Hadd lássam, meg tudom-e győzni!
Ebben a videóban egy csomót megosztottam, gondolataimat pedig az alábbi cikkben foglaltam össze. Ezenkívül ez a második blogbejegyzés, amit ebben a témában írtam az elmúlt héten. Az előző blogbejegyzésemben sokkal több információ található a felhasználói adatokról és arról, hogy a Google hogyan használja fel azokat.
A rangsor 3 összetevőből áll
A DOJ kontra Google próba során megtudtuk, hogy a Google rangsorolási folyamata három fő összetevőből áll:
- A kezdeti rangsoroláshoz hagyományos rendszereket használnak.
- Az AI Systems (mint például a RankBrain, a DeepRank és a RankEmbed BERT) átsorolja a legjobb 20-30 dokumentumot.
- Ezeket a rendszereket a Quality Rater pontszámai, és ami még fontosabb, az IMO élő felhasználói tesztek eredményei finomítják.
A DOJ kontra Google per sokat beszélt arról, hogy a Google hatalmas előnye az általa felhasznált nagy mennyiségű felhasználói adatból fakad. A Google fellebbezésében azt közölte, hogy nem kíván eleget tenni a bíró azon megbízásának, hogy felhasználói adatokat adjon át a versenytársaknak. Két módot sorolt fel a felhasználói adatok felhasználására – a Glue nevű rendszerben, egy olyan rendszerben, amely magában foglalja a Navboostot, amely azt vizsgálja, hogy a felhasználók mire kattintanak és mire lépnek kapcsolatba, valamint a RankEmbed modellben.
A RankEmbed lenyűgöző. Beágyazza a felhasználó lekérdezését egy vektortérbe. Az adott lekérdezés szempontjából valószínűleg releváns tartalom a közelben található. A RankEmbedet két dolog finomítja:
1. A minőségi értékelők értékelései. Két eredményhalmazt kapnak – „Frozen” Google-találatok és „Retraned” eredmények – vagy más szóval az újonnan betanított és finomított AI-vezérelt keresési algoritmusok eredményei. Pontszámaik segítenek a Google rendszereinek annak megértésében, hogy az átképzett algoritmusok jobb minőségű keresési eredményeket hoznak-e létre.
2. Valós élő kísérletek ahol a valódi keresők kis százaléka a régi és az átképzett algoritmusok eredményeit jeleníti meg. Kattintásuk és műveleteik segítenek a rendszer finomhangolásában.
Ezeknek a rendszereknek a végső célja az, hogy folyamatosan javítsák a keresőt kielégítő rangsorolást.
További gondolkodás az élő teszteken – A felhasználók elmondják a Google-nak, hogy Típusok A hasznos oldalakról, nem a tényleges oldalakról
Rájöttem, hogy a Google élő felhasználói tesztjei nem csak arról szólnak, hogy bizonyos oldalakon adatokat gyűjtsenek. Arról szólnak, hogy a rendszert felismerésre tanítsák minták. A Google nem feltétlenül követ minden egyes felhasználói interakciót az adott URL rangsorolásához. Ehelyett arra használja ezeket az adatokat, hogy megtanítsa mesterséges intelligenciájának, hogyan néz ki a „hasznos”. A rendszer megtanulja azonosítani a típusok olyan tartalmat, amely kielégíti a felhasználói szándékot, majd megjósolja, hogy webhelye megfelel-e ennek a sikeres formának.
Továbbra is fejleszteni fogja folyamatát annak előrejelzésében, hogy melyik tartalom lehet valószínűleg hasznos. Ez határozottan messze túlmutat az egyszerű vektoros keresésen. A Google folyamatosan talál a felhasználói szándékok megértésének új módjai és hogyan találkozhatunk vele.
Mit jelent ez a SEO számára
Ha Ön a keresés első néhány oldalán helyezkedik el, akkor meggyőzte a hagyományos rangsorolási rendszereket, hogy bekerüljön a rangsoroló aukcióba.
Ha már ott van, sok mesterséges intelligencia rendszer dolgozik azon, hogy megjósolja, hogy a legjobb eredmények közül melyik a legjobb a kereső számára. Ez még fontosabb most, hogy a Google elkezdi használni a „személyes intelligenciát” Gemini és AI módban. Legnépszerűbb keresési eredményeimet kifejezetten a Google rendszereinek véleményére szabjuk én hasznosnak találja.
