تا پیش از سال ۲۰۱۹، مفهومی به نام LSI Keywords یا Latent Semantic Indexing در سئو کاربرد زیادی داشت. این روش بر پایه شناسایی کلمات هم‌معنا یا مرتبط با کلمه کلیدی اصلی عمل می‌کرد و هدفش کمک به موتورهای جستجو برای درک موضوع محتوای وب‌سایت بود. اما LSI به‌دلیل ماهیت آماری و غیرزمینه‌محور خود، فاقد توانایی درک دقیق‌تر زبان انسانی بود و نمی‌توانست تفاوت‌های معنایی ظریف بین جملات را تشخیص دهد.
در اکتبر سال ۲۰۱۹، گوگل با معرفی الگوریتم BERT که مخفف (Bidirectional Encoder Representations from Transformers) و به صورت «بِرت» خونده میشه، رویکردی مدرن و مبتنی بر یادگیری عمیق را جایگزین روش‌های قدیمی کرد. BERT بر پایه مدل‌های زبانی پیشرفته‌ای توسعه یافته که قادرند کلمات را در بستر جمله و به‌صورت دوطرفه (از راست به چپ و چپ به راست) تفسیر کنند. این تغییر بنیادین باعث شد گوگل بتواند مفهوم جملات را به‌صورت دقیق‌تر و مشابه با درک انسانی تفسیر کند، به‌ویژه در کوئری‌های طولانی و محاوره‌ای.
فرض کنید که کاربر در گوگل عبارت «آیا می‌توان از داروخانه برای شخص دیگه‌ای دارو گرفت یا نه؟» رو سرچ میکنه…
مدل‌های قبلی مثل LSI یا Word2Vec ممکن بود فقط به ترکیب «دارو» و «داروخانه» دقت کنن و نتایجی نشون بدن در مورد اینکه «داروخانه‌ها چه داروهایی می‌فروشن» یا «چطور نسخه بگیریم»، بدون اینکه متوجه بشن این جمله درباره دارو گرفتن برای شخص دیگه است.
اما BERT جمله رو به‌صورت دوطرفه و در بستر کل جمله می‌فهمه. یعنی هم کلمات قبل از «داروخانه» رو می‌بینه (گرفتن دارو برای شخص دیگر)، هم بعدش رو، و متوجه میشه کاربر دنبال اطلاعات قانونی یا کاربردی برای گرفتن دارو برای فرد دیگری از داروخانه است و نه صرفاً دارو گرفتن برای خودش.
| ویژگی | BERT (Bidirectional Encoder Representations from Transformers) | LSI (Latent Semantic Indexing) |
|---|---|---|
| سال معرفی | 2018 (استفاده در گوگل از 2019) | دهه 1990 میلادی |
| پایه علمی | یادگیری عمیق و ترنسفورمر | تحلیل آماری ماتریس واژه-سند (SVD) |
| درک معنایی | عمیق و مبتنی بر بافت | محدود به هم‌رخدادی واژه‌ها |
| جهت‌خوانی جمله | دوطرفه (Bidirectional) | یک‌طرفه یا بدون توجه به ترتیب |
| فهم جملات پیچیده | قوی و دقیق | ضعیف و سطحی |
| وابستگی به کلمات کلیدی | کم؛ تمرکز بر نیت کاربر | زیاد؛ تمرکز بر کلمات تکراری |
| میزان هوشمندی | پیشرفته و شبه‌انسانی | پایه و آماری |
| کاربرد در گوگل | استفاده رسمی در الگوریتم جستجو | استفاده غیررسمی و نظری |
| پشتیبانی از زبان‌ها | چندزبانه (از جمله فارسی) | محدود |
| بهینه‌سازی برای سئو | محتوای شفاف و باکیفیت | استفاده از کلمات هم‌معنا |
در عمل، گوگل از بعد از BERT می‌تواند جملاتی با ساختار پیچیده یا دوپهلو را به شیوه‌ای نزدیکتر به انسانی تفسیر کند. در نتیجه، فقط سایت‌هایی که در تولید محتوا به معنای واقعی، انسجام زبانی و زمینه توجه داشته‌اند، جایگاه بهتری گرفتند. در ادامه به دو دسته سایت هایی اشاره خواهیم کرد که با این الگوریتم رشد کردند و در مقابل آنها سایت هایی را بررسی میکنیم که بعد از برت دچار افت شدند را برسی میکنیم:
چه ساختار محتوایی بعد از الگوریتم BERT گوگل دچار رشد شد؟
۱. سایت‌های تخصصی با محتوای جامع و تحلیلی
این سایت‌ها ساختار محتوای دقیق و تخصصی دارند، نویسندگان متخصص دارند، جملات واضح با کاربرد صحیح ضمایر، حروف ربط و قیود نوشته‌اند. ساختار متنی این نوع سایت‌ها به BERT اجازه می‌دهد روابط معنایی جملات را بهتر درک کند. سایت های Healthline, WebMD از این دسته بودند.
