神经匹配是什么？Google的超级同义词系统讲透

摘要：神经匹配（neural matching）是Google在2018年公开的一套AI系统，专门把用户查询里的词，跟页面在讲的概念对上号——哪怕你压根没用那个词。Danny Sullivan管它叫超级同义词系统。它跟RankBrain、BERT不是替代关系，而是各管一段、协同干活。这篇我借一个投影仪客户的真实案例，讲清楚神经匹配到底怎么运作、跟另外两个AI系统怎么分工，以及为什么你越想抠字面去优化它，越是白费劲。

先讲个让我印象很深的事。前年我接了个做家用投影仪的独立站客户，产品页写得挺实在，讲画面怎么调、拖影怎么消、看球赛看电影分别该开什么模式。有意思的是，过了两个多月，他后台跑出来一个词的排名，把他自己都看懵了——投影仪运动补偿，稳稳排在第一页。

懵在哪儿？他那整个页面，从头到尾一个字都没提过运动补偿这四个字。他写的是画面拖影、快速画面糊成一片、球在飞的时候看不清，全是大白话。可Google就是把这个页面，跟一个他从没写过的专业术语，对上了号。他跑来问我：保哥，我又没写这词，怎么就排上了，是不是系统抽风了？我说不是抽风，这是神经匹配在干活，而且它这活干得漂亮。

神经匹配到底是什么？

给个干脆的定义：神经匹配是Google用神经网络技术，把查询里的词，跟内容背后的概念对应起来的一套系统。它不要求页面里出现跟查询一模一样的字，而是去理解这串词大概在指什么意思，再去找意思对得上的页面。

2018年9月，Google搜索满20周年，在一场发布会上公开了这套东西，Ben Gomes在那篇讲神经嵌入与神经匹配的官方博客里把原理说得很直白：神经嵌入能把词转换成对底层概念更模糊、更宽泛的表示，然后拿查询里的概念去匹配文档里的概念。Google自己举的例子特别经典——有人搜为什么我的电视看着怪怪的，系统能返回讲肥皂剧效应（soap opera effect，也就是高刷新率带来的那种廉价顺滑感）的页面，哪怕这页面通篇没出现电视看着怪这几个字。

它不是什么临时上线又下线的实验性功能。今天你去翻Google官方那份列出全部在役排名系统的指南，神经匹配和RankBrain、BERT、MUM一样，都还稳稳挂在清单上，一直在跑。搞懂它，不是了解一段历史，是搞懂Google此刻正在用什么逻辑给你的页面判分。

Danny Sullivan后来给它起了个更好记的外号：超级同义词系统，Search Engine Roundtable当年也记录下了他这个说法。传统的同义词，是番茄和西红柿这种一对一的替换。神经匹配的野心大得多，它处理的是词和概念之间那种松散、间接、拐着弯的关联——你说的是这个，我知道你其实想问的是那个。这已经不是换词，是猜意思了。

我常跟客户打这个比方：老式搜索像个只会对暗号的门卫，字对不上就不放行；神经匹配像个懂行的老销售，你话没说全，他就已经明白你要什么了。

神经匹配和RankBrain是一回事吗？

不是，这是最多人搞混的一处，连不少老SEO都分不清。这俩都是AI、都在2015到2018那几年前后脚上线，长得像，其实分工很清楚。

Google官方的区分很精炼，Search Engine Land把它总结成了一句话：RankBrain帮着把页面和概念关联起来，神经匹配帮着把词和查询关联起来。翻译成人话——RankBrain更偏向理解你这个页面到底在讲什么概念、够不够格回答某类问题；神经匹配更偏向理解用户敲进去的这串词，背后到底想找什么。一个盯着内容看，一个盯着查询看，各站一头。

关于RankBrain这个Google第一个机器学习排名系统的来龙去脉，我单独写过RankBrain到底是什么、怎么运作、能不能优化，想把这条线彻底理顺的可以配着看。这里只需记住一点：Sullivan特意澄清过，神经匹配不是来取代RankBrain的，它俩是搭班子，神经匹配还能让RankBrain的判断变得更好使。

那它跟BERT又有什么区别？

2019年Google又上了BERT，很多人于是彻底乱了：神经匹配、RankBrain、BERT，到底谁管谁？

我给客户拆过一个最好懂的分工。神经匹配管的是词到概念的跨越，你没说那个词，它替你脑补出概念；BERT管的是一句话内部的语序和语法，尤其是介词、连词这些小词怎么改变整句的意思。举个Google自己的例子：巴西旅客去美国需要签证吗，这句话里的去（to）是关键，方向搞反意思就全拧了，BERT就是来读懂这种语序和上下文的。

所以这三代技术是一条演进链：从死抠字面，到理解概念，再到读懂语境。这段十年演变我在搜索怎么从关键词匹配一路走到意图理解那篇里按时间线捋得很细。你只要记住：它们不是三选一，而是三个人一起抬轿子，各抬一角。

