Google Bert

BERT står for Bidirectional Encoder Representations from Transformers og er navnet på en Google algoritmeopdatering, der blev lanceret tilbage i 2019. Opdateringen var, ligesom Hummingbird også var, en af de største i historien for Googles søgealgoritme. Med introduktionen af BERT gik Google skridtet videre inden for kunstig intelligens og naturlig sprogforståelse.

BERT’s bidirektionelle tilgang giver bedre forståelse af kontekst og sammenhæng i sproget

BERT er i princippet en slags videreudvikling af Googles Hummingbird-opdatering. Hovedforskellen mellem Hummingbird og BERT ligger i deres specifikke fokus og tilgang til søgeforespørgsler.

Hummingbird var en generel overhaling af Googles søgealgoritme (2013) med fokus på semantisk søgning, mens BERT er en mere målrettet opdatering med fokus på forbedret naturlig sprogforståelse og kontekstuel behandling af søgeforespørgsler.

BERT bygger altså videre på de fundamentale ændringer, som Hummingbird introducerede, og forbedrer Googles evne til at forstå og reagere på menneskelig sprogbrug i søgninger.

RankBrain og BERT supplerer hinanden – RankBrain for ukendte søgninger, BERT for kontekstforståelse

Indholdsfortegnelse

• 1 Hvad er Google BERT?
  • 1.1 Eksempel på BERTs håndtering af en forespørgsel
  • 1.2 Et skift væk fra søgeord og et øget fokus på løsning af forespørgsler
• 2 Så for lige at opsummere bød BERT på følgende ændringer:
  • • 2.0.1 Naturligt sprog
    • 2.0.2 Forbedret forståelse for brugerintentioner
    • 2.0.3 Påvirkede særligt længere forespørgsler
  • 2.1 Kilder og referencer

Hvad er Google BERT?

BERT er en dyb læringsalgoritme, der fokuserer på at forstå den fulde sammenhæng af en søgeforespørgsel. I modsætning til tidligere algoritmer, der primært analyserede søgeord uafhængigt, tager BERT højde for hvert enkelt ords forhold til de andre ord i forespørgslen, hvilket giver en mere nuanceret forståelse af brugerens hensigt.

Med BERT blev Google bedre til at håndtere komplekse søgeforespørgsler, især dem der indeholder præpositioner som “til” og “fra”, som kan ændre betydningen af hele søgeforespørgslen. Disse lagde Google ikke megen vægt på tidligere, hvilket selvfølgelig gav en række mindre relevante resultater. Med BERT blev det muligt for Google at forstå nuancerne i sproget, hvilket fører til mere præcise og relevante søgeresultater.

BERT’s påvirkning på forskellige søgetyper

🎯 Høj påvirkning Længere forespørgsler 5+ ord med kontekst Præpositioner “til”, “fra”, “for”, “om” Naturlige spørgsmål Som du ville spørge en ven

⚠️ Mellem påvirkning Mellemlange forespørgsler 3-4 ord Lokale søgninger Med geografisk kontekst

📊 Lav påvirkning Korte søgeord 1-2 ord Navigationssøgninger Brands og websites Hovedpointe: Jo mere kontekst og naturligt sprog, desto større påvirkning fra BERT

Eksempel på BERTs håndtering af en forespørgsel

Et eksempel på BERTs forbedringer kunne være en søgeforespørgsel som “2019 Brasilien rejsende til USA behøver visa”. Tidligere ville Google have fokuseret på søgeord som “Brasilien”, “rejsende” og “USA”, men måske overset betydningen af “til”, hvilket fuldstændigt ændrede det ønskede informationsbehov. Med BERTs komme blev Google i stand til at forstå, at brugeren søger information om visumkrav for brasilianere, der rejser til USA.

