راهنمای سیستمهای رتبهبندی گوگل منتشر میشود
راهنمای جدیدی از Google به شما کمک میکند در مورد سیستمهای رتبهبندی گوگل فعلی و قدیمی مطلع شوید. این راهنمای جدید برای سیستم های رتبه بندی گوگل شما را در مورد سیستم هایی که این موتور جست و جوی جهانی برای رتبه بندی نتایج جستجو استفاده میکند، آگاه میکند.
علاوه بر این در آخرین راهنمای سیستمهای رتبهبندی گوگل اصطلاحات جدیدی را معرفی میکند که بین رتبه بندی سیستم ها و رتبه بندی به روز رسانی ها تمایز قائل میشود. سیستمی مانند RankBrain دائماً در پس زمینه در حال اجرا است. از سوی دیگر، به روز رسانی به تغییر یک بار در سیستم های رتبه بندی اشاره دارد.
برای مثال، هنگامی که Google نتایج جستجو را ارائه میدهد، سیستم محتوای مفید همیشه در پسزمینه اجرا میشود، اگرچه میتواند بهروزرسانیهایی را برای بهبود عملکرد خود دریافت کند. به روز رسانی الگوریتم اصلی و به روز رسانی هرزنامه نمونه های دیگری از تغییرات یک بار در سیستم های رتبه بندی هستند.
اکنون که با اصطلاحات جدید گوگل در یک صفحه قرار داریم، بیایید به نکات برجسته در راهنمای گوگل برای سیستم های رتبه بندی نگاه کنیم.
سیستم های فعلی
در اینجا لیستی به ترتیب حروف الفبا از سیستمهای رتبهبندی گوگل که در حال حاضر فعال هستند آمده است.
- BERT: مخفف Representations Encoder Bidirectional from Transformers، BERT به Googe اجازه میدهد تا بفهمد که چگونه ترکیبی از کلمات میتوانند معانی و مقاصد مختلف را بیان کنند.
- سیستمهای اطلاعات بحران: Google سیستمهایی را برای ارائه مجموعههای خاصی از اطلاعات در مواقع بحران، مانند هشدارهای SOS هنگام جستجوی بلایای طبیعی، در اختیار دارد.
- سیستم های کپی برداری: هدف سیستم های جستجوی گوگل جلوگیری از ارائه صفحات وب تکراری یا تقریباً تکراری است.
- سیستم Exact match domain: سیستمی که تضمین میکند گوگل اعتبار زیادی به وبسایتهایی با نام دامنهای که دقیقاً با یک جستجو مطابقت دارند، نمیدهد.
- سیستمهای فرشنس: سیستمی که برای نمایش محتوای تازهتر برای پرسشها در جایی که انتظار میرود طراحی شده است.
- سیستم محتوای مفید: سیستمی طراحی شده است تا اطمینان حاصل کند که مردم به جای محتوایی که عمدتاً برای به دست آوردن ترافیک موتورهای جستجو ساخته شده است، محتوای اصلی و مفید را بهتر میبینند.
- سیستم های تجزیه و تحلیل لینک و رتبه صفحه: سیستم هایی که تعیین می کنند صفحات مربوط به چه چیزی هستند و بر اساس نحوه پیوند صفحات به یکدیگر، کدام یک ممکن است در پاسخ به یک پرس و جو بسیار مفید باشد.
- سیستمهای خبری محلی: سیستمی که منابع خبری محلی را در صورت مرتبط بودن با پرس و جو نشان میدهد.
- MUM: مخفف Multitask Unified Model، MUM، یک سیستم هوش مصنوعی است که قادر به درک و تولید زبان است. فراخوانهای قطعه برجسته را بهبود میبخشد و برای رتبهبندی عمومی استفاده نمیشود.
- تطبیق عصبی: سیستمی که به گوگل کمک میکند تا بازنمایی مفاهیم در پرس و جوها و صفحات را درک کند و آنها را با یکدیگر تطبیق دهد.
- سیستمهای محتوای اصلی: سیستمی برای اطمینان از اینکه Google محتوای اصلی را بهطور برجسته در نتایج جستجو، از جمله گزارشهای اصلی، جلوتر از کسانی که صرفاً به آن استناد میکنند، نشان میدهد.
- سیستمهای تنزل مبتنی بر حذف: سیستمهایی که وبسایتهایی را که با حجم بالایی از درخواستهای حذف محتوا تنزل میدهند.
- سیستم تجربه صفحه: سیستمی که معیارهای مختلفی را ارزیابی می کند تا مشخص کند آیا یک صفحه وب تجربه کاربری خوبی را ارائه می دهد یا خیر.
- سیستم رتبهبندی عبور: یک سیستم هوش مصنوعی که Google برای شناسایی بخشها یا «معابر» یک صفحه وب استفاده میکند تا بهتر بفهمد یک صفحه چقدر مرتبط با یک جستجو است.
- سیستم بررسی محصول: سیستمی که به بررسی های محصول با کیفیت بالا که توسط نویسندگان خبره نوشته شده است، با تجزیه و تحلیل دقیق و تحقیقات اصلی پاداش می دهد.
- RankBrain: یک سیستم هوش مصنوعی که به گوگل کمک می کند تا بفهمد کلمات چگونه با مفاهیم مرتبط هستند. به Google اجازه می دهد نتایجی را که حاوی کلمات دقیق استفاده شده در یک پرس و جو نیستند، برگرداند.
- سیستمهای اطلاعاتی قابل اعتماد: Google سیستمهای متعددی برای نشان دادن اطلاعات قابل اعتماد دارد، مانند بالا بردن صفحات معتبر، کاهش محتوای با کیفیت پایین، و پاداش دادن به روزنامهنگاری با کیفیت.
- سیستم تنوع سایت: سیستمی که گوگل را از نمایش بیش از دو صفحه وب از یک سایت در نتایج برتر باز می دارد.
- سیستمهای تشخیص هرزنامه: سیستمی که با محتوا و رفتارهایی سر و کار دارد که خطمشیهای هرزنامه Google را نقض میکند.
منبع: searchenginejournal.com