Google經常會對其核心算法進行重大更新。是什麼讓BERT與其他所有產品區分開？根據Google的說法，BERT是他們五年以來的最大更新（自RankBrain以來），它影響10%的搜索查詢。
簡而言之：BERT承諾會更準確地回答你在Google上遇到的問題。
什麼是Google BERT？
BERT的全稱是Bidirectional Encoder Representation from Transformers，即雙向Transformer的Encoder，因為decoder是不能獲要預測的信息的。模型的主要創新點都在pre-train方法上，即用了Masked LM和Next Sentence Prediction兩種方法分別捕捉詞語和句子級別的representation。雖然這聽起來很複雜，但我們所需要知道的是，這是Google更好地瞭解所用自然語言的更詳細信息的方法。
實際上，在Google引入BERT作為其主要算法的一部分之前，它已作為開源神經網絡發佈。
這意味著具有技術知識的任何人都可以使用該代碼來訓練自己的最先進的問題回答系統。
這聽起來很有趣，但是BERT如何工作？
Google BERT如何工作？
過去，Google並不總是擅長理解複雜或對話式搜索。
根據Google的說法，“人們經常打出他們認為我們會理解但實際上並不自然地問問題的字符串”。
這種現象在Google總部中被稱為“關鍵字”，這是Google想要避免的事情。
因此，通過機器學習和自然語言處理，BERT可以處理查詢中單詞的整個上下文。然後，它會審閱前後的單詞，而不是一次只關注每個單詞。
在發佈BERT之前，Google進行了大量測試。測試以查看前後結果是否有所改善。以下是兩個供你查看的測試示例：
Google BERT：它是什麼，它應該改變你的SEO方法嗎？
比如：關鍵字“2020年前往美國的中國旅行者需要簽證”。
這表明旅行者想從中國而不是相反的方式訪問美國。
在使用BERT之前，Google並不瞭解這種細微差別或查詢的全部內容，因此會為前往中國的美國遊客帶來搜索結果，這當然不是搜索者所期望的！
Google BERT：它是什麼，它應該改變你的SEO方法嗎？
對於關鍵字“無路邊的山坡上停車”，該查詢以前會使Google感到困惑。
現在，決定質量和相關內容的要素是Google一段時間以來一直關注的事情。
2013年，Google對其主要算法進行了改進，並將其命名為Hummingbird。
在此之前，Google對網頁是否被認為相關的評分在很大程度上與關鍵字優化的程度有關。
如果將關鍵字添加到重要的頁面元素（如標題標籤，標題和內容）中，則得分會很高。你可以將這種方法視為相關性1.0。
但是，蜂鳥算法的主要目標之一是通過更好地理解關鍵字的含義以及它們與其他主題的關係，而不是構成單詞的字符串來從“字符串變成事物”。
再到2015年，Google推出了Hummingbird的第一個子算法：RankBrain。
這個很特別，因為它是Google的第一個人工智能算法。
RankBrain可以更好地理解關鍵字背後的用戶意圖，並且重點在於提供可能的最佳結果，而不是最佳的關鍵字優化結果。
谷歌公開稱RankBrain是其排名前三的因素之一。
Google現在使用人工智能來嘗試確定用戶是否滿意。關鍵字意圖匹配正迅速成為現代SEO最重要的方面之一。
那麼，BERT和RankBrain有什麼區別？
讓我們從相似之處開始。兩者都由Google的主要算法Hummingbird控制，使用人工智能，並專注於理解搜索查詢的意圖，因此它們可以幫助儘可能提供最佳結果。
RankBrain擅長理解用戶更具體和未知關鍵字的意圖；而BERT解決了自然語言的細微差別。
當你開始考慮關鍵字背後的用戶意圖以及對用戶而言可能是最好的結果時，你的想法就從相關性1.0（關鍵字匹配）升級到相關性2.0（關鍵字意圖匹配）。
你應該改變SEO方式嗎？
可能不會。
谷歌一直在說，“專注於用戶，其他所有事情都會隨之而來”。
Google的理念沒有改變，但是隨著人工智能的發展，Google現在在更好地理解用戶的需求上正變得越來越出色，並且正在更加努力地確定用戶在更多關鍵字後面的意圖。
因此，現代SEO現在結合了相關性1.0（關鍵字匹配）和相關性2.0（關鍵字意圖匹配）以產生相關內容。兩者對於你的SEO成功都是至關重要的。
現在，隨著蜂鳥，RankBrain和現在的BERT人工智能的引入，很明顯，谷歌正在加倍努力向其用戶提供最佳用戶體驗。
閱讀更多 王光衛聊市場 的文章
