[ad_1]
特色片段是否由与核心算法分开的特定排名算法驱动?
这是我的理论。对我来说,这个想法持有(很多)水。
而且我并不孤单。专家如 Eric Enge, Cindy Krum,和 汉娜索普 有同样的想法。
为了试图得到确认或对该理论的反驳,我问道 加里·伊利斯 这个问题:
精选代码段的功能是否与10个蓝色链接不同?
答案绝对让我感到震惊。
他概述了一位新的搜索工程师在开始在Google工作时学到了什么。
请记住,本文中描述的系统被证实是正确的,但我得出的一些结论不是(斜体),而且这里的所有数字都完全由我发明。
本文的目的是概述排名的功能。不是个人排名因素,也不是他们的相对权重/重要性,也不是多候选人投标系统的内部运作方式。那些仍然是一个超级秘密(我100%明白为什么会这样)。
排名如何在Google搜索中发挥作用
排名因素是什么?
有数百/数千个排名因素。谷歌没有告诉我们它们的详细信息(在我看来,这似乎是合理的)。
他们确实告诉我们他们将它们分组:Topicality,Quality,PageSpeed, RankBrain, 实体, 结构化数据, 新鲜… 和别的。
这里有几点需要指出:
- 这七个是我们可以依赖的实际排名因素(没有特定的顺序)。
- 每个排名因子包括多个信号,例如,质量主要是PageRank,但也包括其他信号,结构化数据不仅包括Schema.org,还包括表格,列表,语义HTML5以及其他一些信号。
Google会计算每个排名因素的网页分数。
像这样的东西
请记住,在整篇文章中,所有这些数字都是完全假设的。
排名因素如何为投标做出贡献
谷歌采用个人排名因子得分并将它们组合起来计算总得分(使用“出价”一词,这对我来说非常有意义)。
重要的是,总出价是通过乘以这些得分来计算的。
像这样的东西
总得分的上限为2到64的幂…不是100%肯定,但我认为这是Illyes说的,所以也许它是对 小麦和棋盘 棋盘的后半部分的数字如此惊人地超出规模以至于它实际上是一种故障安全缓冲区的问题。
这意味着这些个人得分可以是单数,双数,三数,甚至是四位数,总数不会达到上限。
这个非常高的上限也意味着谷歌可以继续投入更多的因素,并且永远不需要“挫伤”现有的分数来为新的分数腾出空间。
就在那里,我的思绪已经在旋转。但它变得更好。
注意 – 一个单一的低分可以杀死一个出价
并且通过乘法计算总数的事实是非凡的洞察力。为什么?因为任何低于1的单一分数都会严重妨碍该出价,无论其他分数如何。
看看得分坦克只是一个因素下降到略低于1.这足以让这个页面脱离争论。
进一步降至1以下通常会将其扼杀。可以克服小于1的排名因子。但其他因素需要非常强大。
看看下面的数字,人们就会知道有多强。忽视弱势因素不是一个好策略。努力使该因子高于1是一个很好的策略。
我在这里的赌注是,我们(通常)在SEO行业中看到的超级令人印象深刻的“向上和正确的SEO胜利”示例是网站*仅仅*校正低于1的排名因素的示例。
该系统奖励那些具有良好分数的页面。在某些因素上表现良好但在其他因素上表现不佳的页面总是很难。平衡的方法获胜。
归功于 布伦特D佩恩 这个伟大的比喻:“最好成为一个直接的C学生,而不是3 As和F”。
什么是基于出价的排名看起来像
这只是一个例子
优化竞标以获得最终排名
最高结果(比如10)被发送到第二个算法,该算法旨在优化排名并消除任何通过网络滑落的不可接受的结果。
这里考虑的因素是不同的,似乎针对特定情况。
这种重新计算可以提高或降低出价(或者可以设想保持相同)。
我的理解是,它最有可能降低出价。我会更进一步,并建议这是一个过滤器,目前主要旨在阻止初始算法错过的无关,低质量和黑帽内容。
因此,我们正在考虑可能看起来像这样的最终出价。
请注意,在此示例中,一个结果得到一个零分,因此完全从考虑/消除中删除(记住,因为我们正在相乘,任何单个零分数将保证总分也为零)。这是非常激进的。这是一个非常重要的事实,无论你如何看待它。
可以通过算法生成这样的零。
我的猜测是零还可以作为实现一些手动操作的一种方式(这是我所说的相当大的跳跃,并且是我的结论,并且决不会被谷歌的任何人证实)。
