搜索排名(搜索排名优化)-第1张

编者按

好景不长Google子公司在2007年导入通用型搜寻机能年来,搜寻引擎结论页( SERP )的文本显得愈来愈多样。许多民营企业采用 SERP 让自己中文网站在Google搜寻网页的名列更为靠前和明显。

而长期年来,Google演算法或其名列不利因素另一面的绝密始终是现代人惨烈争辩的主轴。在绝大部分天数中,其结论多于10个红色镜像(即超镜像),其争辩的关注点是入站镜像和URL表面积。而在事前直言,这或许是天真黄金时代的这场低实用性辩论会。

通用型搜寻:照亮Google的圣火

随著2007年通用型搜寻的导入,Google搜寻引擎中开始转化成其它原素。该子公司第一位商品副经理玛格丽特莎·迈耶彼时说:我们企图冲破过往将各式各样搜寻特性隔开开去的技术壁垒,并将大批需用重要信息资源整合到几组单纯的搜寻结论中。

Google确实始终在沿著这个路径行进。

2007 年年来, SERP 的外部显得愈来愈多样,那时包涵了大批的横向应用领域——影像、视频、新闻、组织工作、世界地图等。

现代人也许如果问的一个难题是,Google究竟是怎样确认什么样原素可以出那时 SERP 当中的呢?

2013 年,当 SERP 强化和管理专家 Jason Barnard 开始研究 SERP 时,开始考虑这个难题。他很快掌握了这 10 个红色镜像的原素,彼时很难同时囊括知识面板、视频框、Twitter 框和其它多样的原素。

那么难题是:是什么触发了它们?需要触发什么样演算法触发器才能让这些 SERP 机能出现?

终于,在 2019 年,Google子公司技术专家 Gary Illyes 向 Jason Barnard 和澳大利亚许多 SEO 解释了通用型搜寻的机制。

重要的是,必应(Bing)子公司已经证实了他们的通用型搜寻机能在很大程度上是以同样的方式实现的(必应子公司的 Nathan Chalmers 的一些见解跟 Barnard 不谋而合),Gary Illyes 说: 这不是Google特有的机能。其它引擎也这样做,因为大多数搜寻引擎对结论的名列方式几乎相同……这可能适用于每个搜寻引擎。

通用型搜寻名列:原理大揭秘

1.名列不利因素是什么?

影响中文网站名列的不利因素许多,可能多达 200 个不利因素。但如今,由于演算法是机器学习驱动的,所以事情显得更为复杂。 搜寻引擎杂志发布了一份有用的指南,将这个复杂的主轴分解为 88 个章节。

John Mueller 指出,Google的名列不利因素早已不止这 200 个。

Google将它们进行分组:话题性、质量、网页速度、RankBrain、实体、结构化数据、新鲜度……。

这里需要指出几点:

  • 这些不利因素是真实名列不利因素(名列不分先后)。
  • 每个名列不利因素包括多个信号。例如,质量主要是 PageRank,但也包括其它信号,结构化数据不仅包括 Schema.org,还包括表格、列表、语义 HTML5,当然还有一些其它的不利因素。

Google为每个名列不利因素计算一条文本的分数:

搜索排名(搜索排名优化)-第2张

需要记住的是,本文中的这些数字都是完全假设的。

2.名列不利因素怎样影响竞价

Google采用个人名列不利因素得分并将它们组合起来计算总竞价。重要的是,总竞价是通过将这些分数相乘来计算的:

搜索排名(搜索排名优化)-第3张

总分上限设置为 2^64 (虽然不是 100% 都是这样,这里参考了小麦和棋盘的数学难题,其中棋盘得出的数字严重偏离了范围,实际上是一种故障安全缓冲)。

这意味着这些分数可能是个位数、两位数、三位数,甚至四位数,而总数永远不会达到这个上限。

如此高的上限也意味着Google可以继续投入更多不利因素,而无需降低现有分数来为新分数腾出空间。

3.演算法真实:低分扼杀竞价

事实上,总竞价是通过乘法计算的,这是一个惊人的发现。为什么?因为任何低于 1 分的分数都会严重影响其竞价,无论其它分数是多少。

看看下面的数字,就会知道受到多大的影响。因为只要有一个不利因素的分数低于 1,就足以使该网页失去竞争力。虽然可以用其它不利因素克服低于 1 的名列不利因素,但其它不利因素需要非常强大。因此,忽略薄弱不利因素是一个糟糕的策略,而努力使这个不利因素超过 1 是一个很好的策略。

