چگونه Q & A / الگوریتم ویژه قطعه قطعه در بینگ کار می کند

در پست امروز ، ما از Ali Alvi Q&A / سرپرست تیم قطعه قطعه برجسته در بینگ پایین می آیم.

عنوان رسمی الوی “مدیر برنامه اصلی رهبر برنامه های محصولات AI ، بینگ” است

این را دو بار بخوانید و می دانید که چقدر این مصاحبه بیشتر از “فقط” چگونگی دریافت قطعه برجسته است.

در حین مصاحبه پادکست ، من به دنبال این بودم که بینشی از نحوه تولید بینگ Q&A (قطعه نمایش داده شده در Google Talk) بدست آورم …

این بدان معناست که من می پرسیدم که چگونه آنها از هر صدها میلیارد صفحه در وب بهترین جواب را می گیرند.

فهمیدم.

و راه بیشتر.

نتیجه پرسش و پاسخ در بینگ - SERP با نام تجاری چیست؟

پرسش و پاسخ / قطعه های برجسته

در مرحله اول (و رئیسه d’etre) این مصاحبه – می خواستم با کسی از تیمی که روی این الگوریتم کار می کند چت آموزنده ای داشته باشم تا بهترین جواب ممکن را بدست آورم. (جواب بهینه سازی موتور چیز من است.)

توضیحات (قطعه هایی که برجسته نیستند)

به طور غیر منتظره ، من همچنین به بینشی در مورد الگوریتم که توضیحات استفاده شده در زیر پیوندهای آبی سنتی را تولید می کند ، دست یافتم.

معلوم می شود که این دو با هم ارتباط نزدیکی دارند.

الوی (زیر) اظهار داشت که زیبایی – برای Q&A ، Google از اصطلاح “قطعه های برجسته” استفاده می کند.

بنابراین این نتایج درست در قسمت بالا ، جلو و مرکز ، قطعه های پیوندی به رنگ آبی هستند که نمایش داده می شوند.

کاملاً واضح است ، وقتی این ایده را کاملاً هضم کنید که متن زیر پیوندهای آبی “توصیف متا جلال” نیست ، بلکه خلاصه ای از صفحه است که برای پاسخگویی به جستجوی جستجو تنظیم شده است.

چرا توضیحات متا بر رتبه بندی تأثیر نمی گذارد

توضیحات متا هیچ تاثیری در رتبه بندی ندارد.

چرا؟

زیرا آنها سالها پیش آن را به الگوریتمی متفاوت منتقل کردند.

احتمالاً وقتی به ما گفتند دیگر آنها را مورد توجه قرار نمی دهند. اوه عزیزم

کارشناسان سئو توضیحات متا را بیش از حد بهینه می کنند.

هر کس دیگری نتواند یکی را ارائه دهد.

در هر صورت ، صاحبان سایت کار بدی انجام می دهند. ?

بینگ و گوگل نمی توانند برای خلاصه دقیق صفحات خود به ما اعتماد کنند.

اکنون می دانید که چگونه بینگ “توصیف پیوند آبی” را ایجاد نمی کند وقتی که توصیف متا شما را دوست ندارد.

پرسش و پاسخ / قطعه های ویژه از سیستم ایجاد شده برای تولید توصیفاتی در پرواز استفاده می کنند

بنابراین ، به طور خلاصه ، پاسخی که در صدر نتایج می بینیم ، صرفاً گرفتن یک قطعه بینگ یا گوگل است که از محتوای ما بیرون کشیده شده و آن را ارائه می دهد.

الوی این نکته را بیان می کند که آنها صرفاً “گرفتن قطعه و نشان دادن آن نیستند”. آنها کارهای بیشتری از بعضی اوقات انجام می دهند.

آنها می توانند (و گاهی اوقات انجام دهند) خلاصه ای از متن اصلی را ایجاد کنند و این را نشان دهند.

چگونه الگوریتم بینگ Q & # 038؛ A / برجسته Snippet کار می کند

استخراج سؤال ضمنی از یک سند

و ایجاد خلاصه سند بخشی از فرایندی است که توسط آنها با جواب موجود در یک سؤال به سؤال مطابقت دارد.

