揭秘谷歌搜索排名的工作原理-外链论坛

j8typz 发表于 2024-9-4 03:27:48

揭秘谷歌搜索排名的工作原理

作者 | Mario Fischer 
译者 | Sambodhi 
策划 | 褚杏娟 
从现有的资料来看，谷歌文档泄密事件与反垄断听证会公开的谷歌搜索排名文件并未直接揭开谷歌搜索排名的所有运作细节。
随着设备学习技术的深入应用，有机搜索结果背面的机制变得极其繁杂，即便是谷歌内部负责排名算法的专业人士，亦难以精确阐述为么某个特定结果会位居榜首或次席。咱们尚不清楚这些众多影响原因的详细权重及它们之间错综繁杂的相互功效关系。
然而，深入理解搜索引擎的整体架构仍然至关重要。这不仅能帮忙咱们理解为么某些精心优化的网页未能得到高位排名，还能揭示为么有些看似简单且未经刻意优化的结果却能脱颖而出。更为关键的是，这促进咱们拓宽视野，重新审视并识别出真正影响排名的核心要素。
所有已披露的信息均指向这一点。针对任何关注搜索引擎优化（SEO）的人来讲，都应将这些新发掘融入自己的思考框架中。这将促进咱们以全新的视角审视自己的网站，并在分析、规划与决策过程中引入更加多维度的考量标准。
坦诚而言，要精确勾勒出这些繁杂系统的全貌实属很难。网络上关于此类信息的诠释常常存在歧义，即便是讨论同一主题，所用术语亦可能大相径庭。
举个例子，负责优化搜索结果页面（SERP）布局的系统，在某些谷歌文档中被叫作为 “Tangram”，而在其他文档中则换上了 “Tetris” 这一名叫作，这或许是对那款经典游戏的巧妙借喻。
经过几周的深入科研，我反复查阅、分析、整理、筛选并重组了近百份关联文档。本文虽非尽善尽美或绝对权威，但确系我基于现有知识与理解，以类似侦探福尔摩斯般的细致精神，竭尽所能完成的成果。呈此刻你面前的，便是我个人视角下的探索总结。
<img src="https://q1.itc.cn/q_70/images03/20240824/d4f0bd24ebec44249c2787a69bbf338a.png" style="width: 50%; margin-bottom: 20px;">
作者创作的谷歌排名工作原理的图解概览
一份新文档等待谷歌爬虫拜访
当你发布一个新网站时，它并不会立即被谷歌索引。谷歌需要首要发掘这个网站的 URL，这一般是经过更新站点地图或是由于一个已知 URL 上的链接引导来实现的。
针对像首页这般频繁被拜访的页面，它们常常会更快地将新链接的信息传递给谷歌。
谷歌的 Trawler 系统负责抓取新内容，并跟踪何时重新拜访这些 URL 以检测是不是有更新。这一过程由调度器精心管理，而存储服务器则负责决定是转发这些 URL 供进一步处理，还是将它们暂时安置在所说的 “沙盒” 中。尽管谷歌官方否认了沙盒机制的存在，但近期的泄密信息却暗示，哪些被可疑为垃圾或低质量的网站确实有可能被置于这般的环境中进行观察。值得重视的是，谷歌似乎还会转发有些垃圾内容，这可能是为了深入分析，以进一步优化其算法。
假设某个文档成功经过了这一系列筛选，那样文档中的外边链接将被提取出来，并被归类为内部链接或外边链接。这些链接信息随后会被其他系统用于进行链接分析和 PageRank 计算（关于这一点，咱们稍后会仔细阐述）。
而针对指向图像的链接，它们则会被专门转发给 ImageBot 进行处理。这个过程有时可能会遇到明显的延迟。ImageBot 会调用这些链接，并将图像与相同或类似的图像一块存储在图像数据库中。另外，Trawler 还会按照它自己的 PageRank 评定结果来调节对网站的抓取频率。简单来讲，倘若一个网站的拜访量很强，那样 Trawler 对它的抓取频率亦会相应加强，这被叫作为 ClientTrafficFraction（客户端流量比例）的影响。
Alexandria：伟大的索引库
谷歌的索引系统名为 Alexandria，它巧妙地为每一份内容分配一个独一无二的 DocID。若内容已存在于系统中，例如在处理重复内容时，系统不会生成新的 ID，而是会将新发掘的 URL 与已存在的 DocID 关联联，实现内容的统一管理和识别。
值得重视的是，谷歌严格区分 URL 与文档的概念。一个文档能够涵盖多个 URL，这些 URL 虽然指向区别位置或包括细微差异（如区别语言版本的页面），但只要它们的内容类似且被正确标记，就会被视为同一文档的区别表现形式。同期，来自其他域的 URL 亦会在这一体系下被恰当归类。所有这些 URL 所携带的信息和信号，都会经过它们所相关的同一个 DocID 来整合处理，保证内容的一致性和准确性。
在处理重复内容时，谷歌会精心挑选一个规范版本做为搜索结果的重点展示对象。这亦解释了为何咱们有时会看到多个 URL 在搜索结果中排名相近 —— 它们实质上都指向了同一个文档的区别入口。而 “原始”（即规范）URL 的确定并非一成不变，它可能会随着谷歌算法的更新和内容的演变而有所调节。
<img src="https://q6.itc.cn/q_70/images03/20240824/2780a12c4c5f444dad270f95373a3431.png" style="width: 50%; margin-bottom: 20px;">
图 1: Alexandria 收集文档的 URL
因为咱们的文档在网络上独一无二，因此呢被赋予了一个专属的 DocID。
