الگوریتم هسته و پیوندهای آبی

به راحتی می توان فرض کرد که بینگ و گوگل در خطوط مشابه سازماندهی شده و عملکرد دارند.

با توجه به این نکته ، اگر گوگل نتواند چیزهای زیادی در مورد عملکرد الگوریتم ها به ما بگوید ، تصور می کردم اگر می خواستم بهتر بفهمم ، درخواست Bing راه حل است.

این همان کاری است که من کردم

در زیر اولین مصاحبه در یک سری 5 موردی است که من با تیم در بینگ انجام دادم.

من همه آنها را به عنوان مقاله در ژورنال موتور جستجو (و همچنین مکالمات کامل و غیرمستقیم در پادکست من “با جیسون بارنارد …” و در کانال YouTube Kalicube.pro منتشر خواهم کرد).

نفر اول: فردریک Dubut ، مدیر ارشد برنامه رهبری ، بینگ.

چگونه بینگ نتایج جستجو را مرتب می کند: الگوریتم هسته و # 038؛ پیوندهای آبی

بنیاد هر SERP لینکهای آبی (10) آبی است

دوبوت کاملاً قاطعانه اظهار می دارد که پایه و اساس هر صفحه نتایج واحد در موتور جستجوی مدرن “10 پیوند آبی” است.

سپس ، اگر پرس و جو با عنصر غنی (ویژگی SERP) مستقیماً و مفید صورت گیرد ، الگوریتم بهترین نتیجه را در آن قالب درج می کند.

اگر چندین عنصر غنی بتوانند ارزش را برای کاربر فراهم آورند ، سپس آن ها نیز اضافه می شوند.

این تأیید همان چیزی است که گری الیس از گوگل در ماه مه گذشته در سیدنی گفت. اما با “gusto” بیشتر.

اگر قبلاً این کار را نکرده اید ، لطفاً قبل از ادامه ، این توضیحات مفصل راجع به عملکرد داروینیسم در جستجوی آنچه توسط الیز توضیح داده شده است بخوانید.

در اینجا توضیحی فوق ساده آورده شده است:

ویژگی های SERP به سادگی یک قالب اضافی هستند که با ارزیابی سودمندی / ارزش آنها برای کاربر زندگی می کنند و می میرند ، همانطور که با ترکیبی از الگوریتم های داروینیستی قضاوت می شود.

خودشه. ساده.

این مقاله اولیه در مورد چگونگی عملکرد رتبه بندی گوگل بسیاری از زمین را تحت پوشش قرار داد ، اما هنگامی که من با Dubut صحبت کردم ، او چیزهای دیگری را برداشت:

  • هر مجموعه کاندیدایی پشت سر خود یک تیم اختصاصی دارد.
  • تیم کل صفحه وجود دارد که نقش “داور” را بازی می کند تا اطمینان حاصل کند که این صفحه “حداکثر” ارزش را برای کاربر به ارمغان می آورد.

یک تیم اختصاصی (و Algo Adaptted) پشت هر مجموعه کاندیداها

هر الگوریتم مجموعه ای از نامزدها بر روی همان الگوریتم پیوند آبی متمرکز کار می کنند و از یک سیستم مدولار استفاده می کنند که سیگنال ها را جدا می کند (اگر دوست دارید آنها را فاکتور یا ویژگی بنامید) و از آنها از وزنهای مختلف استفاده می کند.

و هر مجموعه کاندیداها دارای یک تیم تخصصی هستند که در مورد نحوه کار:

  • در بالای آن جلبک ها قرار دهید تا به بهترین وجه ویژگی های ویژگی آنها را ارائه دهید.
  • بهترین نتایج ممکن را برای آن مجموعه بدست آورید و آن را به عنوان کاندیدای SERP معرفی کنید.

اگر یک مجموعه کاندیدایی نتیجه ای را ارائه دهد که پیشرفتی در 10 پیوند آبی اصلی باشد ، جایگاهی در SERP می گیرد.

