Google Seo

Google Algoritması Sayfa Sıralamasını Güncelleyebilir

Google Algoritması tarafından yayınlanan yeni bir araştırma makalesi, web sayfalarının nasıl sıralandığını iyileştirmenin çarpıcı bir şekilde yeni bir yolunu açıklar. Bu algoritma, alaka düzeyini hesaplayan derin sinir ağı algoritmalarında önemli gelişmeler olduğunu iddia eder.

Yeni algoritma, Groupwise Scoring Function adlı web sayfalarını sıralama metodunu tartışıyor .

Google’dan onay almadan, kullanımda olup olmadığını kesin olarak bilemeyiz. Ancak araştırmacılar tarafından önemli iyileştirmeler talep edildiğinden, bence bu algoritmanın Google tarafından kullanıldığını düşünmek pek de zor değil.

Google Yayınlanan Algoritmaları Kullanıyor mu?

Google Algoritması geçmişte, “genel olarak Google araştırma makalelerinin aslında aramada olan bir şey olarak kabul edilmemesi gerektiğini” belirtti.

Google, patentlerde veya araştırma makalelerinde açıklanan algoritmaların kullanımda olduğunu nadiren onaylar. Bu algoritma ile durum böyle.

Bu Algoritma, Mart 2019 Çekirdek Güncellemesinin Bir Parçası mı?

Bu araştırma makalesi, Google’ın arama sorgularını ve web sayfalarının ne anlama geldiğini anlamaya odaklandığını göstermektedir. Bu, son Google araştırmalarının tipik bir örneğidir.

Google son zamanlarda yılların en büyüğü arasında olduğu bildirilen geniş bir çekirdek güncelleme başlattı. Bu algoritma bu değişimin bir parçası mı? Bilmiyoruz ve asla bilemeyeceğiz. Google Algoritması nadiren belirli algoritmaları tartışır.

Benim düşünceme göre, böyle bir şey Google’ın arama sıralaması algoritmasının çok parçalı güncellemesinin bir parçası olabilir. Tek olduğuna inanmıyorum. Mart 2019 Çekirdek Sıralaması Algoritmasının bir dizi iyileştirmeden oluştuğuna inanıyorum .

Bu Algoritma Neden Önemli?

Araştırma makalesi, makine öğrenme algoritmalarının etiketlendiğini ve web sayfalarına ayrı ayrı, her web sayfasının diğer web sayfalarından ayrı ayrı değer verdiğini not ederek başlar. Ardından algoritmalar, hangi web sayfasının en alakalı olduğunu bulmak için web sayfalarını diğer web sayfalarıyla rekabet halinde değerlendirir.

Araştırma makalesinde şu anki algoritmaların nasıl çalıştığı anlatılmaktadır:

“Bir sınıflandırma veya regresyonda, her bir belgeye bir etiket veya değer atanırken, bir sıralama ayarında tüm giriş belgesi listesinin alaka sıralamasını belirleriz.”

Ardından araştırma makalesi, ilgili tüm web sayfalarının yaşını göz önünde bulundurarak kullanıcıların ne istediğine dair bir ipucu verebilir. Bu nedenle, tüm web sayfalarını diğerine göre sıralamak yerine, önce web sayfalarının yaşını inceleyerek, sıralama algoritması bir kullanıcının ne istediğini daha iyi anlayabilir ve daha iyi bir web sayfası seçebilir.

Araştırma makalesinde yeni algoritma şöyle açıklanmaktadır:

“Mevcut rütbe öğrenme algoritmaları çoğunluğu, bu tür göreliliği, ikili veya liste halinde kayıp fonksiyonlarını kullanarak zarar seviyesinde modellemektedir. Bununla birlikte, bunlar puanlama puanlama işlevleriyle sınırlıdır, yani bir belgenin alaka puanı, listedeki diğer belgeler ne olursa olsun, belgenin kendisine göre hesaplanır.

… Bir belgenin bir sorgu ile alaka düzeyi, listedeki diğer belgelerden bağımsız olarak hesaplanır. Bu ayar, çeşitli nedenlerden dolayı sıralama problemleri için daha az uygun olabilir. ”

Belgeler Arası Karşılaştırma

Araştırma makalesi daha sonra, web sayfalarını sıralamadaki mevcut yöntemin, arama sonuçlarının alaka düzeyini iyileştirmek için nasıl bir fırsat kaçırdığını göstermektedir.

Araştırma makalesinin sorunu ve çözümü göstermek için kullandığı örnek budur:

“Bir kullanıcının bir müzik sanatçısı adını aradığı bir arama senaryosunu düşünün. Sorgu tarafından döndürülen sonuçların tümü (örneğin, calvin harris) yakınsa, kullanıcı en son haberler veya tur bilgileriyle ilgilenebilir.

Öte yandan, sorgu sonuçlarının çoğu daha eskiyse (örneğin, frank sinatra), kullanıcının sanatçı diskografisi veya biyografisi hakkında bilgi edinmek istemesi daha muhtemeldir. Bu nedenle, her belgenin alaka düzeyi tüm listenin dağılımına bağlıdır. ”

Bu örnekte, arama sorgusu ile alakalı web sayfalarının yaşı, hangi cevabın en iyi cevap olduğunu belirlemeye yardımcı olabilir.

