Apa Itu Neural Matching dan Bagaiman Konsep itu Bekerja?

Apa Itu Neural Matching dan Bagaiman Konsep itu Bekerja?

Apa Itu Neural Matching dan Bagaiman Konsep itu Bekerja?

Apa Itu Neural Matching dan Bagaiman Konsep itu Bekerja?

 

Jawarakonten.com || Roger Montii dikutip melalui laman searchenginejournal.com mencoba menjawab beberapa pertanyaan terkait apa itu algoritma Neural Matching (secara harafiah berarti Pencocokan Saraf) yang saat ini dikembangkan oleh Google.

Beberapa waktu lalu kami menerbitkan sebuah artikel yang membahas tentang “Algoritma Terbaru Google Board Core Update” dan sebelum pembaruan ini ada istilah yang juga sudah diperkanlkan yaitu Neural Matching.

 

Apa itu Algoritma Neural Matching Google?

Baru-baru ini mengumumkan bahwa mereka akan menggunakan istilah ‘Neural Matching’ untuk membantu menjelaskan konsep algoritma mereka.

Danny Sullivan selaku perwakilan dari Google mengungkapkan bahwa algoritma ini baru diterapkan pada 30% dari total keseluruhan pencarian (query).

Ingat ya, sampai saat artikel ini diterbitkan yaitu pada bulan Maret 2019, algoritma Neural Matching masih digunakn sekitar 30%.

Baca JugaPertanyaan Tentang Algoritma Google RankBrain

Melalui hasil riset yang baru saja diterbitkan oleh Google, dapat ditemukan kecocokan dari query dengan hanya merujuk pada query pencarian dan halaman website. Algoritma baru ini mungkin saja tidak digunakan, atau mungkin saja digunakan bersama dengan algoritma lain.

Dari pembahasan yang kami kutip dari searchenginejournal.com dapat kita simpulkan bahwa Algoritma Neural Matching adalah sebuah algoritma baru yang digunakan untuk lebih meningikatkan relevansi halaman yang sampai saat ini belum tahu akan digunakan atau belum.

Tapi yang pasti, sampai maret 2019 ini ada banyak perubahan pada posisi serp.

 

Apakah Google Menggunakan Algoritma yang Mereka Publikasi?

Kenyataanya Google tidak selalu menggunakan algoritma-algoritma yang mereka publikasi melalui paten dan laporan penelitian. Meskipun demikian, beberapa algoritma yang diumumkan ke publik kenyataannya memang digunakan sebagai algoritma mesin pencari Google.

Perlu untuk diingat pula bahwa Google umumnya tidak melakukan konfirmasi tentang algoritma apa yang sedang dijalankan.

Jadi yang bisa kita lakukan hanyalah mengamati dengan apa yang sudah di publikasikan dan melakukan analisa sendiri.

 

Pembahasan Google terkait Algoritma Kecerdasan Buatan (AI) yang Baru

Google pernah mendiskusikan beberapa algoritma secara umum, seperti algoritma Panda dan algoritma Penguin. Google, melalui Danny Sullivan, baru-baru ini juga mengungkapkan adanya algoritma baru yang disebut “neural matching”.

Algoritma baru ini pertama muncul melalui cuitan Danny pada akun twitternya, yang kira-kira berbunyi;

“…neural matching. –metode AI untuk menghubungkan kata-kata dengan konsep secara lebih baik

Postingan twitter lainnya menjelaskan lebih dalam tentang Neural Matching:

“Apa yang dicari orang seringkali berbeda dengan informasi tentang solusi yang ditulis oleh orang-orang”.

Lihat apa yang kami bold, dari cuitan itu bisa kita terjemahkan ulang bahwa Algoritma Neural Matching bekerja dengan cara menelusuri setiap kata pada ssebuah web (kurang lebih sama dengan cara tradisional) namun dimaksimalkan dengan melihat konsep secara keseluruhan.

Hal ini dilakukan demi memastikan bahwa apa yang dicari dari setiap pengguna mesin pencari dapat ditemukan solusi yang paling relevan. Dan itu artinya, permainan kata kunci dimana pembahasan didalamnya tidak cocok akan diabaikan oleh mesin pencari.