کاربر بینگ سوالی را می پرسد (در قالب یک جستجوی جستجو) ، سپس پرسش و پاسخ به نتایج لینک برتر آبی (با استفاده از تورینگ) نگاه می کند و خلاصه ای را ایجاد می کند.

این خلاصه سؤالی را که سند به طور ضمنی به آن پاسخ می دهد ، می دهد.

سؤالی ضمنی را که نزدیک به سوال کاربر است شناسایی کنید ، و یکنوع بازی شبیه لوتو ، شما دارای “بهترین” پاسخ / پرسش و پاسخ / قطعه برجسته هستید.

طبق گفته های الوی ، آنها از هوش مصنوعی بالایی استفاده می کنند که حتی در دانشگاه ها حتی در هیچ جای دیگر استفاده نمی شود. آنها در حال آموزش ماشین های نحوه خواندن و درک هستند.

Turing برای پرسش و پاسخ مهم است ، اما خیلی بیشتر از آن…

درایوهای قطار Turing ، که پرسش و پاسخ را هدایت می کند … و هر محصول مایکروسافت

“در بینگ ، ما یک گروه از محققان کاربردی داریم که روی الگوریتم های پردازش زبان طبیعی بلند پروانه کار می کنند …” می گوید Alvi.

تیم Snippets “توپی برای این الگوریتم ها برای همه مایکروسافت” است.

از آنچه من می فهمم این بدان معناست که تیمی که این توصیفات (به ظاهر بی نظیر) را هدایت می کند جلبک ها را برای درک مفسده های متن فراهم می کند ، و قطعات را برای نمایش استخراج می کند و یا ایجاد می کند – نه تنها برای هر مجموعه کاندیدایی که به آن نیاز داشته باشد بلکه برای هر بستر یا نرم افزاری مانند Word یا Excel.

از منظر سئو ، این یعنی تمرین استفاده از یادگیری ماشینی (به شکل Turing at Bing) برای ایجاد متنی که از عناوین گرفته تا توضیحات گرفته تا خلاصه ها به جواب سوالات تا … خوب ، چه کسی می داند؟

مقاله پیشنهادی  چگونه آژانس ها می توانند اعتماد سازی کنند

از منظر گسترده تری ، به نظر می رسد که شیوه توسعه این توصیف برای SERP ها ، پنجره ای را به جایی که در جای دیگری در اکوسیستم مایکروسافت می رود ، می دهد.

هنگامی که الوی آن را گفت ، کاملاً آشکار است که باید تمرکز سنگینی برای این نوع فناوری وجود داشته باشد (بنابراین می توانیم از تصورات خود استفاده کنیم و به مثالهای احتمالی دیگری فکر کنیم).

نکته جالب اینجاست که چیزی که تمام محصولات مایکروسافت را پوشش می دهد (یا پوشش خواهد داد) از توضیحات مربوط به ده پیوند آبی استفاده می شود.

بازگشت به نحوه کار الگوریتم های جستجو

داروینیسم در جستجوی یک چیز است – 100٪

چارلز داروین با نگاهی به SERP

این مصاحبه از مقاله ای که پس از شنیدن چگونگی عملکرد رتبه بندی گوگل از گری الیس در گوگل استفاده کردم ، یک بخش دوست داشتنی است.

من از الیس سوال کرده بودم که آیا الگوریتم جداگانه ای برای قطعه برجسته وجود دارد یا خیر و گفت: “نه” …

برای پیوندهای آبی یک الگوریتم اصلی وجود دارد و تمام مجموعه های کاندیداها از آن به شیوه ای مدولار استفاده می کنند و وزن های مختلفی را برای فاکتورها (یا دقیق تر مشخصه ها) به صورت مدولار اعمال می کنند.

الوی اظهار داشت: ایده دقیقاً همین است.

