Domain 212 / 225
RankBrain は機械学習で未知のクエリを既知のクエリにマッピングする
RankBrain の要点
RankBrain は 2015 年導入の機械学習アルゴリズム、未知のクエリ（全クエリの 15%）を理解するため類似クエリを推測。BERT 登場前の意味理解の起源。現代も Google ランキング システムの一部、特にロングテール処理に活用
なぜこれを学ぶか
RankBrain は BERT 以前の意味理解の起源。 ロングテール SEO の理論的基盤、現代でも継続稼働。
中級以上の SEO 担当者で重要。
学ばないと起きること
| よくある事故 | 被害 |
|---|---|
| ロングテール対策が場当たり | 体系的な戦略立たない |
| 機械学習を「黒箱」とスルー | 理論理解を逃す |
学ぶメリット
- ロングテール戦略の理論
- 機械学習時代の SEO
- 商談で「RankBrain」を即答
仕組み
RankBrain の役割
公式: 2015 年導入:
- 全 Google 検索の 15% は新規 / 未知クエリ
- 既知クエリと類似性を機械学習で判定
- 関連結果を表示
動作例
[未知クエリ] 「ジムでサプリ何飲めばいい」
↓
[RankBrain が類似既知クエリを推測]
- 「筋トレ 効果的な サプリ」
- 「フィットネス サプリメント おすすめ」
[これらの上位結果から最適なものを選定]
意味理解で「言い換え」を理解。
Google ランキング システムでの位置
公式: ランキング システムの 1 つとして継続:
- BERT / MUM と協調
- ロングテール処理
- 新規クエリ対応
「3 大シグナル（リンク / コンテンツ / RankBrain）」と一時期言われた。
キー概念
機械学習の意味
| 従来 | RankBrain |
|---|---|
| 手動ルール | 自動学習 |
| 既知パターン | 未知に適応 |
| 静的 | 動的進化 |
ユーザーの検索行動から継続学習。
ロングテールへの影響
検索ボリュームが少ない（月 10 検索など）:
- 過去のデータが少ない
- RankBrain で類似クエリから推測
- 中位以下のサイトでも上位チャンス
コンテンツへの示唆
「ユーザーが満足する結果」が学習対象:
- CTR が高い
- 滞在時間が長い
- 戻ってこない（pogo-stick しない）
これらが自然に発生するコンテンツが評価される。
よくある誤解
| よくある誤解 | 実際のところ | 出典 |
|---|---|---|
| RankBrain は廃止された | 継続稼働、BERT / MUM と協調 | Google ランキング システム |
| RankBrain だけで順位決定 | 多数のシグナルの 1 つ | 同上 |
実務での適用
ロングテール戦略
- シードキーワード抽出
- 関連質問 / 共起語の探索
- ユーザー意図に合った記事
- ロングテール KW で網羅
CTR 改善
| 改善ポイント | 効果 |
|---|---|
| タイトル最適化 | CTR 向上 |
| meta description 改善 | クリック後満足 |
| 結論先出し | 滞在 + 満足 |
これらが RankBrain への間接シグナル。
トラブル別の対処
| 症状 | 確認すべきこと |
|---|---|
| ロングテール獲得伸びない | クエリ意図 / 自然な日本語 / CTR |
公式ソース
自己テスト
Q1. RankBrain の主要機能は？
未知クエリ（全検索の 15%）を機械学習で類似既知クエリにマッピング
Q2. RankBrain の現代での扱いは？
継続稼働、BERT / MUM と協調してランキング決定
Q3. RankBrain への間接シグナルは？
CTR / 滞在時間 / pogo-stick の少なさ（ユーザー満足度の代理）
これらの内容を採点付きで挑戦したい場合は、本ドメインのプロ試験で 5 問形式で確認できる。