랭크브레인은 검색어의 단어와 개념 사이의 관계를 이해해 관련 결과의 순위를 정하는 Google의 AI 시스템입니다. Google이 2015년에 검색에 처음 도입한 딥러닝 시스템으로, 페이지에 검색어와 정확히 같은 단어가 모두 없어도 관련 콘텐츠를 찾도록 돕습니다.
단어를 넘어 개념을 연결하는 원리
Google은 2022년 공식 블로그에서 “먹이사슬의 가장 높은 단계에 있는 소비자를 무엇이라고 부르는가”라는 뜻의 영어 검색어를 예로 들었습니다. 이때 소비자는 물건을 사는 사람이 아니라 먹이사슬에 속한 동물을 뜻합니다. 랭크브레인은 검색어의 단어를 이 개념과 연결해 사용자가 찾는 말이 “최상위 포식자”임을 이해하도록 돕습니다.
초기 보도는 단어를 수치로 표현해 관련 표현을 연결하는 기술로 소개했습니다. 현재 Google 검색 랭킹 시스템 가이드도 단어와 개념의 관계를 이해하는 역할을 설명합니다. 다만 모델의 세부 계산 방식과 순위 산식까지 공개하지는 않습니다.
이처럼 개념을 이해하면 처음 보는 단어 조합도 이미 학습한 개념과 연결할 수 있습니다. 다만 랭크브레인이 낯선 검색어만 처리하는 것은 아닙니다. Google의 공식 설명은 검색어의 단어와 관련 개념을 이해하고 상위 결과의 순서를 정하는 역할까지 포함합니다.
도입 당시의 보도와 현재 공식 설명
랭크브레인의 존재는 2015년 10월 Bloomberg 보도로 알려졌습니다. 같은 시기 Search Engine Land는 Google에 직접 확인한 내용을 바탕으로, 2015년 초부터 점진적으로 도입한 뒤 전 세계에 적용했다고 보도했습니다.
당시 보도에서 랭크브레인은 세 번째로 중요한 신호로 소개됐습니다. 이는 2015년 시점의 발언으로, 현재도 중요도가 같은 순서라는 뜻은 아닙니다. 당시 발언만으로 1위와 2위가 각각 무엇인지 확정할 수도 없습니다.
랭크브레인은 현재도 Google의 랭킹 시스템 가이드에 실려 있습니다. Google은 2022년 2월 공식 블로그에서 랭크브레인을 상위 검색결과의 순서를 정하는 주요 AI 시스템 중 하나로 설명했습니다. 같은 글에서 MUM은 랭크브레인, 신경망 매칭, BERT와 달리 당시 일반적인 검색 순위 결정에는 쓰지 않는다고 밝혔습니다. 검색에서는 각기 다른 역할을 맡은 여러 시스템이 함께 작동합니다.
BERT와 역할이 어떻게 다른가요?
| 구분 | 랭크브레인 | BERT |
|---|---|---|
| Google 검색 도입 | 2015년 | 2019년 |
| 공식 설명의 중심 | 단어와 개념의 관계 | 단어 조합이 나타내는 의미와 의도 |
| 이해를 돕는 사례 | 정확한 명칭 대신 특징을 풀어 쓴 검색 | 작은 단어나 어순에 따라 뜻이 달라지는 검색 |
랭크브레인은 검색어를 관련 개념에 연결하는 역할을, BERT는 문장 안에서 단어들이 맺는 관계를 이해하는 역할을 중심으로 설명할 수 있습니다. 실제 검색은 여러 시스템이 함께 처리하므로 모든 검색어를 둘 중 하나에만 배정할 수는 없습니다.
Google은 2022년 발표에서 BERT가 거의 모든 영어 검색어에서 중요한 역할을 한다고 밝혔습니다. 이 설명은 해당 시점의 영어 검색을 대상으로 하며, 현재 모든 언어의 적용 비율을 나타내지는 않습니다.
클릭률과 체류시간으로 작동한다는 주장의 근거
SEO 업계에는 랭크브레인이 클릭률과 체류시간을 보고 순위를 조정한다는 설명이 있습니다. 그러나 Google의 랭킹 시스템 가이드와 2022년 공식 블로그는 두 지표를 랭크브레인의 입력으로 명시하지 않습니다. 이 문서들만으로 해당 주장을 뒷받침할 수는 없습니다.
따라서 “클릭률이나 체류시간을 높이면 랭크브레인이 순위를 올려 준다”는 인과관계도 확인되지 않았습니다. 그렇다고 Google 검색 전체가 사용자 행동 데이터를 쓰지 않는다는 뜻은 아닙니다. 랭크브레인에 관한 설명만으로 다른 시스템이 어떤 신호를 쓰는지 판단할 수는 없습니다.
콘텐츠를 작성할 때 무엇을 점검해야 하나요?
Google은 랭크브레인 전용 태그나 설정을 안내하지 않습니다. 운영자가 이 시스템의 점수를 직접 확인하거나 조절하는 도구도 공개돼 있지 않습니다.
콘텐츠를 검수할 때는 독자가 쓰는 표현과 본문에서 설명하는 개념을 대조할 수 있습니다. 위의 검색 예라면 본문에 “소비자”라는 단어를 반복하기보다 최상위 포식자가 먹이사슬에서 어떤 위치에 있는지 설명해야 합니다. 전문 명칭만 적고 그 뜻이나 질문에 필요한 조건을 생략하지 않았는지도 점검합니다. 이는 검색 의도에 맞게 설명을 다듬는 방법이며, 랭크브레인의 점수를 조절하는 기법은 아닙니다.
자주 묻는 질문
랭크브레인만 따로 최적화할 수 있나요?
Google은 랭크브레인 전용 태그나 점수 조회 도구를 제공하지 않습니다. 키워드를 몇 번 쓰면 점수가 오른다는 공식도 공개하지 않았습니다. 콘텐츠 수정 효과를 검토할 때는 검색 노출과 방문의 변화를 살필 수 있지만, 그 변화를 랭크브레인 하나의 효과로 단정할 수는 없습니다.
BERT가 나오면서 랭크브레인이 사라졌나요?
아닙니다. Google은 두 시스템을 현재 랭킹 시스템 가이드에 각각 소개합니다. 여러 시스템이 함께 검색결과를 만들며, BERT의 도입이 랭크브레인의 폐지를 뜻하지는 않습니다.
네이버에도 랭크브레인이 있나요?
랭크브레인은 Google이 자사 검색 시스템에 붙인 이름입니다. 다른 검색엔진이 검색어의 의미를 이해한다고 해서 그 기술을 랭크브레인이라고 부르지는 않습니다. 네이버의 검색 기술은 네이버가 공개한 명칭과 설명에 따라 따로 살펴봐야 합니다.
함께 알아두면 좋은 용어
- BERT: 단어 조합이 만드는 복잡한 의미와 의도를 이해하는 구글의 AI 시스템
- 랭킹 팩터: 검색 순위를 정할 때 반영하는 개별 요소
- 시맨틱 검색: 단어 일치뿐 아니라 문맥과 의미를 바탕으로 결과를 찾는 검색 방식
- 검색 의도: 사용자가 검색으로 해결하려는 목적
- 페이지랭크: 링크 구조로 페이지의 관련성을 판단하는 구글의 또 다른 랭킹 시스템
- LLM: 방대한 텍스트로 학습해 언어를 이해하고 만들어내는 대규모 언어 모델