드컵이 열리기 1년 전이라는 상황 등을 고려해서 둘 중에 어느 것이 상단에 뜰지 알고리즘이 결정할 수 있습니다.

‘아이폰’이라는 키워드 역시 아이폰 신제품, 아이폰의 역사 중에 새로운 아이폰 신제품이 상단에 뜨는 것이 가장 일반적인 결과라고 할 수 있습니다. 구글 애매한 질문에는 AI 랭크브레인이 많은 역할을 하는 것을 알 수 있습니다.

기계 학습에 대한 구글 블로그

랭크브레인과의 직접적인 연관성에 대한 언급은 없었지만 구글 오픈 소스 블로그에서 유사한 내용을 확인할 수 있습니다.

• 2013년 8월 14일 수요일

오늘날 컴퓨터는 인간의 언어를 잘 이해하지 못하기 때문에 사람들은 많은 힘든 일을 해야 합니다. 예를 들어 온라인에서 정보를 찾기 위해 “검색어”를 말하거나 여행을 예약하기 위해 긴 양식을 뒤지는 일 등이 있습니다. 컴퓨터는 자연어를 더 잘 이해해야 사람들이 자연어와 더 쉽게 상호 작용하고 삶의 흥미로운 부분을 누릴 수 있습니다.

최첨단 기술은 아직 이 목표에서 벗어나는 길이지만, 우리는 최신 기계 학습 및 자연어 처리 기술을 사용하여 상당한 진전을 이루고 있습니다. 딥러닝을 통해 음성 인식 및 이미지 분류가 눈에 띄게 향상되었습니다. 예를 들어, 우리는 컴퓨터가 고양이를 인식하는 법을 배울 수 있다는 것을 보여주었습니다.(그리고 다른 많은 물체들) 고양이가 어떻게 생겼는지에 대해 명시적으로 훈련하지 않고 많은 양의 이미지를 관찰하는 것만으로도 가능합니다.

이제 우리는 웹에서 방대한 양의 텍스트를 “읽게” 하여 단어를 이해하는 데 신경망을 적용합니다. 우리는 이 접근 방식을 이전에 가능했던 것보다 수천 배 더 큰 데이터 세트로 확장하고 있으며 성능이 극적으로 향상되는 것을 확인했습니다 . 하지만 더 나아질 수도 있다고 생각합니다. 기계 학습이 자연어 문제에 어떻게 적용될 수 있는지에 대한 연구를 촉진하기 위해 우리는 단어 뒤에 숨은 의미를 학습하는 것을 목표로 하는 word2vec 라는 오픈 소스 툴킷을 게시하고 있습니다.

Word2vec은 텍스트의 분산 표현을 사용하여 개념 간의 유사성을 포착합니다. 예를 들어, 파리와 프랑스는 베를린과 독일(수도 및 국가)과 같은 방식으로 관련되어 있지만 마드리드와 이탈리아는 같은 방식이 아니라는 것을 이해합니다. 이 차트는 사람의 감독 없이 단지 많은 뉴스 기사를 읽는 것만으로도 수도의 개념을 얼마나 잘 배울 수 있는지 보여줍니다.

출처: Google 오픈소스 블로그 > 단어 뒤어 숨은 의미 배우기

랭크브레인 최적화 3가지: 키워드, 타이틀, 메타 설명

검색엔진최적화를 위해 이제 랭크브레인에 맞는 콘텐츠를 작성하는 방법에 대해 알아 보겠습니다. 이미 오래 전에 최적화를 위한 여러가지 방법은 구글링과 유튜브 등을 통해 나와 있지만 정확히 어떤 방식으로 구글 알고리즘이 작동하는지, 내가 빼 먹은 것은 무엇인지 알아보며 콘텐츠 발행할 때 보완하거나 추가할 것은 무엇인지 알아보는 방법이라고 할 수 있습니다.

너무 긴 롱테일 키워드는 검색 엔진 결과 페이지에 나타나는 비중이 랭크브레인 이후에 줄어 들었습니다. 여러 개의 숏테일 키워드 또는 중간 길이의 롱테일 키워드를 사용하는 것이 더 유리합니다. 2~3개의 명사 또는 단어들로 이루어진 조합을 생각할 수 있습니다. 각각의 다른 키워드들은 서로 다른 순위로 구글 검색 결과에 노출 될 것입니다. 예를 들어 아래와 같이 할 수 있습니다.

※ 예시 
숏테일 키워드: SEO 
롱테일 키워드: SEO 툴, SEO란, 구글 SEO, 구글 SEO 최적화, SEO 키워드 리서치

이와 같은 방법으로 여러 키워드 조합을 생각할 수 있습니다. 콘텐츠의 글자 수가 늘어날 수도 있겠지요. 

단일 키워드를 만드는 것이 아닌 좀 더 포괄적인 키워드를 만드는 것이 중요해 졌다고 할 수 있습니다. 명확한 포커스 키워드 및 추가 롱테일 키워드를 활용하는 방법으로 검색 의도에 맞는 글을 작성하는 것이 중요한 포인트입니다.

딱딱한 H1 태그를 만들기 보다 감정 or 감성이 있는 헤딩 태그를 만들어 줍니다. 예를 들어 키워드는 ‘방울 토마토 효능’이라고 한다면, “방울 토마토 효능 5가지”, “몸에 좋은 방울 토마토 효능(5가지)”, “방울 토마토 효능과 하루 권장량” 과 같은 방법을 생각할 수 있습니다. 또는 ‘강아지 종류’라는 키워드에서 “귀여운 강아지 종류”, “똑똑하고 귀여운 강아지 종류”, “인기 있는 강아지 종류(TOP 10)” 등과 같은 방법을 사용할 수 있습니다.

메타 디스크립션 역시 감성적이거나 쉬운 설명으로 검색자의 이목을 끌어줄 수 있도록 합니다. 키워드를 포함한 태그, 제목, 메타 디스크립션이 키워드에 대해 포괄적이어야 합니다. 포커스 키워드 역시 메타 태그에 사용해 주며, 광고와 연관성이 있는 키워드가 있다면 메타 디스크립션에 추가해 주는 것도 좋은 방법입니다.