Filtració de factors de rànquing de cerca Yandex: informació

La comunitat de màrqueting de cerca està intentant donar sentit al repositori Yandex filtrat que conté fitxers que enumeren el que semblen factors de classificació de cerca.

Alguns poden estar buscant pistes de SEO accionables, però probablement aquest no sigui el valor real.

L’acord general és que serà útil per obtenir una comprensió general de com funcionen els motors de cerca.

Si voleu trucs o dreceres, no són aquí. Però si voleu entendre més sobre com funciona un motor de cerca. Hi ha or.

— Ryan Jones (@RyanJones) 29 de gener de 2023

Hi ha molt per aprendre

Ryan Jones (@RyanJones) creu que aquesta filtració és un gran problema.

Ell ja està va carregar alguns dels models d’aprenentatge automàtic de Yandex a la seva pròpia màquina per fer proves.

Ryan està convençut que hi ha molt per aprendre, però que caldrà molt més que examinar una llista de factors de classificació.

Ryan explica:

“Tot i que Yandex no és Google, podem aprendre molt d’això en termes de similitud.

Yandex utilitza molta tecnologia inventada per Google. Fan referència a PageRank pel nom, utilitzen Map Reduce i BERT i moltes altres coses també.

Òbviament, els factors variaran i els pesos aplicats també variaran, però els mètodes informàtics de com analitzar la rellevància del text i enllaçar el text i realitzar càlculs seran molt similars entre els motors de cerca.

Crec que podem obtenir molta informació dels factors de classificació, però només mirar la llista filtrada no és suficient.

Quan mireu els pesos predeterminats aplicats (abans de ML), hi ha pesos negatius que els SEO suposarien que són positius o viceversa.

També hi ha MOLT més factors de classificació calculats al codi que els que s’han enumerat a les llistes de factors de classificació que surten.

Aquesta llista sembla ser només factors estàtics i no té en compte com calculen la rellevància de la consulta o molts factors dinàmics que es relacionen amb el conjunt de resultats d’aquesta consulta”.

Més de 200 factors de classificació

Es repeteix habitualment, segons la filtració, que Yandex utilitza 1.923 factors de classificació (alguns diuen menys).

Christoph Cemper (Perfil de LinkedIn), fundador de Link Research Tools, diu que els amics li han dit que hi ha molts més factors de classificació.

Christoph ha compartit:

“Els amics han vist:

• 275 factors de personalització
• 220 factors de “frescor web”.
• 3186 factors de cerca d’imatges
• 2.314 factors de cerca de vídeos

Hi ha molt més per cartografiar.

Probablement el més sorprenent per a molts és que Yandex té centenars de factors per als enllaços”.

La qüestió és que és molt més que els més de 200 factors de classificació que Google solia reclamar.

I fins i tot John Mueller de Google ho va dir Google s’ha allunyat dels més de 200 factors de classificació.

Així que potser això ajudarà la indústria de la cerca a allunyar-se de pensar en l’algorisme de Google en aquests termes.

Ningú sap tot l’algoritme de Google?

El que és sorprenent de la filtració de dades és que els factors de classificació es van recollir i organitzar d’una manera tan senzilla.

La filtració que posa en dubte és la idea que l’algoritme de Google està molt protegit i que ningú, fins i tot a Google, coneix tot l’algorisme.

És possible que hi hagi un full de càlcul a Google amb més de mil factors de classificació?

Christoph Cemper qüestiona la idea que ningú conegui l’algoritme de Google.

Christoph va comentar a Search Engine Journal:

“Algú va dir a LinkedIn que no es podia imaginar que Google “documentés” factors de classificació així.

Però així és com s’ha de construir un sistema complex com aquest. Aquesta filtració és d’una persona privilegiada molt autoritzada.

Google té codi que també es podria filtrar.

L’afirmació sovint repetida que ni tan sols els empleats de Google coneixen els factors de classificació sempre va semblar absurda per a una persona tecnològica com jo.

El nombre de persones que tinguin tots els detalls serà molt petit.

Però ha d’estar allà al codi, perquè el codi és el que executa el motor de cerca”.

Quines parts de Yandex són semblants a Google?

Els fitxers Yandex filtrats donen una visió de com funcionen els motors de cerca.

Les dades no mostren com funciona Google. Però ofereix l’oportunitat de veure part de com un motor de cerca (Yandex) classifica els resultats de la cerca.

El que hi ha a les dades no s’ha de confondre amb el que Google podria utilitzar.

No obstant això, hi ha semblances interessants entre els dos motors de cerca.

MatrixNet no és RankBrain

Una de les idees interessants que alguns estan desenterrant està relacionada amb la xarxa neuronal Yandex anomenada MatrixNet.

MatrixNet és una tecnologia més antiga introduïda el 2009 (enllaç a archive.org a l’anunci).

Contràriament al que alguns afirmen, MatrixNet no és la versió Yandex de RankBrain de Google.

Google RankBrain és un algorisme limitat enfocat a entendre el 15% de les consultes de cerca que Google no havia vist abans.

Un article a Bloomberg va revelar RankBrain el 2015. L’article afirma que RankBrain es va afegir a l’algorisme de Google aquell any, sis anys després de la introducció de Yandex MatrixNet (Instantània de l’article Archive.org).

L’article de Bloomberg descriu el propòsit limitat de RankBrain:

“Si RankBrain veu una paraula o frase que no està familiaritzada, la màquina pot endevinar quines paraules o frases poden tenir un significat similar i filtrar el resultat en conseqüència, fent-lo més eficaç a l’hora de gestionar cerques mai vistes. consultes”.

MatrixNet, d’altra banda, és un algorisme d’aprenentatge automàtic que fa moltes coses.

