Посилання RankBrain: що твердження роблять неправильно
Половина порад щодо машинного навчання в ранжуванні повторюється без джерел. Ось кожне популярне твердження поруч із тим, що насправді сказав Google, і тим, чи можна його перевірити за даними посилань.
Висновок
RankBrain — це система запитів, тому трюки з посиланнями, спрямовані на неї, не працюють
Google описав RankBrain у жовтні 2015 року як спосіб обробки запитів, з якими система раніше не стикалася. Посилання не входили до цього опису. Будь-хто, хто продає пакет посилань для RankBrain, продає історію.
- Задокументовано: RankBrain допомагає зіставляти незвичні запити зі сторінками.
- Задокументовано: BERT, доданий у жовтні 2019 року, аналізує контекст слів у запитах.
- Не задокументовано: будь-якої формули посилань всередині цих систем.
Міт проти реальності
| Твердження, яке ви почуєте | Що задокументовано | Чи можна перевірити це даними посилань? |
|---|---|---|
| Створюйте посилання з точним якорем, щоб RankBrain «навчився» вашій сторінці | Ніде не сказано, що RankBrain читає якорі; він інтерпретує запити | Частково: подивіться, які якорі мають ваші конкуренти, а потім оцініть ситуацію |
| BERT карає якорі, перенасичені ключовими словами | BERT — це мовна модель для запитів і фрагментів тексту, а не штрафна система | Ні; системами, що працюють із посиланнями, є Penguin та SpamBrain |
| Більше посилальних доменів завжди краще за якісний контент | Google перелічує багато сигналів і ніколи не ставить посилання на перше місце | Так, на вашій власній вибірці: порівняйте кількість з позиціями |
| Корисному контенту потрібні посилання, щоб вважатися корисним | Система, запущена у серпні 2022 року, оцінювала контент; посилання не були її вхідними даними | Тільки як побічна перевірка того, хто на вас посилається |
| Низький DR означає, що системи ML не довіряють вам | DR — це метрика третьої сторони; Google її не використовує | Ні; наша метрика — це логарифмічна шкала посилальних доменів |
Три твердження, перевірені по одному
Більшість міфів про ранжування з машинним навчанням мають однакову структуру. Система з публічною назвою отримує приватну формулу. Ця формула, зручно для продавців, щось продає. Візьміть три поширені твердження і поставте до кожного одне питання: яке випробування?
Чи читає RankBrain текст якоря?
Уявіть маркетолога, який будує посилання з одним точним якорем, сподіваючись, що RankBrain «навчиться» цій сторінці. Google описує RankBrain як систему для інтерпретації запитів, з якими вона раніше не стикалася. Вона не читає якорі, тому твердження вимагає від системи виконати роботу, яку ніхто не задокументував.
Більш чесне випробування запитує, які якорі використовують ваші конкуренти, і чи ранжуються їхні сторінки. Це питання стосується вашої вибірки, а не прихованої ваги, і наш виклик anchors повертає формулювання для одного сайту за 2 кредити.
Чи карає BERT перенасичені якорі?
BERT — це мовна модель, яка читає слова запиту та фрагмента тексту в контексті. Google задокументував її як спосіб розуміння мови, а не як штраф за повторення фраз.
Політика щодо спаму — це інша справа. Раптове скупчення однакових комерційних якорів викликає питання на стороні посилань, і посібник зі спамом розглядає цю перевірку.
Документація Google щодо BERT говорить про запити та фрагменти тексту, що є іншим об'єктом від посилання. Майте на увазі це розходження, коли хтось цитує BERT у пропозиції щодо посилань.
Чи завжди перемагає більша кількість посилань?
Кількість виглядає переконливо в невеликому тесті. Однак Google перелічує багато сигналів, і сайт із більшою кількістю посилальних доменів все одно може програти тому, який краще відповідає на запит.
