Backlink RankBrain: dove le affermazioni sbagliano

Tre affermazioni, verificate una alla volta

La maggior parte dei miti sul ranking basato sul machine learning ha una forma comune. Un sistema con un nome pubblico riceve una formula privata. La formula, comodamente, vende qualcosa. Prendi tre delle affermazioni più comuni e poni la stessa domanda a ciascuna: qual è il test?

RankBrain legge il testo anchor?

Immagina un marketer che costruisce link con un'unica anchor esatta, sperando che RankBrain impari la pagina. Google descrive RankBrain come un sistema per interpretare query mai viste prima. Non descrive la lettura degli anchor, quindi l'affermazione chiede al sistema di svolgere un lavoro non documentato da nessuno.

Un test più equo chiede quali anchor usano i tuoi rivali e se quelle pagine si classificano. Questa domanda riguarda il tuo campione, non un peso nascosto, e la nostra chiamata anchors restituisce la formulazione per un sito per 2 crediti.

BERT penalizza gli anchor pieni di parole chiave?

BERT è un modello linguistico che legge le parole di una query e di un passaggio nel contesto. Google lo ha documentato come un modo per comprendere il linguaggio, non come una penalità per frasi ripetute.

La politica antispam è una questione diversa. Un'improvvisa ondata di anchor commerciali identici solleva una domanda lato link, e il manuale antispam illustra questo controllo.

La documentazione di Google su BERT parla di query e passaggi, che sono oggetti diversi da un link. Tieni presente questa distinzione quando qualcuno cita BERT in una proposta di link.

Un numero maggiore di link vince sempre?

I conteggi sembrano convincenti in un piccolo test. Tuttavia, Google elenca molti segnali e un sito con più domini di riferimento può ancora perdere contro uno che risponde meglio alla query.

Confronta i conteggi con le posizioni per tutte le tue query. Se la relazione è debole, il conteggio non era mai la storia completa e la teoria ha bisogno di un'altra ragione per reggere.

Date da conoscere

Ottobre 2015: Google conferma RankBrain. Poi nel 2018 arriva l'aggiornamento core di agosto, e nell'ottobre 2019 arriva BERT. Agosto 2022 ci dà il sistema di contenuto utile, seguito dall'aggiornamento spam sui link di SpamBrain a dicembre.

Nel marzo 2024 il contenuto utile è diventato parte del ranking core e Google ha eseguito un aggiornamento antispam lo stesso giorno, il 5 marzo. Leggere quelle voci fianco a fianco mostra che i sistemi lato link e lato contenuto avanzano con orologi diversi.

Tieni questa cronologia accanto a qualsiasi grafico del traffico. La maggior parte delle affermazioni di causalità ML svanisce quando le date non corrispondono.

Cosa Google ha documentato e cosa no

La documentazione pubblica è più ristretta di quanto suggeriscano la maggior parte degli articoli. Vale la pena leggerla attentamente prima di costruire una teoria su di essa.

Cosa è documentato

Google ha pubblicato brevi descrizioni di RankBrain, BERT e del sistema di contenuto utile. Queste note indicano query, linguaggio e qualità dei contenuti come lavoro di ciascun sistema. Una formula sui link per nessuno di essi è tra le descrizioni pubblicate.

Leggi attentamente il testo. Un annuncio che un sistema esiste ti dice il suo scopo. Non ti dice i suoi pesi.

Cosa non è mai stato pubblicato

Google non ha pubblicato come RankBrain pesa i link rispetto ai contenuti, o come uno dei tre sistemi classifica una pagina per una data query. Chiunque indichi questi pesi sta indovinando, indipendentemente dal tono usato.

Questo silenzio va in entrambe le direzioni. Nessuno può dimostrare che un link non faccia nulla all'interno di questi sistemi, quindi la posizione onesta è ristretta: sconosciuto, e vale la pena testarlo piuttosto che assumere.

Quando una fonte ti dà un peso preciso, chiedi da dove è venuto il numero. Una cifra senza un documento alle spalle è una frase di vendita, anche se il grafico sembra scientifico.

Da dove vengono i miti

Il machine learning sembra magia. Le persone riempiono il vuoto con ciò che già vendono. I venditori di link dicono link, le agenzie di contenuti dicono contenuti.

Il linguaggio stesso di Google è più ristretto. Nel marzo 2016 un responsabile delle ricerche Google ha nominato link, contenuti e RankBrain come i tre segnali principali, tuttavia l'azienda non ha mai pubblicato come viene calcolato RankBrain o cosa pesa rispetto ai link.

Quindi leggi la versione attenta: un sistema esiste, è importante, e i suoi meccanismi interni non sono pubblicati. Chiedi a qualsiasi affermazione di nominare il suo test. Se non può, passa oltre.

Venditori e consulenti non sono gli unici a storcere una storia. Gli appassionati ripetono una lettura intelligente finché non suona come un fatto, quindi tratta qualsiasi spiegazione ordinata come una bozza finché non hai visto la sua fonte.

Perché si diffonde una storia pulita

Una spiegazione ordinata è facile da ripetere e si adatta a una diapositiva. I sistemi reali raramente danno quel tipo di risposta pulita. Il divario tra i due è da dove provengono la maggior parte delle affermazioni sicure.

Quando vedi una catena ordinata di causa ed effetto, chiedi quale passo è stato misurato e quale passo è stato solo assunto.

Perché un aneddoto non è un campione

Un sito che si è ripreso dopo una spinta ai link dimostra che un sito si è ripreso. Non dice nulla sui siti che hanno fatto la stessa cosa e sono rimasti piatti. Chiedi il denominatore prima di accettare la storia.

Un campione di trenta siti comparabili insegna più di un singolo caso drammatico.

Cosa può fare realmente un marketer con questo

Salta la teoria ed esegui un confronto. Il nostro esempio pratico mostra le chiamate, usando siti inventati così nessuno lo scambierà per un risultato.

Poi guarda l'altro lato. Se un calo è seguito da un'onda di anchor strani, il manuale antispam ti dice se agire o aspettare. Spesso aspetti.

BERT mostra bene la sovrainterpretazione. L'hype era alto. Ha raggiunto le ricerche in inglese negli Stati Uniti nell'ottobre 2019 e oltre 70 lingue a dicembre, e molti siti non hanno visto nulla. Riscrivere ogni pagina per esso è stato uno spreco di un trimestre.

Se il tuo team continua a discutere su quale cambiamento abbia causato un calo, scrivi le due cause candidate su una pagina con la data di ciascuna. La pagina è più breve del dibattito e di solito stabilisce l'ordine dei controlli.

Mantieni la scrittura semplice. Un breve memo con date e una tabella è più difficile da fraintendere rispetto a una presentazione piena di frecce.

Rendi il test successivo più piccolo

Se il primo test era troppo ampio da leggere, riducilo a un gruppo di query e un intervallo di date. Un test ristretto può sembrare noioso, ma è l'unico tipo che può fallire in modo pulito.

Scrivi il risultato atteso prima di eseguire il test. Un test senza risultato atteso è facile da reinterpretare dopo.