![A Google masszív keresési dokumentációjának kiszivárgása](/static/1717600279034.41434616373/ee682/intro.png)
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
-
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.
-
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.
-
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.
-
Fókuszáljon a kattintásokra és a megjelenésekre: Írjon olyan tartalmakat, amelyek több megjelenést és kattintást vonzanak, hangsúlyozva a felhasználók elkötelezettségét.
-
Rendszeresen frissítse a tartalmat: Rendszeresen frissítse a tartalmat egyedi információkkal, új képekkel és videókkal a frissesség fenntartása és a magas pontszámok elérése érdekében.
-
Fenntartani a magas minőségű tartalmat: A minőségi tartalom következetessége kulcsfontosságú. A Google webhelyszintű chard pontszámai a tartalom alapján jelzik előre a webhely/oldal minőségét.
-
Érték benyomás növekedése: A növekvő benyomások a webhely teljesítményének pozitív jele.
-
Optimalizálás az entitások kiemeltségére: Koncentráljon az entitások kiemelési pontszámának javítására és a legfelsőbb entitások azonosítására, ahogyan azt a szivárgás is említi.
-
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.