Backlinks do RankBrain: o que as alegações erram
Metade dos conselhos sobre classificação por aprendizado de máquina é repetida sem fonte. Aqui está cada alegação popular ao lado do que o Google realmente disse, e se os dados de links podem verificá-la.
Veredito
RankBrain é um sistema de consultas, então truques de links direcionados a ele falham
O Google descreveu o RankBrain em outubro de 2015 como uma maneira de lidar com buscas que nunca tinha visto. Links não faziam parte dessa descrição. Qualquer um vendendo um pacote de links RankBrain está vendendo uma história.
- Documentado: RankBrain ajuda a combinar consultas incomuns com páginas.
- Documentado: BERT, adicionado em outubro de 2019, lê o contexto de palavras nas consultas.
- Não documentado: qualquer fórmula de links dentro de qualquer um dos sistemas.
Mito contra a realidade
| Alegação que você ouvirá | O que está documentado | Os dados de links podem testar isso? |
|---|---|---|
| Construa links com o anchor exato para que o RankBrain aprenda sua página | Nada diz que o RankBrain lê anchors; ele interpreta consultas | Parcialmente: veja quais anchors seus concorrentes têm, então julgue |
| BERT pune anchors com excesso de palavras-chave | BERT é um modelo de linguagem para consultas e trechos, não uma penalidade | Não; Penguin e SpamBrain são os sistemas do lado dos links |
| Mais domínios referenciados sempre vencem conteúdo melhor | O Google lista muitos sinais e nunca classifica links em primeiro lugar | Sim, na sua própria amostra: compare contagens com posições |
| Conteúdo útil precisa de links para ser considerado útil | O sistema, de agosto de 2022, pontuou conteúdo; links não eram sua entrada | Apenas como uma verificação lateral de quem cita você |
| Um DR baixo significa que os sistemas ML desconfiam de você | DR é uma métrica de estilo de terceiros; o Google não o usa | Não; o nosso é uma escala logarítmica de domínios referenciados |
Três alegações, verificadas uma de cada vez
A maioria dos mitos sobre classificação por aprendizado de máquina compartilha uma forma. Um sistema com um nome público recebe uma fórmula privada. A fórmula, convenientemente, vende algo. Pegue três das mais comuns e faça a mesma pergunta para cada uma: qual é o teste?
O RankBrain lê o texto âncora?
Imagine um profissional de marketing que constrói links com um anchor exato, esperando que o RankBrain aprenda a página. O Google descreve o RankBrain como um sistema para interpretar consultas que nunca viu antes. Ele não descreve a leitura de anchors, então a alegação pede ao sistema para fazer um trabalho que ninguém documentou.
Um teste mais justo pergunta quais anchors seus concorrentes usam e se essas páginas classificam. Essa pergunta é sobre sua amostra, não um peso oculto, e nossa chamada anchors retorna a redação para um site por 2 créditos.
O BERT pune anchors com excesso de palavras-chave?
BERT é um modelo de linguagem que lê as palavras de uma consulta e de um trecho em contexto. O Google o documentou como uma maneira de entender a linguagem, não como uma penalidade para frases repetidas.
A política de spam é uma questão diferente. Uma multidão repentina de anchors comerciais idênticos levanta uma questão do lado dos links, e o manual de spam passa por essa verificação.
A documentação do Google sobre BERT fala sobre consultas e trechos, que é um objeto diferente de um link. Mantenha essa distinção em mente quando alguém citar o BERT em uma proposta de link.
Uma contagem maior de links sempre vence?
Contagens parecem convincentes em um teste pequeno. O Google lista muitos sinais, no entanto, um site com mais domínios referenciados ainda pode perder para um que responde melhor à consulta.
Compare as contagens com as posições em todas as suas consultas. Se a relação for fraca, a contagem nunca foi a história completa, e a teoria precisa de outra razão para se sustentar.
Datas importantes para saber
Outubro de 2015: o Google confirma o RankBrain. Em seguida, 2018 traz a atualização central de agosto, e outubro de 2019 traz o BERT. Agosto de 2022 nos dá o sistema de conteúdo útil, seguido pela atualização de spam de links do SpamBrain em dezembro.
Em março de 2024, o conteúdo útil se tornou parte da classificação central e o Google executou uma atualização de spam no mesmo dia, 5 de março. Ler essas entradas lado a lado mostra que os sistemas do lado dos links e do conteúdo avançam em relógios diferentes.
Mantenha essa linha do tempo ao lado de qualquer gráfico de tráfego. A maioria das alegações de causalidade de ML desaparece quando as datas não se alinham.
O que o Google documentou, e o que não documentou
O registro público é mais limitado do que a maioria dos artigos sugere. Vale a pena ler devagar antes de construir uma teoria sobre isso.
O que está no registro
O Google publicou descrições curtas do RankBrain, BERT e do sistema de conteúdo útil. Essas notas nomeiam consultas, linguagem e qualidade de conteúdo como o trabalho de cada sistema. Uma fórmula de links para qualquer um deles não está entre as descrições publicadas.
Leia a redação com atenção. Um anúncio de que um sistema existe diz seu propósito. Não diz seus pesos.
O que nunca foi publicado
O Google não publicou como o RankBrain pesa links contra conteúdo, ou como qualquer um dos três sistemas classifica uma página para uma consulta dada. Qualquer um que nomeie esses pesos está adivinhando, independentemente do tom que use.
Esse silêncio corta os dois lados. Ninguém pode provar que um link não faz nada dentro desses sistemas também, então a posição honesta é estreita: desconhecido, e vale a pena testar em vez de assumir.
Quando uma fonte lhe dá um peso preciso, pergunte de onde veio o número. Um número sem um documento por trás é uma linha de vendas, por mais científico que pareça o gráfico.
