A finales de 2019, la actualización Bert de Google sorprendió a propios y extraños con uno de los mayores cambios en las SERPs. Pero este complejo algoritmo está en permanente proceso de renovación. La llegada del Neural Matching coincide con el inicio del nuevo año y presagia una nueva sacudida a las SERPs, principalmente a los resultados locales de búsqueda, principales afectados de esta novedad.

Aplicar la inteligencia artificial a los mecanismos internos de los motores de búsqueda está cambiando el modo en que usuarios y buscadores (Google, Bing, Yahoo, etc.) se relacionan. Para Sundar Pichai, director ejecutivo de Google, «la IA es uno de los mayores desafíos de la humanidad, mayor incluso que el fuego o la electricidad», como expresó durante el último Foro Económico Mundial de Davos. Pero a diferencia de otras multinacionales, Google predica con el ejemplo.

El motor de búsqueda de Alphabet anunció recientemente que está utilizando el algoritmo Neural Matching para comprender mejor los conceptos de búsqueda y clasificar sus resultados de manera más precisa y eficiente. Aunque esta novedad no tendrá un impacto tan drástico como Bert o Hummingbird, la llamada ‘coincidencia neuronal’ marcará un antes y un después en el sector del posicionamiento SEO.

¿Qué es el Neural Matching de Google y de qué forma afecta a las SERPs?

El algoritmo Neural Matching de Google ayuda a este motor de búsqueda a relacionar mejor los términos de búsqueda con los resultados (la pregunta formulada con la respuesta deseada). Su mecanismo interno ha sido definido por el personal de Google como «un sistema de súper sinónimos».

Y es que la sinonimia es, por definición, el uso de palabras que están estrechamente relacionadas con otras palabras a nivel semántico. Veamos un ejemplo: la consulta «anda mal internet» (una búsqueda muy popular a la fecha de publicación de este artículo) arroja resultados vinculados a keywords como «problemas de conexión a internet», «internet va lento» y otros términos que, para un ser humano, guardan una relación evidente, pero ¿también para una IA? Es evidente que no, y desde Google están trabajando duro por humanizar sus algoritmos de búsqueda.

Lo más interesante del Neural Matching de Google es que abandona los tradicionales factores de posicionamiento, aplicando criterios ajenos al uso de keywords, enlaces salientes/entrantes o metaetiquetas en imágenes y vídeos. En teoría, la coincidencia neuronal realiza una lectura global del sitio web para evaluar (más allá del nombre de su empresa o su descripción) su relevancia o grado de relación con una búsqueda en particular.

Neural Matching, una solución para ‘comprender’ los sinónimos

En palabras de Danny Sullivan, tecnólogo y responsable del área Public Search Liaison de Google, el algoritmo Neural Matching «es una mirada retrospectiva de un gran cambio en las búsquedas online. […] La forma en que las personas buscan a menudo es diferente de la información sobre la que las personas escriben soluciones». A través de la coincidencia neuronal, Google persigue «comprender los sinónimos», todo un desafío para sus rastreadores.

RankBrain y el Neural Matching guardan relación, pero están lejos de ser conceptos equivalentes, pues el segundo opera dentro del primero, «ayudando a Google a relacionar mejor las palabras con las búsquedas».

De hecho, Sullivan opina que los «súper sinónimos» incrementarán su importancia con la llegada del Neural Matching. «En los últimos meses, Google ha estado utilizando el emparejamiento neuronal para conectar mejor las palabras con los conceptos», concluye Sullivan en un hilo de tuits desde su cuenta oficial en Twitter.

¿Y en qué se diferencian el Neural Matching del RankBrain de Google?

Desde el anuncio del Neural Matching de Google, son muchas las voces que han preguntado en qué se diferencia del RankBrain. Danny Sullivan ha aclarado esta duda explicando que «RankBrain es un sistema basado en inteligencia artificial que Google comenzó a usar en 2016 para comprender cómo las páginas están relacionadas con los conceptos», mientras que «el Neural Matching es un sistema basado en IA que Google introdujo en 2018 principalmente para comprender cómo las palabras están relacionadas con los conceptos».

De acuerdo a Sullivan, con RankBrain «podemos devolver mejor las páginas relevantes incluso si no contienen las palabras exactas utilizadas en una búsqueda, entendiendo que la página es relacionado con otras palabras y conceptos». La coincidencia neuronal, por su parte, «ayuda a Google a relacionar mejor las palabras con las búsquedas».

Neural Matching y RankBrain, un tándem que afectará al 30% de las búsquedas orgánicas

Danny Sullivan aseguró que el algoritmo coincidencia neuronal de Google alterará 3 de cada 10 resultados de búsqueda. No es, por lo tanto, una actualización menor, sino que tendrá un impacto significativo en la clasificación de resultados de búsqueda en 2020. Pero ¿cómo responder al binomio RankBrain-Neural Matching?, ¿de qué forma puede el SEO adaptarse a esta pequeña revolución?

Los profesionales del SEO pueden adaptarse al Neural Matching mejorando la calidad de sus contenidos, utilizando keywords LSI y, por encima de todo, incluyendo sinónimos de todas sus palabras clave.

Los sinónimos de keywords ejercerán una mayor influencia

Como se ha mencionado, la coincidencia neuronal solucionará la falta de ajuste o concordancia entre las consultas de los usuarios y las palabras clave a las que apuntan (rescatando el ejemplo antedicho, «anda mal internet/conexión a internet lenta»). Para establecer estas conexiones, los ‘robots’ de Google utilizan la sinonimia, inherente al lenguaje humano. Parece lógico, pues, que los profesionales del SEO no se limiten a seleccionar listas de keywords; para cada palabra clave se debería trabajar con un número determinado de sinónimos.

Las palabras LSI volverán a interesarte (y mucho)

Considerando los mecanismos utilizados en el Neural Matching de Google, determinadas prácticas SEO volverán a estar en el punto de mira. Por ejemplo, las keywords LSI (del inglés, Latent Semantic Indexing). Estas palabras son aquellas que se encuentran vinculadas tangencialmente a una temática, estando semánticamente relacionadas entre sí.

Por ejemplo, la palabra clave «internet slow today» guarda relación con las siguientes palabras: «comcast speed test»,«is comcast down»,«bell canada internet» y«laptop running slow». En consecuencia, el uso de estas keywords en un texto SEO optimizado mejoraría su indexación y su posicionamiento en los motores de búsqueda.

La calidad del contenido SEO será más importante que nunca

La llegada de este «sistema de súper sinónimos» tendrá un efecto positivo en los contenidos de internet: reducirá el uso del misspelled keywords y la densidad de palabras clave, que en ocasiones puntuales llega a ser abusiva. La calidad del contenido y la usabilidad del sitio web tendrán, pues, un mayor relieve con el tándem Neural Matching y RankBrain. Las empresas y tiendas online deben centrarse aún más en mejorar la calidad de sus estrategias de contenido (white papers, fichas de productos, blogging, etc.) , en lugar de enfocarse tanto en la obtención de backlinks o la búsqueda de palabras clave.

La introducción del algoritmo Neural Matching coincide con otro gran avance en el modelo de IA de Google: Reformer, una actualización de su anterior red neuronal para la comprensión del lenguaje (Transformer), que permitirá interpretar datos secuenciales y el contexto de contenidos de hasta un millón de palabras. Desde luego, el futuro del SEO pasa por la inteligencia artificial.