Es habitual que Google realice ajustes y mejoras en sus algoritmos de búsqueda. En este caso, el último cambio realizado ha afectado a las búsquedas locales, aquellas en las que se precisa una localización, o en las que el buscador utiliza como referencia la ubicación del propio usuario.
Y la mejora de la precisión va a llegar, de hecho, de la mano de una mejor comprensión de lo que el usuario le pregunte gracias al algoritmo de emparejamiento neuronal, cuya introducción progresiva para búsquedas no locales comenzó en 2018.
Este término (traducción de 'neural matching') designa a un algoritmo de inteligencia artificial al que Google ha recurrido para ofrecer mayor variedad y precisión en los resultados de búsqueda, basado en el uso de redes neuronales.
Su objetivo es no limitarse a ofrecer webs que incluyan los términos de búsqueda usados por el usuario, sino que además busca facilitar la asociación de dichos términos con las palabras clave presentes en las webs, para lo cual trata de "entender" el significado y contexto de aquellos.
Según Danny Sullivan, creador de Search Engine Land y ahora asesor de la división de Búsquedas de Google, permite mejorar las conexiones entre palabras y conceptos, creando un sistema de "super-sinónimos": no establece meras equivalencias entre términos, sino que trata de interpretar la intención del usuario.
En uno de sus tuits pone un ejemplo de la aplicación de este algoritmo a las búsquedas: "un usuario pregunta a Google '¿por qué se ve rara mi televisión?' y el buscador vincula la pregunta con problemas reales que ya tiene clasificados, ofreciéndole directamente resultados sobre el ‘Efecto Soap Opera’."
Hace más de un año, ya explicó en otro tuit un ejemplo perfecto de esa comprensión del contexto que permite superar el mero uso de sinónimos, usando ejemplos de consultas con la palabra 'change' (cambiar), una palabra recurrente que según la frase puede equivaler a "intercambiar", "modificar", "instalar", "ajustar".