RankBrainとは？Googleの公式説明と裁判証言でわかる仕組み・SEOへの影響

RankBrain（ランクブレイン）は、Googleが2015年に検索へ導入した機械学習のランキングシステムです。Google検索セントラルのランキングシステムガイドは、RankBrainを「単語がコンセプトにどのように関連しているかを理解するための AI システム」と説明しています。仕組みの細部は長く非公開でしたが、2023年の米司法省対Google訴訟で、検索担当副社長が「上位20〜30件の文書だけを見直す」「クリックとクエリのデータで学習する」と証言しました。この記事では、公式文書と証言録を根拠に、RankBrainが何をしていて、サイト運営者は何をすればよいのかを整理します。検索アルゴリズム全体の地図は検索アルゴリズムとは？主要アルゴリズムの仕組みとGoogleのランキング要因を解説【2026年版】にまとめています。

まとめ：RankBrainの要点

• RankBrainは、検索語と現実のコンセプトの関係を学習し、語が完全一致しないページでも関連があれば上位に並べられるようにするAIシステムです。2015年に導入された、Google検索で最初の深層学習システムです。
• 2026年10月時点でもランキングシステムガイドの現行システムに載っており、廃止されたシステムの一覧には入っていません。
• 働く位置は最終段です。2023年10月18日の証言によると、候補が上位20〜30件に絞られた後でその初期スコアを調整します。計算コストが高く、数百〜数千件には使えないためです。
• 学習にはクリックとクエリのデータを使い、人による評価データで微調整します。ただし「個々のページのクリック率や滞在時間を見て順位を上下させる」とはGoogleも証言も述べていません。
• RankBrain専用のSEO施策はありません。検索語の言い換えを詰め込むより、読者が使う語と、その語が指す概念の両方で答えるページを作ることが対応になります。

Google公式が説明するRankBrainの定義

現在の公式定義は、Google のランキング システムに関するガイド（日本語版の最終更新2025年12月18日）にあります。RankBrainの項は次の2文だけです。

RankBrain は、単語がコンセプトにどのように関連しているかを理解するための AI システムです。コンテンツと他の単語やコンセプトとの関連を理解することで、検索に使われた単語がすべて正確に含まれていなくても、関連するコンテンツをより適切に表示できるようになります。

2022年2月3日の公式ブログ「How AI powers great search results」では、検索担当副社長のPandu Nayak氏がもう少し踏み込んでいます。RankBrainは2015年に導入された検索初の深層学習システムで、名前のとおり上位の検索結果を「rank — or decide the best order for（順位付けする、つまり最適な並び順を決める）」ために使われる、という説明です。同じ記事は、RankBrainが今も検索を支える主要なAIシステムの一つだとも書いています。

例として挙げられているのが、「what’s the title of the consumer at the highest level of a food chain（食物連鎖の最上位にいる消費者の呼び名は）」という検索です。この文には答えの語が含まれていません。RankBrainは、さまざまなページでこれらの語が使われている文脈から「食物連鎖」が人間の消費者ではなく動物の話だと学習し、求められているのが「apex predator（頂点捕食者）」だと理解します。キーワードの一致ではなく、語と概念の対応で結果を並べるという点が、RankBrainを理解するうえでの核心です。

RankBrainの仕組み：最終候補だけを並べ替える深層学習モデル

上位20〜30件に絞られた後で働く理由

RankBrainが検索のどの段階で動くかは、Googleの公式文書には書かれていません。明らかにしたのは、米司法省などがGoogleを訴えた独占禁止法訴訟（事件番号1:20-cv-3010）です。2023年10月18日午後の公判で、司法省側の代理人がNayak氏に確認した内容は次のとおりです（公判記録、6431〜6432ページ（PDF）。CourtListenerが公開しているDocument 975）。

• Googleがランキングに使う主な深層学習モデルはRankBrain・DeepRank・RankEmbed BERTの3つで、いずれもクリックとクエリのデータで一部学習している
• RankBrainは上位20〜30件の文書を見て、その初期スコアを調整することがある
• RankBrainは他のランキング部品より実行コストが高く、数百〜数千件の結果に対して動かすには高すぎる

Nayak氏はいずれも「Yes」や「That is correct」と答えて肯定しています。同じ公判の冒頭（6407ページ）では、索引から数万件の候補を取り出し、各種シグナルで数百件に絞ってから、機械学習を使う次の段階へ送るという流れも説明されました。つまりRankBrainは、検索結果を一から作る仕組みではありません。他のシステムがすでに選んだ最終候補の並び順を見直す仕組みです。

クリックとクエリのデータによる学習と更新頻度

学習データについても、同じ公判で具体的なやり取りがありました。RankBrainはGoogleが展開するすべての言語・地域のクエリで学習し、人による評価データ（IS＝Information Satisfaction）で微調整されます。人の評価データだけで学習させることはできない、という質問にもNayak氏は「No, you can’t」と答えています。