۲. سایت‌های با ساختار زبان طبیعی (نه فقط سئو محور)
سایت‌هایی که بخش بلاگ حرفه‌ای یا tone of voice انسانی داشتند با این الگوریتم رشد کردند چراکه؛ BERT به دنبال جملات مصنوعی و keyword stuffing نیست؛ بلکه به دنبال محتوای قابل درک و طبیعی برای کاربران واقعی است.
۳. سایت‌هایی با پاسخ‌های مستقیم به سوالات کاربران (Q&A ساخت‌یافته)
سایت‌هایی که از FAQ Schema استفاده می‌کنند در این دسته قرار گرفتند؛ چون BERT در فهم پرسش‌های محاوره‌ای قوی است، و این نوع محتوا دقیقاً همان چیزی است که BERT دوست دارد.
چه ساختار محتوایی بعد از الگوریتم BERT گوگل دچار افت شد؟
۱. سایت‌های با محتوای سطحی یا تولید انبوه (Thin Content)
• مثال: محتوای رباتیک، مقالات ۳۰۰ کلمه‌ای بدون عمق
• تجربه: بسیاری از بلاگ‌های اتوماتیک یا محتواهای تولیدشده صرفاً برای سئو (مثلاً سایت‌هایی که با AI ضعیف محتوا تولید کرده بودند) دچار افت رتبه شدند.
۲. سایت‌هایی که روی Keyword Stuffing تمرکز داشتند
بسیاری از وب‌سایت‌هایی که ساختارشان مبتنی بر تکرار مصنوعی کلمات کلیدی بود، دچار افت شدید شدند. چون BERT دیگر به‌سادگی فریب تطابق سطحی کلمات را نمی‌خورد.
۳. سایت‌های Q&A نامنظم یا بدون ساختار معنایی
مثل فروم‌هایی که سوال و جواب‌ها با خطای نگارشی یا جملات ناقص همراه بودند (مثل پست‌های برخی در Reddit و Quora در برخی کوئری‌ها)
۴. سایت‌های ترجمه‌شده با نگارش غیربومی یا تحت‌اللفظی
BERT نسبت به اشتباهات زبانی حساس است. ترجمه‌های ضعیف که flow طبیعی ندارند، کمتر در نتایج ظاهر شدند.
الگوریتم BERT بر چه نوع جستجوهایی تأثیر می‌گذارد؟
الگوریتم BERT بیشترین تأثیر را بر روی جستجوهای طولانی، محاوره‌ای و پیچیده دارد. جستجوهایی که شامل حروف اضافه، کلمات چندمعنا یا عبارات مبهم هستند، با کمک BERT بهتر تفسیر می‌شوند. در زمان راه‌اندازی، این الگوریتم حدود 10٪ از جستجوهای انگلیسی در ایالات متحده را تحت تأثیر قرار داد.
الگوریتم BERT بیشترین تأثیر را بر روی جستجوهای طولانی، محاوره‌ای، پرسشی و پیچیده دارد. این دسته از جستجوها معمولاً شامل کلمات و عبارات با بار معنایی خاص، حروف اضافه (مثل “برای”، “به”، “از”) یا سوالاتی هستند که فهم دقیق‌شان نیاز به درک زمینه دارد. برای مثال:
- «چطور می‌تونم بدون نسخه از داروخانه دارو بخرم؟»
- «بهترین روش برای درمان سرفه خشک در شب چیست؟»
- «آیا میشه بلیط قطار رو برای شخص دیگه‌ای رزرو کرد؟»
در این نوع جستجوها، حتی تفاوت‌های کوچک در ترتیب واژه‌ها یا استفاده از یک حرف اضافه می‌تونه معنی کل سؤال رو تغییر بده. BERT به گوگل این امکان رو می‌ده که این تفاوت‌های ظریف معنایی رو درک کنه و نتایجی نمایش بده که دقیق‌تر با نیت واقعی کاربر (Search Intent) مطابقت دارند.
