랭크브레인 백링크: 주장의 오류

세 가지 주장을 하나씩 검증합니다

머신러닝 랭킹에 관한 대부분의 신화는 하나의 형태를 공유합니다. 공개된 이름을 가진 시스템에 비공개 공식이 부여됩니다. 그 공식은 conveniently 무엇인가를 판매합니다. 흔한 세 가지를 가져와 각자에 대해 같은 질문을 던져봅시다: 검증 방법은 무엇인가?

랭크브레인이 앵커 텍스트를 읽는가?

하나의 정확한 앵커로 링크를 구축해 랭크브레인이 페이지를 학습하기를 바라는 마케터를 상상해 봅시다. 구글은 랭크브레인을 이전에 보지 못한 쿼리를 해석하는 시스템으로 설명합니다. 앵커 읽기를 설명하지 않았으므로, 이 주장은 시스템이 문서화되지 않은 작업을 수행하라고 요구하는 것입니다.

더 공정한 테스트는 경쟁사가 사용하는 앵커와 해당 페이지의 랭킹을 묻는 것입니다. 이 질문은 숨겨진 가중치가 아닌 샘플에 관한 것이며, 우리의 anchors 호출은 2 크레딧으로 한 사이트의 워딩을 반환합니다.

BERT는 과도한 앵커를 페널티로 처리하는가?

BERT는 쿼리와 페이지의 단어를 맥락 속에서 읽는 언어 모델입니다. 구글은 이를 반복된 구문에 대한 페널티가 아닌 언어 이해를 위한 방법으로 문서화했습니다.

스팸 정책은 별개의 문제입니다. 동일한 상업용 앵커가 갑자기 대량으로 등장하면 링크 측면의 의문이 제기되며, 스팸 런북이 해당 검증을 안내합니다.

구글의 BERT 문서화는 쿼리와 페이지를 다루며, 이는 링크와 다른 객체입니다. 누군가가 링크 피칭에서 BERT를 인용할 때 이 구분을 명심하십시오.

더 많은 링크 수가 항상 승리하는가?

소규모 테스트에서는 개수가 설득력 있게 보일 수 있습니다. 그러나 구글은 많은 신호를 나열하며, 참조 도메인이 더 많은 사이트가 쿼리를 더 잘 답변하는 사이트에게 질 수 있습니다.

쿼리 전반에 걸쳐 개수와 순위를 비교하십시오. 관계가 약하다면 개수가 전체 이야기가 아니었으며, 그 이론은 다른 근거가 필요합니다.

알아야 할 날짜

2015년 10월: 구글은 랭크브레인을 확인합니다. 이어 2018년 8월 코어 업데이트와 2019년 10월 BERT가 등장합니다. 2022년 8월 유용한 콘텐츠 시스템이 도입되었으며, 이어 12월 스팜브레인의 링크 스팸 업데이트가 있었습니다.

2024년 3월 유용한 콘텐츠가 코어 랭킹의 일부가 되었고, 구글은 같은 날인 3월 5일 스팸 업데이트를 실행했습니다. 해당 항목을 나란히 읽으면 링크 측면과 콘텐츠 측면의 시스템이 서로 다른 속도로 작동함을 알 수 있습니다.

이 타임라인을 트래픽 차트 옆에 두십시오. 대부분의 ML 인과 주장 날짜가 일치하지 않으면 사라집니다.

구글이 문서화한 것과 미문서화한 것

공개 기록은 대부분의 기사에서 시사하는 것보다 좁습니다. 이를 바탕으로 이론을 세우기 전에 천천히 읽어볼 가치가 있습니다.

기록에 남은 것

구글은 랭크브레인, BERT, 유용한 콘텐츠 시스템에 대한 짧은 설명을 게시했습니다. 해당 노트는 각 시스템의 작업이 쿼리, 언어, 콘텐츠 품질임을 명시합니다. 이에 대한 링크 공식은 게시된 설명에 포함되지 않았습니다.

문구를 주의 깊게 읽으십시오. 시스템이 존재한다는 발표은 그 목적을 알려줄 뿐, 가중치는 알려주지 않습니다.

게시된 적이 없는 것

구글은 랭크브레인이 링크와 콘텐츠를 어떻게 가중치 두는지, 또는 세 시스템 중 하나가 특정 쿼리에 대해 페이지를 어떻게 랭킹하는지 게시하지 않았습니다. 이러한 가중치를 지목하는 사람은 어떤 어조를 사용하든 추측하는 것입니다.

