지금의 구글이 있기까지는 많은 변천사를 겪었습니다.
우리는 쉽고 빠르게 검색결과를 받고 가장 유용한 정보를 상위에서 볼 수 있는 것이 당연하지만, 구글은 이를 위해 많은 노력을 해왔다는 뜻이죠.
구글 알고리즘의 변천사
- 판다 (Google Panda):
- 목적: 주로 콘텐츠의 품질을 평가하여 검색 결과의 상위에 나타나는 사이트들이 높은 품질의 콘텐츠를 가지도록 유도합니다.
- 기능: 스팸형식의 콘텐츠에 패널티를 주어 노출이 안되도록 합니다.
- 대응: 패널티를 받는 것을 방지하기 위해 품질 높은 콘텐츠를 제공해야 합니다. 블랙햇 SEO(검색 엔진 최적화) 방법을 사용하면 패널티를 받을 수 있습니다.
- 펭귄 (Google Penguin):
- 목적: 웹페이지의 링크 구조와 품질을 평가하여 부적절한 링크 구매, 링크 팜, 키워드 도배 등의 스팸적인 행위를 감지하고 조치합니다.
- 기능: 외부 링크에 추가 점수를 부여하고, 자사 서버를 통한 백링크는 의미 없다고 판단합니다.
- 대응: 품질 좋은 백링크를 유지하고, 스팸적인 행위를 피해야 합니다.
- 허밍버드 (Google Hummingbird):
- 목적: 모바일 및 PC 키워드를 구분하고 자연어 검색을 중심으로 처리하여 높은 품질의 검색 결과를 제공합니다.
- 기능: 키워드 단위가 아닌 자연어 검색을 이해하고, 모바일 및 PC에서 동시에 고려합니다.
- 대응: 사용자가 질문하는 자연어에 적합한 콘텐츠를 작성해야 합니다.
- 피존 (Google Pigeon):
- 목적: 위치 정보를 추가하여 검색 결과의 노출 순위를 결정하거나 스니펫으로 노출시킵니다.
- 기능: 지리적인 위치 정보를 고려하여 검색 결과를 제공합니다.
- 대응: 로컬 SEO에 집중하여 지역 정보를 최적화해야 합니다.
- 링크브레인 (Google LinkBrain):
- 목적: 콘텐츠에 타인들이 보여주는 반응을 검색 결과에 포함하여 사용자에게 더 유용한 정보를 제공합니다.
- 기능: 타인의 반응을 콘텐츠의 가치 평가에 활용합니다.
- 대응: 사람들의 피드백을 활용하여 콘텐츠를 개선하고, 소셜 미디어를 적극 활용합니다.
- 버트 (BERT – Bidirectional Encoder Representations from Transformers):
- 목적: 자연어를 이해하는 알고리즘으로, 검색 쿼리의 전체 문맥을 이해하고 더 정확한 검색 결과를 제공합니다.
- 기능: 언어 이해 능력을 향상시켜 검색 결과의 의미를 더 잘 이해합니다.
- 대응: 사용자의 질문이나 의도에 대한 자연스러운 답변을 제공하는 콘텐츠를 작성해야 합니다.
알고리즘의 발생년도와 간략한 설명
- 판다 (Google Panda):
- 출시 년도: 2011년
- 설명: 주로 콘텐츠의 품질을 평가하여 검색 결과의 상위에 나타나는 사이트들이 높은 품질의 콘텐츠를 가지도록 유도하며, 스팸형식의 콘텐츠에 패널티를 부여하여 노출이 안되도록 합니다.
- 펭귄 (Google Penguin):
- 출시 년도: 2012년
- 설명: 웹페이지의 링크 구조와 품질을 평가하여 부적절한 링크 구매, 링크 팜, 키워드 도배 등의 스팸적인 행위를 감지하고 조치하며, 외부 링크에 추가 점수를 부여합니다.
- 허밍버드 (Google Hummingbird):
- 출시 년도: 2013년
- 설명: 모바일 및 PC 키워드를 구분하고 자연어 검색을 중심으로 처리하여 높은 품질의 검색 결과를 제공하며, 키워드 단위가 아닌 자연어 검색을 이해하고 고려합니다.
- 피존 (Google Pigeon):
- 출시 년도: 2014년
- 설명: 위치 정보를 추가하여 검색 결과의 노출 순위를 결정하거나 스니펫으로 노출시키며, 지리적인 위치 정보를 고려하여 검색 결과를 제공합니다.
- 링크브레인 (Google LinkBrain):
- 출시 년도: 알려진 출시 년도가 없지만, 콘텐츠에 타인들이 보여주는 반응을 검색 결과에 포함하여 사용자에게 더 유용한 정보를 제공합니다.
- 버트 (BERT – Bidirectional Encoder Representations from Transformers):
- 출시 년도: 2019년
- 설명: 자연어를 이해하는 알고리즘으로, 검색 쿼리의 전체 문맥을 이해하고 더 정확한 검색 결과를 제공하며, 사용자가 만들어낸 언어를 이해하는 능력을 향상시킵니다.