پیش از BERT، سیستم جستجوی گوگل معمولاً به کلمات کلیدی موجود در کوئری تمرکز داشت و ممکن بود نتایجی نشان دهد که از نظر زبانی به ظاهر مرتبط هستند، اما پاسخ دقیقی برای سوال کاربر نبودند. اما حالا با کمک BERT، گوگل قادر است محتوایی را نمایش دهد که حتی اگر دقیقاً شامل همان کلمات کلیدی نباشد، ولی به لحاظ معنایی منطبق با هدف جستجو است.
به بیان ساده‌تر، BERT گوگل را از یک موتور جستجوی صرفاً کلیدواژه‌محور به یک موتور فهم زبان انسانی تبدیل کرده که می‌فهمد کاربر دقیقاً دنبال چه چیزی است نه اینکه دنبال چه کلماتی است.
همین موضوع باعث شده تجربه کاربران در جستجو به‌شدت بهبود پیدا کنه و نرخ کلیک روی نتایج (CTR) هم افزایش پیدا کنه، چون نتایج مرتبط‌تر و کاربردی‌تری در اختیار مخاطب قرار می‌گیره.
روش‌های بهینه‌سازی محتوا برای الگوریتم BERT
نیازی به بهینه‌سازی خاص برای BERT وجود ندارد!
"There’s nothing to optimize for with BERT."
بنابراین تمرکز اصلی باید روی تولید محتوای باکیفیت ، مفید و منطبق با نیت جستجوی کاربر باشد. یعنی محتوایی بنویسید که انسان‌ها به‌راحتی متوجه آن شوند و به سوالات آنها پاسخ دقیق بدهد.
شاه‌کلید موفقیت در عصر BERT
مخاطب متن‌های شما در اینترنت انسان ها هستند و نه گوگل، بنابراین این جمله طلایی را همیشه به خاطر بسپارید که:
برای انسان ها بنویسید، نه موتور جستجو!
بهترین روش برای بهینه‌سازی محتوا در این شرایط، تمرکز بر تولید محتوای با کیفیت، دقیق و پاسخ‌محور است. اگر محتوای شما به سوال کاربر پاسخ دهد و به‌وضوح هدف جستجو را پوشش دهد، احتمال دیده شدن در نتایج جستجو بالا می‌رود.
برخلاف الگوریتم‌های قدیمی‌تر که صرفاً به تکرار کلمات کلیدی حساس بودند، BERT به عنوان یک مدل زبانی پیشرفته از سوی گوگل، توانایی درک نیت پشت کلمات را دارد.
برای کسانی که در حوزه سئو فعالیت می‌کنند، الگوریتم BERT یک تغییر پارادایم محسوب می‌شود. این الگوریتم نشان داد که سئو دیگر فقط به چگالی کلمه کلیدی وابسته نیست، بلکه به درک درست از هدف کاربر، ساختار صحیح جملات، و استفاده طبیعی از زبان مرتبط است. استفاده از کلمات کلیدی هم‌معنا، لحن محاوره‌ای و ساختار منسجم می‌تواند به فهم بهتر گوگل کمک کند و شانس رتبه گرفتن را بالا ببرد.
در عصر BERT، موتور جستجوی گوگل تنها به دنبال کلمات نیست؛ بلکه به دنبال درک زبان انسان است. اگر محتوای شما با این درک هم‌راستا باشد، بدون نیاز به ترفندهای سئو، جایگاه خوبی به دست خواهد آورد.
سوالات متداول
آیا BERT جایگزین سایر الگوریتم‌ها شده؟
آیا BERT فقط برای زبان انگلیسی فعال است؟
آیا باید سئوی سایت را تغییر دهم؟
به‌عنوان نویسنده یا متخصص سئو، وظیفه شما این است که:
- نیاز و هدف جستجوی کاربر را دقیق بشناسید.
- محتوای واضح و قابل فهم بنویسید.
- ساختار جملات را ساده و طبیعی نگه دارید.
- از تکرار مصنوعی کلمات کلیدی بپرهیزید و به عمق محتوا توجه کنید.
الگوریتم BERT به گوگل کمک کرده تا زبان انسان را بهتر بفهمد. اگر شما هم زبان کاربرانتان را خوب بفهمید، محتوایتان دقیقاً همان چیزی خواهد بود که گوگل می‌خواهد به مخاطبش نشان دهد.