در قسمت اول ، فردریک دوبوت این موضوع را تأیید می کند ، و در پنجمین ناتان چالمرز (سر صفحه کامل تیم) نیز تأیید می کند ، بنابراین ما اکنون در اینجا هستیم خیلی زمین امن: داروینیسم در جستجوی یک “چیز” است.

این بنیاد همیشه 10 پیوند آبی است

الوی نکته مهمی را بیان می کند: موتورهای جستجو تکامل می یابند (اوه ، بار دیگر داروینیسم).

از نظر تاریخی ، برای حدود 15 سال اول ، موتورهای جستجو فقط 10 پیوند آبی بودند.

سپس وقتی ویژگیهای جدیدی مانند Q&A به وجود آمده اند ، باید بدون ایجاد اختلال در هسته ، در بالای سیستم اصلی قرار گیرند.

ساده.

درخشان

منطقی

پرسش و پاسخ: “بهترین پاسخ از رتبه های برتر لینک های آبی”

الگوریتم Q&A به سادگی از طریق پیوندهای آبی نتایج برتر را انجام می دهد تا ببیند آیا می تواند محتوا را از یکی از اسنادی که به طور دقیق به این سوال پاسخ درست می دهد ، بیرون بکشد.

بنابراین رتبه بندی در میان 20 رتبه برتر یا ضروری است (تعداد دقیق آن مشخص نیست و تقریباً به طور حتم براساس موارد متفاوت است).

یک استثناء جالب وجود دارد (به تصویر زیر مراجعه کنید).

شاید تمایل داشته باشیم که فراموش کنیم افرادی که از بینگ و گوگل استفاده می کنند به آنها اعتماد دارند.

ما به عنوان یک کاربر ، ما تمایل داریم که در بالا به جواب اعتماد کنیم. و این برای درک چگونگی عملکرد هر دو تجارت ضروری است.

در واقع ، هر دو ، کاربران آنها واقعاً مشتری خود هستند. مانند هر مشاغل ، Google و Bing باید در خدمت مشتریان خود باشند.

آن مشتری ها می خواهند و انتظار یک پاسخ ساده برای یک سوال یا یک راه حل سریع برای یک مشکل را دارند.

قطعه های پرسش و پاسخ / برجسته ساده ترین و سریعترین راه حلی است که می تواند به مشتریان خود ارائه دهد.

بخشی از کار الوی اطمینان از این نتیجه است که بینگ نتیجه انتظارات مشتریان ، تصویر شرکت Microsoft و مدل تجاری بینگ را فراهم می کند.

این تعادل ظریفی است که همه مشاغل با آن روبرو هستند:

  • رضایت کاربران
  • یک تصویر شرکتی را حفظ کنید.
  • پول درآوردن.

در مورد پرسش و پاسخ (یا هر نتیجه جستجو برای آن موضوع) ، این بدان معناست که ارائه “بهترین و راحت ترین پاسخ” برای کاربر بدون آنکه به عنوان اشتباه ، مغرضانه ، گمراه کننده ، توهین آمیز یا هر چیز دیگری درک شود.

سؤال: برای به دست آوردن جایگاه پرسش و پاسخ لازم نیست در صفحات آبی قرار بگیرید

الوی اظهار داشت که اکثر از زمان ، Q&A به سادگی در بالای پیوندهای آبی ایجاد می شود.

اما آنها نتایجی را که نشان می دهند به خاطر می آورند و گاه نتیجه ای را نشان می دهند که در حال حاضر در پیوندهای آبی نیست.

بنابراین ، شما باید رتبه بندی کنید تا ابتدا Q&A را بدست آورید ، اما لازم نیست این رتبه پیوند آبی را حفظ کنید تا در آینده از نظر Q&A در نظر گرفته شود زیرا Q&A دارای یک حافظه است.

عوامل رتبه بندی برای پرسش و پاسخ چیست؟

تخصص ، اقتدار و اعتماد. ساده.

بینگ به جای تخصص از اصطلاح “ارتباط” استفاده می کند.

منظور آنها از دقت است و یک میلیون مایل با مفهوم تخصص فاصله ندارد.

