本系列每次对话中都会出现的一件事是,从抓取和索引到排名和构建整个页面的整个过程都是(几乎)端到端的机器学习。
Frédéric Dubut 在本系列文章的开头指出,所有这些算法的关键是指标,而不是排名因素。但这里我们有一个非常明确的指标驱动算法。
在线的SERP 上的用户行为是全页算法的一
个非常重要的指标。任何蓝色链接和丰富元素的组合的成功或失败都取决于用户如何与其交互。
点击率并不影响我们通常理解的“传统”意义上的排名。 SERP 上的行为不会影响蓝色链接的排名,也不会影响寻求取代它们的候选排名的出价,但它们对整个页面的组织方式有很大影响。
SERP 上的用户行为被输入到算法(达尔文)中,算法为机器提供提高其性能所需的纠正或确认信号。正如 Nathan Chalmers 所说,它的目标是尽可能高效地提供用户满意度。
离线与所有其他算法一样
全页团队也得到了人工评审(相当于 Google 的质量评估员)的支持,他们会对 SERP 的质量和相关性提供反馈;内容的相关性、质量以及在页面上的位置。
所有这些,连同来自 SERP 上的行为信号,都会反馈到算法中。整页质量指南旨在回答以下问题:“该页面对于用户所表达的问题的解决方案有多好?” »
事实上,Bing 的每个团队都有自己的人工评审团队,每个评审团队都有一套根据算法需求量身定制的不同指导方针,这强烈表明谷歌还有其他我们从未见过的质量评估指导方针。
Bing 肯定有它们。 Google 可能也有这些:针对整体搜索产品的不同部分的具体质量指南,包括蓝色链接、丰富元素以及(这是我最喜欢的)整个页面。
全页算法的作用总结
我对这次谈话的总结是这样的:全页算法的目标是从各种候选排名中获取出价,根据该类型的结果与用户意图的相关程度进行过滤,然后根据参考结果(占据每个位置的蓝色链接)评估可能的表现。
观看本文所基于的视频(英文):
结论:搜索结果中的达尔文主义分为三个阶段
- 达尔文适者生存,基于内容类型为用户查询带来的价值。
- 达尔文淘汰法,基于内容类型与 SERP 上下文中意图的相关性。
- 根据用户满意度对 SERP 结构 电报数据 进行达尔文式的阐述。
在我看来,我们传统的 SEO 方法完全基于第一点:蓝色链接通过试图向算法证明它们比同行更好来争夺顶部的位置。
本系列从 2019 年 5 月的 Illyes 到 2020 年 5 月的 Chalmers,极大地拓宽了我了解 Bing 和 Google 如何运作的视野。虽然蓝色链接是系统的基础,但在达尔文搜索的所有三个阶段中都存在丰富的元素,并且同等重要:从适者生存,到淘汰,再到塑造最终 SERP 的结构。
事实证明,达尔文主义是一个很好的比喻:SERP 上的每个元素都根据其性能而生存、繁荣和消亡。
对于我们营销人员来说,这要求我们接受我们的内容,无论是文本、音频、图像、视频还是其他内容,都无法逃脱性能不佳的后果。如果不能有效地满足给定的查询意图,最终就会出现用户满意度低的情况,并“自然”地导致灭绝。
探索中的达尔文主义
插图:Véronique Barnard感谢您阅读本系列!
我非常惊讶并且很高兴能够制作这个系列。我学到了比我希望的更多的关于搜索结果如何运作,以及不同元素如何组合在一起构建丰富的 注意agma与各种浏览器的兼容性 结果页面的知识。
我所学到的一切让我更好地了解了在针对 Bing 和 Google 进行优化时想要实现的目标,并且让我的咨询方法变得更加智能。
我希望这对你同样有帮助!
—-
- 第 1 集:Bing 的排名算法如何运作?
与 Bing 高级项目经理主管 Frédéric Dubut 一起
- 第 2 集:Bing 的发现、抓取、提取和索引
与 Bing 首席项目经理 Fabrice Canel 一起
- 第 3 集:Bing 的精选摘要如何发挥作用?
与人工智能/Bing 首席项目经理 Ali Alvi 一起
- 第 4 集:Bing 的视 赌博电子邮件列表 和图像算法如何工作?
与 Bing 人工智能和搜索首席项目经理 Meenaz Merchant 一起
- 第 5 集:Bing 的整页算法如何工作?
与 Bing 搜索相关性团队项目经理 Nathan Chalmers 一起