网站的区别部分会被搜索引擎细致扫描，寻找关联关键词短语，并将这些信息推送至搜索索引中。在这一过程中，页面上的所相关键词 “亮点”（即 “命中列表”）首要会被送往直接索引，该索引负责整合页面上重复显现的关键词。
随后，这些关键词短语会被精心编织进倒排索引的词汇表中。以 “铅笔” 为例，这个词及其所有包括它的关键文档，都已被纳入索引体系之中。
简而言之，因为咱们的文档中 “铅笔” 一词频繁显现，它此刻在词汇索引中占据了 “铅笔” 条目的位置，并与对应的 DocID 紧密相连。
与 “铅笔” 关联联的 DocID 会得到一个经过精细算法计算出的 IR（信息检索）分数，该分数将在后续用于搜索结果列表中的排序。值得重视的是，若 “铅笔” 一词在咱们的文档中被加粗表示，或位置于 H1 标签中（这些信息存储在 AvrTermWeight 中），这些都会做为提高 IR 分数的积极信号。
谷歌会将视为重要的文档迁移至其核心存储系统 ——HiveMind，即主存储器。这儿融合了高速 SSD 与传统 HDD（叫作为 TeraGoogle），后者用于长时间存储非即时拜访的数据。文档和信号都存储在主存储器中。
据专家估算，在人工智能热潮兴起之前，全世界大约半数的网络服务器均由谷歌托管。这一庞大的互联集群网络，使得数百万个主存储单元能够有效协同工作。乃至有谷歌工程师在会议中提及，理论上，谷歌的主存储器容量足以涵盖全部互联网的信息量。
有趣的是，存储在 HiveMind 中的链接，包含反向链接，似乎被赋予了更高的权重。例如，来自权威文档的链接将得到更加多注重，而存于 TeraGoogle（HDD）中的 URL 链接则可能权重较低，乃至被忽略不计。提示：为你的文档供给准确且一致的日期信息至关重要。无论是源代码中的日期（BylineDate）、从 URL 和 / 或标题中提取的日期（syntaticDate），还是从内容中解析的日期（semanticDate），都将被综合思虑。
随意更改日期以营造时效性的假象可能引起搜索引擎降权处理。lastSignificantUpdate 属性精确记录了文档最后一次重大更新的时间，细微的修改或拼写更正并不会触动这一计数器。每一个 DocID 的附加信息与信号都被动态存储在 PerDocData 库中，供多个系统在优化搜索结果关联性时调用。另外，文档的近期 20 个版本都会被保留在历史记录中（经过 CrawlerChangerateURLHistory 实现），使谷歌能够评定并跟踪内容随时间的演变。
若你计划彻底改变一个文档的内容或主题，理论上需通过创建一系列过渡版本逐步过渡，以覆盖并替换旧的内容信号，这一过程可能需连续发布多达 20 个版本。这解释了为么复活过期域名（即曾活跃后废弃的域名）并不总能带来排名上的优良。
当域名的管理权出现变更，同期内容主题亦大幅调节时，谷歌系统能够敏锐地捉捕到这些变化，并将所有关联信号重置，使得旧域名在排名上再也不享有特殊优待，与全新注册的域名站在同一块跑线上。
<img src="https://q7.itc.cn/q_70/images03/20240824/329f3fbc925a488d854727900973fdb1.png" style="width: 50%; margin-bottom: 20px;">
图 2：除了泄密的信息外，美国司法分部对谷歌的审判和听证会供给的证据文件亦是进行深入科研的宝贵资源。这些文件中还包括了内部电子邮件。
QBST: 搜索 “铅笔” 的仔细过程
当你在谷歌中输入 “铅笔” 进行搜索时，QBST 系统便立刻起步，起始处理这一请求。系统首要会细致地分析搜索关键词，倘若搜索短语由多个词汇构成，这些词汇会被精细地传递到词汇索引中，进行深入的检索。
接下来，术语加权过程会登场，这是一个繁杂而精细的过程，它触及到了 RankBrain、DeepRank（原名 BERT）以及 RankEmbeddedBERT 等多个先进的系统。在这些系统的协同功效下，与 “铅笔” 紧密关联的词汇会被进一步传递给 Ascorer，进行更深层次的处理。
Ascorer: 构建 “绿色环”
Ascorer 的工作是从倒排索引中筛选出与 “铅笔” 最关联的前 1000 个文档（DocID），并根据信息检索（IR）评分进行排序。这个排序后的文档列表，咱们叫作之为 “绿色环”，在行业内亦被广泛叫作为发布列表或 posting list。
Ascorer 做为 Mustang 排名系统的重要构成部分，还会经过一系列精细的过滤手段，如去重（利用 SimHash 技术）、段落分析以及识别原创和有价值的内容等，对这 1000 个候选文档进行进一步的筛选和优化，最后目的是将这 1000 个候选项精炼成用户眼前所见的 “10 个蓝色链接” 或 “蓝色环”。
关于铅笔的文档，在当前的发布列表中排名第 132 位。倘若无其他系统的进一步介入，那样这将是它在搜索结果中的最后位置。
Superroot: 从千中选优，打造 “蓝色环”
然而，Superroot 系统并不会让事情就此定格。它的任务是将 “绿色环” 中的 1000 个文档重新排序，经过更加精确和细致的算法，将这庞大的数量精确地缩减到仅包括 10 个结果的 “蓝色环”。
在这个过程中，Twiddlers 和 NavBoost 等系统装扮着关键角色，它们负责执行详细的筛选和排序任务。尽管可能还有其他系统亦参与其中，但由于信息有限，咱们没法一一详述其详细细节。
