A Google masszív keresési dokumentációjának kiszivárgása

Intro

A Google Search belső keresési rangsorolási dokumentációjának nagymértékű kiszivárgása sokkolta a SEO közösséget. A kiszivárgás, amely több mint 14 000 potenciális rangsorolási funkciót tárt fel, példátlan betekintést nyújt a Google szigorúan őrzött keresési rangsorolási rendszerének motorházteteje alá.

A történet a szivárgás mögött

Erfan Azimi megosztotta a Google API dokumentumának kiszivárgását a SparkToro munkatársával, Rand Fishkinnel, aki ezután Michael Kinget, az iPullRank munkatársát kérte fel az információ terjesztésére. A kiszivárgott fájlok, amelyek egy Google API dokumentum commitból származnak "yoshi-code-bot /elixer-google-api" címmel, nem egy hackelés vagy egy informátor eredménye, hanem egy belső dokumentum kiadása.

A szivárgás áttekintése

A szivárgás átfogó képet nyújt a Google rangsorolási tényezőiről, betekintést nyújt a PageRank-változásokba, a webhelyek tekintélyének mérőszámaiba és még sok másba. Íme a részletes bontás:

A Google keresési dokumentum kiszivárgásának legfontosabb tanulságai

PageRank és változatai

• PageRank_NS: Ez az algoritmus a dokumentumok megértéséhez kapcsolódik, és úgy módosítja a hagyományos PageRanket, hogy a hálózat egy lokalizált részhalmazára összpontosít a magcsomópontok körül.

• A PageRank hét típusa: A Google a PageRank hét különböző típusát említi, köztük a híres ToolBarPageRank-et. Ezek a variációk azt jelzik, hogy a Google többféle módszert alkalmaz az oldal fontosságának értékelésére.

Üzleti modell azonosítása

A Google algoritmusa különböző üzleti modelleket képes azonosítani, beleértve a híroldalakat, a YMYL (Your Money or Your Life) oldalakat, a személyes blogokat, az e-kereskedelmet és a videóoldalakat. A személyes blogok speciális szűrésének oka továbbra sem világos, és kérdéseket vet fel a Google szélesebb körű szándékaival kapcsolatban.

Algoritmus összetevők

• NavBoost: A felhasználói viselkedésen és kattintási naplókon alapuló, a Chrome adatai által erősen befolyásolt újrarangsorolási mechanizmus.

• NSR (Normalized Site Rank): A host-szintű site-egységek site-rangjának kiszámítására szolgál.

• ChardScores: Oldalszintű pontszámok, amelyek a tartalom alapján jelzik előre a webhely/oldal minőségét.

Site Authority metrikák

A Google a webhelyek tekintélyének értékeléséhez egy, az egész webhelyre kiterjedő tekintélyességi mérőszámot és számos jelet használ, beleértve a Chrome böngészőkből érkező forgalmat is. Ez arra utal, hogy a webhely általános minősége és hitelessége jelentős szerepet játszik a rangsorolásban.

Beágyazási technikák és tematikus hatóság

• Oldal és webhely beágyazások: A Google az oldalbeágyazásokat, a webhelybeágyazásokat, a webhelyfókuszt és a webhelysugarat használja a pontozási funkciójában, hogy megértse egy webhely tartalmának tematikus relevanciáját és konzisztenciáját.

• Témahatárok és témahatóság: Az olyan mérőszámok, mint a siteFocusScore, siteRadius, siteEmbeddings és pageEmbeddings a tematikus tekintély mérésére szolgálnak, hangsúlyozva az egyértelmű tematikus fókusz fenntartásának fontosságát.

Kattintási adatok és felhasználói elkötelezettség

• NavBoost: A NavBoost a kattintási adatokra és a felhasználói viselkedésre támaszkodik a keresési eredmények újrarangsorolásához, kiemelve a felhasználói elkötelezettségi mérőszámok fontosságát.

• Kattintson a Mérőszámok gombra: A Google különböző típusú kattintásokat mér, beleértve a rossz kattintásokat, a jó kattintásokat, az utolsó leghosszabb kattintásokat és az egész webhelyre kiterjedő megjelenítéseket.