Amint elkezdi megérteni, hogy az AI-rendszerek hogyan keresnek, ami elsősorban vektorkeresés, csábító lehet ezek visszafejtése. Ha úgy optimalizál, hogy mélyen megérti, hogy a vektoros keresés milyen előnyökkel jár (beleértve a koszinusz-hasonlóságot is), akkor azon dolgozik, hogy jól nézzen ki az AI-rendszerek számára. Óvakodnék attól, hogy túl mélyre merüljön itt.
Tekintettel arra, hogy a rendszereket úgy finomították, hogy folyamatosan javítsák a keresőt leginkább kielégítő eredményeket, a mesterséges intelligencia számára közel sem olyan fontos, hogy jól nézzen ki, mint hogy valóban a leghasznosabb eredmény legyen. Azt állítom, hogy a vektoros keresésre való optimalizálás több kárt okozhat, mint hasznot, hacsak nem rendelkezik olyan típusú tartalommal, amelyet a felhasználók hasznosabbnak találnak, mint a többi lehetőség. Ellenkező esetben jó eséllyel oktatja az AI-rendszereket nem kedvez neked.
Tanácsom
A tanácsom az, hogy lazán optimalizálja a vektoros keresést. Ez alatt azt értem, hogy ne a kulcsszavak és a koszinusz-hasonlóság megszállottságával foglalkozz, hanem azt, hogy megértsd, mire van szüksége a közönségednek, és bizonyosodj meg arról, hogy oldalai megfelelnek a sajátos igényeiknek. Hasznos a Google Query Fan-Out ismeretének használata? Bizonyos mértékig igen, mivel hasznos tudni, hogy a felhasználók általában milyen kérdéseket tesznek fel egy lekérdezéssel kapcsolatban. De úgy gondolom, hogy az én félelmeim itt is érvényesek. Ha nagyon jónak látja az AI-rendszereket, amelyek a lekérdezésnek megfelelő tartalmat próbálnak találni, de a felhasználók nem szoktak egyetérteni vele, vagy ha a versenytársakhoz képest hiányoznak a segítőkészséggel kapcsolatos egyéb jellemzők, akkor megtaníthatja a Google rendszereit, hogy kevésbé kedveljék Önt.
Használja a címsorokat – nem azért, hogy az AI-rendszerek lássák, hanem azért, hogy segítsenek olvasóinak megérteni, hogy az általuk keresett dolgok megtalálhatók az Ön oldalán.
Tekintse meg azokat az oldalakat, amelyeket a Google rangsorol olyan lekérdezések tekintetében, amelyeknek az Ön oldalára kell vezetniük, és kérdezze meg igazán magát mi az, amit ezeken az oldalakon hasznosnak találnak a keresők. Nézze meg, milyen jól válaszolnak konkrét kérdésekre, jó képeket, táblázatokat vagy egyéb grafikákat használnak-e, és milyen könnyen áttekinthető és navigálható az oldal. Dolgozzon ki annak kiderítésére, hogy miért ezt az oldalt választották a keresők igényeinek kielégítésére leginkább alkalmas oldalak közé.
A kulcsszavak megszállottsága helyett dolgozzon a tényleges felhasználói élmény javításán. Ha vonzóbbá teszi oldalát, és jobban összpontosít az olyan mutatókra, mint a görgetés és a munkamenet időtartama, a helyezés természetesen javulni fog.
És főleg a segítőkészség megszállottja. Hasznos lehet, ha egy külső fél megnézi a tartalmadat, és megosztja veled, miért lehet hasznos vagy nem.
Azt tapasztaltam, hogy annak ellenére, hogy tisztában vagyok azzal, hogy a keresés célja, hogy folyamatosan tanuljon és fejlődjön a keresőknek olyan oldalak megjelenítése, amelyeket valószínűleg hasznosnak találnak, még mindig azon kapom magam, hogy küzdök a késztetéssel, hogy a felhasználók helyett gépekre optimalizáljak. Nehéz megszokni! Tekintettel arra, hogy a Google mély tanulási rendszerei fáradhatatlanul dolgoznak egy célon – megjósolni, hogy mely oldalak lehetnek hasznosak a kereső számára –, ez legyen a mi célunk is. Amint azt a Google hasznos tartalomra vonatkozó dokumentációja is sugallja, az a tartalom, amelyet az emberek általában hasznosnak találnak, az eredeti, szemléletes és jelentős értéket képviselnek a keresési eredmények más oldalaihoz képest.
Ez a bejegyzés eredetileg a Marie Haynes Consulting oldalon jelent meg.