Yang kami pahami adalah beberapa teknik traditional masih digunakan, namun itu bukan satu-satunya signal untuk menentukan rangking website. Yang lebih penting dari itu adalah solusi dari setiap konten yang dihadirkan. Pandangan ini bisa saja salah dan bisa saja benar.

 

Hubungannya terhadap Deep Learning dan Ranking Halaman

Blog AI Google baru-baru ini mempublikasi sebuah link yang merujuk pada sebuah laporan penelitian. Laporan penelitian ini berjudul Deep Relevance Ranking using Enhanced Document-Query Interactions (Analisa Relevansi Ranking Mendalam Menggunakan Interaksi antara Document-Query).

Riset ini masih terbilang baru, namun merupakan versi peningkatan dari metode yang pernah ada, yaitu Document Relevance Ranking. Metode ini juga dikenal dengan nama Ad-hoc Retrieval.

Sekalipun tidak dapat dipastikan bahwa penelitian baru ini berhubungan dengan Neural Matching yang dimaksud oleh Google baru-baru ini, namun kedua penelitian ini cukup menarik karena memiliki kemiripan terhadap metode yang dijalankan.

 

Inilah Penjelasan Hasil Penelitian Terbaru mengenai Ad-Hoc Retrieval

“Relevansi ranking sebuah dokumen, disebut juga ad-hoc retrieval… adalah tugas penyusunan ranking pada banyak dokumen menggunakan ‘query’ dan teks dari tiap-tiap dokumen saja.”

Baca JugaPerlukah Optimasi RankBrain? Apa itu Bisa Dilakukan?

Laporan hasil riset ini secara jelas menjelaskan metode ini menyusun sebuah ranking hanya berdasarkan kata kunci (query) yang dimasukkan dan halaman wesite saja.

Penelitian ini juga menyatakan bahwa metode Document Relevance Ranking diterapkan secara berbeda oleh berbagai teknologi. Penelitian itu kemudian menunjukkan perbedaan penerapannya oleh Larry Page dan Kleinberg sebagai referensi.

Satu hal yang pasti, Document Relevance Ranking ini merupakan sebuah metode baru dalam menentukan ranking sebuah halaman dan metode ini tidak bergantung pada signal tautan (links).

 

Apakah Document Relevance Ranking yang diterapkan Google Tidak Menggunakan Link?

Algoritma yang baru saja diperkenalkan Google melalui AI blog-nya tidak secara langsung menggunakan faktor ranking tradisional. Meskipun demikian dipercaya bahwa faktor-faktor tradisional digunaan terlebih dahulu, kemudian bagian algoritma Ad-hoc retrieval digunakan.

Laporan riset tersebut juga menyatakan bahwa metode baru ini dapat me-ranking ulang halaman-halaan yang sebelumnya sudah di-ranking.

Ini berarti bahwa faktor-faktor tradisional inilah yang harus dilalui sebuah halaman untuk tetap masuk kedalam ranking. Meskipun demikian, signal ranking tradisional saja tidak menjamin bahwa sebuah halaman akan tetap bertahan pada peringkat 10 besar.

Sehingga dapat dikatakan bahwa signal-signal tradisional hanya menjalankan fungsi pemeriksaan. Signal-signal tersebut menghilangkan spam dan mengumpulkan dokumen-dokumen yang paling relevan lalu sistem baru untuk mefilter semuanya sampai ditemukan result yang lebih relevan.

Apa yang algoritma baru ini lakukan adalah me-ranking ulang halaman-halaman website tersebut kedalam beberapa kriteria untuk mencocokan dengan apa yang disebut oleh Danny Sullivan sebagai “Super Synonym”.

Penggunaan signal terlebih dahulu inilah yang memuat algoritma ini berbeda dengan riset sebelumnya yang dirilis pada 2016 dengan judul Deep Relevance Matching Model (DRMM).

 

Apa Sebenarnya yang Algoritma Ini Lakukan?

