Sélectionner une page

En 2007, le moteur de recherche de Google a mis en place la « recherche universelle », ou en anglais « universal search ». Depuis, le moteur n’a cessé de faire évoluer l’affichage des résultats dans le SERPs, et va même désormais plus loin avec l’analyse du comportement des internautes grâce au Machine Learning.

Evolution affichage résultats Google

La recherche universelle selon Google et l’évolution des résultats

Dans ses premières années de vie, le moteur de recherche de Google affichait 10 résultats organiques mais depuis 2016, on observe en moyenne 8,6 résultats organiques sur ordinateur et 8,5 résultats sur mobile.
En 2007, Google croise les différents moteurs initiaux (vidéos, actus, web, images…), ce qui correspond au point de départ de la recherche universelle. Au fur et à mesure des années d’autres éléments sont venus enrichir l’affichage des résultats et complexifier le fonctionnement du moteur de recherche :

Knowledge Graphs : graphe de connaissance, présenté sous forme de fiche, qui associe plusieurs résultats pour répondre à la requête de l’internaute (par exemple, l’affichage Wikipédia lors d’une recherche sur un fait ou une personne historique)

Answer box Google : espace de visibilité, positionné au-dessus des résultats naturels, qui permet à l’internaute de poser une question et d’avoir une réponse directement affichée sans pointer vers un site web comme dans l’exemple ci-dessous :

answer box goole exemple

Mobile App Packs : Google peut indexer dans son moteur de recherche des applications mobiles :

Mobile App Packs exemple

Twitter cards, carroussel, fact box… : ces nouveaux contenus apportent de nouvelles opportunités de trafic, dont l’optimisation de contenus Web par rapport à Google Images, des vidéos, des réponses directes ou le mobile App-Packs.

Lire aussi – SEO : nouvelle mise à jour de Google “FRED”

Google et l’utilisation de l’intelligence artificielle : le Machine Learning

En 2015, le moteur annonce la sortie RankBrain, nouvel algorithme d’intelligence artificielle (Machine Learning) qui a pour fonction d’interpréter les requêtes saisies dans le moteur de recherche afin d’améliorer l’affichage des SERPS. Pour faire très simple, le but du Machine Learning côté Google est d’analyser le comportement de l’internaute et de rectifier tout seul le tir en fonction de ses actions (par exemple, arrêter de proposer un résultat qui n’est jamais cliqué pour une requête Y).

Le but de RankBrain est donc de contenter au maximum l’intention de recherche de l’internaute. Il prend notamment en compte les données de fréquence de recherche, de géolocalisation, mais également les données de navigation déjà utilisées depuis 2009 comme le CTR, le temps passé sur une page…

En octobre 2015, 15% des requêtes passaient par RankBrain. A ce jour, toutes les recherches sont désormais réalisées dessus, ce qui l’a rendu le 3ème critère majeur de positionnement dans le moteur de recherche.

Lire aussi – Hummingbird, le nouvel algorithme de Google

Quelles sont les évolutions attendues ?

Les récentes fluctuations dans les résultats de Google nous amènent à penser à nouveau au Machine Learning. En effet, plusieurs spécialistes du SEO se demandent si le moteur de recherche ne passe pas par une période transitoire, où il serait en train d’apprendre de « ses erreurs » afin de proposer des résultats toujours plus poussés aux internautes.
Sans communications officielles de Google, ces réflexions restent pour le moment au rang de suppositions mais il n’y aurait rien d’étonnant de voir le moteur de recherche avancer toujours plus sur ce terrain.

L’équipe 3W Online


Source :

RankBrain, le 3e critère de pertinence majeur de Google, Olivier Andrieu, Abondance, 27 octobre 2015 

 

Share This