Thuật toán Google mới có thể cập nhật Xếp hạng trang

Một bài nghiên cứu mới được xuất bản bởi Google mô tả một cách mới đáng kể để cải thiện cách các trang web được xếp hạng. Thuật toán này yêu cầu cải tiến đáng kể cho các thuật toán mạng nơ ron sâu tính toán mức độ liên quan.

Thuật toán mới thảo luận về một phương pháp xếp hạng các trang web được gọi là Chức năng chấm điểm theo nhóm .
Thuật toán Google mới có thể cập nhật Xếp hạng trang
Nếu không có xác nhận từ Google, chúng tôi không thể biết chắc chắn nếu nó đang được sử dụng. Nhưng bởi vì những cải tiến đáng kể được tuyên bố bởi các nhà nghiên cứu, theo tôi, nó không quá xa vời để xem xét rằng thuật toán này có thể được sử dụng bởi Google.

Google có sử dụng thuật toán được xuất bản không?

Trước đây, Google đã tuyên bố rằng các tài liệu nghiên cứu của Google nói chung không nên được coi là một điều gì đó thực sự xảy ra trong tìm kiếm.
Google hiếm khi xác nhận thuật toán nào được mô tả trong bằng sáng chế hoặc tài liệu nghiên cứu đang được sử dụng. Đó là trường hợp với thuật toán này.

Đây có phải là một phần của thuật toán cập nhật cốt lõi tháng 3 năm 2019 không?

Bài viết nghiên cứu này cho thấy Google đang tập trung vào việc tìm hiểu các truy vấn tìm kiếm và hiểu các trang web nói về cái gì. Đây là điển hình của nghiên cứu gần đây của Google.

Google gần đây đã giới thiệu một bản cập nhật lõi rộng được báo cáo là một trong những bản cập nhật lớn nhất trong năm. Thuật toán này có phải là một phần của sự thay đổi đó không? Chúng tôi không biết và chúng tôi sẽ không bao giờ biết. Google hiếm khi thảo luận về các thuật toán cụ thể.

Theo tôi, có thể một cái gì đó như thế này có thể là một phần của bản cập nhật đa phần của thuật toán xếp hạng tìm kiếm của Google. Tôi không tin đó là người duy nhất. Tôi tin rằng Thuật toán xếp hạng cốt lõi tháng 3 năm 2019 bao gồm một loạt các cải tiến.

Tại sao thuật toán này quan trọng

Bài viết nghiên cứu bắt đầu bằng cách lưu ý rằng các thuật toán học máy dán nhãn và đưa ra các giá trị cho các trang web riêng lẻ, mỗi trang web tách biệt với các trang web khác. Sau đó, các thuật toán chấm điểm các trang web cạnh tranh với các trang web khác để tìm ra trang web nào phù hợp nhất.

Dưới đây là cách bài nghiên cứu mô tả cách các thuật toán hiện tại hoạt động:
Trong khi phân loại hoặc hồi quy cài đặt nhãn hoặc giá trị được gán cho từng tài liệu riêng lẻ, trong cài đặt xếp hạng, chúng tôi xác định thứ tự mức độ liên quan của toàn bộ danh sách tài liệu đầu vào.
Bài báo nghiên cứu sau đó đề xuất rằng việc xem xét tuổi của tất cả các trang web có liên quan có thể đưa ra manh mối về những gì người dùng muốn. Vì vậy, thay vì xếp hạng tất cả các trang web với nhau, bằng cách xem xét tuổi của các trang web trước, thuật toán xếp hạng có thể hiểu rõ hơn những gì người dùng muốn và chọn một trang web tốt hơn.

Đây là cách bài nghiên cứu mô tả thuật toán mới:
Phần lớn các thuật toán học để xếp hạng hiện tại mô hình tính tương đối như vậy ở mức độ tổn thất bằng cách sử dụng các hàm mất theo cặp hoặc theo chiều. Tuy nhiên, chúng bị giới hạn ở các chức năng tính điểm theo chiều, nghĩa là điểm liên quan của tài liệu được tính dựa trên chính tài liệu đó, bất kể các tài liệu khác trong danh sách.
Điểm số liên quan của tài liệu đối với truy vấn được tính độc lập với các tài liệu khác trong danh sách. Cài đặt này có thể kém tối ưu hơn cho các vấn đề xếp hạng vì nhiều lý do.

So sánh tài liệu chéo

Bài viết nghiên cứu sau đó cho thấy phương pháp xếp hạng các trang web hiện tại đang thiếu cơ hội để cải thiện mức độ liên quan của kết quả tìm kiếm.
Đây là ví dụ mà bài nghiên cứu sử dụng để minh họa vấn đề và giải pháp:
Xem xét một kịch bản tìm kiếm trong đó người dùng đang tìm kiếm tên của một nghệ sĩ âm nhạc. Nếu tất cả các kết quả mà truy vấn trả về (ví dụ: calvin harris) là gần đây, người dùng có thể quan tâm đến tin tức mới nhất hoặc thông tin du lịch.
Mặt khác, nếu hầu hết các kết quả truy vấn đều cũ hơn (ví dụ: sinatra thẳng thắn), nhiều khả năng người dùng muốn tìm hiểu về nội dung hoặc tiểu sử nghệ sĩ. Do đó, mức độ phù hợp của từng tài liệu phụ thuộc vào việc phân phối toàn bộ danh sách.
Trong ví dụ này, tuổi của các trang web có liên quan đến truy vấn tìm kiếm có thể giúp tinh chỉnh câu trả lời nào là câu trả lời tốt nhất.