Порівняйте кількості з позиціями по всіх ваших запитах. Якщо зв'язок слабкий, кількість ніколи не була повною історією, і теорії потрібна інша причина, щоб стояти.
Дати, які варто знати
Жовтень 2015: Google підтверджує RankBrain. Потім 2018 рік приносить оновлення ядра в серпні, а жовтень 2019 року — BERT. Серпень 2022 року дає нам систему корисного контенту, за якою в грудні того ж року відбулося оновлення SpamBrain щодо спаму в посиланнях.
У березні 2024 року корисний контент став частиною основного ранжування, і Google провів оновлення спаму того ж дня, 5 березня. Читання цих записів поруч показує, що системи на стороні посилань та контенту рухаються за різними графіками.
Тримайте цей таймлайн поруч із будь-якою діаграмою трафіку. Більшість тверджень про причинно-наслідковий зв'язок ML зникають, коли дати не збігаються.
Що задокументував Google, а що ні
Публічний запис вужчий, ніж пропонують більші статей. Варто читати повільно, перш ніж будувати на його основі теорію.
Що є в публічному доступі
Google опублікував короткі описи RankBrain, BERT та системи корисного контенту. Ці нотатки називають запити, мову та якість контенту як роботу кожної системи. Формули посилань для жодної з них серед опублікованих описів немає.
Уважно читайте формулювання. Оголошення про існування системи каже вам її призначення. Воно не каже вам про її ваги.
Що ніколи не публікувалося
Google не публікував, як RankBrain зважує посилання відносно контенту, або як будь-яка з трьох систем ранжує сторінку для конкретного запиту. Будь-хто, хто називає ці ваги, вгадує, незалежно від тону, який він використовує.
Ця тишина працює в обидва боки. Ніхто також не може довести, що посилання нічого не робить всередині цих систем, тому чесна позиція вузька: невідомо, і варте перевірки, а не припущень.
Коли джерело дає вам точну вагу, запитайте, звідки взялося число. Фігура без документа, що її підтверджує, — це продажний рядок, як би науково не виглядала діаграма.
Звідки походять міфи
Машинне навчання здається магією. Люди заповнюють прогалину тим, що вони вже продають. Продавці посилань кажуть «посилання», контент-агентства кажуть «контент».
Власне формулювання Google вужче. У березні 2016 року керівник пошуку Google назвав посилання, контент та RankBrain трьома найважливішими сигналами, але компанія ніколи не публікувала, як обчислюється RankBrain або що він зважує відносно посилань.
Тож читайте обережну версію: система існує, вона важлива, а її внутрішня робота не опублікована. Попросіть будь-яке твердження назвати своє випробування. Якщо воно не може, йдіть далі.
Продавці та консультанти — не єдині, хто спотворюють історію. Ентузіасти повторюють розумне тлумачення, доки воно не звучить як факт, тому ставтеся до будь-якого акуратного пояснення як до чернетки, доки не побачите його джерело.
Чому чиста історія поширюється
Акуратне пояснення легко повторити, і воно підходить для слайда. Справжні системи рідко дають таку чисту відповідь. Пропасть між двома — це те, звідки походять більші впевнені твердження.
Коли ви бачите акуратний ланцюг причини і наслідку, запитайте, який крок був виміряний, а який лише припущений.
Чому одна анекдотична історія — не вибірка
Один сайт, який відновився після кампанії посилань, доводить, що один сайт відновився. Він нічого не говорить про сайти, які зробили те ж саме і залишилися на місці. Запитайте знаменник, перш ніж прийняти історію.
Вибірка з тридцяти порівнянних сайтів навчає більше, ніж один драматичний випадок.
Проведіть тест твердження на власних запитах
Ви можете перевірити більшість тверджень про посилання та ML без лабораторії. Використовуйте короткий список запитів, які ви вже відстежуєте.
- 1
Оберіть тридцять запитів
Оберіть запити, де ви вже знаєте три найкращі результати та свою власну позицію. Тридцять достатньо, щоб показати закономірність, не потонувши в шумі.