بنابراین پرسش و پاسخ بسیار مبتنی بر E-A-T است.

گوگل و بینگ در حال بررسی هستند ما تخصص ، اقتدار و اعتماد به دلیل اینکه می خواهند “بهترین” نتایج را نشان دهند – نتایج حاصل از آن آنها متخصص ، معتبر و قابل اعتماد برای کاربران خود به نظر می رسد.

مقاله پیشنهادی  Google دو قطعی نمایه سازی را تأیید می کند

حالا ، اینطور نیست که معنی دارد؟

چگونه الگوریتم بینگ Q & # 038؛ A / برجسته Snippet کار می کند

در اینجا فرایند یافتن پاسخ “بهترین” آمده است

جلبک با اهمیت شروع می شود.

جواب درست است؟

اگر چنین است ، این یک فرصت می شود.

صحت هر مدرک مبتنی بر این است که آیا با نظر پذیرفته شده و کیفیت سند مطابقت دارد یا خیر.

هر دوی اینها با درک الگوریتمها از موجودات و روابط آنها تعیین می شوند (بنابراین جستجوی مبتنی بر موجودیت یک چیز است).

هنگامی که یک موجودیت به عنوان کلید پاسخ ، شناسایی می شود ، شبکه های عصبی متوجه می شوند که موجودیت در این پاسخ حضور دارد یا خیر.

و اگر چنین است ، زمینه در مقابل سایر نهادهای مرتبط نیز وجود دارد و این نمودار دانش کوتاه چقدر از نزدیک با “حقیقت پذیرفته شده” مطابقت دارد.

سپس ، از آن اسنادی که مرتبط هستند (یا دقیق / صحیح / متخصص – نسخه خود را انتخاب کنید) ، به سیگنال های معتبر و اعتماد می پردازند.

شبکه های عصبی منتهی به پایان ، صراحت و ضمنی و اعتماد به سند ، نویسنده و ناشر را ارزیابی می کنند.

شبکه های عصبی پایان به پایان

الوی اصرار دارد كه پرسش و پاسخ تقریباً در شبكه های عصبی / یادگیری ماشینی پایان دهنده است.

او مانند دوبوت ، الگوریتم را صرفاً یک مدل اندازه گیری می داند …

موفقیت و شکست را اندازه گیری می کند و خود را بر این اساس تطبیق می دهد.

اندازه گیری موفقیت و عدم موفقیت: بازخورد کاربر

با استفاده از شبکه های عصبی منتهی به پایان ، کنترلی که در اختیار انسان ها قرار دارد ، داده هایی است که آنها درج می کنند و معیارهایی که برای قضاوت در مورد عملکرد استفاده می کنند.

آنها آنچه را که می خواهم “داده های اصلاحی” به صورت مداوم به دستگاه ارائه دهند ، تغذیه می کنند.

هدف این است که به دستگاه اشاره کنیم:

  • جایی که درست کارها را انجام می دهد (دوبوت در مورد تقویت در یادگیری صحبت می کند).
  • هنگامی که آن را اشتباه گرفت (که فشار دستگاه را تحت فشار قرار می دهد).

بخش اعظم این داده ها بر اساس بازخورد کاربر در قالب:

  • داوران (معادل رأی دهنده های با کیفیت در Google – Dubut در اینجا درباره آنها صحبت می کند).
  • بررسی ها
  • بازخورد از SERP.

الوی اظهار داشت که این مهم در مورد نحوه قضاوت دستگاه است ، بلکه در مورد نحوه داوری خود تیم نیز مهم است.

اعضای تیم مربوطه ملزم به پاسخگویی داخلی هستند.

مسئولیت اصلی تیم در پشت الگو ایجاد یک الگوریتم قابل اعتماد است که نتایجی را ایجاد می کند که اعتماد به موتور جستجو را ایجاد می کند.

برای من ، این ایده به این فکر می رسد که افرادی که در بینگ یا Google جستجو می کنند ، مشتری آنها هستند.

مانند هر مشاغل دیگر ، مدل کسب و کار آنها به رضایت آن مشتری متکی است.

