Погляд інженера машинного навчання на перемогу в SEO

Як людина, яка працювала як інженер з машинного навчання / рейтингу на декількох пошукових системах, моя одна порада для веб-сайтів, які намагаються зайняти високе місце на Google і досягти успіху в SEO, буде: оптимізувати для істинності землі , а не для функцій .

Дозвольте мені пояснити, що я маю на увазі.

Занадто часто, звичайні поради SEO про намагається зворотний інженер функції, що Google Search Ranker використовує і внесення змін на ваш сайт для оптимізації цих функцій. Деякі приклади цього: дослідження ключових слів , ефективне використання зворотних посилань , використання певних типів назв або структур URL тощо. Деякі з них базуються на реальних доказах і фактично працюють, але вони пропускають більш широку картину на користь короткострокових оптимізацій.

Оптимізація для основної істини

Пошук Google - це гігантська система машинного навчання . Навіть якщо вони можуть не використовувати машинне навчання для свого ранжиру верхнього рівня [1], вони функціонують як система МЛ, яка оптимізує для конкретної мети. У системі ML ви приймаєте “основну правду” , що є вашим уявленням про ідеальне ранжування на великому наборі запитів, і тренуйте ваші моделі так, щоб ваш алгоритм пошуку навчився ранжувати результати якомога ближче до цього ідеального рейтингу.

Справа в тому, що ми вже знаємо, як Google генерує набір “істинності землі”. Він навчає людей, використовуючи деякі дуже чітко визначені керівні принципи, і просить їх оцінити результати для набору запитів на основі цих рекомендацій. Ці правила регулярно публікуються Google. Найновішу (2017) копію можна знайти тут: Посібник із оцінки якості пошуку .

Панду Наяк, співробітник Google, який фокусується на якості пошуку, підтвердив це в останню заяву до NYTimes :

Оптимізація функцій

Більш поширеною стратегією, що формує основну частину SEO-консультацій в Інтернеті, є стратегія «оптимізації для функцій». Ось як це працює: Деякі експерти SEO намагаються повернути інженерні функції, які дізнався пошук Google. Вони перевіряють ефективність цих функцій, бачачи, що працює на різних веб-сайтах. Потім вони узагальнюють цю пораду і просять веб-сайти здійснити її.

Ця стратегія іноді працює, але страждає від декількох різних проблем:

  1. Це не є надійним для алгоритмічних змін Google. Google повторює свій алгоритм ранжування пошуку кілька разів на рік, і якщо оновлення робить певну функцію менш корисною, ваша попередня оптимізація цієї функції буде неефективною, і ви постраждаєте від удару SEO. Ще гірше, ви не будете мати уявлення про те, яка конкретна оптимізація була пошкоджена цим оновленням алгоритму.
  2. Існує багато хороших і поганих порад SEO, що потрапляє в цю категорію. Ніхто, включаючи інженерів, які працюють з пошуком Google, абсолютно не розуміє, як певні функції рейтингу співвідносяться з успіхом SEO. Через це дуже важко відокремити хороші поради від поганих порад.
  3. Це також дорого. Справжні експерти SEO, ті, хто знає, про що вони говорять, не є дешевими. Також через pt 1, це не буде одноразовою вартістю, а звичайною вартістю.

Враховуючи ці питання, моя порада полягає в тому, щоб слідувати стратегії « Оптимізуй для землі», яка є не тільки більш ефективною, але й більш дешевою і більш надійною в довгостроковій перспективі.

Примітки

[1] Чому машинне навчання використовується в значній мірі для розміщення оголошень Google і менше для їхнього рейтингу пошуку? Що призвело до цієї різниці?

Що призвело до цієї різниці?