Mô hình hóa hành vi của con người để có độ chính xác tốt hơn

Bài báo nghiên cứu sau đó lưu ý rằng người dùng công cụ tìm kiếm có xu hướng so sánh kết quả tìm kiếm so với các trang web khác. Sau đó, họ đề xuất rằng một mô hình xếp hạng thực hiện điều tương tự sẽ chính xác hơn.
Tương tác người dùng của Sọ với kết quả tìm kiếm cho thấy các mẫu so sánh mạnh. Nghiên cứu trước đây cho thấy rằng các đánh giá ưu tiên bằng cách so sánh một cặp tài liệu sẽ nhanh hơn để có được và phù hợp hơn so với xếp hạng tuyệt đối.
Ngoài ra, khả năng dự đoán tốt hơn sẽ đạt được khi các hành động của người dùng được mô hình hóa theo kiểu tương đối. Điều này cho thấy rằng người dùng so sánh tài liệu được nhấp với tài liệu xung quanh trước khi nhấp và mô hình xếp hạng sử dụng cơ chế so sánh trực tiếp có thể hiệu quả hơn vì nó bắt chước hành vi của người dùng một cách trung thực hơn.

Thuật toán mới hoạt động

Khi xem xét nghiên cứu thuật toán, điều quan trọng cần lưu ý là liệu các nhà nghiên cứu có nói rằng nó đã cải thiện và nâng cao trạng thái của nghệ thuật hay không.

Một số tài liệu nghiên cứu lưu ý rằng những cải tiến là tối thiểu và chi phí để đạt được những lợi ích này là đáng kể (thời gian và phần cứng). Tôi cho rằng nghiên cứu ít thành công hơn không phải là một ứng cử viên tốt để đưa vào các thuật toán tìm kiếm của Google.

Khi một bài viết nghiên cứu báo cáo những cải tiến đáng kể cùng với chi phí tối thiểu, thì theo tôi, các loại thuật toán này có khả năng cao hơn được đưa vào thuật toán của Google.

Các nhà nghiên cứu kết luận rằng phương pháp mới này cải thiện Mạng lưới thần kinh sâu và các mô hình dựa trên cây. Nói cách khác, điều này rất hữu ích. Google không bao giờ nói nếu một thuật toán được sử dụng hoặc cách nó được sử dụng. Nhưng biết rằng một thuật toán cung cấp những cải tiến đáng kể và có thể mở rộng quy mô sẽ cải thiện khả năng thuật toán có thể được Google sử dụng, nếu không thì hiện tại vào một lúc nào đó trong tương lai.

Đây là giá trị của việc biết về nghiên cứu truy xuất thông tin. Bạn có thể biết những gì có thể. Hiểu rằng một cái gì đó chưa được nghiên cứu là một manh mối mạnh mẽ rằng một lý thuyết về những gì Google đang làm không có khả năng.

Ví dụ, các nghiên cứu tương quan khiến cộng đồng SEO tin rằng lượt thích trên Facebook là một yếu tố xếp hạng. Nhưng nếu những SEOer đó đã bận tâm đọc các tài liệu nghiên cứu thì họ sẽ biết rằng một điều như vậy rất khó xảy ra.

Trong trường hợp này, các nhà nghiên cứu nói rằng phương pháp này rất thành công. Trong trích dẫn sau, xin lưu ý rằng DNN có nghĩa là Mạng lưới thần kinh sâu. GSF có nghĩa là Chức năng chấm điểm theo nhóm.
Đây là kết luận:
Kết quả thử nghiệm cho thấy các GSF mang lại lợi ích đáng kể cho một số mô hình DNN hiện đại và mô hình dựa trên cây

Làm thế nào điều này có thể giúp SEO của bạn

Xếp hạng trong Google ngày càng ít về các yếu tố xếp hạng truyền thống. Các yếu tố xếp hạng hai mươi năm tuổi như văn bản neo, thẻ tiêu đề và liên kết đang giảm dần về tầm quan trọng.

Bài viết nghiên cứu này cho thấy việc xem xét sự tương đồng giữa các trang có liên quan có thể cung cấp manh mối cho những gì người dùng muốn. Ngay cả khi Google không sử dụng thuật toán này để xếp hạng các trang web, khái niệm này vẫn hữu ích với bạn.

Biết những gì người dùng muốn có thể giúp bạn hiểu rõ hơn về nhu cầu thông tin của người dùng và để tạo các trang web đáp ứng tốt hơn các nhu cầu đó.

Và điều đó có thể tăng khả năng xếp hạng của bạn. Đuổi theo củ cà rốt, không phải cây gậy.

Bình luận SEO