Minőségi NSR-adatok

Az NSR-adatdokumentumban szereplő legfontosabb pontozási tényezők a következők:

• titlematchScore: A webhely egészére kiterjedő title match score, amely jelzi, hogy a címek mennyire felelnek meg a felhasználói lekérdezéseknek.

• site2vecEmbedding: A word2vec-hez hasonló sitewide vektor, amely kiemeli az átfogó site-beágyazások fontosságát.

• pnavClicks: Valószínűleg a felhasználói kattintási adatokból származó navigációs információkhoz kapcsolódik.

• chromeInTotal: Az egész webhelyre kiterjedő Chrome-nézettség, kiemelve az egész webhelyre kiterjedő jelzések fontosságát.

• chardVariance és chardScoreVariance: Az oldal/oldal minőségét a tartalom alapján megjósoló pontszámok, a következetesség kulcsfontosságú.

Gyakorlati tudnivalók a SEO szakemberek számára

1. Fektessen be egy jól megtervezett webhelybe: A NavBoost optimalizálásához biztosítsa webhelye intuitív felépítését, amely a felhasználói viselkedésre és a kattintási naplókra támaszkodik a keresési eredmények újrarendezéséhez.

2. Topikailag irreleváns oldalak eltávolítása/blokkolása: Távolítsa el vagy blokkolja a tematikailag nem releváns oldalakat. Határozza meg a céltémát, és biztosítsa, hogy minden oldal jól teljesítsen ezen a területen.

3. Fejlécek és tartalom optimalizálása: Optimalizálja a címsorokat a lekérdezések köré, és biztosítsa, hogy a bekezdések egyértelműen válaszoljanak ezekre a lekérdezésekre az oldal beágyazottságának és relevanciájának javítása érdekében.

4. Fókuszáljon a kattintásokra és a megjelenésekre: Írjon olyan tartalmakat, amelyek több megjelenést és kattintást vonzanak, hangsúlyozva a felhasználók elkötelezettségét.

5. Rendszeresen frissítse a tartalmat: Rendszeresen frissítse a tartalmat egyedi információkkal, új képekkel és videókkal a frissesség fenntartása és a magas pontszámok elérése érdekében.

6. Fenntartani a magas minőségű tartalmat: A minőségi tartalom következetessége kulcsfontosságú. A Google webhelyszintű chard pontszámai a tartalom alapján jelzik előre a webhely/oldal minőségét.

7. Érték benyomás növekedése: A növekvő benyomások a webhely teljesítményének pozitív jele.

8. Optimalizálás az entitások kiemeltségére: Koncentráljon az entitások kiemelési pontszámának javítására és a legfelsőbb entitások azonosítására, ahogyan azt a szivárgás is említi.

9. A rosszul teljesítő oldalak eltávolítása: Azonosítsa és szüntesse meg a rossz felhasználói mérőszámokkal rendelkező és visszautalások nélküli oldalakat, hogy az egész webhelyre kiterjedő magas pontszámokat tartson fenn.

Hogyan távolíthatja el a Google memóriáját egy dokumentum régi verziójáról?

A kiszivárgott információk szerint a Google a Wayback Machine-hez hasonló belső webes archívumot vezetve nyilvántartást vezet a weboldalak minden egyes verziójáról. A Google azonban csak a dokumentum utolsó 20 verzióját használja fel. Ha frissítünk egy oldalt, megvárjuk a feltérképezést, és 20-szor megismételjük a folyamatot, akkor gyakorlatilag kiszoríthatjuk az oldal bizonyos verzióit. Ez a taktika hasznos lehet a régebbi verziókhoz kapcsolódó történelmi súlyok és pontszámok javítására.

Google keresési rangsorolási rendszer

A szivárgásból származó egyik érdekes feltételezés a kifejezés súlyának (szó szerinti méretének) hatása. A szavak félkövérrel való kiemelése vagy a szavak méretének beállítása befolyásolhatja a dokumentum pontszámát. Emellett a Google index tárolási mechanizmusai másként rangsorolják a tartalmat:

• Flash-meghajtók: A legfontosabb és rendszeresen frissített tartalmak számára.

