Les backlinks RankBrain : ce que les affirmations omettent

Trois affirmations, vérifiées une par une

La plupart des mythes sur le classement par apprentissage automatique partagent une même forme. Un système avec un nom public se voit attribuer une formule privée. Cette formule, par commodité, vend quelque chose. Prenons trois des affirmations courantes et posons la même question à chacune : quel est le test ?

RankBrain lit-il le texte d'ancre ?

Imaginez un marketeur qui construit des liens avec une seule ancre exacte, espérant que RankBrain apprendra la page. Google décrit RankBrain comme un système pour interpréter les requêtes qu'il n'a jamais vues. Il ne décrit pas la lecture des ancres, donc l'affirmation demande au système d'accomplir une tâche que personne n'a documentée.

Un test plus juste demande quelles ancres vos concurrents utilisent et si ces pages se classent. Cette question concerne votre échantillon, pas un poids caché, et notre appel anchors retourne le libellé pour un site pour 2 crédits.

BERT pénalise-t-il les ancres bourrées ?

BERT est un modèle linguistique qui lit les mots d'une requête et d'un passage dans leur contexte. Google l'a documenté comme un moyen de comprendre le langage, pas comme une pénalité pour les phrases répétées.

La politique anti-spam est une autre affaire. Une affluence soudaine d'ancres commerciales identiques soulève une question côté lien, et le manuel anti-spam passe en revue cette vérification.

La documentation de Google sur BERT parle de requêtes et de passages, ce qui est un objet différent d'un lien. Gardez cette distinction à l'esprit lorsque quelqu'un cite BERT dans un pitch de liens.

Un nombre de liens plus élevé gagne-t-il toujours ?

Les comptes semblent convaincants dans un petit test. Cependant, Google liste de nombreux signaux, et un site avec plus de domaines référents peut toujours perdre face à un site qui répond mieux à la requête.

Comparez les comptes aux positions sur toutes vos requêtes. Si la relation est faible, le compte n'était jamais toute l'histoire, et la théorie a besoin d'une autre raison pour tenir.

Dates à connaître

Octobre 2015 : Google confirme RankBrain. Puis 2018 apporte la mise à jour de base d'août, et octobre 2019 apporte BERT. Août 2022 nous donne le système de contenu utile, suivi de la mise à jour spam de liens de SpamBrain en décembre.

En mars 2024, le contenu utile est devenu partie intégrante du classement de base et Google a lancé une mise à jour spam le même jour, le 5 mars. Lire ces entrées côte à côte montre que les systèmes côté lien et côté contenu évoluent sur des horloges différentes.

Gardez cette chronologie à côté de tout graphique de trafic. La plupart des affirmations de causalité ML disparaissent lorsque les dates ne correspondent pas.

Ce que Google a documenté, et ce qu'il n'a pas fait

Le dossier public est plus étroit que la plupart des articles ne le suggèrent. Il est utile de le lire lentement avant de construire une théorie à partir de celui-ci.

Ce qui est dans le dossier public

Google a publié de courtes descriptions de RankBrain, BERT et du système de contenu utile. Ces notes nomment les requêtes, le langage et la qualité du contenu comme le travail de chaque système. Une formule de liens pour l'un d'eux ne fait pas partie des descriptions publiées.

Lisez le libellé attentivement. Une annonce qu'un système existe vous indique son objectif. Elle ne vous indique pas ses poids.

Ce qui n'a jamais été publié

Google n'a pas publié comment RankBrain pondère les liens par rapport au contenu, ou comment l'un des trois systèmes classe une page pour une requête donnée. Quiconque nomme ces poids devine, quel que soit le ton qu'il utilise.

Ce silence coupe en deux. Personne ne peut prouver qu'un lien ne fait rien à l'intérieur de ces systèmes non plus, donc la position honnête est étroite : inconnu, et mérite d'être testé plutôt que supposé.

Lorsqu'une source vous donne un poids précis, demandez d'où vient le nombre. Un chiffre sans document derrière est une ligne de vente, aussi scientifique que semble être le graphique.

D'où viennent les mythes

L'apprentissage automatique ressemble à de la magie. Les gens comblent le vide avec ce qu'ils vendent déjà. Les vendeurs de liens disent les liens, les agences de contenu disent le contenu.

Le propre libellé de Google est plus étroit. En mars 2016, un responsable des recherches Google a nommé les liens, le contenu et RankBrain comme les trois signaux principaux, mais l'entreprise n'a jamais publié comment RankBrain est calculé ou ce qu'il pondère par rapport aux liens.

Lisez donc la version prudente : un système existe, il est important, et son fonctionnement interne n'est pas publié. Demandez à toute affirmation de nommer son test. Si elle ne le peut pas, passez à autre chose.

Les vendeurs et consultants ne sont pas les seuls à tordre une histoire. Les enthousiastes répètent une lecture astucieuse jusqu'à ce qu'elle ressemble à un fait, donc traitez toute explication ordonnée comme une ébauche jusqu'à ce que vous en ayez vu la source.

Pourquoi une histoire propre se propage

Une explication ordonnée est facile à répéter, et elle s'adapte à une diapositive. Les vrais systèmes donnent rarement ce genre de réponse propre. L'écart entre les deux est d'où viennent la plupart des affirmations confiantes.

Lorsque vous voyez une chaîne nette de cause à effet, demandez quelle étape a été mesurée et quelle étape n'a été que supposée.

Pourquoi une anecdote n'est pas un échantillon

Un site qui s'est rétabli après une poussée de liens prouve qu'un site s'est rétabli. Il ne dit rien sur les sites qui ont fait la même chose et sont restés stables. Demandez le dénominateur avant d'accepter l'histoire.

Un échantillon de trente sites comparables enseigne plus qu'un seul cas dramatique.

Ce qu'un marketeur peut réellement faire avec cela

Sautez la théorie et exécutez une comparaison. Notre exemple travaillé montre les appels, en utilisant des sites inventés pour que personne ne le confonde avec une découverte.

Ensuite, regardez l'autre côté. Si une baisse a suivi une vague d'ancres étranges, le manuel anti-spam vous dit s'il faut agir ou attendre. Souvent, vous attendez.

BERT montre bien la sur-interprétation. La surenchère était forte. Il a atteint les recherches en anglais aux États-Unis en octobre 2019 et plus de 70 langues en décembre, et beaucoup de sites n'ont rien vu du tout. Réécrire toutes les pages pour lui était un gaspillage d'un trimestre.

Si votre équipe continue de se disputer sur quel changement a causé une baisse, écrivez les deux causes candidates sur une page avec la date de chacune. La page est plus courte que le débat, et elle règle généralement l'ordre des vérifications.

Gardez la rédaction simple. Un court mémo avec des dates et un tableau est plus difficile à mal interpréter qu'une présentation pleine de flèches.

Rendez le prochain test plus petit

Si le premier test était trop large à lire, réduisez-le à un groupe de requêtes et une plage de dates. Un test étroit peut sembler ennuyeux, mais c'est le seul type qui peut échouer proprement.

Écrivez le résultat attendu avant d'exécuter le test. Un test sans résultat attendu est facile à réinterpréter après coup.