BERT eksempel: forbedret forståelse af kontekst

Søgeforespørgsel: “2019 Brasilien rejsende til USA behøver visa”

❌
Før BERT (2018 og tidligere) Google fokuserede på: Brasilien
rejsende
USA
visa Typiske resultater: • Visa til Brasilien fra andre lande
• Generel rejseinformation
• Mindre relevante resultater

⬇️ BERT lancering 2019 ⬇️

✅
Efter BERT (2019+) Google forstår konteksten: Brasilianske borgere
TIL
USA Præcise resultater: • Visumkrav for brasilianere til USA
• ESTA ansøgningsproces
• Specifik rejseinformation Nøglen: BERT forstår at “til” ændrer hele betydningen – fra generel rejseinformation til specifikke visumkrav

Et skift væk fra søgeord og et øget fokus på løsning af forespørgsler

Opdateringen betød, at man gik mere væk fra søgeordsoptimering og i større grad prøvede at fokusere på at skabe indhold, der naturligt og præcist svarer på brugernes forespørgsler. Dette naturligvis stadig akkompagneret af grundig søgeordsanalyse, for at afdække brugernes adfærd og den vej igennem analysere os frem til, hvilke former for indhold de efterspørger.

BERT’s hovedændringer til SEO

❌ Fra (Før BERT) Søgeordsoptimering Keyword-fyld og tætte variationer

Isolerede søgeord Ord uden sammenhæng

Overfladisk indhold Tyndt indhold med mange søgeord

Kunstigt sprog Unaturlig keyword-placering

⬇️ BERT ændrer fokus ⬇️

✅ Til (Efter BERT) Naturligt sprog Flydende, letforståelig tekst

Brugerintention Løs brugerens reelle problem

Dybdegående indhold 360° coverage af emnet

Kontekstuel relevans Ord i sammenhæng og relation

🎯 BERT’s specialområder 📝 Længere forespørgsler

🔗 Præpositioner

💭 Kontekst

🎯 Intention

💡 Hovedbudskab Fra søgeord til naturlig kommunikation der løser problemer

Googles sprogforståelse er udviklet i spring – BERT var et af de største kvantespring

Så for lige at opsummere bød BERT på følgende ændringer:

Naturligt sprog

BERT har fremhævet betydningen af at skrive indhold, der flyder naturligt og er letforståeligt for brugeren. BERT var med til at fjerne resultater, der i princippet blot var gentagelser af søgeord, og hvor indholdet ikke nødvendigvis var optimeret i mod at ramme en forespørgsel og løse en brugers udfordring (intention).

Forbedret forståelse for brugerintentioner

Efter introduktionen af BERT blev Google bedre til at forstå den bagvedliggende intention af en brugers søgeforespørgsel. Dette betyder, at indhold skal være målrettet mod at opfylde disse intentioner i stedet for blot at fokusere på overfladiske søgeord som et kontekstuelt match.

Påvirkede særligt længere forespørgsler

BERT er særlig effektiv til at håndtere længere og mere komplekse søgeforespørgsler. Derfor blev det mere optimalt at udvikle indhold, der kan håndtere dybdegående og detaljerede spørgsmål og komme 360 grader rundt om et emne. Det var også særligt de længere forespørgsler, som Google havde udfordringer med at levere relevante resultater til.

🤖 Hvad er BERT? Bidirectional Encoder Representations from Transformers – AI der forstår sprogets kontekst og relationer

🎯 Største forbedring Forståelse af præpositioner og kontekst i længere, naturlige søgeforespørgsler

📈 SEO påvirkning Fra keyword-optimering til naturlig sprogbrug og dybdegående indhold

Konkrete anbefalinger efter BERT ✍️ Skriv naturligt Fokuser på flydende sprog frem for keyword-fyld

🎯 Løs problemer Besvar brugerens reelle spørgsmål og intention

📚 Skab dybde Dæk emnet 360° med detaljerede svar

🔗 Tænk kontekst Hvordan hænger ordene sammen?

🚀 BERT i praksis Skriv som om du forklarer en ven – naturligt, kontekstuelt og med fokus på at hjælpe

Kilder og referencer

1. Google AI Blog: BERT Open Sourcing
   Officiel annoncering af BERT-modellen og dens åbne tilgængelighed.
   ai.googleblog.com

1. Google Search Central Blog: BERT for Search
   Googles annoncering af BERT-integration i søgeresultater.
   blog.google

1. BERT Research Paper: “Attention Is All You Need”
   Den originale Transformer-arkitektur som BERT bygger på.
   arxiv.org

1. Search Engine Journal: BERT SEO Impact
   Analyse af BERTs påvirkning på SEO og indholdsstrategier.
   searchenginejournal.com