神经匹配是什么时候上线的？

时间线值得记一记，因为它能帮你判断很多排名波动到底是不是它在动手。

Google说它其实在2018年公开之前的几个月就已经在悄悄用了，大概2018年春夏之交上的线，到当年9月才对外讲。上线时它就影响了大约30% 的查询——这个比例相当惊人，等于每三次搜索就有一次，神经匹配在背后掺了一脚。Search Engine Journal当年那篇神经匹配影响30% 查询的报道，把这个数字的分量讲得很透。

第二个关键节点是2019年11月，神经匹配被用进了本地搜索。9to5Google报道的神经匹配进入本地搜索意味着，就算一家店的名字和简介里没写某个词，Google也能靠对意思的理解，把它匹配给相关的本地查询。对做本地SEO、做外贸落地页的人，这一步影响很实在。

技术上它是怎么把词变成意思的？

不用怕，原理没那么玄。核心就一个动作：把词转换成一串数字，也就是向量。

你可以把每个词想象成被扔进一个巨大的多维空间里的一个点。意思接近的词，位置就挨得近；意思差得远的词，隔得就远。番茄和西红柿几乎重叠，拖影和运动补偿离得不算远，拖影和红烧肉则隔了十万八千里。系统算的就是这种距离——查询的向量，跟页面内容的向量，在这个空间里靠得够不够近。够近，就算匹配上了，哪怕表面上一个共同的字都没有。

这套向量最妙的地方，是它连词和词之间的关系都能算。有个被讲烂了的经典例子：国王的向量减去男人、再加上女人，算出来的位置，居然特别接近女王。机器并不真懂什么是王权、什么是性别，它只是从海量文本里，把这些概念之间的几何关系摸了出来。你搜一个从没见过的新词，它也能靠这套几何，把它安放到已知词的附近，猜出个八九不离十的意思。这就是为什么神经匹配能应付那些天天冒出来、从没见过的新查询——它不靠背，靠算。

这套词向量的思路，其实不是Google独有的看家本领，各大搜索引擎都在用类似路子。我之前把百度的DNN和Google这套AI排名做过对比，你会发现底层逻辑是相通的，都是把语言塞进向量空间里去算相似度。理解了这层，你就明白为什么它能匹配你没写过的词——因为它算的从来不是字，是意思之间的距离。

我那个投影仪客户，到底是怎么排上运动补偿的？

回到开头那个案例，现在就好解释了。

他页面里反复讲的画面拖影、快速运动画面糊、球赛看不清怎么调，这些大白话，在向量空间里的位置，跟运动补偿这个专业术语高度重叠——因为运动补偿本来就是解决拖影的技术手段，两者指向的是同一件事。神经匹配一算距离，发现这页面讲的概念，跟搜运动补偿的人想找的东西，八九不离十，就把它端了上去。

这件事给我的启发，后来我讲给每个客户听：你不必逮着专业术语死磕。很多真实用户根本不知道运动补偿这个词，他们就搜画面为什么会拖影、投影仪看球模糊。你把这些真实说法讲透了，神经匹配自然会帮你把专业术语的流量也接过来。反过来，一篇通篇堆运动补偿运动补偿的页面，如果没把问题真讲明白，照样排不好。这也正好印证了另一个老误区——关键词必须一字不差出现在页面上才能排，这说法早就过时了。

更值得说的是他后面的动作。想通这层之后，他没有慌着回去把运动补偿这个词硬塞进标题，反而做了件更聪明的事：把用户各种真实问法系统地铺进了内容——有人搜看电影画面顿挫、有人搜球赛拖影怎么办、有人搜投影仪插帧要不要开，他一条条都用大白话解释了个遍。结果呢？这一个页面陆陆续续接住了一大串他压根没刻意优化过的长尾词，运动补偿只是其中最先冒头的那个。这就是顺着神经匹配的脾气走，和跟它对着干，两种做法几个月后拉开的差距。

有了神经匹配，关键词研究还要不要做？

这是客户听我讲完原理后，问得最多的一句：既然Google都能猜意思了，我还费劲研究关键词干嘛？

我的回答一向是：要，而且更要，只是研究的目标变了。过去做关键词，很多人做成了抠字面——搜出一堆词，然后逐个塞进标题、塞进正文，凑密度。神经匹配把这套玩法彻底废了。现在关键词研究真正该干的，是搞清楚你的用户面对同一个需求，会用多少种不同的说法、从多少个角度去问：有人用术语，有人描述症状，有人问怎么办，有人问为什么。这些说法背后是同一个概念，你得把这个概念的地形摸清楚。

说白了，关键词不再是你要一个不落塞进页面的清单，而是你理解用户意图的一扇窗。你透过这些五花八门的问法，看清用户到底卡在哪、想解决什么，然后把内容写得能真正回答这个底层需求。神经匹配负责把各种问法都导到你这篇讲透了的内容上来。研究照做，塞词不做，这就是分界线。

