Społeczność marketingu w wyszukiwarkach próbuje zrozumieć wyciekające repozytorium Yandex zawierające dokumenty wymieniające czynniki rankingu wyszukiwania. Ryan Jones (@RyanJones) uważa, że ten wyciek jest poważny i [załadował kilka modeli uczenia maszynowego Yandex](https:// twitter.com/ RyanJones/status/1620266355323961344) do przetestowania na własnej maszynie. Podczas gdy niektórzy mogą szukać przydatnych wskazówek SEO, ogólny konsensus jest taki, że pomoże to lepiej zrozumieć, jak działają wyszukiwarki (@RyanJones, 29 styczeń 2023). Jak powiedział Ryan: „[Jeśli] chcesz hacków lub skrótów, nie ma ich tutaj. Ale jeśli chcesz dowiedzieć się więcej o tym, jak działają wyszukiwarki, tutaj jest złoto”.
Ryan uważa, że możemy się wiele dowiedzieć z ujawnionej listy czynników rankingowych Yandex, ale samo sprawdzenie listy nie wystarczy. Wyjaśnił, że chociaż Yandex nie jest Googlem, korzysta z wielu wynalazków Google, takich jak PageRank i BERT. Zauważył również, że zastosowane do nich czynniki i wagi mogą się różnić w zależności od wyszukiwarki, ale metody informatyczne stosowane do analizy trafności tekstu będą bardzo podobne. Ponadto zwrócił uwagę, że w kodzie obliczono więcej czynników rankingowych niż wymienionych na liście, która wyciekła, przy czym pewne ujemne wagi są przypisane do czynników, które SEO może uznać za pozytywne i odwrotnie. Link: https://www.seobility.net/en/blog/yandex-ranking-factors/
Powszechnie uważa się, że Yandex wykorzystuje w swojej wyszukiwarce 1923 czynniki rankingowe. Jednak założyciel Link Research Tools, Christoph Cemper (profil LinkedIn) usłyszał od znajomych, że czynników rankingowych jest więcej niż pierwotnie myślałem, że chcę więcej. Według tych źródeł Yandex wykorzystał 275 czynników personalizacji, 220 czynników „świeżości sieci”, 3186 czynników wyszukiwania grafiki i 2314 czynników wyszukiwania wideo. O dziwo, wyszukiwarki wykorzystują również setki czynników rankingowych związanych z linkami. To pokazuje, że Google początkowo twierdził, że używa ponad 200 sygnałów rankingowych w swoich SERP.
Niedawny wyciek danych algorytmu wyszukiwarki Google wywołał pytania o to, kto tak naprawdę zna cały algorytm. To było szokujące, jak zorganizowano czynniki rankingowe, kiedy zostały ujawnione, a wielu kwestionuje teraz, czy Google ma kompleksowy arkusz kalkulacyjny wszystkich czynników rankingowych.
Ekspert SEO Christoph Cemper skomentował ten temat w Search Engine Journal, że „zawsze uważa za śmieszne”, że nawet pracownicy Google nie znają całego algorytmu. Następnie powiedział, że tak złożony system musi być udokumentowany, aby nawet kod mógł zostać ujawniony. Więc może to naruszenie danych pomoże wyrzucić myślenie z algorytmu Google.
Dokumenty Yandex, które niedawno wyciekły, pozwalają zobaczyć, jak wyszukiwarka (Yandex) ocenia wyniki wyszukiwania, chociaż dane nie ujawniają, jak działa Google. Wśród ujawnionych spostrzeżeń są te związane z siecią neuronową Yandex o nazwie MatrixNet, która została opublikowana w 2009 r. /firma/technologie/matrixnet/){rel="nofollow"}. Należy zauważyć, że wbrew niektórym twierdzeniom MatrixNet nie jest odpowiednikiem RankBrain firmy Google — ograniczony algorytm Google koncentruje się na zrozumieniu 15% zapytań, których nigdy wcześniej nie widział. W październiku 2015 Bloomberg opublikował artykuł ([Migawka Archive.org](https://web.archive.org/web/20151101155408/https://www.bloomberg.com/news/articles/2015-10-26/ google-turning-its-lucrative-web-search-over-to-ai-machines){rel="nofollow"}) ujawnia, że RankBrain został wprowadzony do algorytmu Google 6 lat po uruchomieniu Yandex MatrixNet. Według artykułu RankBrain ma ograniczone zastosowanie i jest przeznaczony do odgadywania słów i fraz o podobnym znaczeniu do zapytań, których nie zna, w celu wydajnego przetwarzania nigdy wcześniej nie widzianych zapytań. Z kolei MatrixNet to algorytm uczenia maszynowego, który klasyfikuje zapytania wyszukiwania i odpowiednio stosuje odpowiednie algorytmy rankingowe. Ogłoszenie z 2016 r. w języku angielskim (tutaj) szczegółowo opisuje rolę algorytmu we współczesnym wyszukiwaniu internetowym na zasadzie działania platformy Google.