De onde vêm os mitos
Aprendizado de máquina parece mágica. As pessoas preenchem a lacuna com o que já vendem. Vendedores de links dizem links, agências de conteúdo dizem conteúdo.
A própria redação do Google é mais limitada. Em março de 2016, um líder de pesquisa do Google nomeou links, conteúdo e RankBrain como os três principais sinais, no entanto, a empresa nunca publicou como o RankBrain é calculado ou o que ele pesa contra links.
Então leia a versão cuidadosa: um sistema existe, importa, e seus mecanismos internos são não publicados. Peça a qualquer alegação que nomeie seu teste. Se não puder, siga em frente.
Vendedores e consultores não são os únicos que distorcem uma história. Entusiastas repetem uma leitura inteligente até que soe como um fato, então trate qualquer explicação organizada como um rascunho até ter visto sua fonte.
Por que uma história limpa se espalha
Uma explicação organizada é fácil de repetir, e se encaixa em um slide. Sistemas reais raramente dão esse tipo de resposta limpa. A lacuna entre os dois é de onde vêm a maioria das alegações confiantes.
Quando você vê uma cadeia limpa de causa e efeito, pergunte qual etapa foi medida e qual etapa foi apenas assumida.
Por que uma única anedota não é uma amostra
Um site que se recuperou após uma impulsionamento de links prova que um site se recuperou. Não diz nada sobre os sites que fizeram a mesma coisa e permaneceram estagnados. Peça o denominador antes de aceitar a história.
Uma amostra de trinta sites comparáveis ensina mais do que um único caso dramático.
Execute o teste de alegação em suas próprias consultas
Você pode testar a maioria das alegações de links e ML sem um laboratório. Use uma lista curta de consultas que você já rastreia.
- 1
Escolha trinta consultas
Escolha consultas onde você já conhece os três primeiros resultados e sua própria posição. Trinta é suficiente para mostrar um padrão sem se afogar em ruído.
- 2
Puxe contagens para os líderes
Chame
comparenos três domínios líderes para cada consulta. Uma chamada é um crédito, que é $0.0001, e aceita até 20 domínios. - 3
Anote a data da captura
Armazene a data de atualização ao lado de cada contagem. Sem isso, uma captura posterior não pode ser comparada com esta.
- 4
Verifique a relação em todos os trinta
Procure um padrão em toda a lista. Uma única consulta onde links e classificação discordam provam muito pouco.
- 5
Repita após a próxima atualização
Uma segunda captura após a atualização mensal mostra se o padrão se mantém ou foi uma lacuna passageira.
O que um profissional de marketing pode realmente fazer com isso
Pule a teoria e execute uma comparação. Nosso exemplo prático mostra as chamadas, usando sites inventados para que ninguém confunda com uma descoberta.
Então olhe para o outro lado. Se uma queda seguiu uma onda de anchors estranhos, o manual de spam diz se você deve agir ou esperar. Muitas vezes você espera.
BERT mostra superinterpretação bem. A hype estava alta. Alcançou buscas em inglês nos EUA em outubro de 2019 e mais de 70 idiomas em dezembro, e muitos sites não viram nada. Reescrever todas as páginas para isso foi um desperdício de um trimestre.
Se sua equipe continua discutindo sobre qual mudança causou uma queda, escreva as duas causas candidatas em uma página com a data de cada. A página é mais curta que o debate, e geralmente resolve a ordem das verificações.
Mantenha a escrita simples. Um memorando curto com datas e uma tabela é mais difícil de ser mal interpretado do que um conjunto de slides cheio de setas.
Torne o próximo teste menor
Se o primeiro teste foi amplo demais para ler, reduza-o para um grupo de consultas e um intervalo de datas. Um teste estreito pode parecer entediante, mas é o único tipo que pode falhar limpo.
Escreva o resultado esperado antes de executar o teste. Um teste sem resultado esperado é fácil de reinterpretar depois.
Escolha 30 consultas que você rastreia. Puxe contagens de domínios referenciados para os três primeiros resultados com compare, que é um crédito por chamada. Se as contagens não tiverem relação com a classificação em todos os 30, sua teoria sobre links e ML já está em apuros.
Como ler uma alegação de link e ML
- Encontre a data e a fonte; os anúncios do Google carregam ambos.
- Verifique se fala sobre consultas, conteúdo ou links.
- Procure uma amostra maior do que um site.
- Observe se o autor vende o que a alegação recomenda.
- Repita sua própria captura após a próxima atualização mensal do índice.
Perguntas sobre RankBrain e backlinks
Se o RankBrain é sobre consultas, por que os links ainda importam?
Links importam para buscas por outras razões, como descoberta e a mistura mais ampla de sinais que o Google descreve. RankBrain é uma peça dessa mistura. Mantenha as duas perguntas separadas quando você ler um artigo sobre uma queda de tráfego.
O BERT mudou como os links são contados?
Não em nada que o Google tenha publicado. BERT diz respeito à linguagem em consultas e trechos. Se uma fonte diz que reponderou anchors, peça o documento que diz isso.
Um DR alto é um sinal que o Google lê?
Não. O Google não usa Domain Rating, e o nosso é nossa própria contagem em escala logarítmica de domínios referenciados. Ajuda a ordenar uma lista, não a prever uma classificação. Se um vendedor vende DR como um fator de classificação, peça para mostrar o documento que diz isso.
Quanto tempo devo esperar antes de julgar uma mudança de link?
Dê alguns ciclos de atualização. Nosso índice é atualizado cerca de uma vez por mês, e o Google recrawls em seu próprio cronograma. Uma única captura raramente resolve uma questão.
