Тезисы из доклада Артема Паклонского (wss.media). Это самый...

Тезисы из доклада Артема Паклонского (wss.media). Это самый насыщенный, подробный и интересный доклад про Google Discover на русском за все время (презентация в Фигме).

— Топик-ориентированный подход - это то, что нужно изучать в ближайший год-два

— Лента Дискавера формируется на основе ваших интересов

— Topic = Entity = Сущность = Интерес

— Google Topic Interest использует данные Chrome, Google App, Maps, Youtube, историю браузера, запросы, историю местоположений и считает эффективность на основе истории взаимодействия с сервисами Гугла

— Google News, Discover и Trends тесно связаны друг с другом

— Google использует идентификатор Knowledge Graph, чтобы избежать путаницы с обозреваемой сущностью (Tesla - компания, автомобиль, аэропорт, персона)

— Google FLoC: интересы (5 на пользователя) вместо cookies

— Google Natural Language AI (тот же, что в Google Cloud) используется для распознавания каким Topics соответствует статья

— Картинки в статьях/новостях крайне важны, следите за соотношениями сторон и используйте разные (16:9, дополнительно 1:1, 4:3), разрешение > 1200 px

— Добавьте max-image-preview:large

— Не используйте текст на изображениях

— Используйте реальные фото

— Следите за качеством AI-генераций и артефактами

— Используйте RSS (1 общий фид и отдельные под разные темы) и разделите ваши фиды на категории

— Используйте категоризацию Гугла 1-2 уровня

— Entity-Linking: создайте между вашим сайтом и рекомендательным движком семантический слой, устраняющий неоднозначность в определении основной темы, и формирующий связь между несколькими темами внутри страницы или на разных сайтах

— Для этого используем: JSON-LD (sameAs со ссылками на Wikipedia, Wikidata и сам Гугл Поиск с идентификатором kgmid - сущность в графе знаний), перелинковку, структуру сайта

— Перелинковка: текст ссылки должен содержать основные сущности, которые содержит данная статья и слова, задающие тематику

— На Дискавер оказывают влияние ссылок из свежих материалов и материалов, которые регулярно обновляются

— Используйте разметку на страницах тегов

— На рынке есть 2 сервиса для анализа Discover'а - DiscoverSnoop и GDdash, они дают понимание, в каких категориях сколько публикуется материалов и есть ли там спрос, объем трафика

— Гугл Дискавер использует трафик из других источников, например, всплески трафика из соцсетей продвигают evergreen-контент

— Как повысить Relevance Score для основных топиков статьи:

- включите топики в Tite, H1-H3, первые 500 символов статьи

- включите семантически связанные слова, самые важные - в первые 500 символов, самые-самые важные - в рамках одного пассажа

— SPO: Субъект-Предикат-Объект (Subject-Predicat-Object) - логическая связка, на основе которой Гугл понимает связи между сущностями (кто/что? - что делает? - с кем/чем?)

— Как все это организовать? Менять процессы и редакционную политику, проводить регулярный выборочный анализ и разбор топиков.

Источник новости https://t.me/notjohnmu/1279...