الگوریتم برجسته قطعه پرسش و پاسخ

اگر نمونه ای از ویژگی های برجسته را به عنوان نمونه بگیریم ، دقیق بودن ، تازه بودن و معتبر بودن مهمتر از داشتن بارهای پیوندی است.

قطعه های برجسته (Q&A در بینگ صحبت می کنند) همچنین به عنوان یک مثال عالی برای پاسخ به سؤال ، اما با کارآمدتر – برای کاربر ، که یک پیشرفت آشکار و فوری در یک لینک آبی است ، عمل می کند.

به طور حماسی ، تیم Q&A در دفتر بعدی تیم پیوندهای آبی قرار دارد.

جواب نتیجه Bing

قسمت سوم این سریال مصاحبه با علی الوی است که هدایت تیم Q&A را برعهده دارد. این طولانی ترین سریال است و بسیار جالب است.

یک واقعیتی که در ذهن من وجود دارد این است که او تیمی را اداره می کند که توضیحات مربوط به نتایج لینک آبی را تولید می کند.

و وقتی در نظر دارید که با توضیحات Fabrice Canel در قسمت 2 این سریال درباره حاشیه نویسی ها ، وی هنگام نمایه سازی / ذخیره سازی صفحات در حال خزیدن آنها اضافه می کند ، همه اینها شروع به جابجایی راحت می کنند.

چندرسانه ای Algo

فیلم ها و تصاویر نمونه های کاملاً ساده ای از عناصر غنی است که برای اهداف خاصی ارزش بیشتری نسبت به پیوندهای آبی به کاربر دارند – بدیهی است که هر پرس و جو که شامل کلمه “تصویر” یا “ویدئو” باشد ، تقریباً هر پرس و جوئی را نشان می دهد. در اطراف ستاره های پاپ یا هنرمندان تجسمی.

جالب اینجاست که ، هر دو مجموعه نامزدهای ویدئویی و تصویر توسط همان تیم اجرا می شوند – چندرسانه ای.

چگونه بینگ نتایج جستجو را مرتب می کند: الگوریتم هسته و # 038؛ پیوندهای آبی

قسمت چهارم این مجموعه مصاحبه با مهناز بازرگان است که هدایت تیم چندرسانه ای را بر عهده دارد ، که بینش های بسیار جالب و مهمی را ارائه می دهد – مهمترین اهمیت اقتدار و اعتماد نیست.

مقاله پیشنهادی  Google: برچسب های عنوان یک سیگنال قوی است

تبلیغات بینگ: “مجموعه نامزدهای انتخاباتی دیگر”

هنگامی که کسی ایده انتخاب نامزد را برای رقابت در مکانی در SERP توضیح داد ، سوال واضح بعدی این است:

در مورد تبلیغات چطور؟

آنها واقعاً کاندیدای دیگری هستند.

اگر مناسب ترین تبلیغ برای کاربر ارزشی به ارمغان بیاورد ، در بعضی از فضای موجود در آن SERP “حق” دارد.

و اصل مهم تبلیغ این است که بینگ هنوز هم می خواهد کاربران را راضی کند.

برای حفظ مخاطبان خود ، بینگ باید اطمینان حاصل کند که وقتی محتوای پشت آن تبلیغ است ، کاربر را نمایش دهد که کاربر پس از کلیک بر روی آن ، تبلیغات را نشان دهد ، سؤال خود را برآورده کند.

بنابراین تبلیغات به سادگی مجموعه نامزدهای دیگری هستند که گزینه هایی را در SERP با تیمی در پشت آن گسترش می دهند.

اما ، مانند بقیه ، آلبوم Whole Page تصمیم نهایی را می گیرد.

یافتن آن تعادل ظریف بین درآمد برای شرکت با خدمت به کاربر.

اشتباه کنید و همه چیز خیلی سریع به جنوب می رسد.

Google ممکن است بیش از 90٪ سهم بازار را داشته باشد.

اما تبلیغات بسیار زیادی که ارائه نمی شوند حتی می توانند با آن تسلط ، فاجعه را هجی کنند.

