Algoritma Google Baru Dapat Memperbarui Peringkat Halaman Anda (Update 2019)

MasIrfun

Algoritma Google Baru Dapat Memperbarui Peringkat Halaman Anda (Update 2019)
Masirfun.COM - Sebuah makalah penelitian baru yang diterbitkan oleh Google menjelaskan cara baru yang dramatis untuk meningkatkan peringkat halaman web. Algoritma ini mengklaim peningkatan signifikan terhadap algoritma jaringan saraf dalam yang menghitung relevansi.

Algoritma Google Baru Dapat Memperbarui Peringkat Halaman Anda (Update 2019)

Meskipun tanpa konfirmasi, kami tidak dapat mengetahui secara pasti apakah itu sedang digunakan, karena perbaikan signifikan diklaim oleh para peneliti, menurut pendapat MasIrfun tidak terlalu jauh untuk mempertimbangkan bahwa algoritma ini mungkin digunakan oleh Google.

Algoritma baru ini memperkenalkan metode pemeringkatan halaman web yang disebut, Fungsi Skor Groupwise .

Apakah Google Menggunakan Algoritma yang Diterbitkan?


Google telah menyatakan di masa lalu bahwa "makalah penelitian Google secara umum tidak boleh dianggap sebagai sesuatu yang benar-benar terjadi dalam pencarian." Google jarang membahas paten algoritma atau makalah mana yang digunakan.

Apakah Algoritma Ini Bagian dari Pembaruan Inti Maret 2019?


Makalah penelitian ini menunjukkan bagaimana Google berfokus pada memahami permintaan pencarian dan memahami tentang apa halaman web itu. Ini adalah tipikal penelitian Google terbaru.

Google baru-baru ini memperkenalkan pembaruan inti luas yang dilaporkan sebagai yang terbesar dalam beberapa tahun terakhir. Apakah algoritma ini merupakan bagian dari perubahan itu? Kita tidak tahu dan kemungkinan besar kita tidak akan pernah tahu. Google jarang membahas algoritma spesifik.

Menurut pendapat MasIrfun, mungkin saja hal seperti ini bisa menjadi salah satu bagian dari pembaruan multi-bagian dari algoritma peringkat pencarian Google. MasIrfun tidak percaya itu satu-satunya. MasIrfun percaya Algoritma Ranking Inti Maret 2019 terdiri dari serangkaian perbaikan.

Mengapa Algoritma ini Penting?


Makalah penelitian dimulai dengan mencatat bahwa algoritma pembelajaran mesin memberi label dan memberikan nilai ke halaman web secara terpisah, setiap halaman web terpisah dari halaman web lainnya. Kemudian algoritma menilai halaman web dalam persaingan dengan halaman web lain untuk mengetahui halaman web mana yang paling relevan.

Inilah cara makalah penelitian menjelaskan cara kerja algoritma saat ini:

"Sementara dalam klasifikasi atau pengaturan regresi label atau nilai ditugaskan untuk masing-masing dokumen individu, dalam pengaturan peringkat kami menentukan urutan relevansi dari seluruh daftar dokumen input."

Makalah penelitian kemudian mengusulkan bahwa mempertimbangkan usia semua halaman web yang relevan dapat memberikan petunjuk tentang apa yang diinginkan pengguna. Jadi, alih-alih meranking semua halaman web satu dengan yang lain, dengan meninjau usia halaman web terlebih dahulu, algoritma peringkat dapat lebih memahami apa yang diinginkan pengguna dan memilih halaman web yang lebih baik.

Ini adalah bagaimana makalah penelitian menggambarkan algoritma baru:

“Mayoritas pembelajaran yang ada saat ini memodelkan model relativitas seperti pada tingkat kerugian menggunakan fungsi kerugian berpasangan atau sebaliknya. Namun, mereka dibatasi untuk fungsi penilaian pointwise, yaitu, skor relevansi dokumen dihitung berdasarkan pada dokumen itu sendiri, terlepas dari dokumen lain dalam daftar.
... skor relevansi dokumen dengan permintaan dihitung secara independen dari dokumen lain dalam daftar. Pengaturan ini bisa kurang optimal untuk masalah peringkat karena berbagai alasan. "

Perbandingan Lintas Dokumen


Makalah penelitian kemudian menunjukkan bagaimana metode peringkat halaman web saat ini kehilangan kesempatan untuk meningkatkan relevansi hasil pencarian.