搜索排名(搜索排名优化)-第4张

因此,现代人经常在搜寻引擎强化(SEO)行业看到的SEO纠正的示例,往往是中文网站单纯地纠正低于1分的名列不利因素。

搜索排名(搜索排名优化)-第5张

系统奖励全面得分较高的网页。在某些不利因素上表现良好但在其它不利因素上表现不佳的网页将始终处于劣势。而如果采用一个平衡的方法会获胜。

行业专家在解释中对这个做出了很好的类比:分数全是C的学生要比3A和1个F的学生更好。

4.竞价名列

搜索排名(搜索排名优化)-第6张

Google基于竞价的名列示例

5.强化最终名列的竞价

名列靠前的结论(比如10个)被发送到下一个演算法,该演算法旨在强化名列,并删除任何漏掉的不可接受的结论。

这里考虑的不利因素是不同的,是针对具体案例的。这种重新计算可以提高或降低出价(或者可以想象保持不变)。

因此,需要研究下面的最终竞价集。

搜索排名(搜索排名优化)-第7张

需要注意的是,在这一示例中,有一个结论得到一个 0 分,因此对其完全不考虑或排除(因为是相乘的,所以任何一个 0 分都将保证总分也为 0)。

这是非常激进的。这样的 0 可以通过演算法生成。Barnard的猜测是,0 还可以作为实现一些人工操作的一种方式。

可以肯定的是,其顺序发生了变化,有一个最终的网络结论列表/10个红色镜像。最终结论还是让人十分欣慰。

候选结论集 :原素夺嫡之争

1.候选结论集争夺搜寻引擎首页的位置

每种类型的结论/多样原素都在有效地竞争首页的位置。

新闻、图片、视频、精选片段、轮播、世界地图、GBP 等——每一个都提供首页的候选人名单或其竞价。

已经有许多民营企业竞相出那时首页上,而且这个名单还在不断增长。

搜索排名(搜索排名优化)-第8张

有了这个系统,理论上,Google可以创建的多样原素的没有数量限制。

2.候选人结论名列不利因素

候选结论和候选结论集这两个术语来自 Jason Barnard,而不是来自Google子公司。

影响这些候选结论集中名列的不利因素的组合必须特定于每个不利因素,因为有些不利因素对于单个候选结论集是唯一的,而有些不利因素则不适用。

例如,alt 标签适用于影像候选结论集但不适用于其它结论集,或者新闻中文网站世界地图适用于新闻候选结论集,但不适用其它结论集的计算。

3.候选结论集名列不利因素权重

对于每个候选结论集,每个不利因素的相对权重也必然不同,因为每个不利因素都以特定格式提供特定类型的重要信息。

其目的是为用户提供最合适的原素:

  • 文本本身。
  • 媒体格式。
  • 网页上的位置。

例如,新鲜度将成为新闻中的一个重要不利因素,而 RankBrain 和 MUM 则是精选片段的重要不利因素。

4.候选结论集竞价计算

每个候选结论集提供的竞价的计算方式与第一个网络/红色镜像示例相同(通过乘法,假设采用第二个细化演算法)。

Google子公司有多个候选人竞价网页的一个地方(或几个地方,这取决于类型)。

搜索排名(搜索排名优化)-第9张

在搜寻网页首页将所有的文本都放在一起

(1)候选人结论集相互竞标

Google只是在寻找任何能为用户提供更好解决方案的多样结论。

它希望提供 SERP ,将引导其用户找到难题的最佳解决方案,或尽可能有效地回答他们的难题。

搜索排名(搜索排名优化)-第10张

Jason Barnard 用来做出这些获胜选择的规则是虚构的,而不是Google真实采用的。

当它确实识别出更好的候选结论时,该结论将被赋予一个位置(以一个或多个传统红色镜像为代价)。

(2)首页多样原素的最终结局

每个候选结论集都受到特定限制,并且都服从于传统的呈现结论:红色镜像。

  • 一个结论,一个可能的位置(例如精选片段、知识面板、Google 商业资料)
  • 多个结论,多个可能的位置(例如影像、视频、Twitter 框)
  • 多个结论,一个可能的位置(例如新闻、实体轮播) :在这个例子中赢家是(注意:用来做出这些选择的规则是虚构的,而不是Google真实采用的)下面这样的。
  • 新闻:未能超过名列第一的网络竞价,因此相关性不高,没有获得一席之地。
  • 图片:有一名获胜者。分配了五个空间,而其它四个可以免费获得。
  • 视频:其中两个出价都超过了名列靠前的网络结论,因此它们都获得了一席之地。
  • 精选片段:有几个竞价者,但只选择了一个,因为这是最佳答案。
搜索排名(搜索排名优化)-第11张

随著位置被赋予多样的原素,位置较低的网络结论会下降到第二页。

当更多多样的原素被添加到 SERP 中后,它们往往在视觉上占主导地位,因此红色镜像逐渐失去其重要性。红色镜像不会很快消失,但它们在 SERP 上的可见度愈来愈低。

不过说来有趣,即便是Jason Barnard,也表示:他自己不知道位置是怎样归因于视频或影像的重要信息,因为他是用自己开发的单纯系统而不是Google的系统得到的位置。

向未来:SEO进化永不停息

来自 Kalicube Pro 的数据表明,SERP 上的红色镜像平均数量相当稳定,但通用型机能的数量正在增加。

下面是一个快照视图,显示了民营企业的 SERP 多样原素( SERP 机能)的平均数量在一年内从 1.5 增加到了 2.5。

搜索排名(搜索排名优化)-第12张

通用型搜寻愈来愈主导 SERP ,对于 SEO 来说如果是一个更大的关注点。

通用型搜寻结论那时在视觉上主导了大多数 SERP ,而传统的红色镜像获得的点击量也愈来愈少。这是传统SEO策略给现代人带来的担忧,所以需要适应并着眼于更广阔的前景。

通用型搜寻依赖于非文本原素,如影像、视频、世界地图、难题、社交渠道等,因此民营企业需要开发这些格式并将它们资源整合到策略中,以便在Google(或Bing) SERP 上获得更好的可见性。

不仅如此,由于 Twitter、YouTube 和其它第三方平台往往会主导 SERP 上的通用型结论,需要考虑将它们更紧密地资源整合到 SEO 策略中。

可以这样说,站外 SEO 从未像那时这样重要。

来源: searchenginejou

作者:李睿