تبلیغات در بینگ SERP

به گفته این ، تبلیغات یک مورد خاص است.

هرچه گوگل و بینگ می گویند ، بدیهی است که آنها سطح خاصی از تعصبات تجاری خود را تحمل می کنند.

اما وقتی از دیدگاه کلان مشاهده می شود ، من تمایل به کم اهمیت تر بودن را نشان می دهم و پیشنهاد می کنم که ماندگاری طولانی مدت آنها به الگوریتم های ایجاد تعادل مناسب بستگی دارد.

این عقیده که هر یک از این شرکت ها برای گرفتن پول کوتاه مدت با هزینه طولانی مدت می روند ، کاری را معنا نمی دهد.

اما بیش از آن – اگر کسی روی این تبلیغ کلیک نکند ، هیچ پولی ندارد.

با توجه به روشی که SERP ارائه می شود ، ما شرایطی را به وجود می آوریم که تبلیغات باید همانند سایر کاندیداها ، مسیری را پر کنند: یک مسیر جایگزین ارائه دهید یا همان پاسخ را با فرمی ارائه دهید که برای کاربر جذاب باشد.

بدست آوردن پول بدین معنی است که اطمینان حاصل کنید که تبلیغ به عنوان یک راه حل فوری برای کاربر جذاب است – گزینه ای معتبر برای لینک های آبی یا نتایج غنی … و این بستگی به ظرفیت تبلیغ کنندگان در این زمینه دارد:

  • برای پرس و جو در جایی که آنها واقعاً راه حل دارند پیشنهاد دهید.
  • کپی تبلیغاتی را تهیه کنید که برای کاربر مفید و با ارزش باشد.

و اگر تبلیغات خرید را به عنوان عناصر غنی / ویژگی های SERP در نظر بگیریم همان جعبه های ویدئویی ، قطعه های برجسته و غیره است ، در این صورت می توانیم ببینیم که تبلیغات در سال های آینده از نظر داروینیکی تکامل می یابد.

تیم صفحه کامل

این اصطلاح است که واقعاً علاقه من را هنگام مکالمه با دوبوت کم کرد.

داروینیسم به این معنی است که هر عنصر غنی / SERP غنی که می خواهد در SERP ظاهر شود ، زنده می ماند و می میرد با این واقعیت که آیا آنها در واقع می توانند الگوریتم را متقاعد کنند که ارزش بیشتری نسبت به پیوند آبی دارند.

و این تا حدودی صحیح است.

هر “مجموعه کاندیدایی” بهترین پاسخی را که می تواند (ویدیو ، تصویر ، قطعه برجسته ، افراد نیز بپرسد …) ایجاد می کند و آنها “پیشنهاد” خود را قرار می دهند – اما آنها تصمیم نمی گیرند که در این مورد حاضر شوند.

این نقش الگوریتم کل صفحه است.

تیم صفحه کامل یک مفهوم مهم و کشف کلیدی است.

چگونه بینگ نتایج جستجو را مرتب می کند: الگوریتم هسته و # 038؛ پیوندهای آبی

قسمت 5 این مجموعه مصاحبه با ناتان چالمرز است که تیم Whole Page را هدایت می کند – و او تأیید می کند که کل الگوریتم صفحه واقعاً آنچه را که نشان می دهد را مدیریت می کند.

SERPs بر روی اصول داروینیستی خالص کار نمی کنند … اما کالمرز پیشنهاد می کند که مفهوم من در مورد داروینیسم در جستجوی راهی بسیار مناسب برای دیدن آن است. و هنوز هم بهتر ، به من بگوید که آنها جسمی به نام داروین دارند

و همانطور که انتظار می رود ، کل صفحه با اهداف اطراف کار می کند. این نتایج را وزن می کند و اطمینان حاصل می کند که عناصر غنی که به بهترین وجه در خدمت اهداف هستند ، به خوبی عمل می کنند.

برای مثال برای بیانسه ، نمایش فیلم و اخبار مهم است زیرا این همان چیزی است که کاربران می خواهند.