MatrixNet to potężny algorytm rankingowy, który pozwala użytkownikom generować złożone formuły i dostosowywać je do określonych zapytań. Dzięki temu jakość rankingu dla jednego typu zapytania nie wpływa na ogólną wydajność innych typów wyszukiwań. W przeciwieństwie do innych algorytmów rankingowych, MatrixNet pozwala użytkownikom poprawiać i dostrajać niektóre parametry bez całkowitej zmiany całego systemu. Dodatkowo MatrixNet może automatycznie dobierać poziomy wrażliwości dla różnych czynników w formule rankingu. Dzięki tym zaawansowanym funkcjom MatrixNet wyróżnia się na tle RankBrain i innych podobnych algorytmów. https://www.deepcrawl.com/blog/rankbrain-matrixnet-same/
MatrixNet jest ważnym czynnikiem, który należy wziąć pod uwagę podczas sprawdzania dokumentacji czynników rankingowych Yandex. Aby zrozumieć te dokumenty, ważne jest zrozumienie algorytmu Yandex. W tym celu czytelnicy mogą przeczytać przegląd algorytmów sztucznej inteligencji i uczenia maszynowego Yandex tutaj. Dominic Woodman, użytkownik Twittera o nazwie użytkownika @dom_woodman, poczynił kilka interesujących obserwacji na temat wycieku i odkrył, że niektóre czynniki są zgodne z SEO praktyki, takie jak różne kotwice (jak stwierdza tutaj tweet).
Alex Buraks (@alex_buraks) niedawno opublikował na Twitterze wątek na temat znaczenia optymalizacji linków wewnętrznych dla SEO. John Mueller z Google od dawna zachęca wydawców do zapewnienia, że ważne strony są wyraźnie widoczne, i zniechęca ich do zakopywania się głęboko w architekturze witryny. Powiedział w 2020 roku: „[Więc co się stanie], przekonamy się, że strona główna jest bardzo ważna i często treść, do której prowadzi link do strony głównej, jest również bardzo ważna… Kiedy opuszcza stronę główną, my Pomyślę, że może to nie jest aż tak bardzo. Ważne” (udostępnione przez Johna Muellera). Sugeruje to, że dzięki utrzymywaniu ważnych stron blisko głównych stron, do których trafiają odwiedzający witrynę, będą one postrzegane jako ważniejsze, jeśli zostaną z nich połączone.
John Mueller z Google niedawno zajął się kwestią głębokości indeksowania jako czynnika rankingowego. Wyjaśnił, że nie jest to czynnik rankingowy, ale sygnał dla Google, które strony są ważne. Następnie Alex Buraks cytuje regułę Yandex, która wykorzystuje głębokość indeksowania strony głównej jako regułę rankingu, zgodnie z którą ważne strony powinny znajdować się bliżej strony głównej (1 kliknięcie), a mniej ważne strony powinny mieć maksymalnie 3 kliknięcia. Ma to sens, jeśli chodzi o przypisywanie ważności podczas odchodzenia od strony głównej. Istnieje również kilka prac badawczych Google, takich jak Reasonable Surfer Model i Random Surfer Model, które obliczają prawdopodobieństwo, że przypadkowy internauta odwiedzi daną stronę internetową, klikając link. Link do tweeta: [Rozsądny link do modelu podczas surfowania:](https:// www .seobythesea.com/2016/04/googles-reasonable-surfer-patent-updated/)
Ekspert SEO Alex Buraks napisał niedawno na Twitterze, że linki zwrotne ze strony głównej są ważniejsze niż te ze stron wewnętrznych. Jego tweet połączył się z obrazem przedstawiającym diagram przedstawiający oświadczenie. Ta praktyczna zasada jest ważna dla SEO, ponieważ pomaga zapewnić, że ważne treści pozostają blisko strony głównej lub wewnątrz stron, które przyciągają linki przychodzące.
Niedawno wykryto lukę w sposobie, w jaki wyszukiwarki odczytują strony internetowe. Ten wyciek jest wciąż na wczesnym etapie, ale może dać przyszłym użytkownikom SEO lepsze zrozumienie działania tych usług. Dalsze dochodzenie i analiza tego wycieku może rzucić więcej światła na sposób działania wyszukiwarek i różne komponenty, które je napędzają. Wyróżniony obraz: Shutterstock/san4ezz. Sprawdź kategorie Wiadomości i SEO w Search Engine Journal, aby uzyskać więcej informacji na ten temat.