و مانند هر مشاغل دیگر ، آنها علاقه مند به استفاده از بازخورد مشتری برای بهبود محصول هستند.

عوامل رتبه بندی خارج هستند ، اندازه گیری ها در داخل هستند

از آنجا که یادگیری ماشین بر فرایند رتبه بندی حاکم است ، سوال اصلی این نیست که “عوامل چیست” بلکه “معیارها چیست؟”

محاسبه واقعی رتبه بندی بسیار نزدیک به شبکه های عصبی پایان به پایان رسیده است.

و آنچه انسانها وظیفه انجام آن را دارند تنظیم معیارها ، انجام کنترل کیفیت و تغذیه داده هایی با برچسب تمیز برای تشویق دستگاه برای تصحیح خود است.

عواملی که دستگاه برای برآوردن آن اندازه گیری استفاده می کند چیزی است که ما (و آنها) نمی توانیم از آن مطلع باشیم.

مدل های بینگ در تولید صدها میلیون پارامتر دارند.

هیچ راهی وجود ندارد که کسی بتواند واقعاً وارد آن شود و آنچه را که اتفاق می افتد درک کند. تنها راه اندازه گیری آن ، دادن ورودی و اندازه گیری خروجی است.

ما می توانیم مجموعه ای از عواملی را که فکر می کنیم مرتبط هستند به دستگاهها ارائه دهیم.

اما هنگامی که ما به آنها اجازه می دهیم داده ها را گم کنند ، آنها عواملی را که فکرش را نمی کردیم شناسایی می کنند.

این عوامل ضمنی / غیرمستقیم در بینگ یا گوگل برای مردم شناخته نشده است ، بنابراین بی معنی است از آنها بپرسید که هستند.

برخی از عواملی که در ابتدا آنها فکر می کردند مهم نیستند.

برخی تصور می کردند که اتفاق بزرگی نیست.

و بعضی از آنها فکر نمی کردند که لازم باشد.

بنابراین سؤالی که باید پرسید این است که “معیارها چیست” زیرا در اینجا تیم های محصول کنترل دارند. اینها اندازه گیری موفقیت برای دستگاه است.

مقاله پیشنهادی  JavaScript 101 برای متخصصین سئو

نکته مهم این است که دستگاه بر روی هر آنچه می گوید متریک خواهد شد.

اگر متریک صحیح نباشد ، دستگاه برای اهداف اشتباه را هدف قرار می دهد ، داده های اصلاحی (دستورالعمل) گمراه کننده است – و در نهایت دستگاه همه چیز را اشتباه می گیرد.

اگر متریک صحیح باشد ، کل فرایند به بهبود نتایج در یک دایره با فضیلت کمک می کند ، و نتایج برای مشتریان بینگ بهبود می یابد.

و محصول بینگ یک موفقیت است.

فیلتر کردن نتایج / Guardrails

از آنجایی که این تیم در مورد کیفیت نتایج داوری شده توسط جلبک داوری می شود و از کیفیت آن در مورد ظرفیت این نتایج داوری می شود تا اعتماد مشتریان Bing به محصول بینگ را بهبود بخشد ، آنها یک الگ فیلترکننده برای جلوگیری از نتایج “بد” از آسیب دیدن بینگ قضاوت می کنند. نام تجاری.

این فیلتر به خودی خود یک الگوریتم مبتنی بر یادگیری ماشین است.

فیلتری که می آموزد هر چیزی غیر مفید ، توهین آمیز یا آسیب رسان به شهرت بینگ را شناسایی و سرکوب کند. مثلا:

  • سخنان تنفرآمیز.
  • محتوای بزرگسالان
  • اخبار جعلی
  • زبان توهین آمیز.

فیلتر کاندیدای منتخب را تغییر نمی دهد ، بلکه سادگی پیشنهاد را به سمت Algo صفحه سرکوب می کند.

الوی جالب توجه می گوید که آنها به سادگی از حق سؤال استفاده می کنند تا به یک سؤال پاسخ ندهند.