• Szilárdtest-meghajtók: A kevésbé fontos tartalmak számára.

• Standard merevlemezek: Rendszertelenül frissített tartalmakhoz.

A Google indexelője: Alexandria

A Google indexelője a híres könyvtár után az Alexandria nevet kapta. A többi említett indexelő a SegIndexer, amely a dokumentumokat rétegekbe sorolja, és a TeraGoogle, amely a hosszú távú memóriatárolást kezeli.

Vetőhelyek és az egész webhelyre kiterjedő hatóság

A kiszivárgott információ egy isElectionAuthority nevű tényezőt említ, amely valószínűleg magoldalakat vagy aktuális hatóságokat jelez. Ez azt sugallja, hogy a nagy tekintélyű oldalak, például a 9/10-es PageRankkel rendelkező oldalak jelentős befolyással bírnak. Az nsrIsElectionAuthority azonban elavultnak számít, így az értelmezés nem egyértelmű.

A rövid tartalom rangsorolhat

A közhiedelemmel ellentétben a rövid tartalom nem egyenlő a vékony tartalommal. A szivárgás megerősíti, hogy a rövid tartalom is képes jól rangsorolni, bár más pontozási rendszerrel.

Friss linkek vs. meglévő linkek

A freshdocs linkérték szorzója szerint az újabb weboldalakról származó linkek értékesebbek, mint a régebbi tartalmakba illesztett linkek. Ez azt jelzi, hogy bár a hiánypótló szerkesztések hatékonyak lehetnek, a friss linkeknek nagyobb a hatásuk.

Kedvenc felfedezések

Oldalminőség (PQ)

A Google az LLM-et a cikkoldalak "erőfeszítéseinek" becslésére használja, segítve annak meghatározását, hogy egy oldal könnyen megismételhető-e. Az eszközök, képek, videók, egyedi információk és az információk mélysége segítségével magas pontszámot lehet elérni az erőfeszítés számításánál.

Témahatárok és témahatóság

A siteFocusScore, siteRadius, siteEmbeddings és pageEmbeddings által támogatott tematikus tekintély kulcsfontosságú. Az egyértelmű tematikus fókusz fenntartása és a témától való eltérés minimalizálása segít a rangsorolás javításában.

Képminőség

ImageQualityClickSignals a képminőséget a kattintási adatok alapján méri (hasznosság, megjelenítés, vonzerő, bevonás).

NSR fogadó NSR

A Host NSR a host-szintű site-chunksra kiszámított site-rang, amely a minőséget szegmensekben méri. Ez a darabolásos rendszer segít a Google-nak a webhelyek minőségének átfogó értékelésében.

A rangsorolás egységes elmélete

Ez a szakasz megkísérli a szivárgásból származó tényezőket matematikai képletbe foglalni, kiemelve a különböző mérőszámokat és azok hatását az általános rangsorolási pontszámra ®.

Fogalommeghatározások és mérőszámok

Felhasználói interakciós pontszámok (UIS):

• UgcScore: Felhasználók által generált tartalom elkötelezettsége.

• TitleMatchScore: A címek relevanciája a felhasználói lekérdezésekhez.

• ChromeInTotal: A Chrome-on keresztül nyomon követett összes interakció.

• SiteImpressions: Összes site impressions.

• TémaImpressziók: Témaspecifikus oldalakon tett benyomások.

• SiteClicks: Az oldal kattintási aránya.

• TopicClicks: A témaspecifikus oldalak kattintási aránya.

Tartalomminőségi pontszámok (CQS):

• ImageQualityClickSignals: Minőségi jelek a képkattintásokból.

• VideoScore: A videótartalmak minősége és elkötelezettsége.

• ShoppingScore: Pontozás a vásárlással kapcsolatos tartalmakra.

• PageEmbedding: Az oldal tartalmának szemantikus beágyazása.

• SiteEmbedding: A webhely tartalmának szemantikus beágyazása.

