Menemukan faktor peringkat pencarian Yandex dengan wawasan yang bocor

January 31, 2023

Komunitas pemasaran pencarian sedang mencoba memahami repositori Yandex yang bocor yang berisi dokumen yang mencantumkan faktor peringkat pencarian. Ryan Jones (@RyanJones) berpendapat bahwa kebocoran ini serius dan telah [memuat beberapa model pembelajaran mesin Yandex](https:// twitter.com/ RyanJones/status/1620266355323961344) untuk menguji di mesinnya sendiri. Sementara beberapa mungkin mencari prospek SEO yang dapat ditindaklanjuti, konsensus umum adalah bahwa ini akan membantu untuk lebih memahami cara kerja mesin telusur (@RyanJones, 29 Januari 2023). Seperti yang dikatakan Ryan, "[Jika] Anda ingin peretasan atau pintasan, tidak ada di sini. Tetapi jika Anda ingin mempelajari lebih lanjut tentang cara kerja mesin telusur, ada emas di sini."

Ryan percaya bahwa kita dapat belajar banyak dari daftar faktor peringkat Yandex yang bocor, tetapi memeriksa daftar saja tidak cukup. Dia menjelaskan bahwa meskipun Yandex bukan Google, Yandex menggunakan banyak penemuan Google, seperti PageRank dan BERT. Dia juga mencatat bahwa faktor dan bobot yang diterapkan pada mereka dapat bervariasi dari mesin pencari ke mesin pencari, tetapi metode ilmu komputer yang digunakan untuk menganalisis relevansi teks akan sangat mirip. Selain itu, dia menunjukkan bahwa ada lebih banyak faktor peringkat yang dihitung dalam kode daripada yang tercantum dalam daftar yang bocor, dengan beberapa bobot negatif diberikan pada faktor yang mungkin dianggap positif oleh SEO, dan sebaliknya. Tautan: https://www.seobility.net/en/blog/yandex-ranking-factors/

Secara umum diyakini bahwa Yandex menggunakan 1.923 faktor peringkat untuk mesin pencarinya. Namun, pendiri Link Research Tools, Christoph Cemper (profil LinkedIn) mendengar dari teman bahwa ada lebih banyak faktor peringkat daripada awalnya berpikir ingin lebih. Menurut sumber ini, Yandex menggunakan 275 faktor personalisasi, 220 faktor "kesegaran web", 3.186 faktor pencarian gambar, dan 2.314 faktor pencarian video. Hebatnya, mesin pencari juga memanfaatkan ratusan faktor peringkat terkait tautan. Ini menunjukkan bahwa Google awalnya mengklaim menggunakan lebih dari 200 sinyal peringkat di SERP-nya.

Pelanggaran data baru-baru ini dari algoritme mesin pencari Google telah menimbulkan pertanyaan tentang siapa yang benar-benar mengetahui keseluruhan algoritme. Sangat mengejutkan bagaimana faktor peringkat diatur ketika bocor, dan banyak yang sekarang mempertanyakan apakah Google memiliki spreadsheet komprehensif dari semua faktor peringkat.

Pakar SEO Christoph Cemper mengomentari topik di Search Engine Journal bahwa dia "selalu menganggap konyol" bahwa bahkan karyawan Google tidak mengetahui keseluruhan algoritme. Dia melanjutkan dengan mengatakan bahwa sistem yang sedemikian rumit perlu didokumentasikan bahkan kodenya dapat bocor. Jadi mungkin pelanggaran data ini akan membantu memikirkan algoritme Google.

Dokumen Yandex yang baru-baru ini bocor memberikan kesempatan untuk melihat bagaimana mesin pencari (Yandex) memeringkat hasil pencarian, meskipun data tersebut tidak mengungkapkan cara kerja Google. Di antara wawasan yang terungkap adalah yang terkait dengan jaringan saraf Yandex yang disebut MatrixNet, yang diterbitkan pada tahun 2009 melalui [tautan pengumuman archive.org](https://web.archive.org/web/20160311035825/https://yandex .com /perusahaan/teknologi/matrixnet/){rel="nofollow"}. Penting untuk dicatat bahwa, bertentangan dengan beberapa klaim, MatrixNet tidak setara dengan RankBrain Google — algoritme terbatas Google difokuskan untuk memahami 15% kueri penelusuran yang belum pernah dilihatnya sebelumnya. Pada bulan Oktober 2015, Bloomberg menerbitkan sebuah artikel ([Snapshot Archive.org](https://web.archive.org/web/20151101155408/https://www.bloomberg.com/news/articles/2015-10 -26/ google-turning-its-lucrative-web-search-over-to-ai-machines){rel="nofollow"}) mengungkapkan bahwa RankBrain diperkenalkan dalam algoritme Google 6 tahun setelah Yandex MatrixNet diluncurkan. Menurut makalah tersebut, RankBrain memiliki penggunaan terbatas dan dirancang untuk menebak kata dan frasa dengan arti yang mirip dengan kueri yang tidak dikenalnya untuk memproses kueri penelusuran yang belum pernah dilihat secara efisien. Sebaliknya, MatrixNet adalah algoritme pembelajaran mesin yang mengklasifikasikan permintaan pencarian dan menerapkan algoritme peringkat yang sesuai. Pengumuman tahun 2016 dalam bahasa Inggris (di sini) menjelaskan lebih lanjut peran algoritme dalam penelusuran web modern pada prinsip kerja platform Google.

