Рейтинговые ссылки RankBrain: в чем ошибаются утверждения
Половина советов по машинному обучению в ранжировании повторяется без источников. Здесь каждое популярное утверждение сопоставлено с тем, что на самом деле сказала Google, и тем, можно ли его проверить с помощью ссылочных данных.
Вердикт
RankBrain — это система запросов, поэтому трюки со ссылками, направленные на нее, не работают
Google описала RankBrain в октябре 2015 года как инструмент для обработки запросов, которые она ранее не видела. Ссылки не входили в это описание. Любой, кто продает пакет ссылок для RankBrain, продает историю.
- Документировано: RankBrain помогает сопоставлять необычные запросы со страницами.
- Документировано: BERT, добавленный в октябре 2019 года, учитывает контекст слов в запросах.
- Не задокументировано: любая формула ссылок внутри этих систем.
Миф против реальности
| Утверждение, которое вы услышите | Что задокументировано | Можно ли проверить это ссылочными данными? |
|---|---|---|
| Стройте ссылки с точным якорем, чтобы RankBrain «изучил» вашу страницу | Ничего не говорит о том, что RankBrain читает якоря; он интерпретирует запросы | Частично: посмотрите, какие якоря используют ваши конкуренты, затем сделайте выводы |
| BERT наказывает за переспам якорей | BERT — это языковая модель для запросов и отрывков, а не инструмент наказания | Нет; системами, работающими со ссылками, являются Penguin и SpamBrain |
| Больше ссылающихся доменов всегда лучше, чем качественный контент | Google перечисляет множество факторов и никогда не ставит ссылки на первое место | Да, на вашей выборке: сравните количество с позициями |
| Полезному контенту нужны ссылки, чтобы считаться полезным | Система, появившаяся в августе 2022 года, оценивала контент; ссылки не были ее входными данными | Только как дополнительная проверка того, кто на вас ссылается |
| Низкий DR означает, что системы ML вам не доверяют | DR — это метрика стороннего сервиса; Google ее не использует | Нет; наша метрика — логарифмическая шкала ссылающихся доменов |
Три утверждения, проверенные по одному
Большинство мифов о ранжировании с помощью машинного обучения имеют одну форму. Система с публичным именем получает частную формулу. Формула, удобно для продавца, что-то продает. Возьмем три распространенных утверждения и зададим к каждому один вопрос: каков тест?
Читает ли RankBrain якорный текст?
Представьте маркетолога, который строит ссылки с одним точным якорем, надеясь, что RankBrain «изучит» страницу. Google описывает RankBrain как систему для интерпретации ранее невиданных запросов. Она не описывает чтение якорей, поэтому утверждение просит систему выполнить задачу, которую никто не задокументировал.
Более честный тест спрашивает, какие якоря используют ваши конкуренты и ранжируются ли их страницы. Этот вопрос касается вашей выборки, а не скрытого веса, и наш вызов anchors возвращает формулировки для одного сайта за 2 кредита.
Наказывает ли BERT за переспам якорей?
BERT — это языковая модель, которая читает слова запроса и отрывка в контексте. Google задокументировала ее как инструмент понимания языка, а не как инструмент наказания за повторяющиеся фразы.
Политика спама — отдельный вопрос. Внезапный поток идентичных коммерческих якорей вызывает вопрос на стороне ссылок, и руководство по спаму описывает эту проверку.
Документация Google по BERT говорит о запросах и отрывках, что является другим объектом по сравнению со ссылкой. Имейте это различие в виду, когда кто-то цитирует BERT в предложении по ссылкам.
Всегда ли побеждает большее количество ссылок?
Количество выглядит убедительно в небольшом тесте. Однако Google перечисляет множество факторов, и сайт с большим количеством ссылающихся доменов все еще может проиграть тому, который лучше отвечает на запрос.
Сравните количество с позициями по всем вашим запросам. Если связь слабая, количество никогда не было полной картиной, и теории нужно другое обоснование.
Даты, которые стоит знать
Октябрь 2015: Google подтверждает RankBrain. Затем в 2018 году выходит августовское обновление ядра, а в октябре 2019 года — BERT. Август 2022 года приносит систему полезного контента, за которой в декабре следует обновление по спаму в ссылках от SpamBrain.
В марте 2024 года полезный контент стал частью основного ранжирования, и Google выпустила обновление по спаму в тот же день, 5 марта. Чтение этих записей бок о бок показывает, что системы на стороне ссылок и на стороне контента работают по разным графикам.
Держите эту временную шкалу рядом с любой диаграммой трафика. Большинство утверждений о причинно-следственной связи ML исчезают, когда даты не совпадают.
Что задокументировала Google, а что нет
Публичный реестр уже, чем предполагают большинство статей. Стоит читать внимательно, прежде чем строить на его основе теорию.
Что есть в реестре
Google опубликовала краткие описания RankBrain, BERT и системы полезного контента. Эти заметки указывают, что запросы, язык и качество контента — это работа каждой из этих систем. Формулы ссылок для любой из них в опубликованных описаниях нет.
Внимательно читайте формулировки. Объявление о существовании системы говорит о ее цели. Оно не говорит о ее весах.
Что никогда не публиковалось
Google не публиковала, как RankBrain взвешивает ссылки по сравнению с контентом или как любая из трех систем ранжирует страницу для данного запроса. Любой, кто называет эти веса, гадает, независимо от тона.
Это молчание работает в обе стороны. Никто также не может доказать, что ссылка ничего не делает внутри этих систем, поэтому честная позиция узкая: неизвестно, и стоит проверить, а не предполагать.
Когда источник дает вам точный вес, спросите, откуда взялось число. Цифра без документа за ней — это продающая фраза, как бы научно ни выглядела диаграмма.