<img src="https://q8.itc.cn/q_70/images03/20240824/d490a763d38f4901b3ce0ad642716809.png" style="width: 50%; margin-bottom: 20px;">
图 3：Mustang 生成 1,000 个潜在结果，随后由 Superroot 将这些结果筛选至 10 个最后结果。尽管 “谷歌咖啡因（Caffeine）” 这一名叫作仍被提及，但其最初做为独立系统的形式已不复存在，仅做为历史记忆保存。
如今，谷歌构建了一个庞大的微服务架构，这些微服务紧密协作，一起为网页文档生成各样关键属性。这些属性不仅是区别排名和重排系统的核心信号，还助力神经网络模型进行更精细的预测。过滤器中的多面手：Twiddler 系统
当前，谷歌正运用着成百上千个 Twiddler 系统，它们的功效类似于 WordPress 插件，但专注于搜索引擎内部的优化任务。每一个 Twiddler 都肩负着特定的过滤使命，这种模块化设计不仅简化了创建过程，还避免了直接干涉 Ascorer 中繁杂排名算法的必要性，后者一旦修改，可能诱发连锁反应，需要周密的规划与编程工作。
Twiddler 系统以其灵活性和独立性著叫作，它们能够并行或次序工作，彼此间无需知晓对方的操作细节。按照工作特性的区别，Twiddler 大致分为两类：PreDoc Twiddlers：这类 Twiddler 能够有效处理大规模的 DocID 集合，由于它们对额外信息的需要极低，从而在处理初期就能明显缩减发布列表的条目数量，为后续过程打下基本。
“Lazy” 类型 Twiddlers：相比之下，这类 Twiddler 则更为繁杂，它们需要额外信息，如从PerDocData数据库中提取的数据，这使得处理过程更加耗时。因此呢，它们一般在 PreDoc Twiddlers 完成初步筛选后才介入。
经过这种分周期处理策略，谷歌极重地优化了计算资源的利用效率，节省了宝贵的时间。
区别的 Twiddler 对文档的最后排名产生着直接或间接的影响。有的 Twiddler 经过调节信息检索（IR）评分来提高或降低文档的排名权重；而另有些则直接干涉排名位置。例如，针对新入库的文档，一个专注于提高新文档排名的 Twiddler 可能会将 IR 评分大幅提高 1.7 倍，从而将文档从第 132 位快速推升至第 81 位。
另外，为了提高搜索结果页面（SERP）的多样性，有 Twiddler 会专门降低内容类似文档的权重，这进一步促进咱们的铅笔文档排名提升了 12 位，达到第 69 位。更有甚者，一个专门限制特定查找下博客页面数量的 Twiddler，将咱们的文档排名进一步提高至第 61 位。
<img src="https://q4.itc.cn/q_70/images03/20240824/92d8788146e04d6f95d5f870fecba12a.png" style="width: 50%; margin-bottom: 20px;">
图 4：两种类型的 Twiddler—— 超过 100 个 Twiddler 用于减少潜在搜索结果，并对这些结果进行重新排序。
在咱们的页面中，CommercialScore属性得到了零分（即被标记为 “是”），这暗示 Mustang 系统在分析过程中检测到了营销意图。谷歌可能重视到，“铅笔” 搜索后经常会跟随如 “买铅笔” 这般的拥有知道商场购买意图的搜索，这显示用户有交易倾向。因此呢，一个专门识别并响应此类意图的 Twiddler 会介入，经过添加关联商场结果，将咱们的页面排名提高了 20 位，最后排在第 41 位。
随后，另一个 Twiddler 起步，实施了所说的 “页面三处罚”，旨在将疑似垃圾内容的页面排名限制在搜索结果的前三页之内（即最大排名为第 31 位）。这一限制由BadURL-demoteindex属性掌控，该属性为页面排名设定了上限。类似DemoteForContent、DemoteForForwardlinks和DemoteForBacklinks等属性亦用于实现内容降级的目的。因此呢，在排除了咱们上方三个被降级的文档后，咱们的页面排名进一步提升至第 38 位。
尽管咱们的文档有可能受到降级的影响，但为了简化讨论，咱们假设它未受影响。接下来，咱们思虑一个经过评定嵌入内容来判断咱们铅笔页面与网站主题关联性的 Twiddler。因为咱们的网站专注于书写工具，这一特点对咱们极为有利，引起另一 24 个与主题相关度不高的文档受到消极影响。
举个例子，假设有一个内容多样化的价格比较网站，其中有一页专门介绍铅笔，虽然内容丰富，但因其主题与网站整身体容大相径庭，该页面可能会因此呢 Twiddler 而被降级。
siteFocusScore和siteRadius等属性反映了页面内容与网站主题的紧密程度。得益于此，咱们的信息检索（IR）评分再次得到提高，而其他有些结果则因关联性较低而排名下降，最后咱们的页面排名跃升至第 14 位。
正如之前所述，Twiddler 的功能极为广泛且灵活。研发人员能够持续尝试新的过滤规则、调节乘数或设置特定的排名限制，乃至能够精确掌控某个结果在页面上的详细摆列次序。
值得重视的是，一份谷歌内部泄密的文件发出警告，指出某些 Twiddler 功能应由专家小心运用，并在与核心搜索团队充分沟通后实施。