مقاله پیشنهادی  الگوریتم فیس بوک به نفع گزارش اولیه و اخبار بازاریابی دیجیتال این هفته [PODCAST]

در موردی مانند این ، 10 پیوند آبی اهمیت زیادی ندارند.

و این مثالی است که الگوریتم کارشناسی ارشد / کل صفحه به شدت بر تصمیم نهایی آنچه نشان می دهد تأثیر می گذارد.

توضیح ساده از یادگیری ماشین در الگوریتم (ها)

چگونه بینگ نتایج جستجو را مرتب می کند: الگوریتم هسته و # 038؛ پیوندهای آبی

  1. انسان به دستگاه می گوید که چه عواملی است (او آنها را ویژگی ها می نامد) که فکر می کنند مهم هستند و قوانینی را در مورد آنچه که موفقیت و شکست محسوب می شود به آنها می دهد.
  2. سپس دستگاه با a تغذیه می شود گسترده تعداد نمونه های مختلف دارای برچسب انسانی از نتایج خوب و بد برای طیف وسیعی از پرس و جوهای جستجوی مختلف.
  3. سپس دستگاه وزنهای مختلفی را برای مشخصه هایی که نتایج کیفیت را در هر شرایطی و از هر ورودی ارائه می دهند ، مشخص می کند (حتی برای نمونه های جدید که قبلاً دستگاه قبلاً ندیده است).

دوبوت اظهار داشت که یک روش مفید برای بررسی این موضوع ، دیدن الگوریتم به سادگی یک مدل اندازه گیری است … موفقیت و شکست را اندازه می گیرد و خود را بر این اساس تطبیق می دهد.

اما مهم ، انسانها نقش اصلی را ایفا می کنند.

ماشین آلات از مهار مجانی برخوردار نیستند – الگوریتم توسط انسانهایی ساخته شده است که (از طریق مثال) تعریفی از درست و غلط ارائه می دهند.

همچنین این انسانها هستند که این بستر را ایجاد و حفظ می کنند که مشخص می کند کدام ویژگی ها مهم هستند … یا نه.

یادگیری ماشین به سادگی همه ویژگی ها را به توافق می رساند تا به بهترین نحو بتواند قضاوت انسان را برآورده سازد.

چرخه یادگیری ماشین

این یک روند مداوم است. بینگ به طور مداوم بازخورد الگوریتم ها را ارائه می دهد تا بتوانند خود را بهبود بخشند.

پس از مرحله 3 که در بالا ذکر شد ، قضات بشر نتایج را ارزیابی و برچسب گذاری می کنند.

این داده ها توسط تیم های algo برای ترسیم ویژگی ها و قوانین استفاده می شوند ، سپس اطلاعات دارای برچسب به دستگاه ارسال می شود.

بازخورد منفی توسط دستگاه برای تنظیم و بهبود استفاده می شود. بازخورد مثبت تقویتی برای یادگیری دستگاه است.

به نظر می رسد برای همه ما یادگیری است.

دستورالعمل قاضی انسانی بینگ

مهمتر از همه ، بازخورد قضات بشر ساختار یافته است. مبتنی بر شهود انسانی نیست که از قاضی تا قاضی متفاوت باشد و بازخورد را گیج کننده یا متناقض برای دستگاه کند.

ساختار به صورت مجموعه ای از دستورالعمل ها (معادل دستورالعمل های کیفیت جستجوی Google / دستورالعمل های مربوط به کیفیت Rater) ارائه می شود که از ثبات ، حداکثر بودن عینیت و ساختار به دستگاه ها اطمینان می دهد.

این امتیاز دهی انسانی از نتایج به طور مداوم به الگوریتم های بینگ باز می گردد (به بالا مراجعه کنید) ، این امکان را به دستگاهها می دهد تا وزن مخصوص ویژگی ها را تطبیق داده و بهبود بخشند و (امیدوارم) نتایج خود را با گذشت زمان بهبود بخشند.