• SiteRadius: Az eltérés mértéke az oldal beágyazásán belül.

• SiteFocus: A téma fókuszát jelző metrika.

• TextConfidence: Bizalom a szöveg relevanciájában és minőségében.

• EffortScore: Effort and quality in content creation.

Link-pontszámok (LS):

• TrustedAnchors: A bejövő linkek minősége és megbízhatósága.

• SiteLinkIn: A bejövő linkek átlagos értéke.

• PageRank: PageRank: Különböző PageRank-értékek (0, 1, 2, ToolBar, NR).

Relevance Boost (RB):

• TopicEmbedding: Relevancia az idő múlásával.

• QnA: Minőségi alapérték.

• STS: Összesített pontszám a szövegértés, a hangsúlyosság és az entitások alapján.

Minőségnövelés (QB):

• SAS: A webhely tekintélye a bizalomra, megbízhatóságra és a linkek tekintélyére vonatkozó pontszám.

• EFTS: Szöveget, multimédiát és megjegyzéseket tartalmazó erőfeszítés pontszáma.

• FS: Frissítési pontszám a frissítés és az eredeti hozzászólás dátuma alapján.

• CSA: Tartalomspecifikus kiigazítások a SERP és az oldal jellemzői alapján.

Tartalomspecifikus kiigazítások (CSA):

• CDS: Chrome-adatértékelés, amely a megjelenésekre és a kattintásokra összpontosít az egész webhelyen.

• SDS: Serp demotion score a SERP tapasztalatok mérése alapján.

• EQSS: Kísérleti Q Star pontszám a kísérleti változókra.

Teljes formula

R=(∑i=17wi⋅UISi)+(∑i=19vi⋅CQSi)+(∑i=13xi⋅LSi)×(RB+QB+X)-.

R=((w1​⋅UgcScore+w2​⋅TitleMatchScore+w3​⋅ChromeInTotal+w4​⋅SiteImpressions+w5​⋅TopicImpressions+w6​⋅SiteClicks+w7​⋅TopicClicks)+(v1​⋅ImageQualityClickSignals+v2​⋅VideoScore+v3​⋅ShoppingScore+v4​⋅PageEmbedding+v5​⋅SiteEmbedding+v6​⋅SiteRadius+v7​⋅SiteFocus+v8​⋅TextConfidence+v9​⋅EffortScore)+(x1​⋅TrustedAnchors+x2​⋅SiteLinkIn+x3​⋅PageRank))×(TopicEmbedding+QnA+STS+SAS+EFTS+FS)+(y1​⋅CDS+y2​⋅SDS+y3​⋅EQSS)

Általános pontszámítás áttekintése

1. Felhasználói elkötelezettség:

• UgcScore, TitleMatchScore, ChromeInTotal, SiteImpressions, Topic Impressions, Site Clicks, Topic Clicks

2. Multimédiás pontszámok:

• ImageQualityClickSignals, VideoScore, ShoppingScore

3. Linkek:

• TrustedAnchors, SiteLinkIn (bejövő linkek átlagértéke), PageRank (0, 1, 2, ToolBar, NR)

4. Tartalmi megértés:

• PageEmbedding, SiteEmbedding, SiteRadius, SiteFocus, TextConfidence, EffortScore

Következtetés

A kiszivárgott dokumentáció felbecsülhetetlen betekintést nyújt a Google rangsorolási mechanizmusaiba, megcáfol számos mítoszt, és feltárja a keresési eredményeket befolyásoló bonyolult tényezőket. A SEO szakemberek ezt a tudást felhasználhatják stratégiáik finomításához, a felhasználói elkötelezettségre, a tematikus relevanciára és a következetes tartalomminőségre összpontosítva. Amint a SEO-közösség megemészti ezeket a felfedezéseket, sokan valószínűleg újragondolják majd a megközelítéseiket az új információk fényében.

Ezen ismeretek megértésével és alkalmazásával a SEO-szakemberek jobban eligazodhatnak a Google rangsorolási rendszerének összetett rendszerében, és végső soron javíthatják weboldaluk láthatóságát és teljesítményét a keresési eredményekben.