更新頻度については、再学習のたびに新しいデータを使うこと、そして定期的に学習し直さないと新しい出来事が見えなくなることが確認されました。「長年、13か月分のクリックとクエリのデータで学習していたか」という質問に対しては、「当初はNavboostと同じ量から始まったと思う」という答えでした。期間の具体的な数字は秘匿扱いの部分があり、公判でも弁護側が注意を促しています。

ここから読み取れるのは、RankBrainがリアルタイムに学習するのではなく、過去の検索ログをまとめて学習し直すモデルだということです。あるページへのクリックがその場で順位に反映される、という仕組みではありません。

未知の検索語を既知の概念に寄せる処理

RankBrainが特に役立つのは、初めて入力される言い回しです。2015年にRankBrainを初めて公表したBloombergの記事（Internet Archiveの保存版）で、Googleの研究者Greg Corrado氏は、RankBrainが大量の文章を「vectors（ベクトル）」と呼ばれる数学的な表現に埋め込み、見慣れない語や言い回しに出会うと意味の近い語を推測して結果を絞り込むと説明しました。同じ記事は、Googleに届く検索の15%が「その日まで一度も見たことのない検索」で、RankBrainはその処理を助けると伝えています。15%はRankBrainが処理する割合ではなく、未知の検索の割合です。

2023年の公判で示されたGoogle社内資料にも「RankBrain understands long-tail user need as it trains on（RankBrainは学習を通じてロングテールの検索ニーズを理解する）」という一文がありました（6436ページ）。語のつながり方から概念の近さを学習しているため、語の組み合わせが初めてでも、近い意味の検索で好まれた結果を手がかりに並べられます。

2015年の公表から現在までの経緯

RankBrainの存在は、Googleの公式発表ではなく報道で初めて明らかになりました。2015年10月26日のBloombergの記事で、Corrado氏は、ここ数か月で毎秒数百万件の検索の「very large fraction（非常に大きな割合）」をRankBrainが解釈していること、検索結果に影響する数百のシグナルのうち3番目に重要なシグナルになったことを語っています。検索エンジニアが上位に来るページを当てる試験では、人間の正答率70%に対してRankBrainは80%だったという数字も同じ記事に出ています。

翌2016年6月22日のSteven Levy氏の記事（当時Backchannelに掲載）では、Googleのジェフ・ディーン氏が、RankBrainは2015年4月に稼働を始め、「involved in every query（すべての検索に関与している）」が、実際の順位を変えるのは「probably not in every query but in a lot of queries（おそらくすべての検索ではないが、多くの検索）」だと説明しました。

「3番目に重要」という数字は今も引用されますが、10年前の報道で、Googleが重みを公表し直したことはありません。2016年のQ&Aで挙がった「コンテンツ」「リンク」の2要因も、その順序は答えられていません。この経緯はランキングファクターとは？Google公式が認める要因と否定する要因の一覧【2026年10月時点】で詳しく扱っています。順位の要因を考えるときは、2015年の数字ではなく、現行のランキングシステムガイドを基準にしてください。

RankBrain・BERT・ニューラルマッチング・DeepRankの役割分担

Googleの言語理解系のシステムは、検索のどの段階で働くかで分けると整理しやすくなります。2022年の公式ブログは、ニューラルマッチングを「関連する文書を取り出す（retrieve）」仕組み、RankBrainを「上位の結果を並べる」仕組みと書き分けています。

公判では、DeepRankは「BERTをランキングに使うときの名前」だと説明されました。社内資料の「DeepRankはRankBrainを置き換えるか？いいえ、強みが補完的」という記述について、Nayak氏は「当時はそうだったかもしれないが、時間とともに補完的ではなくなってきており、DeepRankがその能力をますます引き受けている」と答えています（6437ページ）。RankBrainが廃止されたわけではありませんが、DeepRankがRankBrainの能力をより多く担うようになっている、というのが2023年時点の当事者の説明です。

MUMはこの表の中で唯一、公式ガイドが「今は検索のランキング全般には使用されていません」と明記しているシステムです。経緯はMUMとは？Googleがランキング全般に使っていないAIモデルの用途と現在地、RankBrain以前にクエリ全体の意味解釈へ舵を切った2013年の刷新はハミングバードアップデートとは？2013年の検索エンジン刷新とGoogle公式の現在の扱いで解説しています。

RankBrainとクリック率・滞在時間の関係

RankBrainの解説には、「RankBrainはクリック率や滞在時間を評価して順位を決める」という説明が見られます。2026年10月7日に検索上位の解説8本を確認したところ、2本（alejandrorioja.comの日本語記事とHubSpotの英語記事）がクリック率や滞在時間をRankBrainの評価材料として挙げていました。この説明では、モデルの学習にクリックデータを使うことと、個々のページの指標で順位を直接調整することを区別する必要があります。