“即便你认为自己已然洞悉了这些系统的运作奥秘，相信我，那亦只是冰山一角。咱们自己亦尚未能完全参透。”—— 摘自泄密的《Twiddler 快速入门指南 – Superroot》文档

另外，还有一类专门的 Twiddler，它们负责创建注释并将这些注释附加到文档 ID（DocID）上，从而在搜索结果页面（SERP）中直观展示。例如，它们可能会在摘要中嵌入照片，或动态调节标题及描述内容，以优化用户体验。
倘若你在疫情时期好奇为么你所在国家的卫生分部（例如美国的卫生与公共服务部）在 COVID-19 关联搜索中总是稳居榜首，答案很可能就藏在一个特定的 Twiddler 里。这个 Twiddler 经过识别查找语言和国家代码，利用特定的算法提高了官方资源的排名权重。
虽然用户针对 Twiddler 怎样详细调节搜索结果排序的掌控力有限，但认识其工作机制无疑能帮忙咱们更好地理解排名的波动或哪些看似 “难以捉摸” 的排名现象。因此呢，定时检测 SERP，并留意结果类型的多样性显出尤为重要。
举例来讲，你是不是发掘，无论搜索词怎样变化，论坛讨论和博客文案的数量在搜索结果中似乎总是保持不变？你能够进一步思考：这些结果中，交易性、信息性或导航性的内容各占多少比例？相同的域名是不是会频繁出此刻区别但相近的搜索查找结果中？
倘若你观察到搜索结果中在线商店的数量寥寥无几，那样试图经过类似商店网站来提高排名可能并非明智之举。相反，将重心转向创作更加多信息丰富的内容可能更为有效。当然，在做出决策之前，咱们还需深入探讨 NavBoost 系统的功效，由于它一样在搜索结果排序中装扮着重要角色。
谷歌的质量评定员和 RankLab
谷歌在全世界范围内聘请了数千名质量评定员，她们负责审视特定的搜索结果，并在新算法或过滤器正式启用前进行初步测试。谷歌方面澄清：“这些评定结果并不直接决定搜索排名。” 尽管此言非虚，但这些评定在间接层面对排名产生了明显影响。
评定员的工作流程大致如下：她们会接收到网址或搜索短语（即待评定的搜索结果），并在移动设备上回答一系列预设问题。例如，她们可能会被问及：“这篇内容的作者是谁？写作时间是什么时候？作者在其行业内是不是具备专业知识？” 这些回答随后会被记录下来，做为训练设备学习算法的重要数据。算法经过分析这些数据，能够辨别出那些页面质量上乘、值得信赖，而那些则相对逊色。
这一机制的核心在于，搜索排名的标准并非由谷歌搜索团队直接设定，而是经过深度学习技术，从人工评定中提炼出模式与规律。为了更直观地理解，咱们能够设想一个场景：倘若公众广泛认为，包括作者照片、全名及 LinkedIn 个人简介链接的内容更具可信度，那样缺乏这些元素的页面在可信度上自然会大打折扣。当神经网络在训练过程中接触到这些特征及相应的评定结果时，它会将这些特征视为影响排名的关键原因。经太多轮正面验证，一般这一过程会连续最少 30 天，网络可能会起始将这些特征做为重要的排名信号。因此呢，具备这些特征的页面可能会得到排名上的优良，而缺失这些特征的页面则可能面临排名下降的危害。
值得重视的是，尽管谷歌官方可能并未尤其强调作者信息的重要性，但泄密的信息表示，如 isAuthor 等属性以及经过 AuthorVectors 实现的 “作者指纹识别” 技术，实质上能够识别并区分出作者独特的语言风格（即个体用词和表达方式）。
评定员的反馈会被汇总成 “信息满意度”（IS）评分。尽管参与评估的人数众多，但 IS 评分重点集中应用于少许网址。针对其他拥有类似特征的页面，系统会采用外推的方式，利用这些评分来辅助排名决策。谷歌指出：“许多文档可能并未得到海量点击，但它们依然拥有重要道理。” 当外推办法不适用时，系统会将关联文档自动提交给评定员进行评分。
在提及 “黄金” 一词时，它常与质量评估员关联联，暗示着可能存在某种文档或文档类型的最高标准。能够恰当推测，符合评定员期望的文档有可能达到这一黄金标准。另外，某些特定的 Twiddler 可能会为被视为 “黄金” 级别的 DocID（文档标识符）供给明显的排名提高，使其跻身搜索结果的前列。
值得一提的是，这些质量评定员常常并非谷歌的全职员工，她们可能经过外边机构参与工作。而谷歌的专家则在 RankLab 中致力于实验与开发，持续推出新的 Twiddler，并评定其是不是能有效提高搜索结果的质量，或是仅仅起到过滤垃圾信息的功效。经过严格验证并证明有效的 Twiddler 将被整合到 Mustang 系统中，该系统利用繁杂、计算密集型且相互相关的算法，对搜索结果进行精细化的处理与优化。
然则用户想要什么？
NavBoost 能够处理这个问题！
咱们的铅笔文档尚待进一步完善。在 Superroot 系统中，NavBoost 这一核心系统占据了决定搜索结果排序的关键位置。NavBoost 采用 “切片” 技术，以灵活管理移动端、桌面端及本地搜索等多样化的数据集。
尽管谷歌官方坚叫作未将用户点击数据纳入排名考量，但 FTC 文件中一封内部邮件的披露却揭示了点击数据处理过程的保密性需求，这在必定程度上诱发了外界遐想。
这并不寓意着谷歌的做法存在不当，其否认背面实则包含双重考量。首要的是，一旦承认运用点击数据，可能会触发媒介对隐私问题的剧烈关注，将谷歌置于 “数据巨头” 的舆论漩涡中，被指责为无孔不入地跟踪用户在线行径。然而，实质上，点击数据的运用旨在获取拥有统计学道理的信息，以优化搜索体验，而非针对个体用户的监控。尽管数据守护倡导者可能对此持保存意见，但这一解释无疑为谷歌的否认立场供给了恰当解释。
FTC 文件的记载进一步印证了点击数据在排名中的实质功效，而 NavBoost 系统这里过程中更加是频频被提及（仅在 2023 年 4 月 18 日的听证会上就被提及了 54 次）。另外，回溯至 2012 年的官方听证会，亦已知道指出了点击数据对搜索排名产生的实质影响。