그 침묵은 양방향으로 작용합니다. 링크가 이러한 시스템 내에서 아무 역할도 하지 않는다는 것을 아무도 증명할 수 없으므로, 정직한 입장은 좁습니다: 미지이며, 가정하기보다 검증할 가치가 있습니다.

출처가 정확한 가중치를 제공한다면, 그 숫자가 어디에서 왔는지 물어보십시오. 문서 뒷받침이 없는 수치는 차트가 과학적으로 보이더라도 판매용 문구입니다.

신화의 기원

머신러닝은 마법처럼 보입니다. 사람들은 이미 판매하고 있는 것으로 그 간극을 채웁니다. 링크 판매자는 링크를, 콘텐츠 에이전시 콘텐츠를 말합니다.

구글의Own wording은 더 좁습니다. 2016년 3월 구글 검색 리드는 링크, 콘텐츠, 랭크브레인을 상위 세 신호로 지목했으나, 회사는 랭크브레인의 계산 방법이나 링크 대비 가중치를 게시하지 않았습니다.

따라서 신중하게 읽으십시오: 시스템이 존재하며 중요하며, 내부 작동은 비공개입니다. 모든 주장에 검증 방법을 요구하십시오. 요구하지 않으면 넘어가십시오.

벤더와 컨설턴트만이 이야기를 왜곡하는 것은 아닙니다. 열성적인 사람들은 똑똑한 해석을 반복하여 사실처럼 들리게 만듭니다. 따라서 출처를 확인하기 전까지 깔끔한 설명은 초안으로 취급하십시오.

깔끔한 이야기가 퍼지는 이유

깔끔한 설명은 반복하기 쉽고 슬라이드에 맞습니다. 실제 시스템은 종종 그런 깔끔한 답을 주지 않습니다. 두 가지 사이의 간격이 대부분의 확신 있는 주장의 출처입니다.

깔끔한 인과 관계 사슬을 보게 되면, 어떤 단계가 측정되었고 어떤 단계가 가정되었는지 물어보십시오.

왜 하나의 일화가 샘플이 아닌가

링크 증가 후 회복한 한 사이트는 한 사이트가 회복했음을 증명합니다. 동일한 행동을 했지만 평탄하게 남은 사이트들에 대해서는 아무것도 말하지 않습니다. 이야기를 받아들이기 전에 분모를 요구하십시오.

비교 가능한 30개 사이트의 샘플은 단일 극적인 사례보다 더 많은 것을 가르쳐 줍니다.

마케터가 실제로 할 수 있는 것

이론을 건너뛰고 비교를 실행하십시오. 우리의 작업 예시는 호출 방법을 보여주며, 발견으로 오해받지 않도록 위조된 사이트를 사용합니다.

그런 다음 다른 측면을 살펴보십시오. 이상한 앵커의 물결 이후 하락이 따랐다면, 스팸 런북이 행동할지 기다릴지 알려줍니다. 종종 기다리는 것이 좋습니다.

BERT는 과도한 해석을 잘 보여줍니다. 과열이 높았습니다. 2019년 10월 미국 영어 검색에 도달했고 12월에는 70개 이상의 언어로 확장되었으며, 많은 사이트는 아무 변화도 보지 못했습니다. 모든 페이지를 다시 쓰는 것은 분의 낭비였습니다.

팀이 어떤 변경이 하락을 유발했는지 계속 논쟁한다면, 두 후보 원인을 날짜와 함께 한 페이지에 기록하십시오. 이 페이지는 논쟁보다 짧으며, 일반적으로 검사 순서를 결정합니다.

작성을 평범하게 유지하십시오. 날짜와 하나의 표가 포함된 짧은 메모는 화살표로 가득한 슬라이드 데크보다 오해하기 어렵습니다.

다음 테스트를 더 작게 만드십시오

첫 번째 테스트이 너무 넓어서 읽기 어렵다면, 하나의 쿼리 그룹과 하나의 날짜 범위로 줄이십시오. 좁은 테스트는 지루해 보일 수 있지만, 깔끔하게 실패할 수 있는 유일한 유형입니다.

테스트 실행 전에 예상 결과를 작성하십시오. 예상 결과가 없는 테스트는 이후 재해석하기 쉽습니다.