Откуда берутся мифы
Машинное обучение звучит как магия. Люди заполняют пробел тем, что уже продают. Продавцы ссылок говорят о ссылках, контент-агентства — о контенте.
Собственная формулировка Google уже. В марте 2016 года руководитель поисковых систем Google назвал ссылки, контент и RankBrain тремя главными факторами, однако компания никогда не публиковала, как вычисляется RankBrain или что он взвешивает по сравнению со ссылками.
Так что читайте осторожную версию: система существует, она важна, а ее внутреннее устройство не опубликовано. Попросите любое утверждение назвать свой тест. Если не может, переходите дальше.
Продавцы и консультанты — не единственные, кто искажает историю. Энтузиасты повторяют умное толкование до тех пор, пока оно не станет звучать как факт, поэтому относитесь к любому аккуратному объяснению как к черновику, пока не увидите его источник.
Почему чистая история распространяется
Аккуратное объяснение легко повторить, и оно вписывается в слайд. Реальные системы редко дают такой чистый ответ. Разрыв между двумя — это то, откуда берутся большинство уверенных утверждений.
Когда видите аккуратную цепь причин и следствий, спросите, какой шаг был измерен, а какой был только предположен.
Почему одна история — не выборка
Один сайт, который восстановился после наращивания ссылок, доказывает, что один сайт восстановился. Он ничего не говорит о сайтах, которые сделали то же самое и остались на месте. Спросите о знаменателе, прежде чем принимать историю.
Выборка из тридцати сопоставимых сайтов учит больше, чем один драматичный случай.
Проведите тест утверждения на своих собственных запросах
Вы можете проверить большинство утверждений о ссылках и ML без лаборатории. Используйте короткий список запросов, которые вы уже отслеживаете.
- 1
Выберите тридцать запросов
Выберите запросы, по которым вы уже знаете три лучших результата и свою собственную позицию. Тридцати достаточно, чтобы показать закономерность, не утонув в шуме.
- 2
Получите количество для лидеров
Вызовите
compareдля трех ведущих доменов для каждого запроса. Один вызов — один кредит, что составляет $0.0001, и он принимает до 20 доменов. - 3
Запишите дату снимка
Сохраните дату обновления рядом с каждым количеством. Без этого более поздний запрос нельзя будет сравнить с этим.
- 4
Проверьте связь по всем тридцати
Ищите закономерность по всему списку. Один запрос, где ссылки и ранг расходятся, доказывает очень мало.
- 5
Повторите после следующего обновления
Второй запрос после ежемесячного обновления показывает, сохраняется ли закономерность или это был временный разрыв.
Что маркетолог может реально сделать с этим
Пропустите теорию и запустите сравнение. Наш пример с решениями показывает вызовы, используя вымышленные сайты, чтобы никто не принял это за исследование.
Затем посмотрите на другую сторону. Если падение последовало за волной странных якорей, руководство по спаму скажет, стоит ли действовать или ждать. Часто вы ждете.
BERT хорошо показывает чрезмерное чтение. Хайп был высоким. Он достиг поисковых запросов на английском языке в США в октябре 2019 года и более 70 языков к декабрю, и многие сайты вообще ничего не увидели. Переписывание каждой страницы для него было потраченным впустую кварталом.
Если ваша команда продолжает спорить о том, какое изменение вызвало падение, запишите две кандидатуры на одной странице с датой каждого. Страница короче дебата, и она обычно устанавливает порядок проверок.
Держите запись простой. Короткая записка с датами и одной таблицей сложнее для неверного прочтения, чем презентация, полная стрелок.
Сделайте следующий тест меньше
Если первый тест был слишком широким для чтения, сократите его до одной группы запросов и одного диапазона дат. Узкий тест может показаться скучным, но это единственный вид, который может четко провалиться.
Запишите ожидаемый результат перед запуском теста. Тест без ожидаемого результата легко переинтерпретировать afterwards.
Выберите 30 отслеживаемых запросов. Получите количество ссылающихся доменов для трех лучших результатов с помощью compare, что составляет один кредит за вызов. Если количество не имеет отношения к рангу по 30 запросам, ваша теория о ссылках и ML уже в беде.
Как читать утверждение о ссылке и ML
- Найдите дату и источник; объявления Google содержат оба.
- Проверьте, говорит ли это о запросах, контенте или ссылках.
- Ищите выборку больше одного сайта.
- Заметьте, продает ли автор то, что рекомендует утверждение.
- Повторите свой запрос после следующего ежемесячного обновления индекса.
Вопросы о RankBrain и обратных ссылках
Если RankBrain о запросах, почему ссылки все еще важны?
Ссылки важны для поиска по другим причинам, таким как обнаружение и более широкий набор факторов, которые описывает Google. RankBrain — одна из частей этого набора. Разделяйте два вопроса, когда читаете статью о падении трафика.
Изменил ли BERT то, как считаются ссылки?
Ничего в том, что опубликовала Google. BERT касается языка в запросах и отрывках. Если источник говорит, что он изменил веса якорей, спросите документ, который это говорит.
Является ли высокий DR фактором, который читает Google?
Нет. Google не использует Domain Rating, а наша — это наш собственный логарифмический подсчет ссылающихся доменов. Он помогает сортировать список, а не предсказывать ранжирование. Если продавец продает DR как фактор ранжирования, попросите его показать документ, который это говорит.
Как долго мне ждать, прежде чем оценивать изменение ссылок?
Дайте ему несколько циклов обновления. Наш индекс обновляется примерно раз в месяц, а Google переобходит по своему графику. Один снимок редко решает вопрос.
