Opheldering over het uitlekken van Google-gegevens: Wat u moet weten

Intro

Tijdens de afgelopen vakantieperiode verschenen er berichten op sociale media over een vermeend lek van gegevens met betrekking tot de rangschikkingsalgoritmen van Google. De eerste discussies over deze lekken waren gericht op het "bevestigen" van lang gekoesterde overtuigingen van figuren zoals Rand Fishkin, maar er ontbrak context over de ware aard van de gegevens.

Context is belangrijk: Document AI Magazijn

De gelekte gegevens lijken verband te houden met Google's Document AI Warehouse, een openbaar Google Cloud-platform dat wordt gebruikt voor het analyseren, organiseren, doorzoeken en opslaan van gegevens. Deze openbare documentatie is getiteld "Document AI Warehouse overzicht". Berichten op platforms als Facebook suggereren dat de gelekte data een "interne versie" is van deze openbaar beschikbare documentatie, wat aangeeft dat deze mogelijk niet exclusief is voor Google Search-activiteiten.

Lekken van interne zoekgegevens?

In het oorspronkelijke bericht op SparkToro werd niet beweerd dat de gegevens afkomstig waren van Google Search, maar werd vermeld dat de bron die de gegevens aan Rand Fishkin had verstrekt, deze bewering had gedaan. Fishkin, die bekend staat om zijn nauwgezette aanpak, merkte op dat de bewering dat de gegevens afkomstig waren van Google Search afkomstig was van de persoon die hem e-mailde, niet van geverifieerde bronnen.

Fishkin citeerde de e-mail:

"Ik ontving een e-mail van een persoon die beweerde toegang te hebben tot een enorm lek van API-documentatie vanuit de Search-divisie van Google."

Desondanks konden door Fishkin geraadpleegde ex-Googlers alleen bevestigen dat de gegevens leken op interne Google-informatie, maar ze controleerden niet expliciet of ze afkomstig waren van Google Search.

Inzichten van Ex-Googlers

Ex-Googlers gaven commentaar:

• "Ik had geen toegang tot deze code toen ik daar werkte. Maar dit ziet er zeker legitiem uit."

• "Het heeft alle kenmerken van een interne Google API."

• "Het is een op Java gebaseerde API. En iemand heeft veel tijd besteed aan het naleven van Google's eigen interne standaarden voor documentatie en naamgeving."

• "Ik heb meer tijd nodig om het zeker te weten, maar dit komt overeen met de interne documentatie die ik ken."

• "Niets wat ik zag in een korte review suggereert dat dit allesbehalve legitiem is."

Deze verklaringen benadrukken dat, hoewel de gegevens echt lijken, er geen definitief bewijs is dat ze afkomstig zijn van Google Search.

Een open geest houden

Het is cruciaal om onbevooroordeeld met deze gegevens om te gaan, omdat veel ervan nog niet geverifieerd is. Overhaaste conclusies trekken of de gegevens gebruiken om bestaande overtuigingen te bevestigen kan leiden tot confirmation bias, waarbij iemand informatie interpreteert op een manier die zijn bestaande opvattingen versterkt.

Definitie van bevestigingsvooringenomenheid:

"Bevestigingsvooringenomenheid is de neiging om informatie te zoeken, te interpreteren, te verkiezen en op te roepen op een manier die iemands eerdere overtuigingen of waarden bevestigt of ondersteunt."

Belangrijkste vragen over het Google Datalek

1. Context van de gelekte informatie: Hebben de gegevens betrekking op Google Search of op andere doeleinden?

2. Doel van de gegevens: Werden ze gebruikt voor daadwerkelijke zoekresultaten of voor intern gegevensbeheer of -manipulatie?

3. Bevestiging van ex-Googlers: De ex-Googlers hebben niet bevestigd dat de gegevens specifiek zijn voor Google Search, alleen dat ze afkomstig lijken te zijn van Google.

4. Open analyse: Gebruik de gegevens niet om aloude overtuigingen te bevestigen om confirmation bias te voorkomen.

5. Relatie tot AI-opslagplaats voor documenten: Er zijn aanwijzingen dat de gegevens betrekking kunnen hebben op een extern gerichte API voor het bouwen van een documentenmagazijn in plaats van Google Search.

Meningen van experts over de "uitgelekte" gegevens

SEO-expert Ryan Jones deelde:

• Onzekerheid of de gegevens voor productie of testen zijn.

• Onduidelijkheid of het voor web zoeken is of voor andere verticals zoals Google Home of Nieuws.

• Speculatie dat sommige velden alleen van toepassing zijn op trainingsdatasets, niet op alle sites.

DavidGQuaid tweette:

"We weten niet of dit voor Google search of Google cloud document retrieval is. API's lijken te kiezen - dat is niet hoe ik verwacht dat het algoritme wordt uitgevoerd - wat als een ingenieur al die kwaliteitscontroles wil overslaan - dit lijkt erop dat ik een contentwarehouse-app wil bouwen voor mijn bedrijfskennisbank."

Conclusie

Op dit moment is er geen concreet bewijs dat de "gelekte" gegevens afkomstig zijn van Google Search. De context en het doel van de gegevens blijven onduidelijk, waarbij er aanwijzingen zijn dat het eerder gaat om een externe API voor documentbeheer dan om een kernonderdeel van het zoekalgoritme van Google. Het is essentieel om deze informatie met voorzichtigheid te benaderen en geen definitieve conclusies te trekken zonder verdere verificatie.