، تهران , (اخبار رسمی): یک مقاله پژوهشی جدید که توسط گوگل منتشر شده روشی کاملا نوین برای بهبود رتبه سایت معرفی می‌کند. ادعا شده که این الگوریتم میتواند در الگوریتم‌های عمیق شبکه‌ای که ارتباط را محاسبه می‌کنند، بهبود قابل توجهی ایجاد کند.
جوان سئو در این مقاله به معرفی الگوریتم جدید که روشی برای رتبه بندی صفحات است و توابع امتیاز دهی گروهی Groupwise Scoring Functions نامیده می‌شود، پرداخته است.
بدون تایید گوگل نمی توان در مورد اثربخشی این الگوریتم مطمئن بود، اما از آنجایی که بسیاری از محققان پیشرفت‌های قابل توجهی با استفاده از این الگوریتم مشاهده کرده‌اند، به نظر می‌رسد بد نیست کمی در مورد این الگوریتم صحبت شود.
آیا گوگل از الگوریتم‌های منتشر شده استفاده می‌کند؟
در گذشته گوگل اعلام کرده که نباید مقالات پژوهشی گوگل را به عنوان آنچه واقعا در سرچ رخ می‌دهد، در نظر گرفت. گوگل به ندرت الگوریتم‌های مورد استفاده در مقالات پژوهشی را تایید می‌کند که این الگوریتم نیز از این قاعده مستثنی نیست.
آیا این الگوریتم بخشی از به روز رسانی هسته در مارس 2019 است؟
این مقاله نشان می‌دهد که گوگل چگونه بر روی درک واژگان جستجو search query و همچنین درک موضوع صفحات وب، تمرکز می‌کند و در واقع این مقاله نمونه‌ای از تحقیقات تازه گوگل است که قبلا در مورد سئو در سال 2019 صحبت شده است.
گوگل به تازگی یک به روز رسانی گسترده از هسته ارائه داده است که گفته می‌شود بزرگترین به روز رسانی در این سال‌ها است. آیا الگوریتم مورد نظر بخشی از این به روزرسانی است؟ دقیقا مشخص نیست، گوگل به ندرت در مورد الگوریتم خاصی صحبت می‌کند.
چرا این الگوریتم مهم است؟
مقاله پژوهشی با ذکر این نکته شروع می‌شود که الگوریتم‌ها هر صفحه وب را به صورت مجزا ارزش‌گذاری می‌کنند، سپس صفحات وب در رقابت با صفحات دیگر امتیازدهی می‌شوند تا به این ترتیب مناسب‌ترین صفحه وب مشخص شود.
نحوه کار الگوریتم مورد بحث به این شکل است که زمانی که در یک دسته بندی یا تعیین تنظیمات اولیه، یک برچسب یا یک ارزش به صورت مجزا به هر داکیومنت داده می‌شود، در تنظیمات مربوط به رتبه بندی، دستورالعمل مربوط به کل داکیومنت ورودی را تعیین می‌شود.
در ادامه این مقاله پیشنهاد شده است که در نظر گرفتن سن تمام صفحات مرتبط به هم، میتواند سرنخی از آنچه کاربر می‌خواهد دهد. بنابراین به جای رتبه بندی تمام صفحات در مقابل یکدیگر، با مروری بر سن صفحات، بهتر می‌توان نیاز کاربر را درک کرده و صفحه بهتر را انتخاب کرد.
اکثر الگوریتم‌های موجود نسبی هستند و رتبه‌بندی آنها تنها محدود به خود داکیومنت می‌شود و بدون توجه به سایر داکیومنت‌ها ارزیابی می‌شود.
مقایسه تقابلی داکیومنت
به علاوه مقاله پژوهشی نشان می‌دهد که چگونه با روش فعلی رتبه بندی صفحات وب، فرصت بهبود ارتباط نتایج جستجو را ممکن است از دست بدهیم.
در نظر بگیرید که کاربری در حال جستجوی نام یک موسیقیدان است. اگر همه نتایجی که با عبارت مورد جستجو (به عنوان مثال عبارت مورد جستجو خواننده‌ای به نام کیهان کلهر است) نمایش داده می‌شوند، جدید باشند، کاربر احتمالا به آخرین اخبار یا اطلاعات علاقه‌مند است.
