SEOFAQ Telegram, маркетинг и SEO Канал SEOFAQT в мессенджере Telegram

Все чаты🟢 Системы ранжирования Google (часть 1) (часть 1, часть 2, часть 3)

 1140  


🟢 Системы ранжирования Google (часть 1)

(часть 1, часть 2, часть 3)

В любой современной поисковой системе есть значительное количество разнородных систем ранжирования (каждая со своим набором факторов), выполняющая собственные, независимые задачи.

У Гугла выделяют следующие подсистемы:

✅ BERT

это система искусственного интеллекта, которую использует Google и которая позволяет нам понять, как комбинации слов выражают различные значения и намерения.

✅ Deduplication systems

Поиск в Google может найти тысячи или даже миллионы подходящих веб-страниц. Некоторые из них могут быть очень похожи друг на друга. В таких случаях наши системы показывают только самые релевантные результаты, чтобы избежать бесполезного дублирования. Узнайте больше о том, как работает дедупликация и как при желании увидеть опущенные результаты, когда происходит дедупликация.

Дедупликация также происходит с тематическими сниппетами. Если листинг веб-страницы поднимается до уровня расширенного сниппета, мы не повторяем этот сниппет далее на первой странице результатов. Это сокращает результаты и помогает людям легче находить нужную информацию.

✅ Exact match domain system

Наши системы ранжирования учитывают слова в доменных именах как один из многих факторов, определяющих релевантность контента для поиска. Однако наша система точного соответствия доменам работает для того, чтобы мы не давали слишком много преимуществ контенту, размещенному на доменах, созданных для прямого соответствия определенным запросам. Например, кто-то может создать доменное имя, содержащее слова "best-places-to-eat-lunch", в надежде, что все эти слова в доменном имени продвинут контент высоко в рейтинге. Наша система учитывает это.

✅ Freshness systems

У нас есть различные системы определения " запросов, требующих свежести", разработанные для показа более свежего контента по запросам, по которым его можно было бы ожидать. Например, если кто-то ищет информацию о фильме, который только что вышел на экраны, ему, скорее всего, нужны свежие рецензии, а не старые статьи о начале работы над фильмом. Другой пример: обычно поиск по слову "землетрясение" может выдать материалы о подготовке и ресурсах. Однако если землетрясение произошло недавно, то могут появиться новостные статьи и более свежий контент.

✅ Helpful content system

Наша система полезного контента разработана для того, чтобы люди могли видеть в результатах поиска оригинальный, полезный контент, написанный людьми, для людей, а не контент, созданный в первую очередь для получения трафика поисковых систем.

✅ Link analysis systems and PageRank

У нас есть различные системы, позволяющие понять, как страницы связаны друг с другом, чтобы определить, о чем идет речь и какие страницы могут быть наиболее полезны в ответ на запрос. Среди них - PageRank, одна из основных систем ранжирования, использовавшаяся при создании Google. Те, кому интересно, могут узнать больше, прочитав оригинальную научную статью и патент на PageRank. С тех пор принцип работы PageRank претерпел значительные изменения, но он по-прежнему является частью нашей основной системы ранжирования.

✅ Local news systems

У нас есть системы, которые работают над тем, чтобы определить и показать местные источники новостей, когда это уместно, например, с помощью наших функций "Лучшие истории" и "Местные новости".

✅ MUM

Многозадачная унифицированная модель (MUM) - это система ИИ, способная понимать и генерировать язык. В настоящее время она используется не для общего ранжирования в Поиске, а для некоторых конкретных приложений, например, для улучшения поиска информации о вакцине COVID-19 и для улучшения отображаемых фрагментов.

✅ Neural matching

Нейронное сопоставление - это система искусственного интеллекта, которую Google использует для понимания представлений концепций в запросах и на страницах и сопоставления их друг с другом.

Ссылки из поста:
https://t.me/drmaxseo/168
https://t.me/drmaxseo/169
https://t.me/drmaxseo/170

Источник новости https://t.me/drmaxseo/168...