MatrixNet adalah algoritme peringkat yang kuat yang memungkinkan pengguna menghasilkan formula kompleks dan menyesuaikannya untuk permintaan pencarian tertentu. Hal ini memastikan bahwa kualitas peringkat untuk satu jenis kueri tidak memengaruhi kinerja keseluruhan untuk jenis penelusuran lainnya. Tidak seperti algoritme pemeringkatan lainnya, MatrixNet memungkinkan pengguna mengubah dan menyempurnakan parameter tertentu tanpa merombak total seluruh sistem. Selain itu, MatrixNet dapat secara otomatis memilih tingkat sensitivitas untuk berbagai faktor dalam rumus peringkat. Dengan fitur-fitur canggih ini, MatrixNet telah membedakan dirinya dari RankBrain dan algoritme serupa lainnya. https://www.deepcrawl.com/blog/rankbrain-matrixnet-same/

MatrixNet adalah faktor penting untuk dipertimbangkan saat memeriksa dokumentasi faktor peringkat Yandex. Untuk memahami dokumen-dokumen ini, penting untuk memahami algoritme Yandex. Untuk itu, pembaca dapat membaca ikhtisar kecerdasan buatan Yandex dan algoritme pembelajaran mesin di sini. Dominic Woodman, pengguna Twitter dengan nama pengguna @dom_woodman, membuat beberapa pengamatan menarik tentang kebocoran tersebut dan menemukan bahwa Beberapa faktor konsisten dengan SEO praktik, seperti berbagai teks jangkar (seperti yang dia nyatakan di sini tweet).

Alex Buraks (@alex_buraks) baru-baru ini memposting utas Twitter tentang pentingnya pengoptimalan tautan internal untuk SEO. John Mueller dari Google telah lama mendorong penerbit untuk memastikan bahwa halaman-halaman penting ditautkan dengan jelas, dan mencegah mereka terkubur jauh di dalam arsitektur situs. Dia berkata pada tahun 2020: "[Jadi apa yang terjadi], kita akan melihat bahwa halaman beranda sangat penting, dan seringkali konten yang ditautkan ke halaman beranda juga sangat penting...Saat keluar dari halaman beranda, kami Saya akan berpikir mungkin tidak terlalu banyak. Penting” (dibagikan oleh John Mueller). Ini menunjukkan bahwa dengan menjaga halaman penting tetap dekat dengan halaman utama yang dikunjungi pengunjung situs, mereka akan dianggap lebih penting jika ditautkan dari sana.

John Mueller dari Google baru-baru ini membahas masalah kedalaman perayapan sebagai faktor peringkat. Dia mengklarifikasi bahwa ini bukan faktor peringkat, tetapi sinyal ke Google halaman mana yang penting. Alex Buraks kemudian mengutip aturan Yandex yang menggunakan kedalaman perayapan halaman beranda sebagai aturan peringkat, yang menyatakan bahwa halaman penting harus lebih dekat ke halaman beranda (1 klik), dan halaman yang kurang penting harus memiliki 3 klik atau kurang. Ini masuk akal dalam hal menetapkan kepentingan saat menjauh dari halaman beranda. Ada juga beberapa makalah penelitian Google seperti Reasonable Surfer Model dan Random Surfer Model, yang menghitung probabilitas peselancar acak mengunjungi halaman web tertentu dengan mengikuti tautan. Tautan tweet: [Tautan model selancar yang masuk akal:](https:// www .seobythesea.com/2016/04/googles-reasonable-surfer-patent-updated/)

Pakar SEO Alex Buraks baru-baru ini men-tweet bahwa tautan balik dari beranda lebih penting daripada tautan balik dari halaman internal. Tweetnya ditautkan ke gambar yang menunjukkan diagram yang mewakili pernyataan tersebut. Aturan praktis ini penting untuk SEO karena membantu memastikan bahwa konten penting tetap dekat dengan halaman beranda atau di dalam halaman yang menarik tautan masuk.

Baru-baru ini, kerentanan ditemukan dalam cara mesin telusur membaca halaman web. Kebocoran ini masih dalam tahap awal, tetapi berpotensi memberikan pemahaman yang lebih baik kepada pengguna SEO di masa mendatang tentang cara kerja layanan ini. Investigasi dan analisis lebih lanjut atas kebocoran ini dapat menjelaskan lebih lanjut tentang cara kerja mesin telusur dan berbagai komponen yang mendorongnya. Gambar unggulan: Shutterstock/san4ezz. Lihat kategori Berita dan SEO Jurnal Mesin Pencari untuk informasi lebih lanjut tentang topik ini.

Google Ads memperkenalkan kata kunci negatif di tingkat akun
Google Ads Liaison Ginny Marvin baru-baru ini mengumumkan bahwa fitur kata kunci negatif tingkat akun yang baru kini tersedia untuk pengiklan Google Ads secara global. Pertama kali diumumkan pada tahu...
Baca selengkapnya
ChatGPT meningkatkan kemampuan matematika dengan pembaruan
OpenAI telah merilis pembaruan untuk model bahasa populer ChatGPT untuk meningkatkan akurasi dan meningkatkan kemampuannya menangani persamaan matematika. Catatan RilisPada tanggal 30 Januari, pembaru...
Baca selengkapnya