图 5：自 2012 年 8 月败兴（！），官方已然知道点击数据会改变排名。
科研显示，搜索结果中的用户点击行径以及网站或网页的流量状况都会对其在搜索引擎中的排名产生影响。谷歌能够直接在搜索结果页面（SERP）上监控和评定用户的搜索行径，包含搜索操作、点击选取、重复搜索以及重复点击等行径。
有一种观点认为，谷歌可能经过其自家的谷歌分析（Google Analytics）工具来推测域名的流量数据，这引起部分用户选取避免运用该系统。然而，这一观点存在局限性。首要，Google Analytics 并不供给对所有交易数据的全面拜访权限，限制了其推测能力的准确性。更为关键的是，因为超过 60% 的用户运用的是谷歌 Chrome 浏览器（其用户数量已超过三亿），谷歌能够收集到海量的网络活动数据。这使得 Chrome 在分析网络动态中装扮着至关重要的角色，这一点在关联听证会上亦得到了知道强调。另外，Core Web Vitals 的数据亦是经过 Chrome 进行收集的，并最后汇总为 “chromeInTotal” 值，用于评定网站的性能。
关于 “监控” 的消极舆论是谷歌否认使用点击数据的一个原由。另一个原由是，担心评定点击和流量数据可能会激励垃圾邮件发送者和骗子运用设备人系统伪造流量，从而试图操控搜索排名。虽然谷歌的这种否认态度可能会让人感到懊丧，但其背面的担忧和理由却是能够理解的。在存储的指标中，包含了 “badClicks”（坏点击）和 “goodClicks”（好点击）等评定标准。这些评定一般会思虑搜索者在目的页面上的停留时间、她们浏览了多少其他页面以及这些页面的浏览时间（这些数据源自于 Chrome）
倘若搜索者在搜索结果中短暂偏离后又快速返回并点击了其他结果，这种行径可能会增多 “坏点击” 的数量。而在一个搜索会话中，最后一次被认为是 “好” 点击的搜索结果则会被记录为 “lastLongestClick”（最长点击）。
为了保证数据的准确性和防止被操控，这些数据会经过压缩处理以在统计上进行标准化。
倘若某个页面、一组页面或一个域名的首页一般拥有良好的拜访指标（这些数据一样源自于 Chrome），那样这将会经过 NavBoost 产生积极效果。经过分析在一个域名内或跨域名的流动模式，乃至能够评定网站导航的用户引导效果。
因为谷歌能够监测全部搜索会话过程，因此呢在极端状况下它乃至可能识别出与搜索查找完全区别的文档亦适合该查找。例如倘若搜索者在搜索过程中离开了她们最初点击的域名并拜访了另一个域名（可能是经过该域名中的链接转过去的）并在新域名上停留较长期那样这个做为搜索 “结束” 的文档在将来就有可能经过 NavBoost 被推到更前面的位置前提是它在选取范围内。当然这需要海量搜索者供给有力的统计信号做为支持。接下来咱们来仔细分析搜索结果中的点击状况。在每一个搜索结果页面（SERP）中区别排名位置的结果都有一个平均预期点击率（CTR）做为性能评定的基准。例如按照 Johannes Beus 在今年柏林 CAMPIXX 会议上的分析结果表示排名第1的自然搜索结果平均能够得到 26.2% 的点击率而排名第二的结果则只能得到 15.5% 的点击率。
倘若某个搜索结果的实质点击率明显小于预期值那样 NavBoost 系统会记录这一差异并据此调节该结果的排名位置（即 DocID 的排名）。相反倘若某个结果的实质点击量在历史上始终显著多于或少于预期值 NavBoost 亦会相应地调节该文档的排名位置以保证搜索结果的关联性和准确性（见图 6 所示）。
这种办法是恰当的由于点击率从本质上反映了用户对搜索结果关联性的评估这些评估又是基于搜索结果的标题、描述以及域名等原因得出的。这一概念在谷歌的官方文档中亦有仔细说明（如图 7 所示）从而进一步证明了其恰当性和科学性。