可以肯定的是,订单会发生变化,我们会在网络/“10个蓝色链接”中找到最终的结果列表。
如果这一天还不够,那么它现在变得非常有趣。
富元素是'候选结果集'(我的期限,不是谷歌的)
候选结果集竞争第1页上的位置
每种类型的结果/丰富的元素 在第1页上有效地争夺一个地方。
新闻,图片,视频,精选片段,轮播,地图,专线小巴等 – 每个都提供了第1页的候选人列表。
第1页已经有很多竞争对手出现,而且这个名单还在不断增长。
使用此系统,Google可以为某个地点出价而创建的富元素数量没有理论上的限制。
候选结果排名因素
术语“候选结果”和“候选结果集”来自我,而非来自Google
影响这些候选结果集中的排名的因素的组合必然是特定于每个因素,因为一些因素对于单个候选结果集是唯一的并且一些将不适用。
一个示例是适用于图像候选结果集的alt标记,但不适用于其他人,或者是新闻候选结果集所必需的新闻站点地图,但在其他人的计算中没有位置。
候选结果集排名因子权重
每个因子的相对权重对于每个候选结果集也必然是不同的,因为每个因子以特定格式提供特定类型的信息。
目的是为用户提供最合适的元素:
- 内容本身。
- 媒体格式。
- 页面上的位置。
例如,新闻将成为新闻中的重要加权因素,也许是精选片段的RankBrain。
候选结果集出价计算
每个候选结果集提供的出价以与第一个Web /蓝色链接示例相同的方式计算(通过乘法,并且我假设,使用第二个细化算法)。
然后谷歌有多个候选人竞标一个地方(或几个地方,具体取决于类型)。
把它全部拉到一起为第1页
候选结果相互竞标
我最初的问题是关于精选片段,我确信来自该特定候选结果集的最高出价必须超过网络“赢”的最高结果。
对于其他人来说,这并没有100%的意义。所以我假设每个候选结果集的“获胜”规则不同。
我用来做出这些获胜选择的规则是虚构的,而不是Google真正做到这一点的方式。
谷歌正在寻找能够为用户提供“更好”解决方案的丰富结果。
当它确定“更好”的候选结果时,该结果被赋予一个位置(以一个或多个经典蓝色链接为代价)。
第1页上富有元素的最终选择
每个候选结果集都受到特定限制 – 并且所有候选结果集都服从于传统的Web结果/经典蓝色链接(至少目前为止)。
- 一个结果,一个可能的位置(例如,精选片段,新闻)
- 多个结果,多个可能的位置(例如图像,视频)
- 多个结果,一个可能的位置(例如新闻,轮播)
我的例子中的获胜者是(记住我用来做出这些选择的规则是虚构的,而不是Google真正做到这一点的方式)……
- 新闻:未能超过#1网站出价,因此没有足够的相关性,也没有赢得一席之地。
- 图片:我们有一位获胜者。分配的空间是5,所以其他4个免费搭车。
- 视频:两个比网络结果高出一筹,所以他们都得到了一席之地。
- 精选片段:我们有几位获奖者。但只使用了一个。因为这是“答案”。
我们有最后一页,它看起来像这样。
由于地方被赋予了丰富的元素,较低位置的网络结果会落到第2页。我们真的不应该把目光从蓝色链接的消亡中拉下来。
我重申:我没有关于如何将位置归因于视频或图像的信息 – 我用我自己发明的简单系统而不是谷歌系统将位置归因于他们。 ?
结束 – 从我身上的一点理论
所有这最后一块都是我最初的想法,因为我消化了这一切。不属于加里或谷歌。
搜索结果中的达尔文主义
在我看来,一些富有的元素将“自然地”成长并越来越频繁地赢得一席之地(特色片段是我们今天在行动中看到的一个例子)。
其他人将“自然地”缩小(移动设备上的经典蓝色链接)。有些人可能“自然地”完全消亡。都非常达尔文!
这个系统很快就会消失
谷歌的“富元素排名”系统具有内置的扩展和适应结果/答案交付变化的能力。有机!
新设备,新内容格式,个性化…… Google可以简单地创建一个新的富元素,将其添加到系统并让它竞标一个地方。当它比经典的蓝色链接更合适时,它将在结果中赢得一席之地。潜在地,随着时间的推移,它在自然最适合的微时刻中占主导地位。
搜索中的达尔文主义。哇!
不了解你,但总而言之,我的思绪被吹嘘了。
图片来源
特色图片和在线图片:创建者 VéroniqueBarnard,2019年5月