Что мы узнали из утечки документации Google Поиска?

Что мы узнали из утечки документации Google Поиска?

Тезисы из поста Майка Кинга.

Сами документы тут.

— системы Google работают в монолитном репозитории («монорепо»), а машины работают в общей среде - это означает, что весь код хранится в одном месте и любая машина в сети может быть частью любой системы Google

— публичные заявления Google, вероятно, не являются намеренной попыткой лгать, а скорее обманывают потенциальных спамеров (а также многих «белых» SEO-специалистов), чтобы сбить с толку о том, как оказать влияние на результаты поиска

— существует функция под названием siteAuthority - авторитетность домена, она используется в системе ранжирования Q*

— в Navboost есть специальный модуль, полностью ориентированный на сигналы о кликах:

badClicks - плохие клики

goodClicks - хорошие клики

lastLongestClicks - последние длинные клики

unsquashedClicks - несжатые клики

unsquashedImpressions - несжатые показы

unsquashedlastLongestClicks - несжатые последние длинные клики

«Сжатие — это функция, которая предотвращает доминирование одного большого сигнала над другими».

Другими словами, это нормализация данных.

— песочница: в документации модуля PerDocData указан атрибут hostAge, который используется специально «для изолирования свежего спама»

— Navboost упоминается 84 раза, в т.ч. в названии 5 модулей

— Google не упоминает CTR или время пребывания (dwell time) именно в такой формулировке, но явно используются клики по результатам поиска и показатели успешного визита из поиска

— один из модулей, связанных с показателями качества страниц, получает просмотры из браузера Chrome

— Google явно сохраняет авторов, связанных с документом, в виде текста; они также пытаются определить, является ли объект на странице ее автором

— cуществует целый ряд показателей выявления всплесков спама в анкор-листе (AnchorSpamDays)

— Google использует 20 последних изменений документа при анализе ссылок

— оценка ссылки производится исходя из степени доверия к главной странице (homePageInfo)

— усечение документов: Google подсчитывает количество токенов и отношение общего количества слов в тексте к количеству уникальных токенов (numTokens)

— происходит оценка оригинальности короткого контента (OriginalContentScore)

— происходит оценка соответствия title запросу (titleMatchScore)

— даты важны: Google несколько раз пытается получить даты со страницы (bylineDate, SyntacticDate, semanticDate)

— используется информация из whois домена (RegistrationInfo)

— если более 50% страниц сайта содержит видео, к нему относятся по-другому (isVideoFocusedSite)

— у Google есть классификаторы, которые генерируют оценки для YMYL Health и YMYL News (ymylNewsScore)

— существуют документы золотого стандарта: в описании упоминаются «документы, размеченные человеком» (golden)

— есть фактор, определяющий, насколько сайт придерживается одной темы (SiteFocusScore)

— есть специальный флаг, который указывает, что сайт является «небольшим персональным сайтом» (smallPersonalSite).

Источник новости https://t.me/notjohnmu/1237...