RankBrain-Backlinks: Wo die Behauptungen ins Leere laufen

Drei Behauptungen, einzeln geprüft

Die meisten Mythen über das maschinelle Lernen im Ranking haben eine gemeinsame Struktur. Ein System mit öffentlichem Namen erhält eine private Formel. Die Formel verkauft bequem etwas. Nehmen wir drei der gängigen Mythen und stellen für jede die gleiche Frage: Was ist der Test?

Liest RankBrain Anchor Text?

Stellen Sie sich einen Marketeter vor, der Links mit einem exakten Anchor Text aufbaut und hofft, RankBrain werde die Seite lernen. Google beschreibt RankBrain als System zur Interpretation von Queries, die es noch nicht gesehen hat. Es liest keine Anchor Texte, daher verlangt die Behauptung vom System eine Aufgabe, die niemand dokumentiert hat.

Ein fairerer Test fragt, welche Anchor Texte Ihre Wettbewerber nutzen und ob diese Seiten ranken. Diese Frage betrifft Ihre Stichprobe, nicht ein verstecktes Gewicht, und unser anchors-Call gibt die Wortwahl für eine Seite für 2 Credits zurück.

Bestraft BERT überladene Anchor Texte?

BERT ist ein Language Model, das die Wörter einer Query und einer Passage im Kontext liest. Google hat es als Mittel zum Sprachverständnis dokumentiert, nicht als Strafe für wiederholte Phrasen.

Die Spam-Richtlinie ist eine andere Sache. Ein plötzliches Aufkommen identischer kommerzieller Anchor Texte wirft eine Link-Frage auf, und das spam runbook geht diese Prüfung durch.

Googles Dokumentation zu BERT spricht von Queries und Passagen, was ein anderes Objekt als ein Link ist. Behalten Sie diese Unterscheidung im Kopf, wenn jemand BERT in einem Link-Pitch zitiert.

Gewinnt eine höhere Link-Anzahl immer?

Counts sehen in einem kleinen Test überzeugend aus. Google listet jedoch viele Signale auf, und eine Seite mit mehr verweisenden Domains kann immer noch gegen eine verlieren, die die Query besser beantwortet.

Vergleichen Sie die Counts mit den Positionen über Ihre Queries hinweg. Wenn die Beziehung schwach ist, war der Count nie die ganze Geschichte, und die Theorie braucht einen anderen Grund, um zu bestehen.

Wichtige Daten

Oktober 2015: Google bestätigt RankBrain. Dann bringt 2018 das Core-Update im August, und Oktober 2019 bringt BERT. August 2022 gibt uns das Helpful-Content-System, gefolgt vom Link-Spam-Update von SpamBrain im Dezember desselben Jahres.

Im März 2024 wurde Helpful Content Teil des Core-Rankings, und Google führte am selben Tag, dem 5. März, ein Spam-Update durch. Der Seitenblick auf diese Einträge zeigt, dass die Link-Systeme und die Content-Systeme auf unterschiedlichen Uhren laufen.

Halten Sie diese Zeitleiste neben jedem Traffic-Chart. Die meisten Behauptungen über ML-Ursachen verschwinden, wenn die Daten nicht übereinstimmen.

Was Google dokumentiert hat und was nicht

Die öffentliche Quelle ist schmaler als die meisten Artikel andeuten. Es lohnt sich, langsam zu lesen, bevor Sie eine Theorie darauf aufbauen.

Was auf der Liste steht

Google hat kurze Beschreibungen von RankBrain, BERT und dem Helpful-Content-System veröffentlicht. Diese Notizen nennen Queries, Sprache und Content-Qualität als Arbeitsgebiet jedes Systems. Eine Link-Formel für eines davon ist nicht Teil der veröffentlichten Beschreibungen.

Lesen Sie die Wortwahl genau. Eine Ankündigung, dass ein System existiert, sagt Ihnen seinen Zweck. Sie sagt Ihnen nicht seine Gewichte.

Was nie veröffentlicht wurde

Google hat nicht veröffentlicht, wie RankBrain Links im Verhältnis zu Content gewichtet, oder wie eines der drei Systeme eine Seite für eine bestimmte Query rankt. Jeder, der diese Gewichte nennt, rät, egal welchen Ton er anschlägt.