图 6：倘若 “预期 _CRT” 与实质值有明显差异，则排名会相应调节。（数据源：J. Beus，SISTRIX，带编辑覆盖）

图 7：谷歌演示文稿中的幻灯片（源自：审判证据 - UPX0228，美国及原告州诉谷歌机构）
因为咱们的铅笔文档刚才发布不久，因此呢日前还缺乏详细的点击率（CTR）数据。针对这类无数据的新文档，系统是不是会忽略 CTR 偏差尚不明朗，但从其融入用户反馈的设计初衷来看，这种可能性是存在的。另一种推测是，系统可能会依据其他关联指标对 CTR 进行初步估算，这与谷歌 Ads 中处理质量因子的方式有异曲同工之妙。SEO 专家和数据分析师在长时间实践中发掘，一旦她们全面监控点击率，便会重视到一个规律：当某个文档首次跻身搜索结果前 10 名，而其实质 CTR 明显小于预期时，其排名常常会在几天内（详细时间取决于搜索频率）显现下滑。
相反，若 CTR 远高于预期，则排名有望攀升。面对 CTR 表现不良的状况，快速调节文档的摘要信息（如优化标题和描述）以吸引更加多点击至关重要，否则排名下滑后恢复难度将大幅增多。这一现象被广泛视为系统测试机制的一部分，即文档若表现优异则稳妥高位，若不符用户期待则可能被剔除。至于这是不是与 NavBoost 系统直接关联，日前尚无确凿证据。按照泄密的信息，谷歌在估算新页面信号时，似乎高度依赖于页面 “环境” 中的海量数据。例如，新页面在初期可能会继承主页的 PageRank（叫作为 HomePageRank_NS），直至其创立起自己的 PageRank。同期，pnavClicks 可能用于预测经过导航链接到新页面的点击概率。
鉴于计算和更新 PageRank 的繁杂性及高计算成本，谷歌可能采用了 PageRank_NS 指标做为过渡方法。“NS” 表率 “近期种子”，寓意着关联页面共享一个临时的 PageRank 值，该值会按照需要长时间或短期地应用于新页面。
另外，邻近页面的信号亦可能对其他关键指标产生影响，助力新页面在缺乏高流量或反向链接的状况下提高排名。值得重视的是，许多信号的反映并非即时，而是存在必定的延迟。谷歌在听证会上展示了 “鲜嫩度” 在搜索结果中的实质应用。以搜索 “Stanley Cup” 为例，平时搜索结果多聚焦于这一著名奖杯的介绍，但在斯坦利杯冰球比赛时期，NavBoost 会按照搜索和点击行径的变化，优先展示与比赛紧密关联的信息。
这儿的 “鲜嫩度” 并非指文档的新旧，而指的是搜索行径和兴趣点的动态变化。谷歌每日处理的搜索行径超过十亿次，每一次搜索和点击都在为谷歌的学习供给宝贵数据。这寓意着，谷歌对搜索意图的捉捕和响应远比咱们想象的细腻和即时，而非仅仅局限于对季节性变化的简单预测。最新数据表示，文档的点击指标会被存储并评定长达 13 个月之久（每年有一月的数据与前一年重叠，以便进行对比分析）。鉴于咱们的假设域名持有强大的拜访指标和明显的宣传直接流量，做为知名品牌（这是一个正面信号），咱们的新 “铅笔” 文档自然能够从前期的成功页面中获益。因此呢，NavBoost 系统成功将咱们的排名从第 14 位提高至第 5 位，使咱们跻身 “蓝色环” 或前 10 名之列。这前 10 名的文档将与其他九个自然搜索结果一同被转发至谷歌的网络服务器。值得重视的是，谷歌实质供给的个性化搜索结果并不像人们广泛预期的那样丰富。测试显示，经过模拟用户行径并进行相应调节常常能带来更优化的搜索结果，而非单纯依赖于评定个别用户的偏好。
这一发掘极具启示道理 —— 神经网络的预测能力已然超越了咱们的个人浏览和点击历史记录所能供给的个性化程度。当然，针对特定偏好（如对视频内容的爱好），个性化搜索结果仍会予以表现。谷歌网络服务器：
一切终结与新起始的地区
谷歌网络服务器（GWS）是构建和呈现搜索结果页面（SERP）的核心，这个页面上包括了许多元素：十个蓝色链接的自然搜索结果、宣传、照片、谷歌地图视图、“人们亦在问” 板块等。
为了优化这些元素在有限页面空间内的布局，谷歌采用了 Tangram 系统。该系统负责计算每一个元素所需的空间体积，并智能决定在给定的 “框架” 内能容纳多少结果。紧接着，Glue 系统会将这些元素精确无误地安顿到它们应有的位置上，保证页面既美观又有效。
日前，咱们的 “铅笔” 文档在自然搜索结果中排名第五，但值得重视的是，CookBook 系统持有在搜索结果展示前的最后一刻进行微调的能力。这个系统内部集成为了 FreshnessNode、InstantGlue（能在 24 小时内快速反应，但一般会有约 10 分钟的延迟）和 InstantNavBoost 等组件。这些组件如同 “幕后英雄”，在最后页面呈现之前，快速生成与搜索结果时效性紧密关联的信号，并可能据此对排名进行动态调节。
想象一下这般的场景：一档关于 Faber-Castell 品牌 250 周年纪念以及 “铅笔” 这一关键词的德国电视节目忽然热播。在节目播出的几分钟内，成千上万的观众可能会快速拿起她们的智能手机或平板电脑进行搜索。此时，FreshnessNode 便会敏锐地捉捕到 “铅笔” 搜索量的激增，并智能地分析出用户的搜索意图是寻求信息而非直接购买。基于这一判断，系统会相应地调节搜索结果的排名。
详细来讲，InstantNavBoost 会立即采取行动，将所有与交易关联的结果暂时移除，转而用更加信息丰富、与当前热点紧密关联的结果来替代。同期，InstantGlue 亦会快速更新 “蓝色环” 内的结果排序，引起咱们本来可能以营销为导向的文档由于不足关联而被更合适的结果挤出前列。