- 2
Отримайте кількості для лідерів
Викличте
compareдля трьох провідних доменів для кожного запиту. Один виклик — один кредит, що становить $0.0001, і він приймає до 20 доменів. - 3
Запишіть дату знімку
Зберігайте дату оновлення поруч із кожною кількістю. Без неї пізніший знімок не можна порівняти з цим.
- 4
Перевірте зв'язок по всіх тридцяти
Шукайте закономірність по всьому списку. Один запит, де посилання та ранг не збігаються, доводить дуже мало.
- 5
Повторіть після наступного оновлення
Другий знімок після щомісячного оновлення показує, чи тримається закономірність, чи це був тимчасовий проміжок.
Що маркетолог може реально зробити з цим
Пропустіть теорію та запустіть порівняння. Наш робочий приклад показує виклики, використовуючи вигадані сайти, щоб ніхто не сприйняв це за висновок.
Потім подивіться на інший бік. Якщо падіння пішло хвилею дивних якорів, посібник зі спамом скаже вам, чи діяти, чи чекати. Часто ви чекаєте.
BERT добре показує надмірне читання. Гайп був високим. Він досяг англійських пошуків у США у жовтні 2019 року та понад 70 мов до грудня, і багато сайтів взагалі нічого не побачили. Переписування кожної сторінки для нього було марнуванням кварталу.
Якщо ваша команда постійно сперечається, яка зміна спричинила падіння, запишіть дві кандидатні причини на одній сторінці з датою кожної. Сторінка коротша за дебати, і вона зазвичай вирішує порядок перевірок.
Тримайте запис простим. Коротка записка з датами та однією таблицею важче сприйняти неправильно, ніж купу слайдів зі стрілками.
Зробіть наступний тест меншим
Якщо перший тест був занадто широким для аналізу, звужуйте його до однієї групи запитів і одного діапазону дат. Вузький тест може здатися нудним, але це єдиний тип, який може чітко провалитися.
Запишіть очікуваний результат перед запуском тесту. Тест без очікуваного результату легко інтерпретувати пізніше.
Оберіть 30 запитів, які ви відстежуєте. Отримайте кількості посилальних доменів для трьох найкращих результатів за допомогою compare, що є одним кредитом за виклик. Якщо кількості не мають жодного відношення до рангу по 30 запитах, ваша теорія про посилання та ML вже в скруті.
Як читати твердження про посилання та ML
- Знайдіть дату та джерело; оголошення Google містять обидва.
- Перевірте, чи йдеться про запити, контент або посилання.
- Шукайте вибірку більшу за один сайт.
- Зауважте, чи продає автор те, що рекомендує твердження.
- Повторіть власний знімок після наступного щомісячного оновлення індексу.
Питання про RankBrain та зворотні посилання
Якщо RankBrain про запити, чому посилання все ще важливі?
Посилання важливі для пошуку з інших причин, таких як виявлення та ширший набір сигналів, які описує Google. RankBrain — це один із компонентів цього набору. Розділяйте ці два питання, коли читаєте статтю про падіння трафіку.
Чи змінив BERT те, як рахуються посилання?
Ні в чому, що опублікував Google. BERT стосується мови в запитах та фрагментах тексту. Якщо джерело каже, що він перерозподілив ваги якорів, запитайте документ, який це підтверджує.
Чи є високий DR сигналом, який читає Google?
Ні. Google не використовує Domain Rating, а наша — це наш власний логарифмічний підрахунок посилальних доменів. Він допомагає сортувати список, а не передбачати ранжування. Якщо продавець продає DR як фактор ранжування, попросіть їх показати документ, який це стверджує.
Скільки часу мені чекати, перш ніж оцінити зміну посилань?
Дайте кілька циклів оновлення. Наш індекс оновлюється приблизно раз на місяць, а Google переобходить у своєму власному графіку. Один знімок рідко вирішує питання.