هر تیم (چندرسانه ای ، پرسش و پاسخ / قطعه ویژه ، پانل های دانش و غیره) دارای هیئت های داوری انسانی و دستورالعمل های خاص خود هستند که بر الزامات عنصر ثروتمند خاص تمرکز دارند.

به نظر می رسد دلالت بر این دارد که دستورالعمل های دیگر رأی دهندگان در خارج از کشور در Google-Land وجود دارد ، که جذاب است.

این بدان معناست که (حداقل برای من) این که هر کس آن دستورالعمل ها را بنویسد ، تاثیر مستقیمی و غیرمستقیم بر وزن نسبی ویژگیها (عوامل) دارد.

و اینکه وزن آن ها از یک عنصر غنی به عنصر دیگر متفاوت است.

یک بار دیگر ، تیم Whole Page یک مورد جالب را ایجاد می کند – داوران و راهنماهای انسانی آنها (مطمئناً) بارزترین تأثیرگذاری در جلو و مرکز است.

چگونه بینگ نتایج جستجو را مرتب می کند: الگوریتم هسته و # 038؛ پیوندهای آبی

پیوندهای آبی به زودی نابود نخواهید شد

عناصر غنی از انواع مختلفی استفاده می کنند الگوریتم پیوند هسته اصلی (در آنچه که من درک می کنم یک مدولار است) ، و 10 لینک آبی “SERP اولیه” هستند که تمام عناصر دیگر با اثبات اینکه ارزش بیشتری نسبت به یک لینک آبی دارند ، “حمله” می کنند.

برای تکرار (به دلیل مهم بودن) ، SERP ها بطور منظم از 10 لینک آبی به بالا ساخته می شوند. آنها از هر لحاظ پایه و اساس هستند.

و این بدان معنی است که آنها در آینده قابل پیش بینی نمی میرند.

ظهور و ظهور داروینیستی ویژگی های SERP (عناصر غنی) باعث کشته شدن برخی از موارد شده است ، اما پیوندهای آبی در آینده قابل پیش بینی منقرض نمی شوند.

به طور متوسط ​​هفت و نیم پیوند آبی در هر SERP به طور متوسط ​​در توپ صحیح قرار دارد.

مقاله پیشنهادی  نحوه اجرای ممیزی فانوس دریایی خودکار بر روی تغییرات وردپرس

دوبوت اظهار داشت که این یک قانون خوب است زیرا هدف کلی نگه داشتن SERP ها در همان اندازه است.

اما طول SERP و تعداد نتایج در نهایت تصمیمی است که توسط الگوریتم Whole Page گرفته شده است (بیشتر در مورد این در قسمت شماره 5 این سری است).

من به دنبال یافتن اطلاعات موثق برای تأیید این موضوع هستم ، اما هیچکدام از ابزاری که تاکنون از آنها خواسته ام نتوانسته است صفحه شماره 1 را به طور کامل جدا کند و داده های دقیقی را برای پیوندهای آبی در مقابل عناصر غنی برای Google یا Bing تهیه کند.

من موفق شدم این کار را برای جستجوی دقیق جستجوی نام تجاری در Google انجام دهم.

این داده ها (20،000 مارک) نشان می دهد که در Google (با عرض پوزش ، نتوانستم بینگ را ردیابی کنم) ، و به طور خاص برای SERPs نام تجاری ، به طور متوسط ​​8.15 پیوند آبی و میانگین تعداد عناصر غنی در سمت چپ وجود دارد. 2.07 است.

بنابراین عناصر ثروتمند بر تعداد نتایج در صفحه شماره 1 SERP ها خیلی تأثیر نمی گذارند – اگرچه هم ثروتمندتر شده اند و هم اندکی طولانی تر.

متوسط ​​نتایج در هر صفحه اکنون کمی بالاتر از 10 است.

Rich Elements لینک های آبی را به صورت 1-1 انجام می دهد

میانگین کلی برای مجموعه داده های من (کمی کمتر از 20،000 نام تجاری SERP) – 8.15 پیوند آبی و 2.07 Rich Elements.

پیوندهای آبی در مقایسه با ویژگی های SERP
اما این داده ها کل داستان را نمی گوید.