Tujuan dari algoritma ini adalah untuk mencocokkan query yang dimasukkan dengan sebuah halaman website, menggunakan hanya query dan halaman website itu sendiri.

Halaman-halaman website yang di-ranking berdasarkan algoritma ini tidak akan ditentukan melalui keutamaan link dan keyword-keyword. Hal ini dikarenakan algoritma ini sepenuhnya menyangkut pada “kecocokan konsep yang relevan”.

 

Apakah Konten Menjadi Lebih Penting??

Tentu saja dan akan tetap seperti itu.

Lalu apakah ini berarti bahwa pengelola website harus menggunakan banyak sinonim?

Roger Montii menyampaikan pendapatnya bahwa menambahkan banyak sinonim hanya terdengan seperti melakukan spam keyword.

Ia mengungkapkan bahwa sugesti tersebut adalah solusi yang dapat dikatakan terlalu naif.

Tujuan Google dalam memahami sinonim adalah semata untuk memahami konteks dan makna dari sebuah halaman. Menyampaikan informasi secara jelas dan konsisten, menurut Roger, lebih penting dari pada membanjiri website dengan spam kata kunci.

Apa yang secara resmi telah Google sampaikan adalah sistem mereka dapat memahami konsep. Secara sederhana ini berarti bahwa mereka dapat memahami lebih dari sekadar kata-kata kunci dan sinonim-sinonim.

Sebuah halaman yang mampu memberikan solusi atas query yang dimasukkan jauh lebih penting.

 

Google dalam penyataan resminya menyatakan:

kami telah mencapai suatu poin dimana jaringan neural (saraf) telah membantu kami berkembang, dari hanya memahami kata-kata menjadi memahami berbagai konsep. Neural yang dibenamkan, adalah sebuah pendekatan yang dikembangkan oleh jaringan neural, yang memungkinkan kami untuk merubah kata-kata (dari query) menjadi represntatif dari konsep-kondep mendasar. Kemudian hasil konsep-konsep ini dicocokan dengan konsep-konsep pada sebuah dokumen. Teknik inilah yang kami sebut sebagai teknik ‘neural matching’”.

 

Ada kemungkinan bahwa algoritma neural matching memiliki elemen-elemen yang berjalan bersamaan dengan algoritma lainnya.

Apakah Google murni menggunakan algoritma ini saja atau tidak menjadi tidak begitu penting dibandingkan dengan memahami bahwa Google me-rangking berbagai dokumen hanya dengan query dan konten sebuah website.

Memahami hal ini akan membantu pengelola website untuk menghindari strategi-strategi yang tidak tepat sasaran. Contohnya adalah menggunakan strategi penambahan banyak sinonim.

Jenis AI baru ini menunjukkan bahwa hal yang mungkin untuk memunculkan hasil ranking yang berbeda dan tidak terlalu dipengaruhi oleh faktor-faktor tradisional, seperti tautan dan kata-kata kunci.

Baca Juga : Google RankBrain & Pengaruhnya Terhadap Masa Depan SEO Modern

Hal ini menunjukkan kesungguhan Google untuk memahami lebih dalam apa tujuan (intensi) dari user. Hal ini dapat dicapai dengan memahami bagaimana sebuah konten website dalam membantu memberikan solusi pada user.

 

Kesimpulan Terkait Algoritma Neural Matching

Google terus melakukan pengembangan terkait algoritma yang mereka gunakan, dan yang baru-baru ini adalah Board Core Update dan Neural Matching yang lebih dulu dikenalkan.

Tujuan dari semua algoritma ini adalah satu, yaitu untuk memaksimalkan hasil pencarian yang lebih baik dan mengiliminasi hasil pencarian yang tidak sesuai dengan apa yang dicari oleh pengguna.

Bisa dipastikan bahwa update-update ini akan terus ada, dan jika kita ingin membangun trafik untuk jangka panjang, solusinya adalah dengan menghadirkan konten yang unik, solutif, dan memberikan manfaat untuk pengguna.

Share this post

Leave a Reply

Your email address will not be published. Required fields are marked *


WhatsApp chat Live Chat untuk Pelanggan