37. Языковые модели по типу BERT помогают Google лучше понимать, чего хочет пользователь
Источник: Understanding searches better than ever before
Когда Google представил BERT, то объяснил, что этот алгоритм помогает лучше понимать намерения, стоящие за поисковыми запросами. Когда Google определит, чего хочет пользователь, ему нужно будет сопоставить этот интент с релевантным контентом.
38. Обновления улучшают понимание того, какой контент является релевантным
Источник: Understanding searches better than ever before
Этот пункт связан с машинным обучением (Machine Learning, ML), о котором пока не очень активно говорят в SEO-сообществе.
39. Google открыто говорит, что использует данные о взаимодействиях
Чтобы понять, являются ли результаты поиска релевантными запросам. На данный момент не известно, что именно является источником этих данных: реальные пользователи или информация от асессоров поиска.
Источник: Understanding searches better than ever before
40. Google трансформирует эти данные в сигналы, чтобы помочь ML-системам лучше оценивать релевантность
Источник:Understanding searches better than ever before
41. Возможно, Google использует машинное обучение для определения многих неосязаемых аспектов, которые учитываются в ранжировании
На скриншоте выделена фраза из фильма Google о работе поиска «Trillions of Questions, No Easy Answers»:
«…Асессоры учат машинное обучение тому, что хорошо, а что плохо…».
Посмотрите этот фильм. В нем много интересного. В последние годы Google сильно продвинулся в использовании машинного обучения.
42. Если Google использует ML для определения веса сигналов в ранжировании, то дни известных или предполагаемых «факторов ранжирования» могут быть сочтены
В сентябре сотрудник Google Джон Мюллер заявил, что компания пытается отойти от фразы «200+ факторов ранжирования», поскольку считает эту формулировку вводящей в заблуждение.
43. Системы Google анализируют сигналы E-A-T
Источник: Understanding searches better than ever before
После того, как Google определил намерение пользователя и наиболее релевантный контент, его задача – приоритизировать самые полезные результаты. Для этого его системы определяют те сигналы, которые помогают понять, какой контент демонстрирует EAT.
44. Есть множество вещей, которые помогают улучшить E-A-T
И это не сводится к добавлению справки об авторе. Над улучшением E-A-T определенно стоит работать.
45. Оценка собственного контента с точки зрения E-A-T может помочь ему лучше ранжироваться
Источник: Что нужно знать о ключевых обновлениях Google
46. Ссылки с авторитетных сайтов являются частью E-A-T и могут повысить доверие Google к сайту
Source: Understanding searches better than ever before
Потому что…
47. Ссылки связаны с авторитетностью
Источник: How Google Fights Disinformation
PageRank и авторитетность тесно связаны между собой.
Значит ли это, что нужно полностью сосредоточиться на линкбилдинге?
48. Вместо линкбилдинга лучше займитесь созданием упоминаний
Мы считаем, что Google все лучше понимает, какие ссылки следует считать заслуживающими доверия и авторитетными рекомендациями, а какие создаются только для целей SEO или маркетинга.
49. E-A-T можно улучшить, получая ссылки или упоминания от действительно авторитетных источников
Однако сделать это непросто. В большинстве случаев, если оптимизатору легко получить ссылку, и не раз, вряд ли Google захочет считать ее авторитетной рекомендацией.
50. Упоминания могут улучшить ассоциации с вашей сущностью
Источник: Reddit
Следующие 50 пунктов смотрите во второй части статьи.
Источник:
Marie Haynes Consulting
Источник: searchengines.ru