موضوعی که دوبوت در پایان مصاحبه گفت ، اندکی تأثیر گذار است و یک گزارش دلخراش اضافه می کند که من هنوز اطلاعات دقیقی دراختیار آنها ندارم ، اما شایسته است که بیشتر مورد بررسی قرار بگیرم.

بنابراین ، او درست است ، با اضافه شدن عناصر غنی در سمت چپ ، تعداد نتایج بسیار پایدار است.

عناصر غنی آیا پیوندهای آبی را از بین می برید – بعضی اوقات

فکر اولیه من در ماه مه گذشته هنگام نوشتن مقاله داروینیسم در جستجوی این بود که حضور روزافزون عناصر ثروتمند نه تنها باعث از بین رفتن لینک های آبی می شود بلکه باعث کاهش تعداد نتایج در صفحه شماره 1 می شود.

منطق این است که یک عنصر غنی نه تنها جای یک پیوند آبی را می گیرد ، بلکه (به دلیل مثال املاک عمودی بزرگتر در مورد جعبه های توییتر) ، همچنین می تواند یک لینک آبی اضافی را از بین ببرد و میانگین تعداد نتایج آن در صفحه شماره 1 تمایل به ریزش دارد.

اشتباه؟

آره.

و نه.

دو نوع پرس و جو

بنابراین ، برای طول SERP ، مفید است که به دو مجموعه کلان متمایز از نتایج – و – نگاه کنیم دو قوانین انگشت شست

به قصد نامشخص (در این مورد نام تجاری نامشخص) ، SERP ها تمایل به ثروتمندتر و کوتاه تر شدن دارند.

با افزایش تعداد عناصر غنی ، تعداد کل نتایج کاهش می یابد.

از آنجا که قصد روشن است – نتایج کوتاه تر ، غنی تر ، متمرکز تر کار را برای رضایت هرچه بهتر کاربر خود انجام دهید.

برای قصد مبهم، SERP ها تمایل به ثروتمند شدن و طولانی تر شدن عناصر دارند که تمایل به افزودن به صفحه نتایج و حذف اندک دارند.

از آنجا که قصد نامشخص است – نتایج بیشتری با طیف وسیعی از اهداف کار را برای رضایت هرچه بهتر کاربر خود انجام می دهند.

چرا؟

با پرس و جوهای مبهم تر ، جایی که چندین هدف وجود دارد ، موتورها می خواهند جامع تر باشند.

نتایج بیشتر و صفحه طولانی تر راهی برای ارائه تنوع بیشتر و پوشش بهتر اهداف چندگانه است.

دوبوت و چالمرز هر دو این واقعیت را تأیید می کنند. من مطمئن هستم که این داده ها از این نسخه پشتیبان تهیه می کنند – از هر سیستم عامل که می خواهد آنالیز را با من انجام دهد استقبال می شود. ?

و یک عدد خوب برای پایان دادن – تعداد متوسط ​​کلی نتایج در صفحه 1 در 10 باقی می ماند (حداقل برای SERP های تجاری).

ادامه دارد…

سریال بینگ (آوریل 2020)

  1. چگونه رتبه بندی در بینگ کار می کند – فردریک Dubut ، مدیر ارشد برنامه رهبر ، بینگ
  2. کشف ، خزیدن ، استخراج و نمایه سازی در بینگ – مدیر برنامه اصلی Fabrice Canel ، بینگ
  3. الگوریتم Q&A / برجسته Snippet چگونه کار می کند – علی الوی ، مدیر برنامه اصلی سرب محصولات AI ، بینگ
  4. نحوه کار الگوریتم تصویر و فیلم – میناز بازرگان ، مدیر برنامه اصلی رهبر ، هوش مصنوعی و تحقیق ، بینگ
  5. چگونه الگوریتم کل صفحه کار می کند – ناتان چالمرز ، مدیر برنامه ، تیم ارتباط با جستجو ، بینگ

منابع بیشتر:


اعتبار تصویر

تصاویر برجسته و ارسال شده: Kalicube.pro