Daha İyi Doğruluk için İnsan Davranışlarını Modelleme

Araştırma makalesi daha sonra arama motoru kullanıcılarının arama sonuçlarını diğer web sayfalarına göre karşılaştırma eğiliminde olduklarını not eder. Daha sonra aynı şeyi yapan bir sıralama modelinin daha doğru olduğunu öne sürüyorlar.

“… Arama sonuçlarıyla kullanıcı etkileşimi güçlü karşılaştırma kalıpları gösteriyor. Önceden yapılan bir araştırma, bir çift belgeyi karşılaştırarak tercih kararlarının elde edilmesinin daha hızlı olduğunu ve mutlak derecelendirmelerden daha tutarlı olduğunu öne sürüyor. ”

Ayrıca, kullanıcı eylemleri göreceli bir şekilde modellendiğinde daha iyi bir tahmin yeteneği elde edilir… Bunlar, kullanıcıların tıklatmadan önce tıklanan belgeyi çevresindeki belgelerle karşılaştırdığını ve doğrudan karşılaştırma mekanizmasını kullanan bir sıralama modelinin daha etkili olabileceğini gösterir. kullanıcı davranışını daha sadık bir şekilde taklit eder. ”

Yeni Algoritma İşleri

Algoritma araştırması göz önüne alındığında, araştırmacıların sanatın durumunu iyileştirdiğini ve geliştirdiğini belirttiklerini belirtmek önemlidir.

Bazı araştırma raporları, iyileştirmelerin asgari düzeyde olduğunu ve bu kazanımlara ulaşmanın maliyetinin önemli olduğunu (zaman ve donanım) not eder. Daha az başarılı bir araştırmanın Google’ın arama algoritmalarına dahil olmak için iyi bir aday olmadığını düşünüyorum.

Bir araştırma makalesi, minimum maliyetle birleştiğinde önemli gelişmeler olduğunu bildirdiğinde, bence bu tür algoritmalar Google’ın algoritmalarına dahil olma olasılığını artırıyor.

Araştırmacılar, bu yeni yöntemin Derin Sinir Ağını ve ağaç tabanlı modelleri geliştirdiği sonucuna varmıştır. Başka bir deyişle, bu yararlıdır. Google, bir algoritmanın kullanılıp kullanılmadığını veya nasıl kullanıldığını asla söylemez. Ancak bir algoritmanın önemli iyileştirmeler sağladığını ve ölçeklenebildiğini bilmek, şu anda gelecekte olmasa da, algoritmanın Google tarafından kullanılabilme olasılığını artırır.

Bilgi edinme araştırmaları hakkında bilgi sahibi olmanın değeri budur. Neyin mümkün olduğunu biliyorsun. Bir şeyin çalışılmadığını anlamak, Google’ın ne yaptığı hakkında bir teorinin muhtemel olmadığı konusunda güçlü bir ipucudur.

Örneğin, korelasyon çalışmaları SEO topluluğunun Facebook beğenilerinin bir sıralama faktörü olduğuna inanmasına neden oldu. Fakat eğer bu SEO’lar araştırma makalelerini okumak için uğraşmasalardı, böyle bir şeyin pek mümkün olmadığını biliyorlardı.

Bu durumda araştırmacılar bu yöntemin oldukça başarılı olduğunu belirtiyorlar. Aşağıdaki alıntıda, DNN’nin Derin Sinir Ağları anlamına geldiğini unutmayın . GSF, Grupsal Puanlama İşlevi anlamına gelir.

İşte sonuç:

“Deneysel sonuçlar, GSF’lerin birçok modern DNN ve ağaç tabanlı modellere önemli ölçüde fayda sağladığını gösteriyor…”

Bu SEO’ya Nasıl Yardımcı Olabilir?

Google’da sıralama, geleneksel sıralama faktörleri konusunda giderek daha azdır. Çapa metni, başlık etiketleri ve bağlantılar gibi yirmi yıllık sıralama faktörleri önemini azaltmaktadır.

Bu araştırma makalesi, ilgili sayfalar arasındaki ortak noktaların dikkate alınmasının, kullanıcıların ne istediğine dair ipuçları sağlayabileceğini göstermektedir. Google bu algoritmayı web sayfalarını sıralamak için kullanmasa bile, konsept sizin için hala yararlıdır.

Kullanıcıların ne istediğini bilmek, kullanıcının bilgi gereksinimlerini daha iyi anlamanıza ve bu gereksinimleri daha iyi karşılayan web sayfaları oluşturmanıza yardımcı olabilir.

Ve bu rütbe yeteneğinizi artırabilir. Havuç kovala, sopayı değil.

Araştırma belgesini buradan okuyun: 
Derin Sinir Ağlarını Kullanarak Grupsal Olarak Puanlama İşlevlerini Öğrenme(PDF)

Benzer Makaleler

Google+ 2 Nisan’da Resmen Kapatılıyor

feridkaplan

Google Arama Sonuçlarında SOS Uyarıları Geliştiriyor

feridkaplan

SEO Çalışmasının Dönüşümü

feridkaplan

Yorum Yazın

Call Now ButtonŞİMDİ ARA