Новые факты о системе ранжирования Google из недавнего судебного...

Новые факты о системе ранжирования Google из недавнего судебного процесса "Минюст США против Google" (часть 2/3)

Двигатели ранжирования: модульные системы и данные

В основе оценок Q* и P* лежат отдельные модульные системы, каждая из которых обрабатывает определенные входные данные.

— Glue: Главный лог данных

Glue — это лог запросов, который собирает необработанные данные о взаимодействии пользователей.

Он хранит:

— Текст запроса, язык пользователя, местоположение и устройство.

— Что появилось в SERP.

— Действия пользователя, такие как клики, наведения курсора и время, проведенное на странице выдачи.

— Интерпретации запросов, включая исправление опечаток и определение "ключевых терминов запроса" (salient query terms).

— Важный нюанс: Сопоставление концепций, а не ключевых слов. Определение "ключевых терминов" подтверждает, что Google разбирает запрос на его основные концепции или сущности перед поиском в своем индексе.

Процесс ранжирования в своей основе заключается в сопоставлении документов с этими *концепциями*, а не просто с необработанными ключевыми словами.

— Стратегическое последствие: Это последний гвоздь в крышку гроба для олдскульной плотности ключевых слов.

Ваш контент должен демонстрировать глубокий тематический авторитет вокруг *концепций*, заложенных в запросе.

Цель — создать наиболее полный ресурс по "ключевым терминам", которые Google определил для этой темы, а не просто повторять поисковую фразу пользователя.

— Navboost: "Память" об удовлетворенности пользователей

Navboost обеспечивает работу компонента взаимодействия с пользователем для сигнала Популярности (P*), обрабатывая агрегированные данные из Glue за 13 месяцев.

Описанная как "система запоминания", она учится и помнит, какие результаты лучше всего удовлетворяют пользователей по конкретным запросам в долгосрочной перспективе.

Она специально отслеживает такие метрики, как удачные клики, неудачные клики и клики "last longest" (последний и самый долгий), вознаграждая страницы, которые очевидно завершают поисковый путь пользователя.

Это создает мощное преимущество для результатов с долгой историей удовлетворенности пользователей.

— Topicality (T*): Компьютер релевантности

Эта система вычисляет релевантность документа с помощью сигналов "ABC": Анкоры (Anchors), Тело страницы (Body content) и Клики (Clicks).

Это критически важно, поскольку эти компоненты питают сигналы верхнего уровня:

— *То, что вы говорите о себе* (Тело страницы), создает фундаментальное Q***.

— *То, что другие делают и говорят о вас* (**Анкоры и Клики), подтверждает вашу релевантность на конкурентном слое P***.

— **PageRank: Сигнал авторитетности

PageRank остается ключевым сигналом, измеряющим удаленность страницы от доверенных "посевных" сайтов, и служит прямым входным сигналом для оценки Качества (Q*).

Уровень обучения ИИ и людей: RankEmbedBERT

Этот слой уточняет результаты, полученные основными системами.

Системы, такие как RankEmbed BERT, не являются основополагающим двигателем; они представляют собой финальный, интеллектуальный слой переранжирования.

Обученные на 70-дневных логах поиска и оценках от асессоров качества, они анализируют список высокооцененных результатов от систем Q*/P*.

Они применяют глубокое семантическое понимание нюансов и интента запроса, что особенно эффективно для улучшения результатов по длиннохвостым запросам.

(Примечание: в исходных материалах также упоминался FastSearch — проприетарная технология Google, основанная на этих сигналах RankEmbed и разработанная для скорости).

Конец 2-ой части.

Продолжение следует...

@MikeBlazerX

Источник новости https://t.me/mikeblazerx/5625...