​Сигналы ранжирования Google Взаимодействие с юзером и модели...

​Сигналы ранжирования Google

Взаимодействие с юзером и модели прогнозирования

Ранжирование жестко опирается на сигналы популярности из интеракций юзеров; выше вовлеченность — сильнее буст.

Система юзает модели `Predicted CTR` (PCTR) для оценки вероятности просмотра на основе истории.

Персонализированный `PCTR` уточняет это через метаданные и историю юзера, но эта конкретная модель активируется только после 100 000 запросов, обработанных через VAIS.

Стек скоринга

Финальная Позиция документа начинается с Базового ранжирования — начального скора от основного алгоритма.

Дальше она допиливается несколькими слоями:

— Корректировка эмбеддингов (Gecko): Меняет скоры на основе семантической близости.

— Семантическая релевантность (Jetstream): Использует cross-attention модель, чтобы обрабатывать контекст и отрицания лучше стандартных эмбеддингов.

— Соответствие ключей: Применяет традиционные алгоритмы частотности (типа BM25).

— Прогнозируемая конверсия: Предсказывает вовлеченность (например, клики), используя данные PCTR/PCVR.

— Свежесть и бизнес-правила: Корректировки на новизну контента и ручные протоколы Boost/Bury.

Режимы поиска и архитектура ИИ

Гугл определяет три режима поиска: стандартные списки, поиск с генеративными саммари (Answers) и разговорный поиск с фоллоу-апами.

Критично: топ-5 результатов кормят генерацию ИИ-поиска.

Форматы вывода различают короткие Сниппеты и длинные Extractive Answers, вытянутые из контента результатов.

Метрики и безопасность

Перформанс системы оценивается сравнением Search Count, CTR и No Results Rate с установленными бейслайнами.

Плюс стоят предохранители, чтобы игнорировать состязательные запросы (adversarial queries), не давая LLM генерить ответы на вредоносные инпуты.

https://dejan.ai/blog/googles-ranking-signals/

@MikeBlazerX

Закрытый канал: @MikeBlazerPRO

Источник новости https://t.me/mikeblazerx/6064...