Diese Stille schneidet in beide Richtungen. Niemand kann auch beweisen, dass ein Link in diesen Systemen nichts tut, daher ist die ehrliche Position eng: unbekannt, und es lohnt sich, es zu testen, anstatt es anzunehmen.

Wenn eine Quelle Ihnen ein genaues Gewicht gibt, fragen Sie, woher die Zahl stammt. Eine Zahl ohne Dokument dahinter ist eine Verkaufszeile, wie wissenschaftlich das Diagramm auch aussieht.

Woher die Mythen stammen

Maschinelles Lernen klingt wie Magie. Menschen füllen die Lücke mit dem, was sie bereits verkaufen. Link-Anbieter sagen Links, Content-Agenturen sagen Content.

Googles eigene Wortwahl ist schmaler. Im März 2016 nannte ein Google-Suchleiter Links, Content und RankBrain als die drei Top-Signale, doch das Unternehmen hat nie veröffentlicht, wie RankBrain berechnet wird oder was es im Verhältnis zu Links gewichtet.

Lesen Sie also die sorgfältige Version: Ein System existiert, es ist wichtig, und seine inneren workings sind nicht veröffentlicht. Fordern Sie jede Behauptung auf, ihren Test zu nennen. Wenn sie das nicht kann, gehen Sie weiter.

Anbieter und Berater sind nicht die Einzigen, die eine Geschichte verbiegen. Enthusiasten wiederholen eine clevere Lesart, bis sie wie eine Tatsache klingt, also behandeln Sie jede glatte Erklärung als Entwurf, bis Sie ihre Quelle gesehen haben.

Warum eine saubere Geschichte sich verbreitet

Eine glatte Erklärung ist leicht zu wiederholen und passt auf eine Folie. Echte Systeme geben selten diese Art von sauberer Antwort. Die Lücke zwischen den beiden ist, wo die meisten selbstbewussten Behauptungen herkommen.

Wenn Sie eine saubere Kette von Ursache und Wirkung sehen, fragen Sie, welcher Schritt gemessen wurde und welcher Schritt nur angenommen wurde.

Warum eine Anekdote keine Stichprobe ist

Eine Seite, die sich nach einem Link-Push erholt hat, beweist, dass sich eine Seite erholt hat. Sie sagt nichts über die Seiten aus, die dasselbe getan haben und flach geblieben sind. Fragen Sie nach dem Nenner, bevor Sie die Geschichte akzeptieren.

Eine Stichprobe von dreißig vergleichbaren Seiten lehrt mehr als ein einzelner dramatischer Fall.

Was ein Marketeter tatsächlich damit anstellen kann

Überspringen Sie die Theorie und führen Sie einen Vergleich durch. Unser worked example zeigt die Calls, unter Verwendung erfundener Seiten, damit niemand es für eine Erkenntnis hält.

Schauen Sie sich dann die andere Seite an. Wenn ein Rückgang einer Welle seltsamer Anchor Texte folgte, sagt Ihnen das spam runbook, ob Sie handeln oder warten sollten. Oft warten Sie.

BERT zeigt Überinterpretation gut. Der Hype war hoch. Es erreichte Englisch-Suchanfragen in den USA im Oktober 2019 und über 70 Sprachen bis Dezember, und viele Seiten sahen gar nichts. Das Umschreiben jeder Seite dafür war die Verschwendung eines Quartals.

Wenn Ihr Team weiterhin darüber streitet, welche Änderung einen Rückgang verursacht hat, schreiben Sie die zwei Kandidatenursachen auf eine Seite mit dem Datum jeder. Die Seite ist kürzer als die Debatte, und sie regelt normalerweise die Reihenfolge der Prüfungen.

Halten Sie das Schreiben schlicht. Ein kurzes Memo mit Daten und einer Tabelle ist schwerer zu missverstehen als eine Folienpräsentation voller Pfeile.

Machen Sie den nächsten Test kleiner

Wenn der erste Test zu breit war, um gelesen zu werden, schneiden Sie ihn auf eine Query-Gruppe und einen Datumsbereich herunter. Ein enger Test mag langweilig aussehen, aber er ist die einzige Art, die sauber fehlschlagen kann.

Schreiben Sie das erwartete Ergebnis, bevor Sie den Test durchführen. Ein Test ohne erwartetes Ergebnis ist später leicht neu zu interpretieren.