图 8：一档关于 “铅笔” 一词起源的电视节目，以庆祝德国知名铅笔制造商 Faber-Castell 成立 250 周年。
尽管咱们假设的排名故事以遗憾暂告段落，但它深刻揭示了一个核心真理：得到并维持高排名，绝非仅凭出色的文档或有效的 SEO 策略就能一蹴而就。
排名是一个多原因交织的繁杂结果，它受到搜索行径波动、新文档信号的融入以及外边环境持续变化等多重影响。因此呢，认识到高质量文档与优化的 SEO 策略仅是排名动态系统中的一环，且至关重要，这一点尤为重要。
搜索结果的生成过程犹如精细的机械运作，背面触及数以千计的信号和繁杂算法。SearchLab 经过 Twiddler 进行的实时测试，乃至可能间接影响到文档的反向链接权重，从而诱发连锁反应。
这些文档的命运可能因此呢出现转折，它们可能被从 HiveMind 这一核心存储系统迁移到优先级较低的存储层级，如 SSD 或 TeraGoogle，这一变动将直接削弱或消除它们对排名的正面影响，即便文档内容本身并未有丝毫改动。
谷歌的 John Mueller 曾知道指出，排名的下滑并不总是寓意着你的策略有误。用户行径模式的转变、新兴趋势的涌现或是其他外边原因，都可能作为影响排名表现的不确定原因。
例如，当用户起始倾向于寻求更详尽的信息或偏好简短明了的文本时，NavBoost 系统便会快速响应，调节排名以匹配这些新的搜索偏好。然而，值得重视的是，这种调节并不会触动 Alexandria 系统或 Ascorer 中的 IR 评分，后者更加多地是基于文档本身的固有质量进行评定。
这一切都向咱们传达了一个重要启示：SEO 工作应当置于更广阔的视角下进行审视。倘若文档内容与用户的搜索意图存在偏差，那样即便是再精妙的标题优化或内容调节，其效果亦会大打折扣。
更为关键的是，Twiddler 和 NavBoost 等系统对排名的干涉力度，常常超越了传统的页面优化手段，包含页面内、页面上以及页面外的优化办法。一旦这些系统对文档的可见性进行了限制，那样无论咱们在页面上怎样奋斗优化，都可能难以扭转乾坤。
但请安心，咱们的故事并不会就此陷入低谷。关于铅笔的电视节目效应终究只是短暂的喧嚣。随着搜索热度的逐步退却，FreshnessNode 的临时影响亦将烟消云散，咱们的排名有望重新回升至第五位。
当咱们重新起始收集点击数据时，按照 SISTRIX 的 Johannes Beus 的预测，第五位的平均点击率（CTR）大约在 4% 上下。只要咱们能够稳定保持这一 CTR 水平，咱们就有自信心继续稳坐前十的宝座。将来可期，一切都将朝着更好的方向发展。
SEO 的关键要点流量源自多元化：保证你的网站流量不仅依赖于搜索引擎，而是从多种途径汇聚而来，包含社交媒介平台等非传统途径，这些都能带来宝贵的拜访量。即便谷歌的爬虫没法触及某些页面，它依然能经过 Chrome 浏览器或直接 URL 跟踪到你的网站访客数量。
强化品牌与域名认知：持续提高你的品牌或域名知名度至关重要。品牌越为人熟知，用户在搜索结果中点击你网站的几率就越大。经过优化针对多种长尾关键词的排名，能够有效提高域名的可见度。据透露，“站点权威性” 可能是影响排名的一个关键原因，因此呢加强品牌声誉对提高搜索排名大有裨益。
深入理解搜索意图：为了更好地满足访客需要，深刻理解她们的搜索意图及路径至关重要。利用 Semrush、SimilarWeb 等工具分析访客源自及其行径，审视这些域名是不是供给了你页面所缺失的信息，并据此逐步弥补，使你的网站作为访客搜索路径上的 “终极目的地”。谷歌能够跟踪关联搜索会话，精细把握搜索者的需要与历史。