正しいのは、学習にクリックデータを使うという点です。2016年のBackchannelの記事によると、RankBrainの出発点は2014年初めの実験で、文書が検索語にどれだけ合っているか（ユーザーがクリックするかで測る）をニューラルネットで追加のスコアとして計算できるか試したものでした。公判でもNayak氏は、RankBrainがクリックとクエリのデータで一部学習していると認めています。Googleの「How Search Works」も、集計・匿名化したユーザー操作データを、機械学習システムが関連性を推定するためのシグナルに変換していると書いています。

一方で、確認できないのは「個々のページのクリック率や滞在時間を測って、そのページの順位を上げ下げする」という部分です。証言で語られたのは、膨大な検索ログから語と結果の対応を学習する仕組みでした。しかも学習は定期的なまとめ直しで行われます。自社ページの直帰率を下げればRankBrainに評価される、という因果は、Googleの公式文書にも証言にも出てきません。直帰率はGoogleアナリティクスなどのアクセス解析ツールの指標で、検索のランキング用に定義されたものではない点も混同しないでください。

実務上の判断としては、クリック率を上げるためだけにタイトルを誇張したり、滞在時間を延ばすために本文を引き延ばしたりするのは避けるべきです。どちらもRankBrainへの効果は確認できず、読者が答えにたどり着くまでの距離を伸ばすだけです。

RankBrainを踏まえたSEOでサイト側が取るべき対応

検索内部の候補順位と公開順位の区別

証言の「上位20〜30件」は、検索内部の処理段階で残った候補の数です。Search Consoleで見える平均掲載順位とは別物なので、公開検索結果で50位や80位にいることから、RankBrainの影響を受けている・いないを判断することはできません。言えるのは、RankBrainが他のシステムの絞り込みを通った候補の並べ替えに働くという順序までです。施策は公開順位にかかわらず検索意図への回答や説明の正確さを直すことに置き、順位が動いても、その効果をRankBrain単独の作用と断定しないでください。

検索者の言い回しと正式名称による説明

RankBrainが解いているのは、検索語とページの語が一致しないときに、同じ概念を指しているかを判断する問題です。サイト側でできるのは、読者が実際に打ち込む言い回し（たとえば「ランクブレイン」）と、その概念を説明する正式な語（「RankBrain」「機械学習のランキングシステム」）の両方を、定義や具体例の中で自然に使うことです。同義語を羅列したり、言い換えを見出しごとに繰り返したりしても、概念の理解は深まりません。

ロングテールの検索ニーズに対応する章構成

公判で示された社内資料には「RankBrainはロングテールの検索ニーズを理解する」とあり、RankBrainは出現頻度の低い検索ニーズの理解にも関わります。ただし、検索語が長いほど強く作用するとまでは、この資料からは判断できません。ロングテールの質問に答えるには、該当する問いに1つの章で直接答え、その章だけ読んでも結論がわかる構成にするのが有効です。キーワードの出現回数を調整する作業は、この目的には役立ちません。

言語理解の技術そのものを知りたい場合は、自然言語処理（NLP）とは？仕組み・事例・LLMとの関係と導入判断をわかりやすく解説で、単語のベクトル表現からLLMまでを整理しています。

よくある質問

RankBrainの読み方は？

日本語では「ランクブレイン」と読まれています。Google検索セントラルの日本語版ガイドは英字のまま「RankBrain」と表記しており、カタカナ表記はありません。

RankBrainは今も使われていますか？

使われています。ランキングシステムガイド（2025年12月更新）の現行システムに載っており、廃止されたシステムの一覧には含まれていません。ただし2023年の証言では、DeepRankがRankBrainの能力を引き受けつつあると説明されています。

RankBrainとBERTの違いは何ですか？

RankBrainは2015年導入で、語とコンセプトの関係を学習して上位結果を並べ替えます。BERTは2019年導入で、語の並びや前置詞まで含めて文の意味を理解するモデルです。公判では、BERTをランキングに使う仕組みがDeepRankと呼ばれていると説明されました。

RankBrainは何番目に重要なランキング要因ですか？

2015年のBloombergの記事で「3番目に重要なシグナル」と報じられました。ただし10年前の発言で、Googleはその後、要因の重みを公表していません。

RankBrain対策は必要ですか？

RankBrainだけを狙った施策は必要ありません。証言の上位20〜30件は検索内部の候補を指すため、公開検索結果の順位を基準に対策の要否を決めることもできません。検索者の言い回しと正式名称の両方を使い、問いに直接答えるページを作ることが対応になります。

関連記事

• 検索アルゴリズムとは？主要アルゴリズムの仕組みとGoogleのランキング要因を解説【2026年版】
• ランキングファクターとは？Google公式が認める要因と否定する要因の一覧【2026年10月時点】
• MUMとは？Googleがランキング全般に使っていないAIモデルの用途と現在地
• 自然言語処理（NLP）とは？仕組み・事例・LLMとの関係と導入判断をわかりやすく解説