حاشیه نویسی ها مهم هستند

الوی می گوید: “فابریس و تیمش کارهای واقعاً شگفت انگیزی انجام می دهند که ما در واقع کاملاً به آنها اعتماد داریم”.

وی در ادامه می گوید که آنها نمی توانند جلبک هایی برای تولید پرسش و پاسخ بدون حاشیه نویسی کانل ایجاد کنند.

و این سری نشان می دهد که این یک موضوع مشترک است که در مورد همه عناصر غنی اعمال می شود.

به طور خاص برای پرسش و پاسخ ، این حاشیه نویسی ها باعث می شود که جلبک ها بلوک های مربوطه را به راحتی شناسایی کنند و به آنها اجازه دهند تا هر جا که در یک سند باشد ، از ورودی مناسب بیرون بیایند.

نتایج جستجوی Fraggles چیست

آنها همچنین دسته هایی هستند که از snippets algo استفاده می کنند تا هنگام بازنویسی توضیحات متا برای پیوندهای آبی ، مناسب ترین قسمت از سند را بیرون بکشند.

این خیلی جالب است اما به نظر می رسد حاشیه نویسی های Canel فراتر از مشخص کردن بلوک ها پیش می رود.

آنها تا آنجا پیش می روند که روابط احتمالی بین بلوک های مختلف درون سند را پیشنهاد می کنند که کار جمع آوری متن از قسمتهای مختلف سند و ایجاد آنها را بهم ریخته است.

بنابراین ، بیش از هر چیز دیگری که انجام می دهد ، Bingbot نیز دارای یک نقش مهم برچسب زدن معنایی است.

و این یک بار دیگر بسیار مهم است که ما می توانیم صفحات خود را ساختار دهیم و به Bingbot (و Googlebot) حداکثر سرنخ بدهیم تا بتواند ثروتمندترین لایه حاشیه نویسی را به HTML ما اضافه کند ، زیرا آن حاشیه نویسی به شدت به algos کمک می کند از مطالب (فوق العاده) ما بهترین استفاده را ببرید.

پرسش و پاسخ در حال پیشروی است

پرسش و پاسخ در نتایج اصلی و در صدر قسمت اول قرار دارد ، این مرکز قطبی است که توسط سایر محصولات مایکروسافت مورد استفاده قرار می گیرد و برای سفر وظیفه محور است که بینگ و گوگل به عنوان آینده جستجو درباره آن صحبت می کنند.

Q&A / قطعه های برجسته آنهایی هستند که واقعاً مرزها را تحت فشار قرار می دهند و در مرحله اول و کانونی برای همه ما قرار دارند: بینگ ، گوگل ، کاربران آنها و ما به عنوان بازاریاب جستجو – که به من الهام می دهد این را بگویم …

استراتژی SEO به صورت خلاصه

هرچه به مکالمه ها برای نوشتن این سری از مقالات گوش می کنم ، این باعث می شود که دقیقاً چقدر این همه به هم نزدیک هستند.

از نظر من ، اکنون کاملاً واضح است که کل فرایند خزیدن ، ذخیره سازی و رتبه بندی نتایج (اعم از این که پیوندهای آبی یا عناصر غنی باشند) به شدت وابسته هستند.

و با توجه به آنچه Canel ، Dubut ، Alvi ، Merchant و Chalmers در این مجموعه به اشتراک می گذارند ، تمرکز اصلی ما به راحتی می تواند خلاصه شود:

  • ساختار محتوای ما برای آسانتر کردن خزیدن ، استخراج و حاشیه نویسی.
  • اطمینان از اینکه محتوای ما برای زیر مجموعه کاربران آنها که مخاطب ما است ، با ارزش است.
  • ساخت E-A-T در سطح محتوا ، نویسنده و ناشر.

و این درست است هر محتوایی که از بینگ (یا گوگل) می خواهیم به کاربران خود ارائه دهد – خواه برای پیوندهای آبی یا عناصر غنی.

منابع بیشتر:


اعتبار تصویر

تصاویر برجسته و ارسال شده: ورونیک برنارد ، Kalicube.pro