优化标题与描述，提高点击率：审视并调节当前标题与描述的吸引力，经过大写关键词汇使其在视觉上更为明显，可能有助于加强点击率。标题在决定页面排名中装扮关键角色，因此呢应优先思虑其优化。
评定隐匿内容效果：若采用手风琴等形式隐匿重要内容，需留意这些页面的跳出率是不是偏高。当拜访者没法快速定位所需信息，需多次点击时，可能产生消极点击信号。
精简无效页面：针对长时间无人问津或排名不良的页面，应思虑删除，以避免对邻近页面导致有害影响。新文档若发布在 “劣质” 页面群组中，其表现机会将大打折扣。“deltaPageQuality” 指标用于衡量域名或页面集群中单个文档的质量差异。
优化页面布局：清晰的页面结构、流畅的导航以及令人印象深刻的首页设计，针对跻身排名前列至关重要，这常常得益于 NavBoost 等系统的助力。
加强用户互动：延长访客在网站上的停留时间，能发出积极的域名信号，惠及所有子页面。致力于作为访客的 “一站式” 信息源，供给全面信息，减少其他搜索需要。
深化而非泛化内容：更新并丰富现有内容常常比持续创建新内容更为有效。“ContentEffortScore” 评定文档创作难度，高质量照片、视频、工具及独特内容均对此有正面贡献。
标题与内容一致：保证标题准确概括后续内容，利用文本向量化等先进技术进行主题分析，较单纯词汇匹配更为精细地判断标题与内容的一致性。
利用网页分析工具：借助谷歌 Analytics 等工具，有效跟踪访客互动状况，即时发掘问题并予以处理。尤其关注跳出率，若反常偏高，需深入调查原由并采取办法改善。谷歌经过 Chrome 浏览器获取这些数据，实现深度分析。
聚焦低竞争关键词：初期可优先针对竞争较小的关键词进行优化，更易于创立正面用户信号。
构建高质量反向链接：注重来自 HiveMind 中最新或高流量页面的链接，因其传递的信号价值更高。避免链接至流量稀疏或参与度低的页面。同期，来自同国别且内容关联的反向链接更具优良。警觉 “有毒” 反向链接，以避免损害评分。
关注链接上下文：在评定链接价值时，不仅要思虑锚文本本身，还需关注其前后文本的自然流畅性。避免运用 “点击这儿” 等通用短语，因其效果已被证实不良。
理性看待 Disavow 工具：该工具用于屏蔽不良链接，但据泄密信息表示，它并未被算法直接采用，更加多用于文档管理和反垃圾邮件工作。
强调作者专业性：若运用作者引用功能，应保证其在外界享有良好声誉并具备专业知识。少许高资质作者常常优于众多低信誉作者。谷歌能按照作者的专业知识评定内容质量，区分专家与非专家。
创作独特、实用、全面的内容：对关键页面尤为重要，展现你的专业深度，并供给有力证据支持。尽管能够聘请外边人员填充内容，但若缺乏实质质量和专业知识支撑，则难以企及高排名目的。原文链接：
https://searchengineland.com/how-google-search-ranking-works-445141
点击底部阅读原文拜访 InfoQ 官网，获取更加多精彩内容！
剥离几百万行代码，复制核心算法去美国？TikTok 最新回复来了
拖欠半年工资没发，员工拿饮水机抵钱！又一家明星智驾独角兽烧光 10 多亿后黯然离场
《黑神话：悟空》研发者被猎头疯抢，联创发声求放过：你们不缺人才，别搞咱们
跟着小扎不白干，9 个月“出师”：用学到的 10 条经验搞出 AI 界“带货王”，年入 1 亿美元<a style="color: black;">返回外链论坛：www.fok120.com，</a>查看更加多

责任编辑：网友投稿

qzmjef 发表于 2024-9-28 08:32:54

对于这个问题，我有不同的看法...

页: [1]

外链论坛's Archiver

揭秘谷歌搜索排名的工作原理