Ini adalah contoh yang digunakan makalah penelitian untuk menggambarkan masalah dan solusinya:

“Pertimbangkan skenario pencarian di mana pengguna mencari nama artis musikal. Jika semua hasil yang dikembalikan oleh permintaan (mis., Calvin harris) adalah yang terbaru, pengguna mungkin tertarik pada berita terbaru atau informasi tur.
Jika, di sisi lain, sebagian besar hasil kueri lebih tua (misalnya, frank sinatra), kemungkinan besar pengguna ingin belajar tentang diskografi artis atau biografi. Dengan demikian, relevansi setiap dokumen tergantung pada distribusi seluruh daftar. "

Dalam contoh ini, usia halaman web yang relevan dengan permintaan pencarian dapat membantu untuk menyaring jawaban mana yang merupakan jawaban terbaik.

Memodelkan Perilaku Manusia untuk Akurasi yang Lebih Baik


Makalah penelitian kemudian mencatat bahwa pengguna mesin pencari cenderung membandingkan hasil pencarian relatif terhadap halaman web lainnya. Mereka kemudian menyarankan bahwa model peringkat yang melakukan hal yang sama lebih akurat.

“... interaksi pengguna dengan hasil pencarian menunjukkan pola perbandingan yang kuat. Penelitian sebelumnya menunjukkan bahwa penilaian preferensi dengan membandingkan sepasang dokumen lebih cepat diperoleh, dan lebih konsisten daripada peringkat absolut. "
Selain itu, kemampuan prediksi yang lebih baik dicapai ketika tindakan pengguna dimodelkan secara relatif ... Ini menunjukkan bahwa pengguna membandingkan dokumen yang diklik dengan dokumen di sekitarnya sebelum klik, dan model peringkat yang menggunakan mekanisme perbandingan langsung dapat lebih efektif karena meniru perilaku pengguna dengan lebih setia. "

Algoritma Baru Berfungsi


Ketika mempertimbangkan penelitian algoritma, penting untuk dicatat apakah para peneliti menyatakan bahwa itu meningkatkan dan memajukan keadaan terkini.

Beberapa makalah penelitian mencatat bahwa perbaikannya minimal dan biaya untuk mencapai keuntungan ini sangat signifikan (waktu dan perangkat keras). MasIrfun menganggap penelitian yang kurang berhasil tidak menjadi kandidat yang baik untuk dimasukkan dalam algoritma pencarian Google.

Ketika sebuah makalah penelitian melaporkan peningkatan yang signifikan ditambah dengan biaya minimal, maka menurut MasIrfun algoritma semacam ini memiliki kemungkinan lebih tinggi untuk dimasukkan ke dalam algoritma Google.

Para peneliti menyimpulkan bahwa metode baru ini meningkatkan Deep Neural Network dan model berbasis pohon. Dengan kata lain, ini berguna. Google tidak pernah mengatakan apakah suatu algoritma digunakan atau bagaimana penggunaannya. Tetapi mengetahui bahwa suatu algoritma memberikan peningkatan yang signifikan dan dapat meningkatkan skala kemungkinan bahwa algoritma tersebut dapat digunakan oleh Google, jika tidak saat ini maka di beberapa titik di masa depan.

Ini adalah nilai mengetahui tentang pencarian informasi penelitian. Anda bisa tahu apa yang mungkin. Memahami bahwa sesuatu belum dipelajari adalah petunjuk kuat bahwa teori tentang apa yang dilakukan Google tidak mungkin.

Sebagai contoh, studi korelasi menyebabkan komunitas SEO percaya bahwa suka Facebook adalah faktor peringkat. Tetapi jika para SEO itu repot-repot membaca makalah penelitian mereka akan tahu bahwa hal seperti itu sangat tidak mungkin.

Dalam hal ini, para peneliti menyatakan bahwa metode ini sangat berhasil. Dalam kutipan berikut, harap dicatat bahwa DNN berarti Deep Neural Networks. GSF berarti Fungsi Penilaian Groupwise.

Inilah kesimpulannya:


"Hasil percobaan menunjukkan bahwa GSF secara signifikan menguntungkan beberapa DNN canggih dan model berbasis pohon ..."

Bagaimana Ini Dapat Membantu SEO Anda


Peringkat di Google semakin sedikit tentang faktor peringkat tradisional. Faktor peringkat berusia dua puluh tahun seperti anchor text, heading tag, dan tautan semakin berkurang.

Makalah penelitian ini menunjukkan bagaimana mempertimbangkan kesamaan antara halaman yang relevan dapat memberikan petunjuk tentang apa yang diinginkan pengguna. Bahkan jika Google tidak menggunakan algoritme ini untuk memberi peringkat halaman web, konsep ini tetap berguna bagi Anda.

Mengetahui apa yang diinginkan pengguna dapat membantu Anda lebih memahami kebutuhan informasi pengguna dan membuat halaman web yang lebih memenuhi kebutuhan itu. Dan itu dapat meningkatkan kemampuan Anda untuk menentukan peringkat. Mengejar wortel, bukan tongkat.
MasIrfun
Load comments