神经匹配能不能被优化、被骗？

先说结论：它没有一个你能拧的旋钮，也基本骗不动。

神经匹配是深埋在算法底层的一套机制，Google没给它开任何对外接口，你调不了它的参数，也没法针对它单独做什么骚操作。市面上那些号称能优化神经匹配的说法，多半是把话说大了。你能做的，只有一件事，也是最朴素的一件事：把内容写得真正覆盖主题、贴合用户想问的意思。

至于骗——想靠堆同义词、塞近义词去讨好它，纯属想多了。它算的是整段内容表达的概念，不是你埋了几个词。你硬堆一堆意思相近的词，页面读起来别扭，用户体验先崩了，得不偿失。它甚至能算出你这页面是不是在装懂却没真讲透。所以对付神经匹配，没有捷径，写透就是唯一的正道。

我见过一个反面例子，印象很深。有个同行为了蹭一个热门概念的流量，把那个概念相关的词换着花样堆了满满一页，什么近义词、变体、行业黑话全招呼上，密度高得吓人。他以为这是在讨好算法，结果排名不升反降。原因不难猜：神经匹配一算，发现这页面表面上词很密，实际讲的概念稀薄、东一榔头西一棒子，根本没解决用户的真问题。词堆得再满，向量空间里它跟真正优质内容的距离照样拉不近。这事我常拿来提醒客户——你糊弄的不是一串关键词，是一套在算意思的系统，它比你想的敏感。

对做外贸和本地SEO的人，它到底意味着什么？

落到实操，我给几条这些年攒下来的经验。

• 别抠字面，抠当地人怎么说。做外贸最容易犯的错，是照着国内的行业黑话直译成英文。可当地真实用户未必这么说话。与其死磕教科书术语，不如去搞清楚目标市场的人，遇到这个问题时嘴里蹦出来的是哪些词，把那些说法写进去。
• 覆盖一个概念的多种问法。同一个需求，有人用术语问，有人用大白话问，有人描述症状。神经匹配帮你打通它们，但前提是你的内容得真的把这个概念讲全、讲透，它才认得出你在讲同一件事。
• 本地业务尤其别忽视这条。2019年之后本地搜索也用上了神经匹配，你店铺简介里没写全的服务，只要内容里把相关概念讲清楚了，一样有机会被匹配给本地查询。别再迷信把关键词一个不落全塞进标题那套老打法。
• 把它当顺风车，不是当靶子。你没法瞄准神经匹配去优化，但你可以让它顺手帮你带流量——办法就是老老实实把用户真正关心的问题回答好。

说到底，神经匹配这套东西给内容人的信号特别一致，跟Google这些年反复念叨的那句话一个意思：好好写对人有用的内容。它把搜索从对暗号，推进到了懂人话。你越是站在真实用户那边说话，它就越向着你。我那个投影仪客户想通这层之后，索性把更多用户的真实问法铺进了内容里，后来接住的长尾流量，比他硬磕术语那阵子多了一大截。

常见问题解答

神经匹配是一个具体的算法吗？

它是一套系统，不是单一算法。核心是用神经网络把查询里的词和内容背后的概念对应起来，让页面不用出现跟查询一模一样的字，也能靠意思接近被匹配上。它是Google官方《排名系统指南》里长期在役的系统之一，2018年9月正式对外公开。

神经匹配和RankBrain有什么区别？

分工不同。RankBrain偏向把页面和概念关联起来，理解你的内容在讲什么；神经匹配偏向把词和查询关联起来，理解用户敲的这串词想找什么。一个盯内容，一个盯查询。Danny Sullivan澄清过，神经匹配不是取代RankBrain，两者协同工作，还能让RankBrain的判断更准。

神经匹配和BERT是不是重复了？

不重复，各管一段。神经匹配管词到概念的跨越，你没写那个词它替你脑补出概念；BERT管一句话内部的语序、介词和上下文，读懂语法层面的意思。它们是从理解概念到读懂语境的递进，配合使用，不是三选一。

我能针对神经匹配做优化吗？

没有直接的优化手段。它深埋在算法底层，没有对外接口，你调不了参数。唯一有效的做法是把内容写得真正覆盖主题、贴合用户意图。想靠堆同义词、塞近义词去讨好它，基本无效，因为它算的是整段内容表达的概念，不是你埋了几个词。

页面没出现某个关键词，为什么还能排上那个词？

这正是神经匹配的典型效果。它把词转成向量、按意思算距离，只要你内容讲的概念跟那个查询指向同一件事，哪怕字面上没这个词，也能被匹配上。比如一个讲画面拖影怎么调的页面，就可能被排给搜运动补偿的用户，因为两者指的是同一个问题。

神经匹配对本地SEO和外贸有什么影响？

影响很直接。2019年11月起本地搜索也用上了它，店铺简介没写全的服务，只要内容讲清了相关概念，也能被匹配给本地查询。做外贸时别照着国内术语直译，要研究当地人遇到这个问题时真实的说法，把那些表达写进内容，才能接住更多真实流量。

权威参考资料