از طرف دیگر اگر نتایج نمایش داده شده قدیمی باشند (به عنوان مثال کاربر در مورد کیهان کلهر جستجو می‌کند)، احتمالا کاربر به دنبال اطلاعاتی در مورد سوابق هنری یا زندگینامه هنرمند است. بنابراین ارتباط هر داکیومنت بستگی به توزیع کل لیست دارد.
در مثال بالا سن و سال صفحات وب که با عبارت جستجو در ارتباط هستند، می‌توانند به ارائه بهترین پاسخ کمک کنند.
مدلسازی رفتار انسان برای دقت بهتر
پس از آن در مقاله ذکر شده است که کاربران موتور جستجو تمایل دارند که نتایج به دست آمده در صفحات را به یکدیگر مقایسه کنند. بنابراین کاربران پیشنهاد می‌کنند که مدلی که بتواند این کار را انجام دهد، دقیق‌تر است.
تعامل کاربران با نتایج جستجو الگوهای مقایسه‌ای قوی را نشان می‌دهد. تحقیقات پیشین نشان دادند که قضاوت از طریق مقایسه دو داکیومنت قابل دسترس بوده و نسبت به رتبه‌بندی‌های دیگر ثبات بیشتری دارند.
به علاوه زمانی که فعالیت‌های کاربر به صورت نسبی مدلسازی می‌شوند، امکان پیش‌بینی بهتر می‌شود. این‌ها نشان می‌دهند که کاربران داکیومنت کلیک شده را قبل از کلیک با داکیومنت‌های اطراف آن را مقایسه می‌کنند، در نتیجه یک مدل رتبه بندی که از مکانیزم مستقیم مقایسه استفاده می‌کند، موثرتر است چرا که رفتار کاربر را به شکل درستی تقلید می‌کند.
الگوریتم جدید کار می‌کند
زمانی که الگوریتم تحقیق را مدنظر قرار می‌دهید، مهم است به این نکته توجه شود که آیا محققان معتقدند این الگوریتم وضعیت را بهبود بخشیده است.
برخی مقالات ارائه شده بیان کرده‌اند که دستاوردها در کمترین میزان خود هستند، در حالی که هزینه دستیابی به آنها چشمگیر است (هزینه‌هایی مانند زمان و سخت افزارها). مقالاتی که زیاد موفق نبوده‌اند، کاندید خوبی برای ورود به الگوریتم‌های جستجوی گوگل نیستند.
برخی مقاله‌های پژوهشی دستاوردهای قابل توجهی را با کمترین هزینه گزارش می‌دهند که احتمال ورد این مقالات به الگوریتم‌های گوگل بیشتر است.
محققان به این نتیجه رسیدند که این روش جدید شبکه‌های عصبی مصنوعی عمیق Deep Neural Network و مدل‌های مبنی بر درخت را بهبود می‌بخشد. گوگل هرگز الگوریتم مورد استفاده خود را اعلام نمی‌کند و همچنین در مورد چگونگی استفاده از یک الگوریتم صحبتی نمی‌کند. اما اگر یک الگوریتم دستاوردهای قابل توجهی ارائه می‌دهد و میتواند وسیله سنجش باشد، احتمال اینکه این الگوریتم مورد استفاده گوگل هم باشد افزایش پیدا می‌کند. اگر در حال حاضر هم مورد استفاده گوگل نباشد، احتمالا در آینده مورد استفاده قرار خواهد گرفت.
این الگوریتم چگونه به سئو کمک می‌کند؟
رتبه بندی در گوگل به طور فزاینده‌ای در حال فاصله گرفتن از عوامل سنتی در رتبه بندی است. عوامل قدیمی در رتبه بندی مانند متن لینک یا انکر تکست anchor text، برچسب‌های عنوان heading tags و لینک‌ها امروز اهمیت کمتری دارند.
این مقاله نشان داد که در نظر گرفتن مشترکات بین صفحات مربوط به هم، چگونه میتواند سرنخ‌هایی برای آنچه کاربر جستجو می‌کند، ارائه دهد. حتی اگر گوگل از این الگوریتم در رتبه‌بندی صفحات استفاده نمی‌کند، اما این مفهوم همچنان مفید خواهد بود.
اینکه بدانید کاربر به دنبال چیست، میتواند کمک کند تا اطلاعات مورد نیاز کاربر را درک کرده و صفحاتی را ایجاد کرد که این نیازها را برآورده می‌کند. این مسئله میتواند به بهبود رتبه‌بندی سایت نیز کمک کند.
### پایان خبر رسمی