Una de les coses que fa és classificar una consulta de cerca i després aplicar els algorismes de classificació adequats a aquesta consulta.

Això forma part del que diu l’anunci en anglès de 2016 de l’algoritme de 2009:

“MatrixNet permet generar una fórmula de classificació molt llarga i complexa, que considera multitud de diversos factors i les seves combinacions.

Una altra característica important de MatrixNet és que permet personalitzar una fórmula de classificació per a una classe específica de consultes de cerca.

Per cert, ajustar l’algoritme de classificació per, per exemple, a les cerques de música, no perjudicarà la qualitat de la classificació per a altres tipus de consultes.

Un algorisme de classificació és com una maquinària complexa amb desenes de botons, interruptors, palanques i indicadors. Normalment, qualsevol gir d’un únic interruptor en un mecanisme donarà lloc a un canvi global a tota la màquina.

MatrixNet, però, permet ajustar paràmetres específics per a classes específiques de consultes sense provocar una revisió important de tot el sistema.

A més, MatrixNet pot triar automàticament la sensibilitat per a intervals específics de factors de classificació”.

MatrixNet fa molt més que RankBrain, és clar que no són el mateix.

Però el que és genial de MatrixNet és com els factors de classificació són dinàmics, ja que classifica les consultes de cerca i hi aplica diferents factors.

MatrixNet es fa referència en alguns dels documents de factors de classificació, per la qual cosa és important posar MatrixNet en el context adequat perquè els factors de classificació es vegin amb la llum adequada i tinguin més sentit.

Pot ser útil llegir més informació sobre l’algoritme de Yandex per ajudar a donar sentit a la filtració de Yandex.

Llegeix: Els algorismes d’aprenentatge automàtic i intel·ligència artificial de Yandex

Alguns factors Yandex coincideixen amb les pràctiques de SEO

Dominic Woodman (@dom_woodman) té algunes observacions interessants sobre la filtració.

Alguns dels factors de classificació filtrats coincideixen amb determinades pràctiques de SEO, com ara el text d’ancoratge variable:

Canvia el teu text d’ancoratge bebè!

4/x pic.twitter.com/qSGH4xF5UQ

— Dominic Woodman (@dom_woodman) 27 de gener de 2023

Alex Buraks (@alex_buraks) ha publicat un mega fil a Twitter sobre el tema que té ressò de les pràctiques de SEO.

Un d’aquests factors que destaca l’Alex es relaciona amb l’optimització dels enllaços interns per tal de minimitzar la profunditat de rastreig de les pàgines importants.

John Mueller de Google fa temps que anima els editors a assegurar-se que les pàgines importants estiguin enllaçades de manera destacada.

Mueller desaconsella enterrar pàgines importants a l’interior de l’arquitectura del lloc.

John Mueller ha compartit el 2020:

“Així que el que passarà és que veurem que la pàgina d’inici és realment important, les coses enllaçades des de la pàgina d’inici generalment també són força importants.

I després… a mesura que s’allunyi de la pàgina d’inici, pensarem que probablement això és menys crític”.

És important mantenir les pàgines importants a prop de les pàgines principals per les quals entren els visitants del lloc.

Per tant, si els enllaços apunten a la pàgina d’inici, les pàgines que estan enllaçades des de la pàgina d’inici es veuen com a més importants.

John Mueller no va dir que la profunditat del rastreig sigui un factor de classificació. Simplement va dir que indica a Google quines pàgines són importants.

La regla Yandex citada per Alex utilitza la profunditat de rastreig de la pàgina d’inici com a regla de classificació.

# 1 La profunditat de rastreig és un factor de classificació.

Manteniu les vostres pàgines importants més a prop de la pàgina principal:
– pàgines superiors: 1 clic des de la pàgina principal
– pàgines importants: <3 clics pic.twitter.com/BB1YPT9Egk

— Alex Buraks (@alex_buraks) 28 de gener de 2023

Això té sentit considerar la pàgina d’inici com el punt de partida d’importància i, a continuació, calcular menys importància com més s’allunyi d’ella al lloc.

També hi ha articles de recerca de Google que tenen idees similars (Model de surfista raonableel Random Surfer Model), que calcula la probabilitat que un navegant aleatori acabi en una pàgina web determinada simplement seguint els enllaços.

Alex va trobar un factor que prioritza les pàgines principals importants:

# 3 Els enllaços d’entrada de les pàgines principals són més importants que les de les pàgines internes.

Té sentit. pic.twitter.com/Mts9jHsRjE

— Alex Buraks (@alex_buraks) 28 de gener de 2023

La regla general per al SEO fa temps que es manté el contingut important a uns pocs clics de distància de la pàgina d’inici (o de les pàgines interiors que atrauen enllaços entrants).

Actualització de Yandex Vega… Relacionat amb l’experiència i l’autoritat?

Yandex va actualitzar el seu motor de cerca el 2019 amb una actualització anomenada Vega.

El Actualització de Yandex Vega presentaven xarxes neuronals que es van formar amb experts en el tema.

Aquesta actualització del 2019 tenia l’objectiu d’introduir resultats de cerca amb pàgines expertes i autoritzades.

Però els venedors de cerca que examinen els documents encara no han trobat res que es relacioni amb coses com ara les biografies de l’autor, que alguns creuen que estan relacionades amb l’experiència i l’autoritat que busca Google.

Ryan Jones va tuitejar:

segon fet divertit. no he trobat RES que equivalgui al que molts SEO pensen que mira EAT. (biografia de l’autor / perfils, per exemple)

— Ryan Jones (@RyanJones) 30 de gener de 2023

Aprèn, aprèn, aprèn

Estem en els primers dies de la filtració i sospito que donarà lloc a una millor comprensió de com funcionen generalment els motors de cerca.

Imatge destacada: Shutterstock/san4ezz